在认知任务期间,从异质的神经反应推断潜在电路推断
Christopher Langdon1,2, Tatiana A Engel3,4
1Princeton Neuroscience Institute, Princeton University, Princeton, NJ, USA.
Nature neuroscience
|February 10, 2025
概括
我们开发了一个潜在电路模型,以了解神经活动如何驱动行为. 这个模型揭示了大脑中的抑制机制,它抑制了不相关的感官信息,这对于决策至关重要.
科学领域:
- 神经科学是一个神经科学.
- 计算神经科学是一种神经科学.
- 系统神经科学 系统神经科学
背景情况:
- 高层皮层区域表现出复杂的神经反应,混合了感官,认知和运动信号.
- 现有的缩小维度的方法往往忽略了电路级连接驱动异构的神经反应和行为.
研究的目的:
- 开发一种新的缩小维度的方法,隐性电路模型,以推断反复的神经连接底层行为.
- 通过低维的反复连接来研究任务变量如何相互作用以产生行为输出.
主要方法:
- 开发了隐性电路模型,这是一个重点关注反复连接的维度减小技术.
- 应用隐性电路推断到在上下文依赖决策任务上训练的循环神经网络.
- 通过模式连接扰动和神经数据分析验证模型预测.
主要成果:
- 确定了一个神经抑制机制,其中上下文表示抑制了无关的感官反应.
- 证实了隐性电路模型预测的扰动会因果影响行为.
- 在执行相同任务的子的前额叶皮层中观察到类似的无关感官反应的抑制.
结论:
- 隐性电路模型提供了关于神经电路连接如何塑造行为的见解.
- 对无关的感官信息的神经抑制是依赖上下文决策的关键机制.
- 结合因果相互作用对于理解行为相关的神经计算至关重要.
更多相关视频
11:14A Novel Experimental and Analytical Approach to the Multimodal Neural Decoding of Intent During Social Interaction in Freely-behaving Human Infants
Published on: October 4, 2015
10.8K
04:44Inter-Brain Synchrony in Open-Ended Collaborative Learning: An fNIRS-Hyperscanning Study
Published on: July 21, 2021
4.1K
