德国图宾根大学和马克思·普朗克生物控制学研究所等多家单位开展合作研究,揭示了在决策过程中,单个神经元在保持与其他神经元互相关联的条件下是怎样重建权重的。相关论文发表在最近出版的《自然·神经科学》杂志上。
无论在社会生活中还是在自然界,制定决策通常都是诸多因素之间互相作用的结果。人们在做最终决定时,通常很难确定各种因素该占多大权重,即各种因素对于整个事件的重要程度。神经科学家也面临着类似问题,因为决定总是要由大脑神经元来做。
比如,当我们看到对面街上某个人很像是自己的老朋友,这一信息会通过大量神经元输入大脑。但在这些神经元中,哪些神经元是把信息传输到高级脑区的关键?哪些神经元决定了这个人是谁?哪些决定了我们是否过去跟他招手问好?图宾根大学沃纳·雷查德综合神经科学中心教授马蒂亚·贝斯杰领导的研究小组开发出一种方程,让人们能算出一个感知神经元在决策过程中的重要程度。
研究人员解释说,就像一个人如果获得了与犯罪有关的内幕消息,他就会被认为是可疑的,如果某个感知神经元的活动包含了与最终决策有关的信息,也会被认为在决策中起到某种作用,一个神经元就像是一个人。按照这种方式,决策问题就变成了神经元之间不断的通讯。一个与决策无关的神经元,可能只是简单地从邻居那里接受信息,而“加入”到会谈中。事实上,邻居神经元发送的关键信号被传给了大脑的高级决策区。
研究人员对这一过程进行分析处理,不仅考虑了每个神经元的活动中所包含的信息,而且考虑了神经元之间的通讯,并由此开发出一种新方程,能确定神经元的读取权重是怎样获得的,即解码策略,并确定是少量神经元携带了大量有关决策的信息,还是在大量互相连接的神经元中包含了这些信息。
研究人员指出,他们还开发出一种测试方法,在不知道某个神经元与其他神经元有何关联的情况下,能确定其解码权重对于一项任务而言是否最优,这让人们有可能分析一些更基本的问题,即在大脑利用信息做出的决策中,哪条决策路径是最优的,哪条路径次之。(生物谷Bioon.com)
doi:10.1038/nn.3309
PMC:
PMID:
Inferring decoding strategies from choice probabilities in the presence of correlated variability
Ralf M Haefner, Sebastian Gerwinn, Jakob H Macke & Matthias Bethge
The activity of cortical neurons in sensory areas covaries with perceptual decisions, a relationship that is often quantified by choice probabilities. Although choice probabilities have been measured extensively, their interpretation has remained fraught with difficulty. We derive the mathematical relationship between choice probabilities, read-out weights and correlated variability in the standard neural decision-making model. Our solution allowed us to prove and generalize earlier observations on the basis of numerical simulations and to derive new predictions. Notably, our results indicate how the read-out weight profile, or decoding strategy, can be inferred from experimentally measurable quantities. Furthermore, we developed a test to decide whether the decoding weights of individual neurons are optimal for the task, even without knowing the underlying correlations. We confirmed the practicality of our approach using simulated data from a realistic population model. Thus, our findings provide a theoretical foundation for a growing body of experimental results on choice probabilities and correlations.