DOI: https://doi.org/10.1038/s41586-025-09226-1
PMID: https://pubmed.ncbi.nlm.nih.gov/40903597
تاريخ النشر: 2025-09-03
المؤلف: Charles Findling وآخرون
الموضوع الرئيسي: ديناميات الأعصاب ووظيفة الدماغ
نظرة عامة
يتناول هذا القسم دمج المعلومات الحسية مع المعرفة السابقة من خلال الاستدلال الاحتمالي، وهي عملية أساسية للإدراك والمعرفة. ويبرز أن الدماغ غالبًا ما يستخدم نظرية القرار بايزيان لإجراء استدلالات قريبة من المثالية، مثل افتراض أن مصادر الضوء تأتي عادة من الأعلى عند تفسير المشاهد البصرية. على الرغم من الاستكشاف النظري الواسع لكيفية تمثيل الاستدلال بايزيان عصبيًا، لا تزال الآليات الدقيقة وأماكن تمثيل المعرفة السابقة في الدماغ غامضة.
تُقدم فرضيتان متعارضتان بشأن معالجة المعلومات السابقة. واحدة تفترض أن المعرفة السابقة تُدمج فقط في مناطق اتخاذ القرار عالية المستوى، مثل القشرة الجدارية، والقشرة المدارية الجبهية، والقشرة الجبهية، مما يشير إلى أن هذا الدمج يحدث في وقت متأخر من مسار المعالجة. على العكس، تقترح الفرضية الثانية أن الدماغ يعمل كشبكة بايزيان شاملة، مما يسمح بالاستدلال الاحتمالي عبر جميع المناطق ويمكّن من الاستدلال الثنائي الاتجاه. وهذا يعني أن الدماغ يمكن أن يستنتج خصائص مختلفة لجسم ما بناءً على المدخلات الحسية بينما يتنبأ أيضًا بالنتائج الحسية من المعرفة السابقة، مما يوضح تعقيد المعالجة العصبية فيما يتعلق بالاستدلال بايزيان.
الطرق
في هذه الدراسة، استخدمنا إصدار البيانات العامة IBL لعام 2024، والذي يتضمن 699 تسجيلًا من مجسات Neuropixels 1.0 عبر 459 جلسة تشمل 139 فأرًا. تشمل المنهجية تقنيات جراحية مفصلة لزراعة القضبان الرأسية، وإجراءات فتح الجمجمة، وخط أنابيب فرز النبضات، والتي تم توضيحها جميعًا في الملاحق المرجعية. بالإضافة إلى ذلك، قمنا بتحليل مجموعة بيانات منفصلة تتكون من 52 تسجيلًا من القشرة الظهرية، تم إجراؤها على مدى 52 جلسة مع 6 فئران، مع توثيق سابق حول جمع البيانات والمعالجة المسبقة.
تم الحفاظ على الامتثال الأخلاقي بدقة، مع الحصول على الموافقات من لجان رعاية الحيوانات المؤسسية المختلفة عبر عدة جامعات، بما في ذلك كلية جامعة لندن وجامعة برينستون، من بين آخرين. بالنسبة للتحليلات الإحصائية، استخدمنا ارتباط سبيرمان لأخذ القيم الشاذة والتوزيعات غير الطبيعية في الاعتبار، بينما تم استخدام ارتباط بيرسون لتقييم العلاقات الخطية. تم تقييم المقارنات المزدوجة باستخدام اختبار ويلكوكسون للرتب الموقعة، وهو غير معلمي وحساس للتغيرات النظامية بين الظروف.
المناقشة
في هذا القسم، يناقش المؤلفون ترميز المعلومات السابقة في دماغ الفأر أثناء مهام اتخاذ القرار. استخدموا مجموعة بيانات شاملة من المختبر الدولي للدماغ، حيث قاموا بتحليل تسجيلات كهربائية من 242 منطقة دماغية وتصوير واسع المجال (WFI) للتحقيق في كيفية تأثير الاحتمالات السابقة على الأداء. تشير نتائجهم إلى أن المعرفة السابقة المثلى بايزيان مُرمزة عبر كل من المناطق القشرية وتحت القشرية، بما في ذلك المناطق الحسية المبكرة، مما يشير إلى تمثيل عصبي واسع للمعرفة السابقة. أظهرت الفئران القدرة على استخدام هذه المعرفة السابقة لتعزيز أدائها، خاصة في التجارب ذات التباين الصفري، حيث كانت المعرفة السابقة هي المصدر الوحيد للمعلومات حول احتمالات المكافأة.
استخدم المؤلفون الانحدار الخطي لفك ترميز المعرفة السابقة المثلى بايزيان من النشاط العصبي خلال فترات الفواصل بين التجارب (ITI) ووجدوا أن حوالي 30.2% من مناطق الدماغ قد رمّزت هذه المعرفة السابقة بشكل كبير. ومن الجدير بالذكر أن مناطق مثل القشرة المدارية الجبهية الجانبية والقشرة البصرية الأولية تم تحديدها كمناطق رئيسية لترميز المعرفة السابقة. كما استكشفت الدراسة التأثير المحتمل للميزات الحركية وموقع العين على التمثيل العصبي للمعرفة السابقة، وخلصت إلى أن الإشارات الملحوظة لم تكن تعود فقط إلى هذه العوامل. علاوة على ذلك، كشفت تحليل سببية غرانجر عن شبكة معقدة من التواصل بين مناطق الدماغ، مما يبرز التدفق الديناميكي للمعلومات السابقة في جميع أنحاء الدماغ. بشكل عام، تؤكد النتائج على الطبيعة المعقدة والموزعة لترميز المعرفة السابقة، مما يشير إلى أن الفئران تستخدم شبكة متطورة لإبلاغ عمليات اتخاذ القرار الخاصة بها.
DOI: https://doi.org/10.1038/s41586-025-09226-1
PMID: https://pubmed.ncbi.nlm.nih.gov/40903597
Publication Date: 2025-09-03
Author(s): Charles Findling et al.
Primary Topic: Neural dynamics and brain function
Overview
The section discusses the integration of sensory information with prior knowledge through probabilistic inference, a fundamental process for perception and cognition. It highlights that the brain often employs Bayesian decision theory to make near-optimal inferences, such as assuming that light sources typically come from above when interpreting visual scenes. Despite extensive theoretical exploration of how Bayesian inference is represented neurally, the exact mechanisms and locations of prior knowledge representation in the brain remain ambiguous.
Two contrasting hypotheses are presented regarding the processing of prior information. One posits that prior knowledge is integrated only in high-level decision-making regions, such as the parietal, orbitofrontal, and prefrontal cortices, suggesting that this integration occurs late in the processing stream. Conversely, the second hypothesis proposes that the brain functions as a comprehensive Bayesian network, allowing for probabilistic inference across all regions and enabling bidirectional inference. This would mean that the brain could deduce various properties of an object based on sensory input while also predicting sensory outcomes from prior knowledge, illustrating the complexity of neural processing in relation to Bayesian inference.
Methods
In this study, we utilized the 2024 IBL public data release, which includes 699 recordings from Neuropixels 1.0 probes across 459 sessions involving 139 mice. The methodology encompasses detailed surgical techniques for headbar implants, craniotomy procedures, and a spike sorting pipeline, all of which are elaborated in referenced appendices. Additionally, we analyzed a separate dataset comprising 52 recordings from the dorsal cortex, conducted over 52 sessions with 6 mice, with prior documentation on data acquisition and preprocessing.
Ethical compliance was rigorously maintained, with approvals obtained from various institutional animal care committees across multiple universities, including University College London and Princeton University, among others. For statistical analyses, we employed Spearman’s correlation to account for outliers and non-normal distributions, while Pearson’s correlation was used for assessing linear relationships. Paired comparisons were evaluated using the Wilcoxon signed-rank test, which is non-parametric and sensitive to systematic shifts between conditions.
Discussion
In this section, the authors discuss the encoding of prior information in the mouse brain during decision-making tasks. They utilized a comprehensive dataset from the International Brain Laboratory, analyzing electrophysiological recordings from 242 brain regions and wide-field imaging (WFI) to investigate how prior probabilities influence performance. Their findings indicate that the Bayes-optimal prior is encoded across both cortical and subcortical regions, including early sensory areas, suggesting a widespread neural representation of prior knowledge. Mice demonstrated the ability to utilize this prior to enhance their performance, particularly in zero-contrast trials, where the prior was the sole source of information regarding reward probabilities.
The authors employed linear regression to decode the Bayes-optimal prior from neural activity during intertrial intervals (ITI) and found that approximately 30.2% of brain areas significantly encoded this prior. Notably, regions such as the ventrolateral orbitofrontal cortex and primary visual cortex were identified as key areas for prior encoding. The study also explored the potential influence of motor features and eye position on the neural representation of the prior, concluding that the observed signals were not solely attributable to these factors. Furthermore, a Granger causality analysis revealed a complex network of communication between brain regions, highlighting the dynamic flow of prior information throughout the brain. Overall, the results underscore the intricate and distributed nature of prior encoding, suggesting that mice utilize a sophisticated network to inform their decision-making processes.