Evolutionarily conserved neural dynamics across mice, monkeys, and humans

Deze studie toont aan dat, ondanks evolutionaire verschillen, de neurale dynamiek die bewegingen aanstuurt in de motorische cortex van muizen, apen en mensen sterk geconserveerd is, wat suggereert dat de evolutie deze fundamentele neurale berekeningen behoudt terwijl het gedragsrepertoire zich uitbreidt.

De kern

De Universele Regels van Beweging: Waarom Muis, Aap en Mens op dezelfde manier denken

Stel je voor dat het brein een enorme, ingewikkelde fabriek is. In deze fabriek is er een speciale afdeling, de motorische cortex, die verantwoordelijk is voor het plannen en uitvoeren van bewegingen, zoals het grijpen van een kopje of het trekken aan een hendel.

De vraag die deze onderzoekers zich stelden, was als volgt: Heeft deze fabriek in een muis, een aap en een mens dezelfde blauwdruk, of zijn het totaal verschillende machines die toevallig hetzelfde werk doen?

Om dit te beantwoorden, keken ze niet naar de losse onderdelen (de neuronen), maar naar het ritme en de dans die deze onderdelen samen maken.

1. De Grote Danspartij (De Hypothese)

Stel je voor dat je een dansje leert. Je kunt het dansje doen met je eigen lichaam (een muis), met een ander lichaam (een aap) of met een menselijk lichaam. De stappen zijn misschien anders, en de muziek kan net iets anders klinken, maar de fundamentele regels van de dans (hoe je je been beweegt, hoe je draait) zouden hetzelfde kunnen zijn.

De onderzoekers dachten: "Als het brein van een muis, een aap en een mens allemaal dezelfde 'dansregels' gebruikt om te bewegen, dan moeten de patronen in hun hersenen op elkaar lijken, zelfs als ze er totaal anders uitzien."

2. Het Experiment: Een Drie-Weg Vergelijking

Ze keken naar drie groepen:

• Muizen: Die aan een hendel trokken.
• Aapjes: Die ook aan objecten trokken.
• Een mens: Een patiënt met een rugletsel die een object verplaatste (met een aangepaste manier van grijpen).

Ze keken naar de elektrische activiteit in de hersenen terwijl deze dieren en de mens bewogen. Ze gebruikten een slimme rekenmethode (een soort "dynamische vingerafdruk") om te kijken hoe de hersencellen met elkaar praatten tijdens de beweging.

3. Het Verbluffende Resultaat: Hetzelfde Ritme, Verschillende Danspasjes

Wat ze vonden, was verrassend:

• Het Ritme is Identiek: De manier waarop de hersencellen samenwerkten (het "ritme" of de "dynamica") was bijna identiek tussen de muis, de aap en de mens. Het was alsof ze allemaal op dezelfde beat dansen.
• De Danspasjes zijn Anders: Waar ze wel verschillen, is de vorm van de beweging. Een muis heeft een klein pootje, een aap heeft een lange arm en een mens heeft een hand met duim. De hersenen passen de vorm van de beweging aan (de geometrie), maar ze gebruiken dezelfde onderliggende regels om die beweging te maken.

Een simpele analogie:
Stel je voor dat je een auto, een fiets en een motorfiets hebt. Ze zien er totaal anders uit en hebben verschillende wielen. Maar als je kijkt naar hoe de bestuurder het stuur draait om een bocht te nemen, zie je dat de logica van het sturen (eerst iets naar links, dan iets naar rechts) hetzelfde is. De onderzoekers vonden dat de hersenen van muis, aap en mens allemaal "sturen" volgens dezelfde universele logica.

4. De Controle: Waarom is dit zo speciaal?

Om zeker te weten dat dit niet zomaar toeval was, deden ze twee extra tests:

1. Verschillende delen van het brein: Ze keken ook naar het gevoels-gedeelte van de hersenen (waar je voelt dat je iets vastpakt). Daar was het ritme niet hetzelfde als bij het bewegen. Dit bewijst dat het ritme specifiek is voor het bewegen, en niet zomaar voor elke hersenactiviteit.
2. Voorbereiden vs. Doen: Ze keken naar het moment dat de aap dacht over de beweging (voorbereiding) versus het moment dat hij het daadwerkelijk deed. Ook hier was het ritme anders. Dit betekent dat het brein zijn "muziek" verandert als de taak verandert.

Maar: Het ritme tussen een muis en een mens tijdens het bewegen was juist niet anders. Het was net zo sterk op elkaar gelijk als tussen twee verschillende muizen.

5. De Simulatie: De Bouwplaat van het Brein

Om te begrijpen waarom dit zo is, bouwden ze een computermodel van een brein (een neuronaal netwerk). Ze lieten dit model leren bewegen, maar ze veranderden de "bouwplaat" (de architectuur) van het model.

• Als ze de bouwplaat veranderden (bijvoorbeeld andere soorten neuronen of andere leerregels), veranderde het ritme van de beweging drastisch.
• Dit suggereert dat de reden waarom muis, aap en mens hetzelfde ritme hebben, is dat hun hersenen op dezelfde manier zijn gebouwd door de evolutie. De natuur heeft deze specifieke "bouwplaat" behouden omdat hij zo goed werkt.

Conclusie: De Oude Regels Blijven

De boodschap van dit onderzoek is hoopvol en fascinerend:
Hoewel we er als mens, aap en muis heel anders uitzien en heel verschillende dingen kunnen doen, delen we een diep, evolutionair oude manier van denken over beweging.

De natuur heeft de basisregels (de dynamica) behouden, maar heeft de "hulpmiddelen" (de vorm van de beweging) aangepast aan de behoeften van elke soort. Dit betekent dat wat we leren van muizen en apen over hoe het brein werkt, direct van toepassing is op mensen. Het is alsof we allemaal verschillende auto's rijden, maar we gebruiken allemaal hetzelfde stuurwiel en dezelfde verkeersregels.

Kortom: Ons brein is als een universele taal. De woorden (de specifieke bewegingen) kunnen verschillen, maar de grammatica (de manier waarop de hersenen werken) is voor iedereen hetzelfde.

Technische samenvatting

Probleemstelling

Hoewel de anatomie van neurale circuits tussen soorten met een verre evolutionaire oorsprong (zoals muizen, apen en mensen) gedeeltelijk behouden is, is het onduidelijk of homologe hersengebieden, zoals de motorische cortex, dezelfde neurale berekeningen uitvoeren voor gemeenschappelijk gedrag. Natuurlijke selectie heeft de gedragsrepertoires van soorten aangepast aan hun specifieke ecologische niches, wat leidt tot significante verschillen in neurale architectuur (bijv. corticospinale verbindingen) en effectoren (bijv. handgrootte, spierkracht). De centrale vraag is of de onderliggende neurale berekeningen die beweging genereren, evolutionair behouden blijven ondanks deze variaties, of dat nieuwe gedragsaanpassingen de computationele basis van de cortex fundamenteel veranderen.

Methodologie

De auteurs hebben een multi-soort dataset samengesteld en geanalyseerd met geavanceerde technieken voor dynamische systemen:

1. Dataverzameling:

   • Muizen: Intracorticale opnames tijdens een taak waarbij ze een hendel moesten grijpen en trekken (4 muizen, 7 sessies).
   • Apen: Opnames tijdens het grijpen en trekken van objecten (cilindrisch en kubisch) met verschillende grip-types en lasten (4 apen, 2 datasets).
   • Mensen: Opnames van een participant met een C4-zeerwervelletsel die een object moest tillen en verplaatsen met een aangepaste grijpstrategie (1 participant, 4 sessies).
   • Opnameapparatuur: Neuropixels-probes (muizen), chronisch geïmplanteerde micro-elektrode arrays (apen), en Blackrock NeuroPort arrays (mens).

2. Analyse Framework:

   • Dynamical Similarity Analysis (DSA): Een methode om de dynamische gelijkenis tussen neurale trajecten te kwantificeren. DSA transformeert niet-lineaire neurale dynamiek naar een lineaire staatruimte en past dynamische systemenmodellen toe om een overgangsmatrix ($K$) te extraheren. De afstand tussen deze matrices ($K$) dient als maatstaf voor de gelijkenis in de onderliggende "rekenregels" (dynamica).
   • Canonical Correlation Analysis (CCA): Gebruikt om de geometrische gelijkenis (de vorm van de trajecten in de staatruimte) te meten, onafhankelijk van de onderliggende dynamische regels.
   • Simulaties: Recurrente Neuronale Netwerken (RNN's) werden getraind om een biomechanisch model van een apenarm te besturen. De auteurs manipuleerden architectuurvariabelen (bijv. GRU vs. vanilla RNN, leeralgoritmen, biomechanische parameters) om te testen hoe circuit-eigenschappen de dynamiek en geometrie beïnvloeden.

Belangrijkste Bijdragen

• Eerste directe vergelijking: Dit is het eerste onderzoek dat neurale populatiedynamiek in de motorische cortex direct vergelijkt tussen muizen, apen en mensen.
• Scheiding van Dynamica en Geometrie: Het artikel onderscheidt strikt tussen de dynamische regels (hoe de activiteit evolueert in de tijd) en de geometrie (de specifieke vorm van het pad in de staatruimte).
• Validatie via Simulatie: Het gebruik van RNN-simulaties om te bewijzen dat behoud van dynamica afhangt van gedeelde circuit-beperkingen, en niet slechts een artefact is van de data.

Resultaten

1. Behoud van Neurale Dynamica:

   • De dynamische afstand tussen de motorische cortex van muizen, apen en mensen was verrassend klein. De dynamische systemenmodellen ($K$) waren even vergelijkbaar tussen soorten als tussen individuen binnen dezelfde soort.
   • Dit behoud gold zelfs ondanks grote verschillen in biomechanica, taakdetails en tijdschalen.

2. Contrast met Andere Vergelijkingen:

   • Verschil in Hersengebieden: De dynamica tussen de motorische cortex en de somatosensorische cortex (bij dezelfde mens) was significant verschillend, vergelijkbaar met de "shuffle-control" (willekeurige data). Dit bevestigt dat DSA echt verschillende berekeningen onderscheidt.
   • Verschil in Gedragsfasen: De dynamica tussen motorische voorbereiding en uitvoering (bij apen) was groter dan de dynamische verschillen tussen soorten tijdens bewegingsuitvoering.
   • Conclusie: De dynamische regels zijn sterker behouden tussen soorten tijdens uitvoering dan tussen verschillende functies binnen dezelfde hersenen.

3. Geometrie versus Dynamica:

   • Hoewel de dynamica (de regels) behouden bleef, varieerde de geometrie (de vorm van de trajecten) sterk.
   • De geometrische gelijkenis correleerde sterk met de gelijkenis in het gedrag (kinematica). Soorten met meer verschillende bewegingen (bijv. mens vs. muis) hadden minder geometrisch overeenkomstige trajecten, maar volgden dezelfde dynamische "flow fields".
   • Dit suggereert dat een enkel behouden dynamisch systeem een breed scala aan gedragsuitkomsten kan produceren door verschillende paden door de staatruimte te volgen.

4. RNN Simulaties:

   • Simulaties toonden aan dat kleine veranderingen in de neurale architectuur (bijv. van GRU naar vanilla RNN) leiden tot grote veranderingen in zowel dynamica als geometrie.
   • Alleen wanneer circuit-eigenschappen (architectuur) behouden bleven, ontstonden zowel dynamische als geometrische gelijkenis. Dit ondersteunt de hypothese dat de waargenomen behoud van dynamica in biologische systemen voortkomt uit gedeelde evolutionaire circuit-beperkingen.

Betekenis en Conclusie

De studie concludeert dat de evolutie neurale berekeningen behoudt over phylogenetische lijnen heen, zelfs terwijl het gedragsrepertoire uitbreidt. De motorische cortex gebruikt een evolutionair behouden set van dynamische regels om beweging te genereren. Soort- en individuele verschillen in gedrag worden gecodeerd in de specifieke geometrie van de neurale trajecten binnen dit behouden dynamische systeem.

Implicaties:

• Translationele Geneeskunde: Omdat de onderliggende neurale dynamica behouden is, kunnen fundamentele studies in diermodellen (muizen, apen) directer worden vertaald naar het begrijpen van de menselijke hersenfunctie en de behandeling van neurologische aandoeningen.
• Neurale Interfaces: Dit inzicht kan leiden tot de ontwikkeling van "multi-species neurale foundation modellen" die robuust zijn voor variaties in effectoren en anatomie, wat de ontwikkeling van neurale interfaces versnelt.
• Theoretisch: Het biedt een nieuw perspectief op hoe het brein complexiteit toevoegt zonder de fundamentele rekenregels te veranderen: door de geometrie van de trajecten aan te passen binnen een vast dynamisch raamwerk.