読者です 読者をやめる 読者になる 読者になる

ネズミと反実仮想

神経科学の勉強記録。

Monitoring covert cognitive processes via neural population dynamics in frontal cortex

セミナー

Monitoring covert cognitive processes via neural population dynamics
in frontal cortex
Prof. Bill Newsome from Stanford University

ニューラルポピュレーションから隠れたdecision making機構を明らかにする。

Material method

Material: two Monkeys;
Stimulus: MovingRamdomDot;
左右にコヒーレンスを変化させる。左右どちらに刺激が動いたか、サルにモニター上の点を直接指で示させる。
96本の電極をもつUtah arrayを用いてM1とPMd(運動領野)それぞれから記録した。とれたスパイクをオンラインでラスタープロットする。そのデータからlogistic
classifier(線形分離モデル?)を用いてサルが左右どちらを選ぶか予測する。50msごとのbinで予測。オンラインで計算は10msごとに行った?

Utah array
面の電極なのでMTといった皺の部分に刺入しにくい。
腕で示させる理由
本来なら前肢を左右に動かさせるのではなく、360度円上2点赤(=左)、緑(=右)のサッケードで選択させてもいいんちゃう?意識には上っていなくても、低次な視覚情報が同一方向の動きだと、左右の運動やデコーディング性能に影響を与えている可能性がある?確かに目の動きはいいけどM1やPMdだと脳内コーディングの割合が低い。そして前述のとおりUtah

arrayはMTといった皺の部分に刺入しにくい。

Results

onset(刺激が出る)前はデコーダーは50%の性能。Onset後250msぐらいから左右どちらを引くか予測性能が高くなる。最終的に前肢の運動を開始すると予測性能100%となる。
その後、線形関数からの各点(神経活動t,
t-1でのプロット??)の距離を求める。距離が遠いほど良く分離ができている。その値をDevision
Variable(DV)と呼ぶ。運動前でもhoice predictionを95%の性能で行えるようになった。

縦軸:左右の予測性能 (真ん中のy=0.5 ←chance level)、横軸:時間でグラフを描いてみると。
課題が難しいほどデコーダーの予測性能の値の立ち上がりは遅くなる。簡単な課題ほど早い段階のニューロン活動から予測できる。ようするにDecision
makingに時間がかかる。
予測性能の立ち上がりのスロープにに左右で差があった気がする。これは例えば右腕、左脳の記録をしているせい?
デコーディングをしていると、例えばだんだんと左の予測値が高くなっていくが、ある時間(the timing of
bound)を境に右のほうへシフトしていくことがある。そのまま右の予測値が高くなっていきチャンスレベルを超えていく。このとき予測値とchance
level が交わるときはCoM(change of
mind)のタイミングかも。気が変わる瞬間。ちなみに通常、Dataは予測式1/(1+e^(-|DV|))にフィッティングで切る。
今回の場合typicaldataでは(2匹のサル)CoMは400-500msで大体起こっていた。←そうだっけ
the timing of boundの時点でで刺激提示を打ち切り、左右の選択をさせる。するとその時点でprediction値が高いほうを選ぶ。

まとめ

  • 運動前の高い予測性能(~98%)。
  • リアルタイムのシングルトライアルからDVを算出しCoMの候補タイミングを出した。
  • In real time closed-loop experiment, candidate CoM predict decision

outcome on single trials with accuracy that varies monotonically with
decoded DV. CoM conform to statistical regularities expected human
psychophysical studies.

  • decoded DV makes covert transient aspect of the decision presentation

accessible for study. Baby step in a good direction.

質疑応答など

  • Across trialのバイアスはないのか。例えば右に粘着したり。
  • なんでlinear modelしか使わないのか。
  • マンキーすぐ動いちゃうで。我慢できへん。でも確信度が低いときはreactiontimeが遅くなる。
  • M1やPMdはdecision makingを行っているとは言えないがそのダイナミクスを表している。
  • 脳が慣れるのを防ぐため刺激を打ち切るbound lineのDVやreward の時間を変えた。

メモ

  • マウス2匹用意してマウスAのニューロンからマウスBの行動を予測する。生物センサーとして使えないか。

参考文献

Resulaj, Nature, (2009)
Human research about CoM(change of mind).
ムシモルでLIPを叩いた最近のNatureの論文。
Bill Newsome先生のLIPの研究と意見が違う?Univ. Texas シャロンさん?

メソッドなど

Time course
0.3 sec 固視点
0.5 sec 赤緑の左右のチョイスポイント。指を画面の真ん中に置く。
0.5-? sec Stimulus onset.
30%→ After 0.3 sec delay, choice.
70%→ no delay, before choice.