Data driven approach integrating optics and machine learning to uncover parallel computation mechanism in brain circuits

点击翻译按钮获取中文摘要

大脳皮質の中でも前頭前野は、快・不快の情動や外界からの感覚刺激などの様々な情報を並列処理することで、生存に不可欠な判断を可能にする。一方、脳回路は増設可能な電子回路とは異なり、限られた容量を効率的に利用するための「脳独自の並列処理様式」がその機能を支えると推察されるが、技術的制限によりその理解は理論や仮説の提唱に留まってきた。本課題では、新たな２光子イメージングシステムを開発し、マウス前頭前野の最大数千の神経細胞一つ一つから詳細な活動を記録しながら、複数の情動記憶が並列に形成される行動課題を実施可能にした。得られる学習過程を通じた長期神経活動記録を元に、機械学習によるデータ駆動型の解読と、光遺伝学による精密な因果性の検証により、前頭前野における並列処理の核となる要素を同定し、脳独自の並列処理様式の実態を実証することを目指している。着目するマウス内側前頭前野（mPFC）は正負両方のvalence（恐怖・報酬など正負両方向の情動）の記憶を制御する。そこで2021年度は、valenceの異なる二つの記憶を同時平行に獲得する課題を行い、それらの記憶がmPFC内部で混線せずに保持される状態を解読した。学習課程を通じた神経細胞集団の活動記録を元に、二つの記憶がmPFC内部でどのように構築され、どのように分別して想起されるかについて調べ、そこからmPFC神経細胞集団が異なる記憶を分別しながら並列に情報処理する機序を明らかにした。特に、共同研究を通じてモデルベースの機械学習を用いた解析法を開発し、mPFCでの並列計算の鍵となる神経細胞集団（アンサンブル）の検出を可能とした。さらに、その検出結果をnoise correlation、グラフ理論などにより数理学的に評価し、脳情報動態の変遷を可視化することに成功した。