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

Para entender como um animal aprende a escolher a ação correta para uma recompensa, os cientistas há muito se concentram em duas estruturas profundas do céreã: os gânglios da base e o cerebelo. Essas regiões atuam como motores de aprendizado. Os gânglios da base ajudam a decidir qual ação vale a pena perseguir com base em recompensas passadas, enquanto o cerebelo refina o tempo e a precisão dos movimentos. Ambas as estruturas recebem instruções do córtex cerebral, a camada externa do cérebro responsável pelo pensamento complexo e pelo planejamento. Após processar essa informação, elas enviam sinais de volta ao córtex para atualizar o comportamento futuro. Isso cria um ciclo contínuo onde o cérebro constantemente verifica seu próprio desempenho. No entanto, uma peça crítica deste quebra-cabeça permaneceu obscura: como esses sinais de aprendizado viajam de volta para os grupos específicos de neurônios no córtex que realmente geraram a ação? Sem um sistema de entrega preciso, o cérebro não saberia quais neurônios fortalecer ou enfraquecer, tornando o aprendizado ineficiente ou impossível.

Uma equipe de pesquisadores no Japão mapeou agora esta rota de entrega em camundongos, revelando um sistema sofisticado que garante que os sinais de aprendizado alcancem exatamente os destinos corretos. Eles descobriram que, embora os gânglios da base e o cerebelo enviem suas mensagens através de canais amplamente separados dentro do tálamo — uma estação de retransmissão central no cérebro — esses canais se fundem novamente quando chegam ao córtex. Especificamente, os pesquisadores descobriram que os sinais de ambos os sistemas convergem na camada mais superior do córtex motor secundário, uma região crucial para o planejamento e o aprendizado de novas habilidades. Essa convergência permite que o cérebro combine diferentes tipos de informação de aprendizado e os direcione aos neurônios específicos responsáveis por uma ação. Ao combinar imagens cerebrais detalhadas com simulações computacionais, a equipe mostrou que este arranjo anatômico é essencial para que o cérebro atribua o "crédito" corretamente, garantindo que os neurônios que contribuíram para uma ação bem-sucedida sejam os que recebem o reforço.

Os pesquisadores começaram rastreando as vias físicas nos cérebros de camundongos para ver para onde vão esses sinais de aprendizado. Eles injetaram pequenas quantidades de traçadores fluorescentes nos gânglios da base e no cerebelo e observaram como os sinais viajavam através do tálamo para o córtex. Eles descobriram que os neurônios no tálamo que recebem entrada dos gânglios da base estavam localizados principalmente em uma área, enquanto aqueles que recebiam entrada do cerebelo estavam em uma área diferente. Isso confirmou que os dois sistemas permanecem amplamente separados enquanto passam pelo tálamo. No entanto, quando os pesquisadores observaram onde os axônios — as longas fibras que transportam sinais do tálamo para o córtex — terminavam, o cenário mudou. Apesar de começarem de lugares diferentes no tálamo, os axônios de ambos os sistemas compartilhavam um destino marcante: a camada superior do córtex motor secundário. Esta camada contém as pontas de longo alcance das células nervosas que controlam o movimento. Os pesquisadores também descobriram uma pequena área no tálamo onde os sinais de ambos os sistemas se misturavam, mas a descoberta mais significativa foi este ponto de chegada compartilhado no córtex.

Para entender por que esse destino compartilhado importa, a equipe construiu um modelo computacional detalhado de todo o circuito cerebral, incluindo o córtex, o tálamo, os gânglios da base e o cerebelo. Em sua simulação, eles testaram como o cérebro aprende quando os sinais são roteados corretamente versus quando estão embaralhados. Eles descobriram que o aprendizado funcionava melhor quando o feedback dos gânglios da base e do cerebelo era enviado de volta para os grupos específicos de neurônios que ajudaram a gerar a ação. Se os sinais fossem enviados para os neurônios errados, o aprendizado falhava. O modelo também revelou que o cérebro usa duas formas diferentes de enviar esses sinais de volta. Um tipo de sinal atua como um botão de volume, tornando a atividade existente de um neurônio mais forte ou mais fraca. O outro tipo atua como um empurrão direto, adicionando nova atividade ao neurônio. Os pesquisadores descobriram que o cérebro precisa de ambos os mecanismos trabalhando juntos para aprender de forma eficiente. O efeito de "botão de volume", que acontece naquela camada superior do córtex, ajuda o cérebro a amplificar os sinais certos, enquanto o empurrão direto ajuda a impulsionar a ação para frente.

O estudo também explorou como o cérebro descobre quais neurônios devem receber esses sinais de aprendizado em primeiro lugar. No modelo computacional, os pesquisadores mostraram que o cérebro pode aprender a alinhar seu feedback observando sua própria atividade durante períodos de repouso. Ao comparar o quão ativo um neurônio estava com a probabilidade de ele desencadear uma ação, o cérebro pode ajustar suas conexões para que os sinais de aprendizado sejam enviados para o lugar certo. Este processo, que eles chamaram de calibração local, permitiu que o modelo recuperasse sua capacidade de aprendizado mesmo se as conexões iniciais não estivessem configuradas perfeitamente. Além disso, os pesquisadores testaram se este sistema poderia lidar com tarefas complexas onde múltiplos neurônios precisavam ser treinados ao mesmo tempo, como em experimentos de interface cérebro-máquina, onde uma pessoa aprende a controlar um cursor de computador com seus pensamentos. Eles descobriram que, quando o cérebro envia um único sinal de recompensa global para toda a rede, ele tem dificuldade em treinar múltiplos alvos simultaneamente se esses alvos precisarem mover-se em direções opostas. No entanto, quando o feedback é roteado através de canais paralelos e distintos, o cérebro consegue treinar múltiplos neurônios ao mesmo tempo. Isso sugere que a capacidade do cérebro de aprender tarefas complexas e multipartidas depende de ter esses caminhos distintos e paralelos que podem entregar crédito a grupos específicos de neurônios sem interferência.

Essas descobertas oferecem uma nova maneira de visualizar como o cérebro aprende. Em vez de ver os gânglios da base e o cerebelo como sistemas independentes que simplesmente somam seus resultados, os pesquisadores propõem que eles trabalham como uma equipe coordenada que utiliza uma rodovia compartilhada para entregar sinais de aprendizado. Esta rodovia, que converge para a camada superior do córtex motor, permite que o cérebro integre diferentes tipos de informação e a direcione precisamente onde é necessária. O estudo sugere que o layout físico dessas conexões não é apenas um diagrama de fiação passivo, mas um componente ativo do próprio processo de aprendizado. Ao garantir que os sinais de aprendizado alcancem os neurônios específicos responsáveis por uma ação, o cérebro pode refinar eficientemente seu comportamento e se adaptar a novos desafios. Este trabalho fornece um quadro anatômico e computacional concreto para entender como o cérebro resolve o problema da atribuição de crédito, um desafio fundamental no aprendizado que se aplica não apenas a animais, mas também ao desenvolvimento de sistemas de inteligência artificial. Os resultados dos pesquisadores, derivados tanto da observação direta em camundongos quanto de rigorosas simulações computacionais, destacam a importância da convergência laminar e do feedback modular para permitir que o cérebro aprenda comportamentos complexos.