神経集団活動の時間的ダイナミクス制約：ブレイン・コンピュータ・インターフェースが明らかにした神経計算メカニズム

学術的背景

脳の神経活動が時間とともにどのように進化するかは、知覚、運動、認知機能を理解する上での核心的な問題の一つです。長い間、神経ネットワークモデルでは、脳の計算プロセスがネットワーク接続によって形成される神経活動の時間的経過を含むと考えられてきました。この見方は、神経活動の時間的経過が破ることが難しいものであるべきだという重要な予測を立てています。しかし、この予測が実際の生物学的神経ネットワークにおいて成立するかどうかは、まだ直接検証されていません。この問題に答えるために、研究チームはブレイン・コンピュータ・インターフェース（Brain-Computer Interface, BCI）技術を利用し、サルの運動皮質に自然に現れる神経集団活動の時間的経過に逆らうように挑戦し、その活動経過を時間的に逆転させて通過することを試みました。この実験を通じて、研究チームは神経活動の時間的経過がネットワークの計算メカニズムを反映しているかどうかを検証し、これらの経過が人為的に変更可能かどうかを探求しようとしました。

論文の出典

この論文は、Emily R. Oby、Alan D. Degenhart、Erinn M. Grigsbyら研究者によって共同執筆され、ピッツバーグ大学生物工学科、カーネギーメロン大学電気・コンピュータ工学科など複数の研究機関から発表されました。論文は2025年2月に*Nature Neuroscience*誌に掲載され、タイトルは「Dynamical constraints on neural population activity」です。

研究の流れ

実験設計と研究対象

研究チームはアカゲザルの運動皮質に多電極アレイを埋め込み、約90の神経ユニットの活動を記録しました。BCI技術を利用して、サルは神経活動を通じてコンピュータのカーソルを動かすことができました。研究の主な目的は、BCIタスクを通じてサルが自然状態で行う神経集団活動の時間的経過を観察し、フィードバック方法やタスク設計を変えることで、これらの時間的経過に逆らうようにサルに挑戦することでした。

研究は以下の主要なステップに分けられます：

1. 自然な神経軌跡の識別
   まず、研究チームはサルがBCIタスク中に自然に生成する神経集団活動を記録しました。ガウス過程因子分析（Gaussian Process Factor Analysis, GPFA）を使用して、神経活動を10次元の潜在状態に変換し、2次元のカーソル位置にマッピングしました。このマッピングにより、サルは神経活動の展開過程を視覚的に確認することができました。

2. 神経軌跡の分離と投影
   研究チームは2種類のBCIマッピングを設計しました：MoveInt（運動意図に基づくマッピング）とSepMax（分離を最大化するマッピング）。MoveIntマッピングはサルがカーソルを柔軟に制御することを可能にし、SepMaxマッピングは特定の次元における神経軌跡の時間構造を強調しました。これらのマッピングを通じて、研究チームは異なるフィードバック条件下でのサルの神経活動の変化を観察しました。

3. 時間反転の挑戦
   サルが自然な時間的経過に逆らえるかどうかをテストするために、研究チームは一連のタスクを設計し、サルに時間的に反転した神経活動パターンを生成するよう求めました。例えば、「中間目標タスク」では、サルはカーソルをある目標から別の目標に移動する必要がありましたが、パスの設計によりサルは自然な時間的経過に逆らう必要がありました。

4. パス指導タスク
   最終的な「パス指導タスク」では、研究チームは視覚的な境界を使用してカーソルの移動パスを制限し、サルに時間的に反転した神経軌跡を生成するようさらに挑戦しました。境界を徐々に狭めることで、研究チームは強力なインセンティブ下でサルが神経活動の時間的経過を変更できるかどうかをテストしました。

主な結果

1. 自然な神経軌跡の安定性
   研究によると、BCI制御下でも、運動皮質の神経集団活動は豊かな時間構造を示し、腕の運動中の神経活動に類似していました。これらの時間構造は異なるフィードバック条件下でも高い一貫性を示し、神経活動の時間的経過が内在的に安定していることを示しています。

2. 時間反転の失敗
   サルに時間的に反転した神経軌跡を生成するよう求められた場合、彼らは自然な時間的経過に直接逆らうことができませんでした。中間目標タスクでは、サルは直接目標に移動することができず、まず自然な時間的経過に従い、その後目標位置に「フックバック」する必要がありました。これは、神経活動の時間的経過が破ることが難しい制約を持っていることを示しています。

3. パス指導タスクの限界
   パス指導タスクでは、サルは神経軌跡を変更するための強力なインセンティブを与えられましたが、それでも時間的に反転した軌跡を生成することはできませんでした。代わりに、サルのカーソル軌跡は自然な時間的経過に従い続け、タスクの失敗につながりました。この結果は、神経活動の時間的経過の硬直性をさらに支持しています。

結論と意義

研究によると、神経集団活動の時間的経過はネットワークの計算メカニズムを反映しており、生物学的神経ネットワークにおいて高い安定性を持っています。BCI技術を通じてサルに神経軌跡を変更するよう強く促しても、彼らはこれらの時間的経過を簡単に破ることができませんでした。この発見は、神経ネットワークモデルの計算メカニズムに直接的な実験的証拠を提供し、神経活動の時間的経過が脳機能において重要であることを明らかにしました。

研究のハイライト

1. ブレイン・コンピュータ・インターフェースの革新的な応用
   研究チームはBCI技術を利用して、神経活動の時間的経過の柔軟性を直接テストし、神経計算メカニズムを理解するための新しい実験パラダイムを提供しました。

2. 時間的経過の硬直性
   研究によると、神経活動の時間的経過は高度に安定しており、外部のインセンティブによって変更することが難しいことがわかりました。この発見は、神経ネットワークモデルの計算メカニズムに重要な実験的サポートを提供します。

3. 神経ダイナミクスの内在的制約
   研究は、神経集団活動の時間構造がネットワーク接続の内在的属性であり、単純な運動命令や感覚フィードバックの反映ではないことを明らかにしました。この発見は、神経ダイナミクスのメカニズムに対する理解を深めます。

まとめ

この研究は、ブレイン・コンピュータ・インターフェース技術を通じて、神経集団活動の時間的経過の内在的制約性を明らかにし、神経ネットワークモデルの計算メカニズムに対する実験的証拠を提供しました。これは脳機能の理解を深めるだけでなく、将来のより効率的なブレイン・コンピュータ・インターフェース技術の開発に重要な理論的基盤を提供します。