Nat Neurosci:2022年世界盃已開幕,一起了解運動技能背後的神經機制

目前科學家仍不清楚神經系統是如何在不斷變化的情況下,繼續維持已有的行為。為了回答這個問題,近日,Bence P. Olveczky團隊在Nature Neuroscience雜誌上發表了他們最新的研究成果:在大鼠進行包括後天學習的和先天的刻板運動行為時,研究人員連續數週記錄了運動皮層和紋狀體中的單個神經元活動,他們的文章名為「Long-term stability of single neuron activity in the motor system」。(抱歉,文章標題截圖錯誤,請忽略下圖)

全國運動與腦科學學術討論群

全國神經調控學術討論群

brainnews_09

-留言:運動與腦科學、神經調控研究群-

早上醒來時,我們會刷牙,然後騎車上班,下班後,可能會去打一場網球比賽。這些運動技能以及許多其他技能是通過反覆練習獲得,並儲存在我們的大腦中,即使幾個月沒有練習後也可以回憶起來並繼續執行(如,打網球)。科學家著迷於這種運動技能背後的神經迴路,但我們並不清楚這些技能如何隨著時間的推移而持續存在。

目前有兩個理論解釋可塑性腦回路中穩定記憶的悖論。人們普遍認為運動控制是由低維動力學支配的,因此這個悖論可以通過「簡併子空間 (degenerate subspace)」來解決,在簡併子空間裡神經活動可以在不影響行為或任務表現的情況下發生變化。雖然這將擺脫對單個神經元水平穩定活動的要求(圖1a),但它要求種群活動的任何變化僅發生在簡併子空間中。然而我們並不了解與其相關的腦回路機制。

另一種保持穩定運動輸出的方法是限制神經迴路的變化,使其不影響與已有行為相關的單個神經元活動。在這種情況下,鎖定到行為的單個神經元的活動模式將隨著時間的推移保持恆定或高度相似(圖1a)。人類和其他哺乳動物使用相同的「通用」運動網路進行廣泛的後天習得的和先天的行為,在這種網路中,是否有類似的機制使其保持運動記憶的穩定還有待研究。

本文調查了後天習得的和先天的行為,並利用高時空解析度記錄動物的行為,以解釋與任務相關的運動輸出的任何變化(圖1)。

(圖1)

圖1. 調查長期神經和行為穩定性的範例。

穩定和不穩定運動迴路的網路模型

在分析與任務相關的神經活動的穩定性時,重要的是不僅要考慮總體水平的穩定性,還要考慮與任務相關的單個神經元的水平。為了突出這一區別,作者首先模擬了一個簡併控制網路(degenerate control network,圖2a),然後對迴路的噪聲動力學進行了100次模擬,並從Poisson觀察模型中生成峰值,以組成模擬不同階段的實驗資料 (圖2b,c)。

作者發現 RNN (循環神經網路)中各個單元的激活模式往往會隨著實驗階段的不同而變化,時間接近的階段會表現出更相似的激活模式(圖2d)。

為了量化這一點,作者計算了所有階段PETHs的相關性,發現作為階段之間時間差的函數,這種PETH相關性下降了。相比之下,當網路參數在單個局部極小值附近波動時,則產生穩定的單個單元活動(圖2e)。

圖2.分析循環網路模型中的神經穩定性

圖2.分析循環網路模型中的神經穩定性

在學習的運動任務中的長期記錄

實驗人員訓練老鼠,使其學會複雜的刻板運動來解決任務(圖3a)。作者在DLS(dorsolateral striatum)和MC(motor cortex)中追蹤相同神經元在數天到數週內的活動 (圖3c,d)。

圖3.行為和神經活動的實驗記錄

圖3.行為和神經活動的實驗記錄

MC和DLS中的單個神經元

具有穩定的活動模式

作者發現,在學習行為的特定階段,MC和DLS中的神經元都優先激活(圖4a)。重要的是,單個神經元的行為在長時間內表現出高度的穩定性(圖4b)。

當記錄至少兩週的神經元活動時,DLS 和 MC 中的平均 PETH 相似性仍然很高(圖4c),這表明儘管這些迴路具有結構和功能可塑性,習得的運動行為是由單個神經元活動模式驅動的,且這些活動模式在記錄期間不會改變。

為了在更長的時間尺度上估計,作者將所有神經元的穩定性指數按記錄時間分類,進而顯示了明顯的穩定性 (圖4e)。

圖4.DLS和MC中的單個神經元活動隨時間推移趨於穩定

神經活動變化與行為變化相關

作者進一步揭示了行為中的緩慢變化(圖5a)。這證實了儘管任務表現穩定,但作為時間差的函數,運動學相似度存在小幅的下降(圖5b)。如果神經活動的變化與運動輸出的變化相關,那麼這種相關性應該是正的(圖5c)。這一發現證實了神經活動的變化與行為的變化直接相關。

圖5.任務特定運動模式的長期變化

圖5.任務特定運動模式的長期變化

結 論

本文表明,無論是後天學習的還是先天的,穩定的運動行為相關的單個神經元動力活動水平在很長一段時間內都是穩定的。然而,如何在不干擾現有動態的情況下學習新行為,即大腦如何將長期的單個神經元穩定性與終生的靈活性和適應性結合起來,這是神經科學的一個重要但尚未解決的問題,未來在這一領域的工作可能需要更精細的實驗方案,將多項任務的交錯學習與長期神經記錄和高解析度行為跟蹤相結合,以闡明網路穩定性和靈活性的機制基礎。

原文連結:

https://doi.org/10.1038/s41593-022-01194-3

參考文獻

Jensen, K.T., Kadmon Harpaz, N., Dhawale, A.K. et al. Long-term stability of single neuron activity in the motor system. Nat Neurosci (2022).

編譯作者:Ayden(brainnews創作團隊)

校審:Simon(brainnews編輯部)

相關文章

發現首個尼安德特人家庭

發現首個尼安德特人家庭

2022年,諾貝爾生理學或醫學獎授予了古人類學家斯萬特·帕博(Svante Pääbo),他對尼安德特人基因組的研究揭開了一段複雜而迷人的人...