Cuando los ratones aprenden a hacer una nueva tarea, sus actividades cerebrales cambian con el tiempo a medida que avanzan de ‘novato’ a ‘experto’. Los cambios se reflejan en el cableado de los circuitos celulares y las actividades de las neuronas.
Utilizando un microscopio de imágenes de dos fotones y una gran cantidad de herramientas genéticas, los investigadores del Laboratorio Cold Spring Harbor (CSHL), la Universidad de Columbia, el University College de Londres y el Instituto Flatiron descubrieron que las redes neuronales se enfocan más a medida que los ratones mejoran en la realización de una tarea capacitada. . Utilizaron los datos para construir modelos computacionales que pueden informar su comprensión de la neurociencia detrás de la toma de decisiones.
“Registramos la actividad de cientos de neuronas, todas al mismo tiempo, y estudiamos lo que las neuronas hicieron al aprender”, dijo la profesora asociada de CSHL, Anne Churchland. “Nadie sabía realmente cómo los animales o los humanos aprenden la estructura de una tarea y cómo la actividad neuronal lo respalda”.
El equipo, incluido Farzaneh Najafi, el primer autor del estudio y becario postdoctoral en el laboratorio de Churchland, comenzó entrenando ratones en tareas de toma de decisiones perceptivas. Los ratones recibieron estímulos multisensoriales en forma de una secuencia de clics y destellos que se presentaron juntos. Su trabajo consistía en decirles a los investigadores si eso está ocurriendo a un ritmo alto o bajo lamiendo una de las tres trombas delante de ellos.
Lamieron la boca central para comenzar el juicio, un lado para informar una decisión de alta tasa y el otro lado para una decisión de baja tasa. Cuando los ratones tomaron la decisión correcta, recibieron una recompensa.
“La mayoría de los estudios de toma de decisiones se centraron en el período en que los animales son realmente expertos. Pero pudimos ver cómo llegan al estado midiendo las neuronas en su cerebro durante todo el aprendizaje”, dijo Churchland, el autor principal de el estudio. “Descubrimos que en todos los animales, su aprendizaje ocurre gradualmente durante aproximadamente cuatro semanas. Y descubrimos que lo que apoya el aprendizaje es el cambio de actividad en un montón de neuronas”.
El equipo descubrió que las neuronas se volvieron más selectivas al responder a una actividad asociada con una tarea en particular. El también comenzó a reaccionar más rápido y más inmediatamente.
“Responderán con mucha fuerza antes de una opción y mucho menos antes de la otra”, dijo Churchland.
Cuando los animales apenas comienzan a aprender, las neuronas no responden hasta el momento en que toma la decisión. Pero a medida que el animal adquiere experiencia, las neuronas responden mucho más por adelantado.
“Podemos leer la mente del animal de alguna manera, podemos predecir qué hará el animal antes de que lo haga”, dijo Churchland. “Cuando eres un novato en algo, tu cerebro está haciendo cosas diferentes, por lo que tienes neuronas involucradas en todas las cosas diferentes. Pero luego, cuando eres un experto, te concentras exactamente en lo que vas a hacer y nosotros puede recoger esa actividad “.
Los investigadores decodificaron la actividad neuronal entrenando una pequeña red artificial llamada ‘Máquina de vectores de soporte lineal’ utilizando algoritmos de aprendizaje automático. Recopila datos de rendimiento de múltiples ensayos y los combina con la actividad de todas las neuronas, sopesándolas para adivinar qué va a hacer el animal. A medida que el animal mejora en la tarea, sus redes neuronales se vuelven más refinadas, precisas y específicas. Los investigadores pueden reflejar eso en la red artificial, que luego puede predecir la decisión del animal con aproximadamente un 90 por ciento de precisión.
Los modelos de aprendizaje también ofrecen otra forma de ver tipos específicos de neuronas en el cerebro involucradas en la cognición, como las neuronas excitadoras e inhibidoras, que desencadenan cambios positivos y negativos, respectivamente. En este estudio, publicado en Neuron (Cell Press), el equipo descubrió que las neuronas inhibidoras son parte de subredes muy selectivas en el cerebro, y son muy selectivas para la elección que el animal hará.
Estas neuronas son parte de un modelo biofísico que ayuda a los investigadores a comprender cómo funciona la toma de decisiones. A medida que los investigadores refinan estos modelos, pueden tener más sentido de cómo la cognición informa el comportamiento.
“Hemos aprendido mucho sobre la toma de decisiones perceptivas: las decisiones que un sujeto tomaría bien y mal, cuánto tiempo lleva tomar esas decisiones, cómo se vería la actividad neuronal durante la toma de decisiones al tomar diferentes tipos de modelos que hacen predicciones realmente concretas “, dijo Churchland. “Ahora podemos entender, con suerte mejor, por qué estas subredes tan selectivas están allí, cómo nos ayudan a tomar mejores decisiones y cómo están conectadas durante el aprendizaje”.