Introduktion
En mus løber på et løbebånd, der er indlejret i en virtual reality-korridor. I sindets øje ser den sig selv suse ned ad en tunnel med et karakteristisk mønster af lys forude. Gennem træning har musen lært, at hvis den stopper ved lyset og holder den position i 1.5 sekund, vil den modtage en belønning - en lille drink vand. Så kan den skynde sig til et andet sæt lys for at modtage endnu en belønning.
Dette setup er grundlaget for forskning udgivet i juli in Rapporter Cell af neuroforskerne Elie Adam, Taylor Johns , Mriganka Sur fra Massachusetts Institute of Technology. Den udforsker et simpelt spørgsmål: Hvordan fungerer hjernen - hos mus, mennesker og andre pattedyr - hurtigt nok til at stoppe os på en skilling? Det nye arbejde afslører, at hjernen ikke er kablet til at sende en skarp "stop"-kommando på den mest direkte eller intuitive måde. I stedet anvender det et mere kompliceret signalsystem baseret på beregningsprincipper. Dette arrangement lyder måske alt for kompliceret, men det er en overraskende smart måde at kontrollere adfærd, der skal være mere præcis, end kommandoerne fra hjernen kan være.
Kontrol over den simple mekanik ved at gå eller løbe er ret let at beskrive: Hjernens mesencefaliske lokomotoriske region (MLR) sender signaler til neuroner i rygmarven, som sender hæmmende eller excitatoriske impulser til motorneuroner, der styrer musklerne i benet: Stop . Gå. Hold op. Gå. Hvert signal er en stigning i elektrisk aktivitet genereret af sættene af neuroner, der affyrer.
Historien bliver dog mere kompleks, når mål introduceres, som når en tennisspiller vil løbe til et præcist sted på banen eller en tørstig mus ser en forfriskende præmie i det fjerne. Biologer har længe forstået, at mål tager form i hjernens hjernebark. Hvordan omsætter hjernen et mål (holde op med at løbe der, så du får en belønning) til et præcist tidsindstillet signal, der fortæller MLR at trykke på bremsen?
"Mennesker og pattedyr har ekstraordinære evner, når det kommer til sensorisk motorisk kontrol," sagde Sridevi Sarma, neuroforsker ved Johns Hopkins University. "I årtier har folk studeret, hvad det er ved vores hjerner, der gør os så smidige, hurtige og robuste."
De hurtige og de furrigeste
For at forstå svaret overvågede forskerne den neurale aktivitet i en muses hjerne, mens de målte, hvor lang tid det tog dyret at decelerere fra tophastighed til fuld stop. De forventede at se et hæmmende signal stige ind i MLR, hvilket får benene til at stoppe næsten øjeblikkeligt, som en elektrisk kontakt, der slukker en pære.
Men en uoverensstemmelse i dataene underminerede hurtigt den teori. De observerede et "stop"-signal, der strømmede ind i MLR, mens musen bremsede, men det steg ikke i intensitet hurtigt nok til at forklare, hvor hurtigt dyret stoppede.
"Hvis du bare tager stopsignaler og fodrer dem ind i MLR, vil dyret stoppe, men matematikken fortæller os, at stoppet ikke vil være hurtigt nok," sagde Adam.
"Barken giver ikke en switch," sagde Sur. "Vi troede, at det var det, cortex ville gøre, gå fra 0 til 1 med et hurtigt signal. Det gør den ikke, det er gåden.”
Så forskerne vidste, at der skulle være et ekstra signalsystem på arbejde.
For at finde den kiggede de igen på musehjernens anatomi. Mellem cortex, hvor målene stammer fra, og MLR, der styrer bevægelsen, sidder en anden region, den subthalamiske nucleus (STN). Det var allerede kendt, at STN'et forbinder til MLR ad to veje: Den ene sender excitatoriske signaler, og den anden sender hæmmende signaler. Forskerne indså, at MLR reagerer på samspillet mellem de to signaler i stedet for at stole på styrken af begge.
Mens den sprintende mus forbereder sig på at stoppe, modtager MLR et hæmmende signal fra STN. Næsten umiddelbart efter modtager den også et excitatorisk signal. Hvert signal kommer langsomt - men skiftet mellem dem er hurtigt, og det er det, MLR er opmærksom på: Den registrerer forskellen mellem de to signaler. Jo større forskellen er, jo hurtigere er ændringen i det hæmmende signal, og jo hurtigere beordrer MLR benene til at stoppe.
"Der er ingen information om højden af piggene," sagde Sur. "Alt er i intervallet mellem spidserne. Fordi spidserne er skarpe, kan intervallet bære information."
Skarp kurve forude
Forskerne støbte stopmekanismen i form af to grundlæggende funktioner af calculus: integration, som måler arealet under en kurve, og afledning, som beregner hældningen i et punkt på en kurve.
Hvis stop kun afhang af, hvor meget af et stopsignal MLR modtog, så kunne det opfattes som en form for integration; mængden af signalet ville være det afgørende. Men det gør det ikke, fordi integration i sig selv ikke er nok til hurtig kontrol. I stedet akkumulerer MLR forskellen mellem de to veltimede signaler, hvilket afspejler den måde, en derivativ beregnes på: ved at tage forskellen mellem to uendeligt tætte værdier for at beregne hældningen af en kurve i et punkt. Den hurtige dynamik af derivatet ophæver integrationens langsomme dynamik og giver mulighed for et hurtigt stop.
"Der er et excitatorisk signal og et hæmmende signal, og de to bliver sammenlignet med det samme," sagde Sur. "Når den værdi rammer et vist beløb, bliver der smidt en kontakt, som får dyret til at stoppe."
Dette derivatbaserede kontrolsystem lyder måske indirekte, men det giver strategisk mening. Når en mus, der navigerer i virtual reality, eller en tennisspiller, der løber over en bane, nærmer sig et stoppunkt, kan de finde det nyttigt at vide, hvor hurtigt de kører. Men for at planlægge, hvad de skal gøre næste gang, er det mere nyttigt for dem at vide, hvor hurtigt de accelererer eller bremser - den afledte funktion af deres bevægelse.
"Det giver dig mulighed for at forudse og forudsige. Hvis jeg kender den afledede, hastigheden for ændring af hastigheden, så kan jeg forudsige, hvad min hastighed vil være ved det næste trin," sagde Sarma. "Hvis jeg ved, at jeg er nødt til at stoppe, kan jeg planlægge det og få det til at ske."
