Последовательная динамика нейронов в префронтальной коре

Понимание того, как мозг изучает и применяет правила, является ключом к раскрытию нейронной основы гибкого поведения. Новое исследование Университета Тоямы (Япония) показывает, что наша способность следовать процедурным правилам закодирована в развивающейся динамике активности нейронов в медиальной префронтальной коре (мПФК).

Исследовательская группа под руководством доцента Шунтаро Оно медицинского факультета Университета Тоямы, Япония, зафиксировала активность нейронов на мышах, решающих задачу в Y-лабиринте. По мере обучения в mPFC возникали отдельные последовательности нейронной активации, которые могли предсказать, удастся ли мыши получить награду или нет. Их выводы были опубликованы в Молекулярный мозг 1 июля 2025 г.

Исследователи поместили мышей индивидуально в Y-образный лабиринт и вначале позволили им исследовать лабиринт без каких-либо ограничений. Разветвленные рукава назывались «Зоной», где каждая мышь должна была ждать, а затем реагировать на световой сигнал, чтобы проложить свой путь к контейнеру с водой, называемому «Порт», и, наконец, получить награду за воду, облизываясь в течение заранее определенного времени.

По мере обучения мыши становились быстрее и успешнее получали награды, хотя физические пути, по которым они шли, оставались прежними. Тем временем ученые зарегистрировали сотни нейронов mPFC с помощью визуализации кальция, фиксируя, как нейронные популяции изменяются в процессе обучения.

Расшифровка нейронной активности с помощью iSeq

Чтобы понять эти сложные нейронные данные, команда разработала iSeq — новый вычислительный инструмент, который применяет сверточную неотрицательную матричную факторизацию для автоматического обнаружения нейронных последовательностей на основе данных визуализации без каких-либо заранее заданных поведенческих меток. Эти последовательности представляют собой упорядоченные паттерны нейронной активации, продолжающиеся несколько секунд.

Анализ показал, что на начальных этапах обучения последовательности были менее предсказуемыми. Однако к 6-му дню динамика последовательностей значительно отличалась между успешными и неудачными моментами получения вознаграждения у мышей, справившихся с заданием еще до того, как действие произошло.

Как обучение меняет мозговую деятельность

«Разработка iSeq позволила нам наблюдать внутреннюю организацию поведения мозга в беспрецедентных деталях», — объяснил доктор Оно. «Мы обнаружили, что по мере обучения животных их префронтальная кора динамически реструктурировала модели нейронной активности, чтобы подчеркнуть действия, которые гарантированно приводили к вознаграждению».

Кроме того, исследователи заметили, что состав нейронов, участвующих в каждой последовательности, менялся в течение нескольких дней обучения. Другими словами, набор клеток, формировавших последовательность в первый день, не был таким же, как в день 6, что указывает на то, что mPFC постоянно реорганизовывала свои нейронные цепи по мере того, как поведение совершенствовалось. Эта гибкая реконфигурация, а не повторное использование фиксированных нейронных сборок, отражает способность мозга адаптировать свои внутренние представления.

«Эти результаты показывают, что мозг не хранит правила в виде статического шаблона», — отметил доктор Оно. «Вместо этого он постоянно обновляет последовательные модели активности, чтобы связать значимые сенсорные сигналы, действия и результаты — по сути, учась тому, как учиться».

Последствия для нейробиологии и не только

Эти результаты устраняют разрыв между нейронной активностью и выполнением поведенческих правил. Они предполагают, что процедурное правило, аналогичное такому каскаду, как стимул → действие → вознаграждение, представлено в мозге как цепочка нейронных событий.

Эта цепочка не фиксирована, а развивается по мере того, как животное становится компетентным; мозг реорганизует нейронные последовательности, чтобы они соответствовали успешному поведению. Понимание основного механизма дает новое понимание того, как когнитивный контроль, обучение и адаптация реализуются в нейронные цепи.

Значение этого исследования выходит за рамки фундаментальной науки. Понимание того, как кодируются и обновляются правила, может помочь в разработке стратегий реабилитации после черепно-мозговой травмы или о том, как искусственный интеллект может имитировать эту гибкость. Более того, вычислительный метод iSeq может стать инструментом для исследования динамики нейронов на основе последовательностей в других областях мозга и может быть распространен на другие виды.

Хотя исследование проводилось на мышах, оно обеспечивает фундаментальную основу для понимания того, как человеческий мозг учится выполнять правила и адаптировать свое поведение. Результаты подчеркивают важность временных паттернов в активности мозга и то, как они могут формировать основу гибкого обучения. поведение а не только статическая связь.