신경 과학자들은 해마의 장소 세포가 쥐의 유연한 이동성을 지원하는 방법을 발견했습니다!

University College London의 Sainsbury Wellcome의 연구원들은 해마가 최적의 탐색 결정을 내리는 데 있어 동물을 지원하기 위해 벡터 기반 표현을 생성한다는 것을 발견했습니다.

오늘 게시됨 성질을 억누르다, 연구자들은 해마의 장소 세포가 탄성 운동에 기여하는 방법의 문제를 해결하는 데 큰 도움이 되는 결과를 보고합니다. 그들은 목표물을 탐색하는 동안 장소 세포가 목표물까지의 방향과 거리에 대한 정보는 물론 동물의 현재 위치에 대한 잘 확립된 표현을 나타낸다고 보고합니다. 그들은 표적의 탐색을 일련의 이진 옵션으로 분할하는 행동 장치인 벌집 미로를 사용하여 이 표적 지향 정보를 발견했습니다.

미로는 개별적으로 들어 올릴 수 있는 61개의 플랫폼으로 구성되어 있습니다. 각 플랫폼에 별도로 있는 동안 쥐는 목표를 향해 이동할 두 개의 인접한 플랫폼을 선택해야 하며 성공하려면 목표 방향에 가장 가까운 플랫폼을 선택해야 합니다. 동물은 목표에 도달할 때까지 이러한 반복적인 선택을 계속합니다. 따라서 이 작업은 동물이 목표를 향해 전진할 때 내리는 탐색 결정에 대한 체계적인 분석을 허용합니다. 각 선택 지점에서 장소 셀은 동물의 현재 위치뿐만 아니라 목표까지의 방향과 거리를 보고합니다.

박사가 말했다. O’Keefe 연구소의 선임 연구원이자 이 논문의 첫 번째 저자인 Jake Ormond.

생쥐가 벌집 미로 작업에 참여하는 동안 Ormond 박사와 John O’Keefe 교수는 공간의 내부 표현을 함께 형성하는 O’Keefe 교수가 처음 발견한 뉴런 부류인 장소 세포에서 기록했습니다. 이러한 기록을 통해 공간 표현이 제자리 세포 활동에서 공간 활동과 어떻게 관련되는지 볼 수 있었습니다.

개별 장소 셀의 하위 집합의 활동은 미로와 주변 ​​공간 주위에 흩어져 있지만 목표 근처에 집중되어 있는 수렴 분지(ConSinks)라고 하는 비특정 사이트로 향하는 벡터 필드를 생성합니다. 장소 셀 카운트 수준에서 전체 벡터 필드는 미로의 각 지점에서 대상의 위치를 ​​표시하여 동물이 대상에 도달하기 위해 따라갈 수 있는 신호를 제공합니다.

READ  The Last Gameboard는 디지털 주사위 놀이 플랫폼을 출시하기 위해 4 백만 달러를 모금하고 있습니다.

“우리가 모든 세포의 발사 속도를 보았을 때 동물이 목표물을 만날 때 무작위 발사가 더 강하다는 것을 발견했습니다. 또한 개별 장소 세포가 선호하는 위치를 가졌음을 발견했습니다. 우리는 이것을 ConSink라고 불렀습니다. 이러한 ConSink는 환경 전체에 흩어져 있었고, 그러나 전체적으로는 더 강렬했습니다.” 목표에 대해 Ormond 박사가 말했습니다.

또한 사격은 다른 방향에 대한 정보도 제공하고 동물이 직접 접근할 수 없는 경우 목표물에 얼마나 잘 도달하는지에 따라 순위를 매깁니다. 예를 들어, 목표 방향에서 45° 멀어지는 것이 목표에서 90° 멀어지는 것보다 더 나은 것으로 평가됩니다. 이 신호의 존재는 직접적인 경로가 차단되었을 때 동물이 표적으로 가는 길을 어떻게 찾을 수 있는지에 대한 질문에 답합니다.

이러한 모집단 벡터의 신호가 대상을 탐색하는 데 유용하면 대상 위치가 변경됨에 따라 적절한 방식으로 변경되어야 합니다. 그리고 그것이 바로 실험자들이 발견한 것입니다. 동물들이 새로운 목표물을 찾기 위해 재훈련된 후, Vector Fields와 ConSinks는 새로운 목표물로 전환했고 더 많은 경험을 통해 계속 그 목표에 가까워졌습니다.

마찬가지로 중요한 것은 이 해마 표현이 탐색에 사용되는 경우 작업을 수행하는 동물의 능력과 대상 방향의 해마 표현 사이에 좋은 상관 관계가 있어야 한다는 것입니다. Ormond와 O’Keefe는 오류 실험에서 해마 신호가 더 이상 목표물을 가리키지 않고 다른 방향을 가리키고 있어 동물이 오류를 범하도록 유도한다는 것을 발견했습니다.

이 연구는 해마에 있는 세포가 탐색 결정을 지원하기 위해 벡터 기반 표현을 형성한다고 제안합니다. 벡터는 방향과 길이를 모두 갖는 것으로 정의되며 벡터 필드는 환경의 모든 위치에서 벡터를 제공합니다. 중요한 것은 벡터 필드가 표적을 나타내는 것은 세포 집단 수준에서만이라는 것입니다. 해마는 전체적으로 이동성을 지원하는 역할을 합니다.

연구원의 다음 단계는 ConSink 유전자좌가 환경의 특정 신호와 동물이 얼마나 멀리 그리고 얼마나 빨리 이동하는지에 대한 자체 생성 경로 통합 신호에 의해 결정되는 방법을 탐구하는 것입니다. 그들은 또한 망막 세포를 포함하는 parahippocampal subregions 및 entorhinal cortex를 포함하여 공간 탐색과 관련된 다른 뇌 영역을 탐색하기 위해 행동 과제를 사용할 계획입니다. 실험 모델은 탄성 이동성의 실패가 질병의 첫 징후 중 하나인 알츠하이머병의 동물 모델에서 해마의 역할을 해부하는 데 이상적으로 적합합니다.

READ  iPhone의 놀라운 비밀이 밝혀졌습니다.

O’Keefe 교수는 “우리는 해마가 유연한 탐색에 중요하다는 것을 오랫동안 알고 있었고 이 연구는 이것을 수행하는 방법에 대한 우리의 이해에 중요한 단계입니다. 향후 몇 년 동안 우리는 해마 형성에 기여하는 다양한 공간 유형의 세포가 이러한 표현을 구축하는 데 기여합니다.” 우리는 또한 이동 중에 ConSink 위치 세포에서 기록이 알츠하이머 마우스 모델의 결손을 해부하는 강력한 도구를 제공할 것이라고 믿습니다.”

이 연구는 Gatsby 자선 재단 및 Wellcome(090843/F/09/Z)의 Sainsbury Wellcome Center Core Grant와 John O’Keefe의 Wellcome Trust Research Principal Fellowship(Wt203020/z/16/z)의 지원을 받았습니다.

답글 남기기

이메일 주소는 공개되지 않습니다.