感覺運(yùn)動(dòng)皮層的計(jì)算機(jī)制必須靈活而健壯，以支持熟練的運(yùn)動(dòng)行為。神經(jīng)元協(xié)同活動(dòng)模式是計(jì)算過程的結(jié)果�？缈傮w的成對(duì)尖峰時(shí)間統(tǒng)計(jì)關(guān)系可以概括為保留單位屬性的函數(shù)網(wǎng)絡(luò) （FN）。
 
本文使用猶他電極和Cereplex Exilis無線放大器（Blackrock Microsystems）記錄了獵物捕獲和自發(fā)行為期間狨猴前肢感覺運(yùn)動(dòng)皮層信號(hào)，并使用結(jié)合運(yùn)動(dòng)軌跡和網(wǎng)絡(luò)特征的編碼模型來預(yù)測(cè)前肢運(yùn)動(dòng)期間的神經(jīng)元電位變化。
 
每只狨猴都被允許自由進(jìn)出連接到圍欄頂部的獵物捕捉裝置。 運(yùn)動(dòng)由高速攝像機(jī)記錄，這些攝像機(jī)使用紅外光束斷路器開關(guān)自動(dòng)觸發(fā)。圍欄內(nèi)的自發(fā)行為由單獨(dú)的攝像系統(tǒng)連續(xù)記錄。在整個(gè)記錄過程中同時(shí)記錄了動(dòng)作電位，在此期間，猴子主動(dòng)伸手去尋找獵物或從事無方向的自發(fā)行為。
   
對(duì)于總體中的每個(gè)單元，研究員們?cè)谲壽E樣本中的 17 組超前和滯后時(shí)間中測(cè)試了每個(gè)運(yùn)動(dòng)學(xué)編碼模型——軌跡樣本的持續(xù)時(shí)間為 300-500 毫秒，范圍從完全超前到完全滯后。
   
在建立了僅從運(yùn)動(dòng)學(xué)中預(yù)測(cè)單個(gè)單元總體中峰值的最佳模型后，研究員們接下來將網(wǎng)絡(luò)項(xiàng)納入最佳模型，并評(píng)估由此產(chǎn)生的模型性能變化。
   
研究發(fā)現(xiàn)，更強(qiáng)的平均輸入與更強(qiáng)的運(yùn)動(dòng)學(xué)調(diào)整相關(guān)，也與網(wǎng)絡(luò)功能提供的更大性能提升相關(guān)，這可能意味著活動(dòng)的單個(gè)單元預(yù)測(cè)僅依賴于功能輸入的總強(qiáng)度;或者，模型性能可能取決于強(qiáng)連接的特定結(jié)構(gòu)。  
接下來研究員們?cè)u(píng)估了 FN 對(duì)獵物捕獲的特異性，與我自發(fā)的廣泛非獵物捕獲行為相比。研究員們通過計(jì)算自發(fā) FN 點(diǎn)積的網(wǎng)絡(luò)特征項(xiàng)與與到達(dá)軌跡樣本相關(guān)的電位變化來訓(xùn)練運(yùn)動(dòng)學(xué) + 自發(fā) FN 模型。然后，他們?cè)谑褂?reachFNs 計(jì)算的網(wǎng)絡(luò)特征上測(cè)試了這個(gè)模型，以比較運(yùn)動(dòng)學(xué) + 自發(fā) FN 模型的泛化與原始運(yùn)動(dòng)學(xué) + reachFN 模型的性能。
   
在獵物捕獲過程中重組的上下文特異性功能組（FG）也與前肢運(yùn)動(dòng)更緊密地聯(lián)系在一起。研究發(fā)現(xiàn)，全運(yùn)動(dòng)學(xué)模型比上下文不變的模型更準(zhǔn)確地預(yù)測(cè)了上下文特定 FG 中單元的電位變化。
   
綜上所述，研究結(jié)果發(fā)現(xiàn)網(wǎng)絡(luò)功能的貢獻(xiàn)取決于強(qiáng)連接功能組內(nèi)的結(jié)構(gòu)化連接。本文確定了一個(gè)特定于上下文的功能組，該功能組對(duì)運(yùn)動(dòng)學(xué)高度調(diào)整，并重新組織了其自發(fā)和獵物捕獲運(yùn)動(dòng)之間的連接。在其余的上下文不變組中，交互在行為之間相對(duì)穩(wěn)定，并且單元對(duì)運(yùn)動(dòng)學(xué)的調(diào)整較少。這表明在產(chǎn)生自然前肢運(yùn)動(dòng)中的作用不同，并將單元調(diào)整特性置于種群動(dòng)力學(xué)的背景。
 
筆名：Liushuai
原文鏈接：https://www.nature.com/articles/s41467-024-54343-6