DOI: https://doi.org/10.1038/s41586-025-09199-1
PMID: https://pubmed.ncbi.nlm.nih.gov/40562938
تاريخ النشر: 2025-06-25
المؤلف: Mikhail Genkin وآخرون
الموضوع الرئيسي: ديناميات الأعصاب ووظيفة الدماغ
الطرق
قسم “الطرق” يوضح التصميم التجريبي والتقنيات التحليلية المستخدمة في الدراسة. استخدم الباحثون نهجًا كميًا، حيث نفذوا تجارب محكومة لجمع البيانات حول المتغيرات المحددة. شملت المنهجيات الرئيسية التحليل الإحصائي باستخدام أدوات البرمجيات لتقييم دلالة النتائج، بالإضافة إلى تطبيق النماذج الرياضية لتفسير البيانات بدقة.
بالإضافة إلى ذلك، يتناول القسم تقنيات أخذ العينات المستخدمة لضمان جمع بيانات تمثيلية، إلى جانب المعايير لاختيار المشاركين. يصف الباحثون أيضًا البروتوكولات المتبعة للحفاظ على التناسق والموثوقية طوال التجارب، مما يضمن أن النتائج قوية ويمكن تكرارها في الدراسات المستقبلية. بشكل عام، توفر الطرق المستخدمة أساسًا قويًا لصلاحية نتائج البحث.
المناقشة
في هذه الدراسة، بحثنا الديناميات العصبية الكامنة وراء اتخاذ القرار في القشرة الحركية القشرية الظهرية (PMd) للقرود المشاركة في مهمة تمييز الألوان. باستخدام مصفوفات متعددة الأقطاب الخطية، سجلنا نشاط النبضات أثناء تغيير صعوبة المحفز. كشفت تحليلاتنا أن العديد من الخلايا العصبية أظهرت أنماط إطلاق مرتبطة بالقرار، مع معدلات متوسطة عبر التجارب تختلف بناءً على الجانب المختار. ومع ذلك، كانت ملفات الاستجابة الزمنية غير متجانسة، مما يتحدى الفكرة القائلة بأن جميع الخلايا العصبية ترمز لمتغير قرار موحد. لمعالجة ذلك، طورنا إطار عمل نمذجة مرن يفصل بين الديناميات والهندسة للتمثيلات العصبية، مما يسمح لنا باستنتاج متغير كامن $x(t)$ يحكم ديناميات اتخاذ القرار.
أشارت نتائجنا إلى أن الخلايا العصبية الفردية، على الرغم من وظائفها المتنوعة، تشترك في ديناميات متسقة تتميز بحاجز محتمل واحد في مشهد اتخاذ القرار. تم التحقق من ذلك من خلال ملاءمة النموذج، الذي أظهر أن وظائف الضبط المستنتجة ظلت مستقرة عبر ظروف المحفز المتغيرة. بالإضافة إلى ذلك، أظهرنا أن كل من نماذج الخلايا العصبية الفردية والسكانية يمكن أن تتنبأ باختيارات القرود بدقة عالية، متفوقة على أجهزة فك التشفير التقليدية. وهذا يشير إلى أن PMd ترمز لمتغير قرار ديناميكي من خلال إطار هندسي، حيث تحدد وظائف الضبط هندسة التمثيل. بشكل عام، توفر نتائجنا دليلًا قويًا على مبدأ هندسي موحد في الترميز العصبي للمتغيرات المعرفية، مما يبرز ديناميات الجاذبية لعمليات اتخاذ القرار.
DOI: https://doi.org/10.1038/s41586-025-09199-1
PMID: https://pubmed.ncbi.nlm.nih.gov/40562938
Publication Date: 2025-06-25
Author(s): Mikhail Genkin et al.
Primary Topic: Neural dynamics and brain function
Methods
The “Methods” section outlines the experimental design and analytical techniques employed in the study. The researchers utilized a quantitative approach, implementing controlled experiments to gather data on the specified variables. Key methodologies included statistical analysis using software tools to evaluate the significance of the results, as well as the application of mathematical models to interpret the data accurately.
Additionally, the section details the sampling techniques used to ensure representative data collection, along with the criteria for participant selection. The researchers also describe the protocols followed to maintain consistency and reliability throughout the experiments, ensuring that the findings are robust and can be replicated in future studies. Overall, the methods employed provide a solid foundation for the validity of the research outcomes.
Discussion
In this study, we investigated the neural dynamics underlying decision-making in the dorsal premotor cortex (PMd) of monkeys engaged in a color discrimination task. Using linear multi-electrode arrays, we recorded spiking activity while varying stimulus difficulty. Our analysis revealed that many neurons exhibited decision-related firing patterns, with trial-averaged rates differentiating based on the chosen side. However, the temporal response profiles were heterogeneous, challenging the notion that all neurons encode a uniform decision variable. To address this, we developed a flexible modeling framework that separates the dynamics and geometry of neural representations, allowing us to infer a latent variable $x(t)$ governing decision-making dynamics.
Our findings indicated that single neurons, despite their diverse tuning functions, shared consistent dynamics characterized by a single potential barrier in the decision-making landscape. This was validated through model fitting, which demonstrated that the inferred tuning functions remained stable across varying stimulus conditions. Additionally, we showed that both single-neuron and population models could predict the monkeys’ choices with high accuracy, outperforming traditional supervised decoders. This suggests that the PMd encodes a dynamic decision variable through a geometric framework, where the tuning functions define the representation’s geometry. Overall, our results provide compelling evidence for a unified geometric principle in neural encoding of cognitive variables, highlighting the attractor dynamics of decision-making processes.