認知マップのような表現で自発的な脳の状態を予測可能なナビゲーション
脳神経学の進展：認知地図を通じた自発的脳状態の“ナビゲーション”予測
背景紹介
自発的脳活動とは、特定の入力や出力に制約されない脳内のプロセスを指し、これらのプロセスは神経および認知の可変性に重要な役割を果たします。自発的脳活動の具体的なメカニズムは完全には明らかになっていませんが、最近の研究により、これらの自発的な脳状態が動的再編プロセスにおいて一定の規則性と予測可能性を持つことが示されています。この研究分野の重要な理論の1つは「認知地図」の概念であり、この概念は最初にTolmanによって1948年に提唱され、外界の経験が脳内で「認知地図」として符号化され、この地図が心理的表象間の関係を構築することで知覚されたエンティティを組織するものです。
研究源および著者情報
本論文は『Progress in Neurobiology』の2024年第233巻に掲載された研究論文で、「Predictable Navigation through Spontaneous Brain States with Cognitive-Map-Like Representations」という題名です。本論文は、ハルビン工業大学生命科学と技術学院のLi Siyang、Li Zhipeng、Liu Qiuyi、Ren Peng、Sun Lili、中国脳科学研究所のCui Zaixu、浙江実験室人工知能研究所のLi Siyang、およびハルビン工業大学宇宙環境と物理科学重点実験室のLiang Xiaによって共同執筆され、2024年1月15日にオンラインで公開されました。本論文はElsevier Ltd.によりCC BY-NCライセンスでオープンアクセスされています。
研究プロセスの詳細
データセットおよび実験設計
研究では2つのデータセットが利用されました。まず、「Midnight Scan Club (MSC)」データセットで、10名の被験者の静息状態機能的磁気共鳴画像法（fmri）データ、合計約5時間分です。次に、「Human Connectome Project (HCP)」データセットが使用され、174名の被験者の静息状態の7T fmriデータが含まれ、各被験者に4回15分間のスキャンが行われました。
認知地図脳ネットワークの識別
用語分析を通じて、「ナビゲーション」と密接に関連する132の用語を確認し、これらの用語の脳活動図を生成しました。これらの活動図はt-SNEによって2D空間に次元削減され、k-meansクラスタリングによって7つの脳ネットワークに分類されました：海馬体と後内側ネットワーク（HPC-PMN）、背側視覚流ネットワーク（dVIS）、腹側視覚流ネットワーク（vVIS）、前頭前野-頂葉ネットワーク（FPN）、背側注意ネットワーク（DAN）、感覚運動ネットワーク（SMN）、および聴覚ネットワーク（AUD）です。
静息状態における個体ナビゲーションネットワークの分解
次に、機能的脳分解（CBD）アルゴリズムを使って静息状態のデータを分析し、静息状態下のナビゲーションネットワークがタスク状態下のネットワーク構造に似ていることを発見しました。これら7つのネットワークをナビゲーションに最も関連する脳領域と合成し、ナビゲーション脳マスクを生成し、個体レベルでのモジュール分解を行いました。その結果、個体レベルでの7つのネットワークが得られました。
動的脳状態の推定
隠れマルコフモデル（HMM）を利用して、静息状態のfmriで再出現する3種の脳状態を明らかにし、これらの状態は時間経過に伴う離散的な脳ネットワーク活動パターンに対応していることが分かりました。そのうち、状態1はHPCとデフォルトモードネットワーク（DMN）の活動が高く、状態2は主感覚皮質と海馬体の活動が高いことが示されました。
自発的脳状態の「栖息」と「飛行」
自発的脳状態における「栖息」と「飛行」を研究するために、パターン類似性分析とt-SNE次元削減を使用して異なる脳状態の出現頻度を2D空間に埋め込みました。その後、k-meansクラスタリング分析を利用して、状態1と状態2の主要な脳状態の出現が複数のクラスター（「栖息」）に分けられ、これらの「栖息」の2D空間における位置が比較的安定していることが分かりました。これにより、脳活動が自発的状態下で徐々に変化および移行することが示されました。
「場所細胞」のような表象および予測的な転換
パターン類似性行列を基に、各脳状態の継承表象行列（SR行列）を計算し、その受容体場を分析しました。その結果、この行列のグラデーションが典型的な「場所細胞」のようなパターンを示し、2D空間では後向きの偏斜を持つ特性が見られました。さらに、各脳状態の受容体場を分析することで、自発的脳状態の予測的な転換が確認され、その転換が脳状態空間での線形軌跡を描きながら予測された最終状態に向かうことが分かりました。
予測的な転換と認知・情動能力の関連性
最後に、自発的脳状態の予測的な転換と個体の認知および情動能力との関連を探りました。結果は、内部指向の状態1において、予測性が高いことは流動的な能力（例えば、エピソード記憶および作業記憶）と正の相関があり、外部指向の状態2においては、予測性が高いことが実行機能および制御能力が低いことと関連していることが示されました。これらの発見は、自発的脳活動の予測的な特徴と個体の認知および情動特性に密接な関係があることを示しています。
結論および意義
本研究は、自発的脳活動の各種状態の認知地図のような表象を明らかにし、これらの状態の予測的な転換が脳状態空間で重要な方向性を持つことを指摘しました。本研究は、自発的脳活動の認知的な意味を支持すると同時に、認知地図を統一フレームワークとして提案する新たな見解を示しました。この発見は、脳の自発的活動の本質を理解する新しい視点を提供し、自発的脳状態が認知および情動機能において重要な役割を果たすことを強調しています。
研究のハイライト
- 動的脳状態：研究は静息状態における2つの主要な動的脳状態を明らかにし、内部および外部指向の脳活動に対応しています。
- 場所細胞のような表象：自発的脳状態が認知地図のような「場所細胞」の表象を持つことを初めて示し、その表象が2D空間で典型的なグラデーションフィールドを示しています。
- 予測的転換：自発的脳状態の転換において顕著な後向きの偏斜が見られ、脳状態が時間および空間において予測的に転換する特性を示しています。
- 認知および情動関連性：予測的脳状態の転換と個体の認知および情動能力に顕著な関連が見られ、自発的脳活動が日常の認知および情動調整において重要な役割を果たすことを示しています。
将来の研究方向
本研究は自発的脳活動について新たな見解を提供しましたが、将来の研究では静息状態のスキャン期間中の即時調査を組み合わせ、自発的脳状態の具体的な心理内容を解明する必要があります。同時に、他の脳領域においても同様の表象コードの存在およびこれらのコードが異なる心理状態でどのように変化するかを探ることが今後の重要な方向性となるでしょう。