Optimización bidireccional de la velocidad de disparo en una interfaz cerebro-máquina neuronal de ratón

Área de la Ciencia:

• La neurociencia
• Neurociencia computacional
• Neuroplasticidad

Sus antecedentes:

• La neuroplasticidad permite al cerebro adaptarse a la actividad neuronal.
• Todavía no está claro si la neuroplasticidad se puede usar para tareas de optimización abstractas, como encontrar extremos de curva.
• Comprender esto podría mejorar las aplicaciones de la interfaz cerebro-máquina (BMI).

Objetivo del estudio:

• Para investigar si las neuronas de la corteza motora en ratones pueden optimizar su actividad a lo largo de una curva unimodal utilizando un IMC.
• Determinar si la neuroplasticidad subyace a la capacidad de aprender reglas de optimización abstractas a través de retroalimentación.

Principales métodos:

• Se utilizó una interfaz cerebro-máquina (IMC) en ratones.
• La retroalimentación auditiva de la velocidad de disparo neuronal se emparejó con las recompensas de agua.
• Los ratones fueron entrenados para modular las velocidades de disparo a lo largo de una curva de mapeo de la velocidad de disparo a la velocidad de aumento de la frecuencia del sonido, buscando el extremo que acelera la recompensa.

Principales resultados:

• Los ratones aprendieron con éxito a modular las velocidades de disparo hacia el pico de la curva.
• El tiempo de adquisición de la recompensa se redujo significativamente (de 18,64 ± 7,30 s a 11,59 ± 4,38 s).
• Los eventos de alta respuesta aumentaron (de 66 a 104 ocurrencias), y las neuronas priorizaron los intervalos de alta respuesta.

Conclusiones:

• Las neuronas corticales pueden optimizar dinámicamente la actividad a lo largo de paisajes de recompensa no monótonos.
• La neuroplasticidad sirve como un sustrato para la auto-optimización adaptativa en tareas abstractas.
• Esta investigación amplía la comprensión del aprendizaje de reglas abstractas a través de retroalimentación y tiene implicaciones para el diseño neuroprótesis.