Un roedor virtual predice la estructura de la actividad neuronal a través de comportamientos

Área de la Ciencia:

• La neurociencia
• Inteligencia artificial
• La biofísica

Sus antecedentes:

• Comprender cómo el cerebro controla los movimientos complejos de los animales es un desafío significativo.
• Los modelos existentes a menudo luchan por cerrar la brecha entre la actividad neuronal y el comportamiento observable.

Objetivo del estudio:

• Desarrollar un nuevo modelo computacional que vincule los principios neuronales con el control motor.
• Investigar cómo la actividad neuronal en regiones específicas del cerebro se relaciona con la ejecución del movimiento.

Principales métodos:

• Construido un "roedor virtual" con un modelo de rata biomecánico realista en un simulador de física.
• Utilizó el aprendizaje de refuerzo profundo para entrenar una red neuronal artificial para controlar el roedor virtual.
• Comparó la actividad de la red neuronal con las grabaciones neuronales de ratas reales que se movían libremente.

Principales resultados:

• La actividad de la red neuronal del roedor virtual predijo mejor la actividad cerebral real de la rata que las características de movimiento por sí solas.
• La actividad neuronal en el estriado sensorimotor y la corteza motora se alinea con los principios de la dinámica inversa.
• La variabilidad latente del modelo explicó la variabilidad y la robustez neuronales, consistentes con el control óptimo de retroalimentación.

Conclusiones:

• Las simulaciones biofísicas realistas de animales virtuales ofrecen una herramienta poderosa para la investigación en neurociencia.
• Este enfoque puede dilucidar las bases neuronales del control motor y validar los marcos teóricos.