동적 기억을 위한 새로운 신경 협동 활동 코드

연락하다:joanna.jia@wecistanche.com/ WhatsApp: 008618081934791

추상적인

외부 변수의 신경 상관 관계는 동물의 행동을 안내하는 잠재적인 내부 코드를 제공합니다. 특히, 단일 뉴런 발사 속도와 같은 신경 활동의 1차 기능은 정보를 인코딩하는 것과 관련이 있습니다. 그러나 다중 뉴런 협력과 같은 고차 기능이 정보를 인코딩하는 데 주요 역할을 하거나 단일 뉴런 코드를 지원하는 데 이차 역할을 하는 정도는 불분명합니다. 여기에서 우리는 해마 CA1 뉴런 사이의 밀리세컨드 타임스케일 coactivity가 뚜렷한 밀리세컨드 살았던 행동 우연성을 구별한다는 것을 보여줍니다. 이 우발적 차별은 개별 뉴런의 조정과 관련이 없었지만 대신 그들의 공동 활동의 창발적인 속성이었습니다. 학습 후 오프라인에서 우발적 식별 패턴을 다시 활성화하고 그 복원을 시도별로 예측했습니다.메모리성능. 더욱이, 학습하는 동안 선택적으로 상류 CA3 영역으로부터의 입력의 광유전학적 억제는 CA1 및 후속 동적메모리검색. 이러한 연구 결과는 행동과 관련된 뚜렷한 변수와 지원을 구별하는 신경 발화의 주요 특징으로 협동성을 확인합니다.메모리검색.

기억력 향상시스탄체보충

뇌는 외부 세계에 대한 정보를 인코딩하는 데 사용하는 신경 활동의 어떤 기능을 사용합니까? 충분한 증거는 개별 뉴런의 발사 속도1,2 및 시간적 조정 속성3,4이 외부 변수와 강력한 상관 관계를 나타낸다는 것을 시사합니다. 신경 활동의 이러한 1차 기능은 후속적으로 행동을 안내하기 위해 다운스트림 구조에서 읽는 신경 코드 역할을 할 수 있습니다. 또한, 생체 내 다중 단위 기록의 발전은 내부 표현을 지원하는 데 있어 뉴런 인구 역학의 역할에 대한 추가 감사를 허용했습니다. 인구 활동이 조직되는 시간 척도가 중요할 수 있습니다. 특히 뉴런의 막 시간 상수(피질 뉴런의 경우 ~{8}}ms)의 시간 척도에서 우연한 스파이크는 다운스트림 수신기 뉴런5,10을 효과적으로 구동하고, 뉴런 집단의 발화 속도를 조절하는 네트워크 진동 내에서 구문 분석될 수 있으며 스파이크 타이밍 종속 가소성(STDP) l1,2을 통해 빠르게 안정화됩니다. 실제로 밀리초 단위의 상호작용은 일부 신경 코드의 특징입니다{16}}. 이러한 단시간 공동 활동은 외부 변수에 대한 관련 조정과 함께 뉴런의 발사를 구성하여 참여하는 뉴런의 것과 일치하는 강력한 인구 기반 표현을 발생시킵니다14,16,17. 더욱이 밀리초 단위의 시간 척도 동시성은 정보를 인코딩하는 데 주요 역할을 할 수도 있습니다. 즉, 뉴런 그룹은 개별적으로 각 뉴런이 이 변수에 맞춰져 있는지 여부에 관계없이 관절 활동의 함수로 변수를 인코딩할 수 있습니다. 이러한 유형의 새로운 협력 기반 코딩은 특정 감각 입력 및 행동과 같은 물리적으로 잘 정의된 변수에 대해 설명되었지만{24}} 가능한 인지 기능은 탐구되지 않았습니다.

시스탄체알츠하이머를 치료할 수 있습니다사막 cistanche 혜택

밀리초 단위의 상호작용을 기반으로 한 신경 코드의 빠른 안정화 및 검색 가능성을 감안할 때 이러한 코드는 동물이 빠르게 학습하고 중요한 정보를 유연하게 검색해야 할 때 행동 성능을 지원할 수 있습니다.메모리". 수렴되는 증거는 해마를 빠른 학습 시스템으로 구성하는 모델을 지원하는{0}} 이러한 신속하고 유연한 학습을 ​​위한 해마의 중요한 역할을 시사합니다. 또한, 해마의 신경 활동은 시간적으로 정확한 공동 활동 패턴15, 225. 따라서 우리는 해마에서 밀리초 단위의 상호작용 패턴이 암호화에 주요 역할을 한다는 가설을 세웠다.

동적 지원을 지원하는 행동 관련 정보메모리, 이 가설을 테스트합니다. 우리는 해마 CA1 뉴런의 다중 단위 기록 및 해마 내 시냅스의 인과적 광유전학적 조작과 결합한 하루, 2번의 우발적 식별 작업을 개발했습니다. 우리의 연구 결과는 비상 정보를 인코딩하고 동적 메모리 검색을 지원하는 새로운 협동 기반 표현의 역할을 보여줍니다.

1Medical Research Council Brain Network Dynamics Unit, Nuffield 임상신경과학부, 옥스퍼드대학교, 옥스포드, OX1 3TH, 영국

2생리학 연구소, 생리학 발달 및 신경과학부, 케임브리지 대학교, 케임브리지, CB2 3EG, 영국

3영국 옥스퍼드 옥스퍼드 대학교 약리학과1 3TH, 영국

결과

생쥐는 매일 두 가지 새로운 우발 행동을 학습하고 동적으로 검색합니다.

우리는 먼저 동적 기억을 모집하는 1일 행동 패러다임을 확립했습니다(그림 1). 마우스는 처음에 청각 신호가 표시된 후 액체 디스펜서에서 일시적으로 사용할 수 있는(5-초) 자당 한 방울을 수집하도록 사전 훈련되었습니다(사전 훈련 단계 1, 확장 데이터 그림 1). 그 후 동물들은 새로운 공간 토폴로지, 벽걸이형 LED 디스플레이 2개, 새로 배치된 디스펜서 2개로 정의되는 새로운 학습 인클로저를 매일 경험했습니다(사전 훈련 단계 2, 확장 데이터 그림 1). 이 학습 인클로저에서 동물은 다음과 같은 규칙에 직면했습니다. 톤 프레젠테이션 직후에 한 디스펜서는 자당 용액 한 방울을 전달하는 반면 다른 디스펜서는 동시에 쓴(퀴닌) 용액을 전달합니다. 두 방울 모두 일시적으로 사용할 수 있습니다. 중요하게도, 디스펜서-솔루션 페어링은 두 세트의 LED 큐 중 어느 것이 톤과 동시에 조명되는지에 달려 있습니다(그림 1a, b). 동물이 이 사전 훈련 단계에서 평균 80%의 성능에 도달했을 때 우리는 매일 3단계를 포함하는 훈련 단계를 시작했습니다(그림 Ic). 첫 번째 단계에서 동물은 두 세션으로 새로운 학습 공간을 탐색했습니다. 각각 두 개의 LED 세트 중 하나가 계속 켜져 있지만 톤 프레젠테이션이나 드롭 전달이 없으며 제어(작업과 관련되지 않은) 인클로저에서 다른 탐색 세션이 있습니다("탐색" 단계, 그림, 1c 및 확장 데이터 그림 2a). 두 번째 단계에서 동물은 활성 LED 사이를 번갈아 가며 4회 동안 각 디스펜서에서 선택적 드롭 결과의 톤 트리거 전달과 각 LED 세트를 연관시키는 방법을 배웠습니다("학습' 단계, 그림 1c).

사막 cistanche 혜택

우리는 이러한 연관성을 LED 정의 행동 "우연"(X 및 Y, 그림, la)이라고 하며, 동물은 매일 두 가지 새로운 우발 상황을 학습합니다(확장 데이터 그림 2b). 학습하는 동안 마우스는 각 상황에서 잘못된(퀴닌) 디스펜서보다 올바른(자당) 디스펜서에 대한 성공적인 접근 응답을 빠르게 개발했습니다(그림 1d, e 및 확장 데이터 그림 2b). 마지막 단계에서 매일(학습 종료 후 1시간) 새로 학습된 우연성에 대한 메모리는 두 개의 LED 세트("프로브" 단계; .1c). 이 프로브 실험에서 마우스는 계속해서 올바른 디스펜서를 식별했습니다(그림 1f 및 확장 데이터 그림 2c). 주어진 날짜의 메모리 성능은 전날의 메모리 성능과 관련이 없었으며(Extended Data 그림 3a) 각 개별 마우스에 대한 모든 프로브 성능을 평균할 때 유지되었습니다(Extended Data 그림 3b).

또한, 다른 실험에 비해 LED 전환 후 첫 번째 프로브 실험에서 동물이 더 많은 실수를 저질렀지만(확장 데이터 그림 3c), 프로브 세션이 진행됨에 따라 성능 저하가 없었습니다(확장 데이터 그림 3d). 따라서 생쥐는 매일 두 가지 새로운 행동적 우발성을 구별하는 방법을 성공적으로 배웠고 이 구별에 대한 기억을 유연하게 검색하여 동적 기억의 신경 기질을 연구하는 패러다임을 제공했습니다.

행동 우발의 출현 밀리초 시간 규모 coactivity 식별

우리 작업에서 긴급 coactivity 코드가 발생하는지 여부를 조사하기 위해 훈련 기간 동안 해마 CA1 뉴런 앙상블을 모니터링했습니다. 우리는 먼저 베이지안 분류기를 훈련하여 주요 뉴런의 평균 발사 속도와 뉴런 스파이크 트레인 간의 단시간(25-ms) 쌍별 시간 상관 관계 모두에서 시도별로 우세한 상황을 디코딩하도록 훈련했습니다. 시도별로 시간적 상관관계를 섞으면서 시도별 평균 발사 속도를 유지하면 진행 중인 우발 상황의 디코딩이 크게 손상됩니다(그림 2a, 확장 데이터 그림 4a). 더욱이, 각 시도에서 인구 발사율의 느린 변동으로 인해 상관 관계를 유지하면서 짧은 시간 규모의 협동성을 파괴하기 위해 스파이크를 이동하는 경우 시간적 상관 관계의 우연성 정보만 크게 손상되었습니다(그림 2b). 짧은 시간 규모의 상관 관계는 또한 작업 우연성에 대한 분산을 유의하게 설명했습니다(그림 2c). 이러한 결과는 단일 뉴런 발화율의 정보를 넘어 단시간 협력에 비상 관련 정보가 있음을 나타냅니다.

우발 상황 관련 공동 작업의 작업 관련성을 조사하기 위해 학습 인클로저 내의 각 우발 상황에서 25-ms 시간 창26 내에 중첩된 공동 활동 패턴을 분리했습니다. 우리는 각 패턴을 뒷받침하는 coactivity에 대한 각 뉴런의 기여를 포함하는 가중치 벡터로 각 패턴을 나타냅니다(그림 2d). 이러한 coactivity pattern은 제어 인클로저에서 추출한 것과 다르며(그림 2e,f) 공간적 맥락 선택적인 표현을 보여줍니다. 또한 일부 학습 인클로저 패턴은 Xor Y(그림 2e,f, 확장 데이터 그림 4b, 주황색) 중 하나에 선택적으로 두 가지 상황을 구별했습니다. 이러한 패턴의 기능적 중요성을 조사하기 위해 일치된 그룹과 비교했습니다. 우발적 인 유사성이 높은 학습 인클로저 패턴 (그림 2e, f 확장 데이터 그림 4b, 파란색). 우리는 이것을 각각 우발적 식별 및 우발적 불변 공동활성 패턴이라고 합니다. 주어진 패턴에 가장 크게 기여한 뉴런은 이후 해당 패턴의 "구성원"이라고 합니다(방법 참조).

우리는 구별하지만 불변하지는 않은 동일한 우발 상황의 구성원에 대해 패턴이 다른 우발 상황보다 한 우발 상황에서 더 상관 관계가 있음을 확인했습니다(그림 3a). 그러나 중요하게는 우발적 인 식별 패턴의 구성원은 사용 된 구성원 임계 값 (확장 데이터 그림 4d, e)에 관계없이 개별적으로 우발적 인 선택이 아니 었습니다 (그림 3b, 확장 데이터 그림 4c). 따라서 이전에 보고된 문맥 변조 뉴런과 분리할 수 있습니다2-29. 또한, 이러한 coactivity 기반 우발적 인 차별은 우발적 인 상황 사이의 개별 구성원 뉴런의 시간적 발화 특성의 차이로 설명되지 않습니다 (그림 3c-e). 또한, 우발적 인 식별 패턴 구성원은 목표에 조정되지 않았으므로 (그림 3fg) 목표 30에 대한 궤적을보고하지 않았습니다. 불변 패턴(근위 및 원위 CA1에서 각각 패턴 구성원 뉴런의 52.1% 및 48.2%, Fisher의 정확 검정: 승산비{17}}.17; P{19}}.55), 반구별 분리 없음( 확장 데이터 그림 4f) 및 우발 불변 패턴(각각 패턴 구성원 뉴런의 39.9% 및 28.4%, Fisher의 정확한 검정: 확률 비율=1.44, P-0.20). 그러나 우리는 우발 불변 패턴의 구성원과 비교하여 초기 세타 단계에서 발화하는 우발적 식별 coactivity 패턴 구성원에 대한 경향을 관찰했습니다(확장 데이터 그림 4g). 전반적으로, 이러한 발견은 해마 CA1에서 행동 우발의 출현, 단기 신경 협력 기반 차별을 식별합니다.

사막 cistanche 혜택

다음으로 우발적 식별 협력 패턴이 우발적 학습과 관련이 있는지 질문했습니다. 시간이 지남에 따라 각 패턴의 강도를 추적했을 때(그림 2d), 우발적 불변 패턴이 새로운 리밍 인클로저의 초기 탐색 동안 강도가 증가하기 시작했음을 발견했습니다. 매일 동물이 작업 우발적 인 작업을 경험하기 전에 학습 중에 강도가 더욱 증가하고 이후 정체되었습니다(그림 4a, 확장 데이터 그림 5a, b). 반대로, contingency-discriminating coactivity는 탐색 중에 더 안정적이지만 contingency learning 동안 크게 증가했습니다(그림 4a, 확장 데이터 그림 5a, b). 학습 중 패턴 강화는 평균 발사 속도의 변화보다는 구성원의 활동 사이의 시간적 상관 관계 증가를 반영합니다(확장 데이터 그림 5c, d). 또한, 우발 불변 패턴 구성원의 동시 발사는 탐색 전 수면과 비교하여 사후 파동/잔물결 동안 증가하고 학습 후 수면 세션에서 다시 증가하는 반면, 우발적 패턴 구성원은 예파/파동만 증가시켰습니다. contingency learning 후 cofiring (그림 4b,c). 따라서, 우발 불변 및 우발 식별 패턴 구성원 간의 구별은 이전에 설명된 "강성" 및 "가소성" 셀 사이의 차이와 동일하지 않습니다. 더욱이, 패턴 강도가 디스펜서 위치 외부에서 계산되었기 때문에 우리의 연구 결과는 보상/혐오 위치의 표현을 단순히 반영하지 않았으며, 두 가지 우발 상황(즉, 주어진 디스펜서로 향하는 확장 데이터, 확장 데이터)에 걸쳐 동물의 차등 행동을 단순히 반영하지 않았습니다. 그림 5e). 중요하게도, 메모리 검색 중 우발적 패턴의 복원은 시도별 성능을 예측했습니다. 이러한 패턴은 어조 표현에 대한 부정확한 행동 반응에 비해 정확하기 전에 더 강했습니다(그림 4d, 확장 데이터 그림 5f). CA1 coactivity의 이러한 우발 선택적이고 성능 관련 복원은 구성원 뉴런의 발사 속도 편향이나 동물의 달리기 속도와 관련이 없었으며(확장 데이터 그림 5gh) 동물이 우연한 기회에 수행했을 때(즉, 정확하고 잘못된 시도는 동일했습니다. 확장 데이터 그림 5i). 대조적으로, 우발 불변 패턴의 강도는 시도별 메모리 성능과 관련이 없었습니다(그림 4d). 또한, 더 긴(1-초) 시간 규모 coactivity(확장 데이터 그림 5j)에 비상 관련 정보가 있었지만 프로브 세션 동안 두 번째 시간 규모 contingency-discriminating coactivity의 복원은 메모리 성능을 예측하지 못했습니다(Extended 데이터 그림, 5k). 이러한 결과는 CA1 신경 스파이크가 학습하는 동안 새로 학습된 우발성을 나타내는 밀리초 단위의 coactivity 패턴을 형성하는 동안 점진적으로 구성되며, 이는 동적 메모리 검색 중에 시도별로 복원된다는 것을 보여줍니다.

우발적 식별 및 불변 협동 패턴의 뚜렷한 공간 조정

새로운 환경을 탐색하는 동안 겹치는 장소 필드를 가진 CA 뉴런은 공간적으로 조정된 coactivity 패턴을 형성할 수 있습니다. 우발적 학습 동안 coactivity 패턴의 공간 조정을 조사하기 위해 활성화 강도의 시간 경과에 해당하는 각 감지된 패턴 공간 맵과 각 구성원 뉴런의 개별 발사 속도 맵을 계산했습니다. Contingency-discriminating coactivity는 contingency-invariant coactivity보다 공간적으로 덜 일관성이 있었습니다(그림 5a-d 및 확장 데이터 그림 6). 이것은 우발 불변 패턴 멤버에 비해 상대적으로 덜 공간적으로 일관성 있는 우발 식별 패턴 멤버의 발사와 동시에 발생했으며(Extended Data Fig. Ta,b), 우발 식별 멤버도 주어진 세션 내에서 더 많은 장소 필드로 향하는 경향을 나타냅니다. 우발 불변 구성원(Extended Data Fig, 7c). 더욱이, 주어진 우발 불변 패턴의 구성원은 겹치는 발사 필드를 갖지만 주어진 우발-식별 패턴의 구성원은 공간적으로 덜 상관관계가 있습니다(그림 5a, b, e, 확장 데이터 그림 6). 이 약한 공간 중첩은 사용된 구성원 임계값(확장 데이터 그림 7d, e)에 관계없이 관찰되었으며 구성원 스파이크 트레인 간의 시간적 상관 관계의 차이에 강력했습니다(확장 데이터 그림 7f. 또한, 우발 불변 coactivity는 공간적으로 구성원 뉴런의 장소 필드 쪽으로 편향된 이 편향은 우발적 식별 패턴에 대해 상당히 약했습니다(확장 데이터 그림 7g,h). 이 발견은 설명된 분산이 높은 뉴런 쌍의 더 낮은 장소 필드 유사성을 보여주는 별도의 분석에 의해 확증되었습니다. 설명된 분산이 낮은 뉴런 쌍과 비교한 우발성에 대해(Extended Data Fig. 7i) 마지막으로 주어진 coactivity 패턴에 의한 우발적 식별이 해당 구성원 뉴런의 우발적 공간 재매핑을 반영한다는 증거를 찾지 못했습니다. 두 패턴 유형의 개별 구성원은 동일한 세션보다 다른 우발 상황의 세션에서 평균적으로 더 유사했습니다. 만일의 사태(그림. 5f,g; 확장 데이터 그림 7j), 우발적 패턴 구성원의 공간적 일관성을 우발 불변 대응물의 공간 일관성과 일치시키는 경우에도(확장 데이터 그림 7k). 더욱이, 동일한 우발 상황 식별 패턴의 구성원은 반대 우발 상황의 세션에서와 마찬가지로 선호하는 우발 상황의 세션에서 서로 공간적으로 상관되었습니다(확장 데이터 그림 7). 전반적으로, 이러한 발견은 우발-불변 coactivity가 공간적으로 합동 뉴런을 바인딩하여 강력한 장소 표현을 제공한다는 것을 보여줍니다. 대조적으로, 우발적인 행동을 구별하는 패턴은 공간적으로 상관된 활동에 관계없이 뉴런을 연결하여 지속적인 행동 우발적 상황을 나타내는 전문화와 일치하는 공간적으로 불연속적인 공동 활동을 발생시킵니다.

CA{0}}→CA1 입력은 우발적인 식별 협력 및 동적 메모리 검색에 필요합니다.

마지막으로, 우발적 인 식별 coactivity의 기능적 역할을 해결하기 위해 우리는 형성에 필요한 신경 경로를 식별하고 조작하려고했습니다. CA1 coactivity는 반복적으로 연결된 상류 해마 CA3 영역의 시냅스 입력에 의존할 수 있으며 최근 작업은 CA135,36에 대한 왼쪽 CA3(CA3L) 입력의 중요한 니모닉 역할을 제안합니다. 따라서 우리는 황색 광 구동 양성자 펌프 Archaerhodopsin-3.0을 사용하여 Grik{{1{13}}}Cre 마우스의 CA3-피라미드 뉴런을 형질도입했습니다(그림 6a,b). tetrode와 광섬유의 양측 이식은 CA1 앙상블의 동시 모니터링 및 광 전달을 추가로 허용했습니다. 학습하는 동안 CA1의 CA 축삭을 표적으로 하는 광 전달은 CA1의 ta-중첩 저감마 진동의 힘을 현저하게 감소시켰지만 중간 감마 진동은 감소시키지 않았으며(그림 6c, 확장 데이터 그림 8a-c), 일관된 CA 저속 감마 진동이 들어오는 CA3 입력37,38을 보고한다는 제안과 함께. CA3L → CAI 입력을 억제하는 동안 학습 중 협동 활동 패턴으로 CAI 뉴런의 조직과 기억 검색 중 이러한 패턴의 복원 강도(확장 데이터 그림 8d, e)를 모두 보존했지만, 이 개입은 CAI 협동 활동의 정보 내용을 변경했습니다. 첫째, 우발 패턴 유사성과 패턴 강도 비율 사이의 분포가 우발 불변으로 이동했습니다(그림 6d, e, 확장 데이터 그림 8f, 확장 데이터 그림 9). 둘째, 이 조작은 단시간 쌍별 상관 관계에서 우연성에 대한 설명된 분산을 줄였습니다(확장 데이터 그림 8g). 셋째, 이러한 단시간 공동 활성을 사용한 우연성의 베이지안 디코딩은 CA3L → CAI 입력 억제로 현저하게 손상되었습니다(Extended Data Fig. 8h). 행동 수준에서 학습하는 동안 CA{38}}→CAL 입력을 선택적으로 억제하는 것은 지속적인 성능에 영향을 미치지 않았지만(Extended Data 그림 8i) 1시간 후 후속 프로브 테스트에서 메모리 성능을 우연 수준으로 감소시켰습니다. 입력 억제가 없었습니다(그림 6f). 이 잠재기억 손상은 생쥐가 두 개의 우발상황을 유연하게 검색해야 할 때 나타났지만(그림 6f; 확장 데이터 그림 8j-1), 단 하나의 우발상황만 검색할 때는 그렇지 않았습니다(확장 데이터 그림 8m). 또한 CA1(Extended Data Fig 8n-u)에 대한 올바른 CA3 입력을 억제한 후 두 가지 상황에 대한 유연한 메모리 검색이 유지되었습니다. 함께, 이러한 발견은 단기 CA1 coactivity-based 우발 정보가 CA3L 입력을 필요로 하고 두 가지 우발 메모리의 동적 검색에 필요함을 보여줍니다.

논의

이 연구에서 우리는 단기 행동 우발의 동적 메모리 검색을 위한 coactivity 기반 해마 코드를 보고합니다. 인코딩 정보는 여러 뉴런 사이의 공동 활동의 새로운 속성입니다(확장 데이터 그림 10a). 개별 뉴런이 이러한 단기 인지 변수를 나타내지 않고도 매일 새로 발생하는 우발 상황을 효과적으로 식별할 수 있습니다. 이 코드의 창발적인 특성은 단일 뉴런 속도 기반 코드를 구성하는 것과 같은 보조 역할을 수행하기 보다는 정보를 인코딩하고 인지를 안내하는 데 사용되는 신경 활동의 주요 기능으로서 단기적 협력을 가리킵니다. 특히, 우리의 연구 결과는 밀리초 단위의 coactivity가 단기 정보의 니모닉 처리에 매우 적합하다는 것을 보여줍니다. 유연한 메모리 검색을 지원하기 위해 빠르게 형성되고 쉽게 복원됩니다. 밀리초 단위의 신경 협동 활동은 메모리의 코드를 빠르게 안정화하기 위해 우선적으로 스파이크 타이밍 종속 가소성(STDP)11,12,39을 나타낼 수 있습니다. 대조적으로, 두 번째 시간 규모 coactivity는 우리 작업에 우발적 인 정보를 포함했지만 동적 메모리 검색 중 복원은 시도 별 성능을 예측하지 못했습니다. 두 번째 시간 규모 coactivity는 더 느린 가소성을 나타낼 수 있으므로 안정적인 표현에 더 적합합니다. 오래 지속되는 비상 사태의.

우리의 발견은 또한 맥락적 행동을 안내하는 상관된 신경 활동의 역할에 대한 새로운 통찰력을 제공합니다. 해마 주 세포 사이의 공간적 상관 관계 패턴이 뚜렷한 공간적 맥락을 명확하게 하는 공간 재매핑은 맥락적 학습을 위한 신경 기반으로 제안되었습니다. 대신, 우리의 발견은 공간 재매핑이 뉴런의 단시간 시간적 상관 구조가 별개의 컨텍스트에 따라 다른 "시간적 재매핑"의 보다 일반적인 현상의 특정 사례일 수 있다는 견해와 일치합니다. 실제로, 동물이 다른 공간 참조 프레임을 명확하게 해야 하는 작업에서 밀리초 시간 척도 상호작용은 공간 재매핑을 표시하는 네트워크와 그렇지 않은 네트워크 모두에서 서로 다른 컨텍스트의 시시각각 행동 차별의 강력한 상관 관계입니다. 다운스트림 리더/액추에이터 뉴런이 입력 뉴런 간의 시간적 상관관계는 감지할 수 있지만 공간적 상관관계는 감지할 수 없기 때문에 이는 신경 코드²에 대한 리더 중심적 관점과도 일치합니다. 특히, 이 코딩 방식의 예측 중 하나는 다운스트림 수신기 뉴런이 수신되는 무수한 다른 입력으로부터 밀리초 입력 일치의 관련 패턴을 명확하게 함으로써 다중 뉴런의 집합적 활동의 창발 속성으로 표시되는 들어오는 정보를 "읽는" 것입니다. . 이러한 디코딩은 "판독기" 네트워크(40) 또는 단일 "판독기" 뉴런(41)에 의해 구현될 수 있습니다(확장 데이터 그림 10b 참조).

우리의 연구 결과는 메모리에서 학습된 우발 상황에 대한 밀리초 coactivity 코드를 "작성"하려면 CA{0}}→Cal 입력이 필요하다는 것을 추가로 확인합니다. 이것이 CA3→CAL 입력의 정보 내용, 처리 및/또는 가소성35,4의 편측화와 관련이 있는지 여부는 조사해야 합니다. 그럼에도 불구하고, 우리는 서로 다른 유형의 coactivity 패턴이 질적으로 뚜렷한 기능적 가소성을 보여줍니다. 우발 불변 패턴은 탐사 중에 발생하고 공간 탐색 후 오프라인(수면 휴식) 기간 동안 급격한 파동/파문으로 재활성화되는 반면, 우발 식별 패턴은 학습 중 강도의 강력한 증가를 보여주고 이후 급파/파문에서 오프라인으로 재활성화됩니다. 비상 학습. 따라서, 불변 패턴과 구별 패턴 모두 이전에 설명된 "가소성" 세포의 특징을 보여주지만 행동 상태는 다릅니다. 이것은 환경의 공간 구조에 대한 감독되지 않은 학습을 반영하는 우발 불변 패턴과 유연한 메모리 안내 행동을 지원하는 우발 식별 패턴을 사용하여 해마 협동 패턴 간의 분업과 일치합니다. 전체적으로 우리의 연구 결과는 공동 활동 기반 정보를 쓰고 읽는 메커니즘을 설명하고 인구 활동의 여러 시간대에 걸쳐 코딩 체계를 연결하기 위한 미래의 경험적 및 모델링 연구에 대한 새로운 관점을 엽니다.

코드를 어떻게 쓰고 읽을 수 있습니까?

해마는 우리가 여기에서 설명하는 긴급 공동 활동 코드의 형성(쓰기)과 다운스트림 뉴런(읽기)에 의한 후속 사용을 중재하거나 조절할 수 있는 피질 및 피질 하부 구조의 더 넓은 네트워크에 포함되어 우발적 특정 행동을 선택합니다. 아래에서 쓰기 및 읽기 프로세스 모두에 대한 가능한 메커니즘에 대한 가설을 간략히 설명합니다.

우리는 단기 행동 우발 상황에 대한 응급 coactivity 코드의 표현을 학습하는 동안 CA{0}}CAI ​​입력의 필요성을 보여줍니다. 이는 작동 중인 생성 메커니즘에 대한 창을 엽니다. 마우스의 왼쪽 반구 기원 CA3 입력은 STDp2를 포함하여 더 강력한 장기 가소성을 나타내며 오른쪽 CA3 입력35,6에 비해 장기 기억에 우선적으로 관여합니다. 이러한 가소성의 차이는 학습 중에 우발적 식별 패턴이 강화되는 메커니즘의 일부를 제공할 수 있습니다. 우리가 여기서 평가하는 동적 기억 작업은 기억 프로브 테스트(학습 후 1시간, 빈번한, 비상시 의사 랜덤 스위치). STDP 메커니즘은 더 긴(ls) 창에 비해 짧은(10ms) 내에서 뉴런 동시 발사를 빠르게 안정화할 가능성이 더 높기 때문에 이러한 빠른 니모닉 처리는 단시간 공동 활동에 의해 우선적으로 코딩될 수 있습니다. 실제로, 우리는 성능을 예측하기 위해 짧지만(25ms) 더 길지 않은(ls) 시간 규모 coactivity가 복원되었음을 보여줍니다(그림 4d, 확장 데이터 그림 5k). 그러나 다른 가소성 메커니즘(비시냅스 메커니즘 포함)이 작용할 수도 있습니다. STDP가 밀리초 단위의 시간 규모 coactivity 패턴을 안정화할 수 있지만 처음에 어떤 프로세스가 그러한 우발적 coactivity를 생성합니까? CA1의 상류에 있는 두 개의 시냅스인 치상회(dentate gyrus)의 뉴런은 맥락적 행동에 필요할 수 있는 패턴 분리 과정에 연루되어 있으며 밀리초 시간 규모 coactivity의 차이를 통해 그렇게 할 수 있습니다. 더욱이, 새로운 물체 탐색 동안 치상회(dentate gyrus)에서 활동 마커 cFos의 발현에서 좌측 우세에 대한 증거가 있다. 중요하게도, 한 반구의 CA3 뉴런은 대측 반구33에 연합 투영을 보내는 반면, 두 반구는 우리가 직접 목표로 삼는 CA352에 대한 투영에서 기능적 차이를 유지하는 것으로 보입니다.

이러한 편측화는 부분적으로 비활성 및 가소성과 관련된 요인의 발달적 편측화의 결과일 수 있으며, 이는 연합 예측의 잠재적 동기화 효과에 강력할 수 있습니다. 따라서 일찍이 치상회(dentate gyrus)의 패턴 분리 회로와 CA{1}}CAL 시냅스의 편측화된 가소성에서 시작하여 맥락 정보의 편측화된 처리의 조합이 긴급 상황 식별 패턴의 형성 및 안정화에 기여한다는 것이 그럴듯합니다. CA에서 각각. 공간 탐색보다 학습 중에 우발적 식별 패턴이 나타난다는 점을 감안할 때(그림 4a), 그 형성은 단순히 두 LED 디스플레이(탐색 세션 X{3}} 및 YO 중에도 구별됨) 간의 감각 차이를 반영하는 것이 아닙니다. 그러나 대신 동물이 구별하는 법을 배워야 하는 다양한 보상 우발성과 관련이 있습니다. 실제로 최근 증거에 따르면 치아이랑이 아닌 CA에서 별개의 공간적 맥락에 대한 신경적 차별은 이러한 맥락의 행동적 차별과 관련이 있으며, 치아이랑과 CA1 사이의 행동적으로 관련된 환경적 차이. 그러한 행동 비상 정보가 CA로 전달되는 방법은 현재 명확하지 않으며 전전두엽 피질*7의 입력이 포함될 수 있습니다. 여기에 설명된 발견은 해마 CA1의 응급 coactivity 코드가 우발적 차별의 동적 검색에 필요하며, 이러한 기능적 coactivity를 생성하는 것과 관련된 교차 회로 상호 작용을 설명하는 후속 경험적 및 모델링 연구에 동기를 부여할 것입니다.

각 우발 상황에서 적절한 행동을 이끌어내기 위해 실행 및 운동 영역의 다운스트림 뉴런에 의해 우발 상황에 대한 해마 공동 활동 코드가 어떻게 해독됩니까? 피질 뉴런은 10-30ms 범위의 막 시간 상수를 가지고 있습니다. 즉, 여기에서 조사한 25-ms 시간 척도에서 동시 활성인 뉴런의 수렴 입력이 다운스트림("리더") 뉴런에서 효과적인 시간 합을 나타낼 수 있음을 의미합니다. 수상 돌기 및 스파이크에 기여합니다. 또한, 이 시간 창 내에서 동시 시냅스 활성화는 초선형 합계를 허용하는 수상 돌기에서 활성 전압 개폐 전도도의 시작과 일치합니다. 이것은 또한 개별 수상돌기에 공간적으로 클러스터링된 입력이 평균 시냅스 가중치가 있는 경우에도 더 분산된 입력보다 그러한 비선형성을 이끌어낼 가능성이 더 높은 단일 판독기 뉴런에 의해 다양한 공동 활성 패턴을 명확하게 하는 메커니즘으로 작용할 수 있습니다. 이러한 입력 중 식별할 수 없습니다(확장 데이터 그림 10b). 이것은 독자들이 동시적 활동만을 구별하는 우발적 협력 패턴의 개별 구성원의 발사를 명확하게 하지 않기 때문에 창발적 협력을 선택적으로 읽을 수 있게 합니다. 다른 단일 뉴런 및 네트워크 기반 coactivity 읽기 메커니즘도 제안되었습니다1041. 이러한 모든 경우에 대해 이 코드의 빠른(10초) 특성은 동적으로 변화하는 환경에서 신속한 행동 응답을 지원하는 비상 정보의 신속한 처리를 허용해야 합니다. 다운스트림 회로에서 새로운 coactivity 코드를 읽을 수 있는 이러한 개략적인 후보 메커니즘은 Vivo 및 in silico 연구에서 미래의 생체 내에서 테스트될 수 있습니다.