Thalamocortical credit routing from the basal ganglia and cerebellum: anatomical constraints and circuit principles

動物が報酬を得るための正しい行動を選択する方法を学ぶ仕組みを理解するために、科学者たちは長年、脳の2つの深い構造、すなわち基底核と小脳に注目してきました。これらの領域は学習エンジンとして機能します。基底核は過去の報酬に基づいてどの行動を追求する価値があるかを決定し、小脳は動きのタイミングと精度を微調整します。両方の構造は、複雑な思考や計画を司る脳の外層である大脳皮質から指令を受け取ります。この情報を処理した後、それらは将来の行動を更新するために皮質へと信号を送り戻します。これにより、脳が自らのパフォーマンスを絶えずチェックするという連続的なループが形成されます。しかし、このパズルの極めて重要なピースがこれまで不明なままでした。それは、学習信号が、実際にその行動を生み出した皮質の特定のニューロン群にどのように伝わるのかという点です。精密な配送システムがなければ、脳はどのニューロンを強化し、あるいは弱めるべきかを判断できず、学習は非効率的になるか、あるいは不可能になってしまいます。

日本の研究チームは、マウスを用いてこの配送ルートを解明し、学習信号が正確に正しい目的地に到達することを保証する精巧なシステムを明らかにしました。彼らは、基底核と小脳が脳の中継局である視床内のほぼ独立した経路を通じてメッセージを送る一方で、これらの経路は皮質に到達する際に再び合流することを発見しました。具体的には、両方のシステムからの信号が、計画や新しいスキルの習得に不可欠な領域である二次運動野の最上層に収束することを見出したのです。この収束により、脳は異なる種類の学習情報を組み合わせ、行動を担当する特定のニューロンへと直接伝えることが可能になります。詳細な脳画像解析とコンピュータ・シミュレーションを組み合わせることで、チームは、この解剖学的な配置が、脳が「クレジット（功績）」を正しく割り当てるために不可欠であり、成功した行動に貢献したニューロンが確実に強化されるようにしていることを示しました。

研究者たちはまず、マウスの脳内の物理的な経路を追跡し、学習信号がどこへ向かうのかを調べました。彼らは基底核と小脳に微量の蛍光トレーサーを注入し、信号が視床を通ってどのように皮質へと移動するかを観察しました。その結果、基底核からの入力を受ける視床のニューロンは主に特定の領域に位置しており、一方で小脳からの入力を受けるニューロンは別の領域に位置していることが分かりました。これにより、2つのシステムは視床を通過する間は概ね分離されていることが確認されました。しかし、研究者が視床から皮質へと信号を運ぶ軸索（長い繊維）がどこに到達しているかに目を向けると、状況は一変しました。視床内の異なる場所から始まっているにもかかわらず、両方のシステムからの軸索は、驚くほど共通の目的地、すなわち二次運動野の最上層へと向かっていたのです。この層には、運動を制御する神経細胞の広範囲に及ぶ先端部分が含まれています。また、研究者たちは、両方のシステムからの信号が混ざり合う視床内の小さな領域も見つけましたが、最も重要な発見は、皮質におけるこの共通の到着地点でした。

この共有された目的地がなぜ重要なのかを理解するために、チームは皮質、視床、基底核、小脳を含む脳回路全体の詳細なコンピュータモデルを構築しました。シミュレーションにおいて、彼らは学習信号が正しくルーティングされている場合と、バラバラに送られている場合で、脳の学習がどのように変化するかをテストしました。その結果、基ート核と小脳からのフィードバックが、その行動を助けた特定のニューロン群に送られた場合に、学習が最も上手く機能することが分かりました。もし信号が誤ったニューロンに送られれば、学習は失敗します。また、このモデルは、脳がこれらの信号を戻すために2つの異なる方法を用いていることも明らかにしました。一方の信号は「ボリュームノブ」のように機能し、ニューロンの既存の活動を強めたり弱めたりします。もう一方は「直接的な押し（ダイレクト・プッシュ）」のように機能し、ニューロンに新しい活動を加えさせます。研究者たちは、効率的に学習するためにはこれら両方のメカニズムが共に機能する必要があることを発見しました。この「ボリュームノブ」効果は、皮質のあの最上層で起こり、脳が正しい信号を増幅させるのを助け、一方で「直接的な押し」は行動を前進させる原動力となります。

研究チームはまた、脳がそもそもどのニューロンに学習信号を送るべきかをどのように判断しているのかについても調査しました。コンピュータモデルにおいて、研究者たちは、脳が休息期間中の自らの活動を観察することによって、フィードバックを整合させる方法を学習できることを示しました。ニューロンがどの程度活動していたかと、そのニューロンが行動を引き起こす可能性がどの程度あったかを比較することで、脳は接続を調整し、学習信号が正しい場所に送られるようにできるのです。彼らが「ローカル校正（local calibration）」と呼んだこのプロセスにより、モデルは初期の接続が完璧に設定されていなくても、学習能力を回復させることができました。さらに、研究者たちは、このシステムが、例えば人間が思考でコンピュータのカーソルを操作する学習を行うブレイン・マシン・インターフェースの実験のように、複数のニューロンを同時に訓練する必要がある複雑なタスクを扱えるかどうかをテストしました。その結果、脳がネットワーク全体に対して単一のグローバルな報酬信号を送る場合、ターゲットが反対方向に動く必要があるような複数のターゲットを同時に訓練しようとすると、苦戦することが分かりました。しかし、フィードバックが別々の並行したチャンネルを通じて送られる場合、脳は複数のニューロンを同時に訓練することに成功します。これは、脳が複雑なマルチパートのタスクを学習する能力が、特定のニューロン群に対して干渉することなくクレジットを届けられる、明確な並行経路を持っていることに依存していることを示唆しています。

これらの知見は、脳の学習に対する新たな視点を提供します。研究者たちは、基底核と小脳を、単に出力を足し合わせるだけの独立したシステムとして見るのではなく、学習信号を届けるための共有ハイウェイを使用する、連携したチームとして機能していると提案しています。このハイブルは、運動野の最上層へと収束し、脳が異なる種類の情報を統合し、それを必要とされる場所へ正確に指示することを可能にします。この研究は、これらの接続の物理的なレイアウトが、単なる受動的な配線図ではなく、学習プロセスそのものの能動的な構成要素であることを示唆しています。学習信号が行動を担当する特定のニューロンに確実に届くようにすることで、脳は行動を効率的に洗練させ、新たな課題に適応することができるのです。本研究は、マウスにおける直接的な観察と厳密なコンピュータ・シミュレーションの両方から導き出されており、脳がいかにして「クレジット割り当て（credit assignment）」という、動物のみならず人工知能システムの発展にも共通する学習における根本的な課題を解決しているかについて、具体的な解剖学的および計算論的な枠組みを提供しています。研究者たちの結果は、層状の収束（laminar convergence）とモジュール式のフィードバックが、脳が複雑な行動を学習することを可能にしていることを浮き彫りにしています。