Los modelos de redes neuronales basados en tareas predicen la dinámica neuronal de la propiocepción

Área de la Ciencia:

• La neurociencia
• Neurociencia computacional
• Neurociencia de los sistemas

Sus antecedentes:

• La propiocepción, el sentido de la posición y el movimiento del cuerpo, se basa en las neuronas sensoriales, pero sus principios de procesamiento neural siguen sin estar claros.
• El núcleo cuneado (CN) y el área 2 de la corteza somatosensorial (S1) son regiones críticas del cerebro involucradas en el procesamiento de información propioceptiva.

Objetivo del estudio:

• Investigar el código neuronal del procesamiento propioceptivo en el CN y S1 utilizando un enfoque de modelado basado en tareas.
• Identificar las metas computacionales que mejor explican los patrones de actividad neuronal relacionados con la propiocepción.

Principales métodos:

• Las señales del huso muscular simuladas usando el modelado musculoesquelético para crear un repertorio completo de movimiento.
• Redes neuronales entrenadas basadas en 16 hipótesis distintas que representan diferentes objetivos computacionales.
• Valida la capacidad del modelo para predecir la dinámica neuronal en primates CN y S1 utilizando datos sintéticos.

Principales resultados:

• Las representaciones internas optimizadas para tareas derivadas de datos sintéticos predijeron con éxito la dinámica neuronal tanto en CN como en S1.
• Las tareas computacionales centradas en predecir la posición y la velocidad de las extremidades demostraron la mayor precisión para explicar la actividad neuronal.
• Las representaciones neuronales mostraron una mejor predicción de la actividad durante los movimientos activos en comparación con los movimientos pasivos.

Conclusiones:

• El procesamiento de la propriocepción del cerebro está optimizado para predecir el estado de las extremidades durante los movimientos activos y dirigidos.
• La actividad neuronal en el CN y S1 es probablemente modulada por señales de arriba hacia abajo durante los movimientos voluntarios.
• Este estudio proporciona información sobre los principios computacionales que subyacen al código neuronal para la propiocepción.