生物学的脳モデルが動物並みの学習能力を達成、新たな発見を可能に

プレス問い合わせ 連絡先: 閉じる ![](/sites/default/files/styles/news_article__image_gallery/public/images/202601/stock-neurons-downsized.jpg?itok=Lvw6MKNU) キャプション: 複数機関の研究者チームは、生物学的原理に基づく脳機能モデルを作成した。このモデルは実験動物と同様の学習を示しただけでなく、新たな生物学的発見を可能にする一助となった。クレジット: 画像: AdobeStock 前の画像 次の画像 ダートマス大学、MIT、ニューヨーク州立大学ストーニーブルック校の科学者チームによると、生物学と生理学に密接に基づいた新しい脳の計算モデルは、単純な視覚カテゴリー学習課題を実験動物と全く同様に学習しただけでなく、同じ課題を行う動物を用いた研究者たちが以前はデータ内で気づかなかった、直感に反する活動を一群のニューロンが示すことを発見するきっかけにもなったという。 特筆すべきは、このモデルが動物実験からのデータで一度も訓練されることなく、これらの成果を生み出した点である。代わりに、ニューロンがどのように回路に接続し、その後、より広範な脳領域間で電気的・化学的に通信して認知と行動を生み出すかを忠実に表現するために、ゼロから構築された。そして、研究チームがモデルに、以前動物に行わせたのと同じ課題（点のパターンを見て、それが2つのより広いカテゴリーのどちらに当てはまるかを判断する）を実行するよう求めたところ、モデルは非常に類似した神経活動と行動結果を生み出し、ほぼ全く同じ不規則な進歩を伴ってその技能を獲得した。 「モデルは単に新しいシミュレーションによる脳活動のプロットを生成しているだけで、それが後になって初めて実験動物と比較されるのです。それがこれほどまでに驚くほど一致するという事実は、ある種衝撃的です」と、このモデルについて述べたNature Communications誌の新研究の筆頭著者であり、ダートマス大学の心理脳科学教授であるリチャード・グレンジャーは言う。 このモデル、および論文執筆後に開発されたより新しい反復モデルを作成する目標は、脳がどのように機能するかについての洞察を提供するだけでなく、病気の際にどのように異なる機能をする可能性があるか、そしてどのような介入がそれらの異常を修正できるかを理解することにもある、と共著者でMITピコワー学習記憶研究所のピコワー教授であるアール・K・ミラーは付け加える。ミラー、グレンジャー、および研究チームの他のメンバーは、モデルのバイオテクノロジー応用を開発するためにNeuroblox.ai社を設立した。共著者でストーニーブルック校の生物医学工学教授であり、Neurobloxプロジェクトの主任研究員であるリリアン・R・ムヒカ＝パロディが同社のCEOを務めている。 「目標は、脳の生物模倣モデリングのためのプラットフォームを作り、神経治療法の発見、開発、改良をより効率的に行えるようにすることです。例えば、薬剤開発と有効性試験は、臨床試験のリスクと費用がかかる前に、私たちのプラットフォーム上でプロセスの早い段階で行うことができます」と、MIT脳認知科学科の教員でもあるミラーは言う。 生物模倣モデルの作成 ダートマス大学のポスドク研究員であるアナンド・パタックがこのモデルを作成した。このモデルは、個々のニューロン対が互いにどのように接続するかといった微細な詳細と、アセチルコリンなどの神経調節性化学物質によって領域間の情報処理がどのように影響を受けるかを含む大規模な構造の両方を組み込んでいる点で、多くの他のモデルと異なる。パタックとチームは、設計を繰り返し改良し、ニューロンがより広範なリズムによってどのように同期するかなど、実際の脳で観察される様々な制約に従うようにした。多くの他のモデルは小規模または大規模のいずれかのみに焦点を当てているが、このモデルは両方であると彼は言う。 「私たちは木を見失いたくもなければ、森を見失いたくもありませんでした」とパタックは言う。 比喩的な「木」は、研究では「プリミティブ」と呼ばれ、それぞれが数個のニューロンからなる小さな回路で、実際の細胞の電気的・化学的原理に基づいて接続し、基本的な計算機能を実行する。例えば、モデル版の大脳皮質内では、あるプリミティブ設計では、興奮性ニューロンが神経伝達物質グルタミン酸の影響を受けるシナプス接続を介して視覚系から入力を受け取る。それらの興奮性ニューロンはその後、抑制性ニューロンと密接に接続し、他の興奮性ニューロンをシャットダウンするよう信号を送る競合を起こす——これは実際の脳に見られる「勝者総取り」アーキテクチャで、情報処理を調節する。 より大きな規模では、このモデルは基本的な学習と記憶課題に必要な4つの脳領域を含んでいる：大脳皮質、脳幹、線条体、およびアセチルコリンのバーストを介してシステムに少量の「ノイズ」を注入できる「持続性活動ニューロン」（TAN）構造である。例えば、モデルが提示された点のパターンを分類する課題に従事する際、TANは最初、モデルが視覚入力をどのように処理するかにいくらかの変動性を確保し、モデルが様々な行動とその結果を探索することで学習できるようにした。モデルが学習を続けるにつれて、大脳皮質と線条体の回路はTANを抑制する接続を強化し、モデルが学習した内容に基づいて一貫性を増しながら行動できるようにした。 モデルが学習課題に従事するにつれて、ミラーが動物を用いた自身の研究でよく観察してきた動的特性を含む、現実世界の特性が出現した。学習が進むにつれて、大脳皮質と線条体は脳リズムの「ベータ」周波数帯でより同期するようになり、この同期性の増加は、モデル（および動物）が見ているものについて正しいカテゴリー判断を下した時期と相関していた。 「不一致」ニューロンの発見 しかし、モデルはまた研究者たちに、誤りを高度に予測するように見える活動を示す一群のニューロン——約20％——を提示した。これらのいわゆる「不一致」ニューロンが回路に影響を与えると、モデルは誤ったカテゴリー判断を下した。最初、グレンジャーは、チームはそれがモデルの癖だと考えたと言う。しかしその後、彼らは動物が同じ課題を行ったときにミラーの研究室が蓄積した実際の脳のデータを見た。 「その時になって初めて、私たちは既に持っていたデータに戻りました。誰かがそれについて何か言っているはずだから、これはそこにはないに違いないと確信していましたが、それはそこにあり、ただこれまで気づかれず、分析もされていなかったのです」と彼は言う。 ミラーは、これらの直感に反する細胞には目的があるかもしれないと言う：課題のルールを学ぶのは結構だが、そのルールが変わったらどうするか？時折代替案を試すことは、脳が新たに出現する一連の条件に偶然出くわすことを可能にするかもしれない。実際、別のピコワー研究所の研究室は最近、人間や他の動物が時々これを行うという証拠を発表した。 新しい論文で説明されたモデルはチームの期待を超える性能を示したが、グレンジャーは、チームはそれを拡張して、より多様な課題と状況を処理できるほど洗練させてきたと言う。例えば、彼らはより多くの領域と新しい神経調節性化学物質を追加した。また、薬剤などの介入がその動態にどのように影響するかのテストも開始している。 グレンジャー、ミラー、パタック、ムヒカ＝パロディに加えて、論文の他の著者は、スコット・ブリンキャット、ハリス・オルガンツィディス、ヘルムート・ストライ、セージアン・セネフ、エヴァン・アンツーラトスである。 Baszucki Brain Research Fund（米国）、海軍研究局、Freedom Together Foundationがこの研究に支援を提供した。 このニュース記事を共有する： 論文: "Biomimetic model of corticostriatal micro-assemblies discovers a neural code" 関連リンク ピコワー学習記憶研究所 脳認知科学科 理学部 脳認知科学 機械学習 コンピュータモデリング コンピュータ科学技術 ピコワー研究所 理学部 関連記事 記憶をコードする脳ネットワークは電場によって統合される、研究が発見 ![](/sites/default/files/styles/news_article__archive/public/images/202307/equations.jpg?itok=trygjW1e)

生物学的脳モデルが動物並みの学習能力を達成、新たな発見を可能に

背景や根拠まで確認しますか？

調べる

選ぶ

サイト