🧠 neurowetenschap

Predictive Grid Cell Coding Does Not Require Explicit Planning

Deze studie toont aan dat predictieve gridcellen, die toekomstige in plaats van huidige locaties coderen, een algemeen kenmerk zijn van de mediale entorinale cortex van knaagdieren en natuurlijk ontstaan binnen gridcelcircuits tijdens path integration, wat suggereert dat ze de populatieactiviteit kunnen vormgeven in plaats van uitsluitend te dienen voor expliciete planningsfuncties.

Oorspronkelijke auteurs: Sinha, A., Fasehun, O. C., Redman, W. T.

Gepubliceerd 2026-10-15

📖 3 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Sinha, A., Fasehun, O. C., Redman, W. T.

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer

Diep binnen het navigatiesysteem van de hersenen ligt een klein gebied genaamd de mediale entorinale cortex, een plek waar de hersenen een mentale kaart van de wereld opbouwen. Decennialang wisten wetenschappers dat dit gebied "gridcellen" bevat, neuronen die vuren in een herhalend, hexagonaal patroon terwijl een dier door de ruimte beweegt, wat effectief fungeert als een intern coördinatensysteem. Recentelijk ontdekten onderzoekers een speciale subset van deze cellen die lijken te vuren, niet alleen waar het dier zich nu bevindt, maar ook waar het zich bijna zal bevinden. Dit "voorspellende" vuren suggereerde dat de hersenen voortdurend vooruitlopen en toekomstige paden simuleren om te helpen bij het plannen van een route naar een doel. Er bleef echter een hardnekkige vraag bestaan: is dit toekomstgerichte vermogen een specifiek hulpmiddel voor planning, of is het simpelweg een bijproduct van de manier waarop de kaart van de hersenen zichzelf bijwerkt?

Een team onderzoekers zette zich in om dit te beantwoorden door naar de hersenen op twee zeer verschillende manieren te kijken: eerst door echte opnames te heronderzoeken uit de hersenen van ratten die een kamer verkenden, en ten tweede door kunstmatige neurale netwerken te trainen om dezelfde taak uit te voeren: het volgen van beweging zonder instructie om vooruit te plannen. Ze ontdekten dat deze "voorspellende gridcellen" natuurlijk voorkomen in de echte rattenhersenen, zelfs wanneer het dier simpelweg ronddwaalt zonder een specifiek doel in gedachten. Nog verrassender was de ontdekking dat hetzelfde type toekomstgerichte cellen ontstond in de kunstmatige netwerken, ook al waren de netwerken nooit geleerd om te plannen of de toekomst te voorspellen. De kunstmatige netwerken kregen enkel de taak om hun positie bij te werken op basis van beweging, en toch ontwikkelden ze spontaan eenheden die vuren alsof ze in de tijd vooruit kijken.

De onderzoekers testten of deze cellen werkelijk de toekomst voorspelden of slechts reageerden op het verleden. Ze ontdekten dat de activiteit van deze specifieke cellen sterk afhankelijk was van de richting waarin het dier bewoog. Als twee paden elkaar op dezelfde plek kruisten maar het dier in verschillende richtingen bewoog, vuren deze cellen anders, wat aantoont dat ze het pad vooruit volgen en niet alleen de huidige locatie. Dit suggereert dat de cellen een traject coderen. De studie onthulde ook dat deze voorspellende cellen vaak overlappen met een ander type cel in het netwerk dat eruitziet als een streep of een band, wat helpt om de kaart stabiel te houden. Dit leidde de auteurs ertoe te suggereren dat deze toekomstgerichte cellen misschien geen aparte planningsmodule zijn, maar eerder een fundamenteel onderdeel van het mechanisme dat de kaart van de hersenen nauwkeurig en vooruitgaand houdt.

Om te zien of dit mechanisme ook bestaat wanneer de hersenen niet actief navigeren, bekeken het team gegevens van ratten terwijl ze sliepen. Ze vonden een zwakke maar duidelijke signatuur van deze voorspellende codering tijdens de slaap, wat suggereert dat de hersenen deze vooruit kijkende simulaties blijven uitvoeren, zelfs wanneer het dier rust. De resultaten dagen het idee uit dat de hersenen een specifiek doel of een bewust plan nodig hebben om deze toekomstgerichte signalen te genereren. In plaats daarvan lijkt het erop dat het vermogen om de volgende stap te anticiperen ingebouwd zit in de zeer circuitry die de hersenen in staat stelt te weten waar ze zich nú bevinden. De studie suggereert dat de kaart van de hersenen geen statisch beeld van het heden is, maar een dynamisch systeem dat zichzelf constant bijwerkt door een moment in de toekomst te projecteren; een proces dat plaatsvindt of het dier nu een reis plant of simpelweg slaapt.

Technische Samenvatting: Voorspellende Gridcel-codering Vereist Geen Expliciete Planning

Probleemstelling
De mediale entorinale cortex (MEC) bevat gridcellen (roostercellen), die de ruimtelijke locatie coderen via een hexagonaal rooster en waarvan wordt verondersteld dat ze pad-integratie ondersteunen. Recentelijk is een afzonderlijke subpopulatie getiteld "voorspellende gridcellen" ontdekt; deze cellen vertonen grid-achtige tuning niet voor de huidige positie van het dier, maar voor de toekomstige positie (prospectieve codering). Hoewel dit overeenkomt met hypothesen dat de MEC doelgerichte navigatie en planning ondersteunt, blijft de functionele betekenis van deze cellen onduidelijk. Bestaande theorieën over voorspellende codering schrijven de prospectieve eigenschappen vaak toe aan standaard gridcellen, wat de vraag oproept welke specifieke rol voorspellende gridcellen spelen. Bovendien is het onbekend of deze codering een algemeen kenmerk is van de rodentale MEC of een specifiek artefact van bepaalde experimentele condities. Cruciaal is of expliciete planningsmechanismen vereist zijn voor het ontstaan van dergelijke representaties, of dat ze natuurlijk voortvloeien uit de computationele eisen van pad-integratie.

Methodologie
De auteurs gebruikten een tweeledige aanpak bestaande uit onafhankelijke elektrofysiologische data en een recurrent neuraal netwerk (RNN) model:

Elektrofysiologische Heranalyse: De auteurs heranalyseerden een grootschalige, eerder gepubliceerde MEC-dataset (Gardner et al., 2022) verzameld bij ratten in een open veldomgeving. Deze dataset verschilde van de oorspronkelijke ontdekking van voorspellende gridcellen (Ouchi & Fujisawa, 2024) qua faciliteit, experimentele condities en analysecode.
- Classificatie: Voor 1.330 opgenomen cellen werden grid-scores berekend bij verschillende tijdsverschuivingen ( $\Delta$ ). Standaard gridcellen werden gedefinieerd als cellen met een grid-score $>0,5$ bij $\Delta=0$ . Voorspellende gridcellen werden gedefinieerd als niet-standaard gridcellen (grid-score $<0,5$ bij $\Delta=0$ ) die een maximale grid-score $>0,3$ bereikten bij een prospectieve verschuiving ( $\Delta_{max} > 0$ ).
- Validatie: Een circular-shift shuffle-analyse werd uitgevoerd om te waarborgen dat geobserveerde grid-scores statistisch significant waren en niet het gevolg waren van toevallige uitlijning.
- Slaapanalyse: De auteurs onderzochten of de kenmerken van voorspellende grid-codering (specifiek de bias in toroidale coördinaten-codering) standhielden tijdens slow-wave en REM-slaap.
Recurrent Neuraal Netwerk (RNN) Modellering: De auteurs trainden 10 onafhankelijk geïnitialiseerde RNN's om pad-integratie uit te voeren in een 2D-omgeving.
- Architectuur: Netwerken maakten gebruik van 512 place cells en 4.096 recurrente eenheden, bijgewerkt via snelheid-inputs zonder expliciet doel, routeplanning of signalen van toekomstige posities.
- Analyse: De ruimtelijke tuning van de recurrente eenheden werd geanalyseerd met dezelfde tijdsverschuivingsmethodologie als toegepast op de MEC-data. Eenheden werden geclassificeerd als standaard grid, voorspellende grid of retrospectieve grid op basis van hun grid-score profielen over tijdsverschuivingen.
- Pad-afhankelijkheid: Om prospectieve codering te verifiëren, berekenden de auteurs populatievector-correlaties voor paren trajecten die dezelfde ruimtelijke bin snijden maar met verschillende bewegingsvectoren.
- Functionele Overlap: De auteurs onderzochten de overlap tussen predictive grid units en "band" units (eenheden met band-achtige ruimtelijke tuning die bekend staan om het ondersteunen van pad-integratie in RNN's).
- Ablatie: Een voorlopige ablatie-studie verwijderde de voorspellende grid-eenheden om het effect op de autocorrelatie van de resterende grid-eenheid populatie te observeren.

Belangrijkste Resultaten

Algemene Aanwezigheid in de MEC: In de onafhankelijke MEC-dataset identificeerden de auteurs 117 voorspellende gridcellen (ca. 22,4% van de niet-standaard gridcellen per opname). Deze cellen vertoonden lage grid-scores bij $\Delta=0$ , maar vertoonden een significante grid-achtige structuur wanneer hun activiteit werd geprojecteerd naar toekomstige posities (tijdsverschuivingen van $\approx 100-200$ ms). Dit bevestigt dat voorspellende gridcellen een algemeen kenmerk zijn van de rodentale MEC, en niet beperkt zijn tot de oorspronkelijke ontdekkingsdataset.
Emergentie in Pad-integrerende RNN's: Ondanks dat de RNN's uitsluitend getraind werden op pad-integratie zonder planningsobjectief, ontwikkelden de RNN's spontaan voorspellende grid-eenheden (ca. 4,7% van de niet-dead eenheden) en retrospectieve grid-eenheden (ca. 3,4%).
- Deze eenheden vertoonden een monotone toename van de grid-score met prospectieve verschuivingen, in tegenstelling tot standaard grid-eenheden die piekten bij $\Delta=0$ .
- Voorspellende grid-eenheden in RNN's vertoonden een significant hogere toekomstige pad-afhankelijkheid dan standaard grid-eenheden; hun populatievectoren waren sterk gecorreleerd wanneer trajecten vergelijkbare toekomstige richtingen deelden, zelfs als ze dezelfde huidige locatie bezetten.
Rol van Band-eenheden: De auteurs vonden een significante overlap tussen band-eenheden en voorspellende grid-eenheden in de RNN's. Band-eenheden vertoonden een grotere relatieve toename van de grid-score met prospectieve verschuivingen vergeleken met standaard grid-eenheden, wat suggereert dat voorspellende codering gekoppeld is aan de circuitmechanismen die ruimtelijke representaties bijwerken.
Slaapsignaturen: In één opname waar slaapdata beschikbaar was, vertoonden voorspellende gridcellen (geïdentificeerd tijdens exploratie) een bias naar het coderen van toroidale coördinaten met prospectieve verschuivingen tijdens zowel slow-wave als REM-slaap, terwijl niet-voorspellende cellen dat niet deden.
Ablatie-effecten: Het verwijderen van voorspellende grid-eenheden in de RNN's resulteerde in subtiele veranderingen in de dynamica van de grid-eenheid populatie, specifiek een toename van de autocorrelatie op langere tijdschalen, wat suggereert dat deze eenheden helpen de activiteit "weg te duwen" van de huidige staten in de attractor-manifold.

Betekenis en Claims
Het artikel betoogt dat voorspellende gridcel-codering een fundamentele eigenschap is van het MEC gridcel-circuit die geen expliciete planning of doelgerichte objectieven vereist om te ontstaan. De auteurs dagen het idee uit dat voorspellende gridcellen uitsluitend gewijd zijn aan hoogwaardige routeplanning. In plaats daarvan hypothetiseren zij dat voorspellende gridcellen een rol spelen bij het onderhouden en bijwerken van de populatiedynamica van het gridcel-netwerk (bijv. binnen continue attractor-netwerken), mogelijk door de activiteit voorwaarts te drijven langs de attractor-manifold.

De studie levert bewijs dat:

Voorspellende gridcodering een algemeen kenmerk is van de rodentale MEC.
Dergelijke representaties natuurlijk ontstaan in pad-integrerende systemen zonder expliciete planningsobjectieven.
De aanwezigheid van voorspellende codering in band-achtige eenheden wijst op een mechanistische link tussen pad-integratie updates en prospectieve tuning.
De aanwezigheid van deze codering standhoudt tijdens de slaap, wat ondersteuning biedt voor het idee dat het een intrinsieke eigenschap van het circuit is in plaats van een taakspecifieke modulatie.

De auteurs concluderen dat hoewel downstream regio's deze signalen kunnen benutten voor planning, de generatie van voorspellende grid-codering zelf een bijproduct lijkt te zijn van de computationele vereisten voor robuuste pad-integratie en attractor-dynamica.

Meer zoals dit