脳がどのように関連性のある情報と関連性のない情報を解析するか

情報が殺到し、ますます騒々しい世界が訪れる中、重要なことと重要でないことをどのようにして知ることができるでしょうか。

新しい研究は、脳が関連性のない情報から関連性をどのように分離するかを示しています。

「私たちの脳は、提示されたすべての情報から最も重要な情報を脳で処理することが私たちの日常生活に不可欠です」と、ニューヨーク大学とニューヨーク大学上海の神経科学のグローバル教授で、研究の先輩であるXiao-Jing Wang博士は述べました。著者。

「脳の非常に複雑な神経回路内には、適切な場所に適切なタイミングで関連情報をルーティングするためのゲーティングメカニズムが必要です。」

計算モデルに基づく分析は抑制性ニューロンに焦点を当てています。これは、他のニューロンを抑制し、神経活動を刺激することを目的とする興奮性ニューロンのバランスをとることにより、入ってくる刺激に対する適切な神経学的応答を確保するのに役立つ脳の交通警官です。

「私たちのモデルは、この目標を達成するために、複数のタイプの抑制性ニューロンを含む脳回路の基本的な要素を使用しています」とWangは説明しました。 「私たちの計算モデルは、抑制性ニューロンが神経回路が情報の特定の経路をゲートすることを可能にし、残りを除外することを可能にすることを示しています。」

Wangの研究室の博士候補であるGuangyu Robert Yangが率いる分析では、研究者たちは、以前に提案されていたよりも抑制性ニューロンのより複雑な役割を明らかにするモデルを考案しました。

チームが特に興味を持ったのは、興奮性ニューロンの樹状突起を標的とする抑制性ニューロンの特定のサブタイプ、つまり他のニューロンからの入力が存在するニューロンのコンポーネントでした。これらの樹状突起を標的とする阻害性ニューロンは、ソマトスタチンと呼ばれる生物学的マーカーによって標識され、科学者によって選択的に研究することができます。

研究者たちは、ニューロンへの全体的な入力だけでなく、個々の経路、たとえばニューロンに収束する視覚的または聴覚的経路からの入力も制御することを提案しました。

「抑制性ニューロンから興奮性ニューロンへの接続が密集し、構造化されていないように見えるため、これは難しいと考えられていました」とヤン氏は述べた。 「私たちの研究からの驚くべき発見は、経路特異的ゲーティングに必要な精度が抑制性ニューロンによって実現できることです。」

研究者らは計算モデルを使用して、一見ランダムに接続されていても、これらの樹状突起標的ニューロンが異なる経路を介して興奮性入力と整列することにより、個々の経路をゲート制御できることを示しました。彼らは、この整合は、経験を通じて学習するための脳のメカニズムであるシナプス可塑性によって実現できることを示しました。

研究はジャーナルに掲載されました 自然コミュニケーション。

出典：ニューヨーク大学