DOI: https://doi.org/10.1038/s41593-024-01845-7
PMID: https://pubmed.ncbi.nlm.nih.gov/39825141
تاريخ النشر: 2025-01-17
المؤلف: Emily R. Oby وآخرون
الموضوع الرئيسي: ديناميات الأعصاب ووظيفة الدماغ
الطرق
في هذا القسم، يحدد المؤلفون الطرق التجريبية المستخدمة للتحقيق في الهيكل الزمني لمسارات الأعصاب في القرود خلال مهام مختلفة. بدأت التدفقات التجريبية بمعايرة خريطة MoveInt، التي التقطت نوايا حركة الحيوانات في مهمة المركز للخارج. تم استخدام هذه الخريطة بعد ذلك لتحديد خريطة SepMax لزوج الهدف خلال إما مهمة ذات هدفين أو مهمة شبكة. تم تقييم مرونة الهيكل الزمني في خريطة SepMax من خلال ثلاث تلاعبات تجريبية: تقديم ملاحظات بصرية خلال مهمة الهدفين، اختبار القدرة على إنتاج مسارات عصبية معكوسة زمنياً في مهمة IT، وتحدي الحيوانات لمتابعة مسار محدد في مهمة المسار الموجه.
تفاوتت المنهجية قليلاً بين القرود. بالنسبة للقرود E وD، تم اختبار زوج هدف واحد لكل جلسة، تم اختياره بشكل عشوائي زائف، وتم تحديد إسقاط SepMax باستخدام إما 160 تجربة من مهمة الهدفين أو 140 تجربة من مهمة الشبكة. على النقيض من ذلك، خضعت القردة Q لإجراء مختلف بسبب تباين فصل المسارات، مع اختيار أزواج الأهداف من مجموعة أكبر من التجارب. بعد تحديد إسقاط SepMax، تحكمت الحيوانات في المؤشر باستخدام هذه الخريطة فقط لبقية الجلسة. تم تقييم استمرارية الهيكل الزمني من خلال 100 تجربة من مهمة الهدفين، تلتها 50-100 تجربة من مهمة IT لتحديد موقع الهدف الموجه (IT)، وانتهت بحوالي 500 تجربة من مهمة المسار الموجه، حيث تم تعديل الحدود البصرية بناءً على معدلات نجاح الحيوانات.
النتائج
في هذه الدراسة، حقق المؤلفون في مرونة المسارات العصبية في القشرة الحركية لقرود الريسوس، مع التركيز على ما إذا كانت هذه المسارات يمكن تعديلها استجابة للتحديات الخارجية. تمثل “نمط نشاط مجموعة عصبية” معدلات إطلاق مشترك لمجموعة من الخلايا العصبية، بينما تصف “المسار العصبي” تسلسل هذه الأنماط على مر الزمن. باستخدام واجهة دماغ-كمبيوتر (BCI)، سجل الباحثون نشاط حوالي 90 وحدة عصبية وحولوا هذه البيانات إلى حالات كامنة بعشر أبعاد (10D). تم تكليف القرود بتحريك المؤشر بين الأهداف، مع تقديم ملاحظات بصرية على نشاطهم العصبي في إسقاطات مختلفة، بما في ذلك إسقاط يفصل بين الأهداف (SepMax) الذي كشف عن مسارات تعتمد على الاتجاه.
أشارت النتائج إلى أن المسارات العصبية أظهرت استمرارية قوية ولم تكن قابلة للتعديل بسهولة، حتى عندما تم تحفيز الحيوانات لإنتاج مسارات معكوسة زمنياً أو اتباع مسارات محددة. في ظروف تجريبية مختلفة، بما في ذلك مهمة المسار الموجه مع حدود بصرية، استمرت القرود في اتباع التدفق الطبيعي لنشاطها العصبي بدلاً من تعديل مساراتها كما هو مطلوب. تشير هذه السلوكيات إلى أن المسارات الزمنية لنشاط المجموعة العصبية مقيدة بواسطة ديناميات الشبكة الأساسية، مما يحد من مرونة المسارات العصبية على الرغم من قدرة الحيوانات على توليد أنماط نشاط المجموعة اللازمة. بشكل عام، تسلط النتائج الضوء على قوة الهيكل الزمني في نشاط القشرة الحركية وتقترح أن المسارات العصبية تخضع لقيود كبيرة.
المناقشة
في هذه الدراسة، حققنا في الهيكل الزمني لنشاط المجموعة العصبية في القشرة الحركية خلال التحكم في واجهة دماغ-كمبيوتر (BCI). كشفت نتائجنا أن الديناميات الزمنية للنشاط العصبي كانت غنية ومتسقة مع الأنماط التي لوحظت خلال المهام الحركية الطبيعية، مما يشير إلى أن هذه الديناميات مقيدة على الأرجح بواسطة الاتصال الشبكي الأساسي. من الجدير بالذكر أنه عندما تم تكليف القرود بتوليد نسخ معكوسة زمنياً من نشاطها العصبي، لم تكن قادرة على القيام بذلك، مما يشير إلى أن الهيكل الزمني لا يمكن تغييره بسهولة بواسطة التحكم الإرادي. تشير هذه الصلابة إلى أن الديناميات العصبية الملحوظة هي خصائص جوهرية للشبكة بدلاً من مخرجات عشوائية.
توضح الدراسة أيضاً أنه بينما يمكن للقرود التأثير إرادياً على المدخلات إلى القشرة الحركية (M1) إلى حد ما، فإن هذه المدخلات لا تغير بشكل كبير الهيكل الزمني الجوهري للنشاط العصبي. وهذا يشير إلى أن ديناميات المجموعة في M1 محفوظة للغاية وتؤدي وظائف حسابية أساسية. تسلط نتائجنا الضوء على فائدة نماذج BCI في استكشاف الديناميات العصبية، حيث تسمح بالتلاعب المباشر في النشاط العصبي دون تأثيرات مشوشة من الحركات الجسدية. بشكل عام، تسهم هذه الأبحاث في فهمنا للقيود المفروضة على ديناميات المجموعة العصبية وإمكانية المرونة السلوكية من خلال الجمع بين أنماط ديناميكية ثابتة بدلاً من إنشاء ديناميات جديدة تماماً.
DOI: https://doi.org/10.1038/s41593-024-01845-7
PMID: https://pubmed.ncbi.nlm.nih.gov/39825141
Publication Date: 2025-01-17
Author(s): Emily R. Oby et al.
Primary Topic: Neural dynamics and brain function
Methods
In this section, the authors outline the experimental methods employed to investigate the temporal structure of neural trajectories in monkeys during various tasks. The experimental flow began with the calibration of a MoveInt mapping, which captured the animals’ movement intentions in a center-out task. This mapping was subsequently utilized to identify the SepMax mapping for a target pair during either a two-target task or a grid task. The flexibility of the temporal structure in the SepMax mapping was assessed through three experimental manipulations: providing visual feedback during the two-target task, testing the ability to produce time-reversed neural trajectories in the IT task, and challenging the animals to follow a prescribed path in the instructed path task.
The methodology varied slightly among the monkeys. For monkeys E and D, a single target pair was tested per session, selected pseudorandomly, and the SepMax projection was identified using either 160 trials of the two-target task or 140 trials of the grid task. In contrast, monkey Q underwent a different procedure due to variability in trajectory separation, with target pairs selected from a larger pool of trials. After identifying the SepMax projection, the animals controlled the cursor exclusively using this mapping for the remainder of the session. The persistence of temporal structure was evaluated through 100 trials of the two-target task, followed by 50-100 trials of the IT task to establish the position of the instructed target (IT), and concluded with approximately 500 trials of the instructed path task, during which visual boundaries were adjusted based on the animals’ success rates.
Results
In this study, the authors investigated the flexibility of neural trajectories in the motor cortex of rhesus monkeys, focusing on whether these trajectories can be modified in response to external challenges. A ‘neural population activity pattern’ represents the joint firing rates of a group of neurons, while a ‘neural trajectory’ describes the sequence of these patterns over time. Using a brain-computer interface (BCI), the researchers recorded the activity of approximately 90 neural units and transformed this data into ten-dimensional (10D) latent states. The monkeys were tasked with moving a cursor between targets, with visual feedback provided on their neural activity in various projections, including a separation-maximizing (SepMax) projection that revealed direction-dependent paths.
The results indicated that the neural trajectories exhibited strong persistence and were not easily modified, even when the animals were incentivized to produce time-reversed trajectories or follow prescribed paths. In various experimental conditions, including an instructed path task with visual boundaries, the monkeys continued to follow the natural flow of their neural activity rather than altering their trajectories as required. This behavior suggests that the time courses of neural population activity are constrained by underlying network dynamics, limiting the flexibility of the neural trajectories despite the animals’ ability to generate the necessary population activity patterns. Overall, the findings highlight the robustness of temporal structure in motor cortex activity and suggest that neural trajectories are subject to significant constraints.
Discussion
In this study, we investigated the temporal structure of neural population activity in the motor cortex during brain-computer interface (BCI) control. Our findings revealed that the temporal dynamics of neural activity were rich and consistent with patterns observed during natural motor tasks, indicating that these dynamics are likely constrained by the underlying network connectivity. Notably, when monkeys were tasked with generating time-reversed versions of their neural activity, they were unable to do so, suggesting that the temporal structure is not easily altered by volitional control. This inflexibility implies that the observed neural dynamics are intrinsic properties of the network rather than arbitrary outputs.
The study further elucidates that while monkeys can volitionally influence inputs to the motor cortex (M1) to some extent, these inputs do not significantly alter the intrinsic temporal structure of neural activity. This suggests that the population dynamics of M1 are highly conserved and serve essential computational functions. Our results highlight the utility of BCI paradigms in probing neural dynamics, as they allow for direct manipulation of neural activity without the confounding effects of physical movements. Overall, this research contributes to our understanding of the constraints on neural population dynamics and the potential for behavioral flexibility through the combination of fixed dynamical motifs rather than the creation of entirely new dynamics.