感覺運動皮層的計算機制必須靈活而健壯，以支持熟練的運動行為。神經(jīng)元協(xié)同活動模式是計算過程的結(jié)果。跨總體的成對尖峰時間統(tǒng)計關(guān)系可以概括為保留單位屬性的函數(shù)網(wǎng)絡(luò) （FN）。
 
本文使用猶他電極和Cereplex Exilis無線放大器（Blackrock Microsystems）記錄了獵物捕獲和自發(fā)行為期間狨猴前肢感覺運動皮層信號，并使用結(jié)合運動軌跡和網(wǎng)絡(luò)特征的編碼模型來預測前肢運動期間的神經(jīng)元電位變化。
 
每只狨猴都被允許自由進出連接到圍欄頂部的獵物捕捉裝置。 運動由高速攝像機記錄，這些攝像機使用紅外光束斷路器開關(guān)自動觸發(fā)。圍欄內(nèi)的自發(fā)行為由單獨的攝像系統(tǒng)連續(xù)記錄。在整個記錄過程中同時記錄了動作電位，在此期間，猴子主動伸手去尋找獵物或從事無方向的自發(fā)行為。
   
對于總體中的每個單元，研究員們在軌跡樣本中的 17 組超前和滯后時間中測試了每個運動學編碼模型——軌跡樣本的持續(xù)時間為 300-500 毫秒，范圍從完全超前到完全滯后。
   
在建立了僅從運動學中預測單個單元總體中峰值的最佳模型后，研究員們接下來將網(wǎng)絡(luò)項納入最佳模型，并評估由此產(chǎn)生的模型性能變化。
   
研究發(fā)現(xiàn)，更強的平均輸入與更強的運動學調(diào)整相關(guān)，也與網(wǎng)絡(luò)功能提供的更大性能提升相關(guān)，這可能意味著活動的單個單元預測僅依賴于功能輸入的總強度;或者，模型性能可能取決于強連接的特定結(jié)構(gòu)。  
接下來研究員們評估了 FN 對獵物捕獲的特異性，與我自發(fā)的廣泛非獵物捕獲行為相比。研究員們通過計算自發(fā) FN 點積的網(wǎng)絡(luò)特征項與與到達軌跡樣本相關(guān)的電位變化來訓練運動學 + 自發(fā) FN 模型。然后，他們在使用 reachFNs 計算的網(wǎng)絡(luò)特征上測試了這個模型，以比較運動學 + 自發(fā) FN 模型的泛化與原始運動學 + reachFN 模型的性能。
   
在獵物捕獲過程中重組的上下文特異性功能組（FG）也與前肢運動更緊密地聯(lián)系在一起。研究發(fā)現(xiàn)，全運動學模型比上下文不變的模型更準確地預測了上下文特定 FG 中單元的電位變化。
   
綜上所述，研究結(jié)果發(fā)現(xiàn)網(wǎng)絡(luò)功能的貢獻取決于強連接功能組內(nèi)的結(jié)構(gòu)化連接。本文確定了一個特定于上下文的功能組，該功能組對運動學高度調(diào)整，并重新組織了其自發(fā)和獵物捕獲運動之間的連接。在其余的上下文不變組中，交互在行為之間相對穩(wěn)定，并且單元對運動學的調(diào)整較少。這表明在產(chǎn)生自然前肢運動中的作用不同，并將單元調(diào)整特性置于種群動力學的背景。
 
筆名：Liushuai
原文鏈接：https://www.nature.com/articles/s41467-024-54343-6