Модели нейронных цепей для накопления доказательств через выбор-специфические последовательности

Как мозг тихо подсчитывает зацепки

Повседневные решения — от перехода через улицу до выбора закуски — зависят от способности мозга незаметно суммировать фрагменты доказательств во времени. Десятилетиями нейробиологи считали, что это делает группа нейронов, поддерживающая стабильную активность, как некий мысленный индикатор, медленно поднимающийся к решению. Это исследование задаётся вопросом, что происходит, когда классическая картина неверна — когда клетки вместо этого строчат в быстром, меняющемся порядке — и выявляет новые схемы цепей, которые мозг может использовать, чтобы отслеживать доказательства по мере их появления.

Лабиринт мерцающих подсказок

Чтобы исследовать, как мозг накапливает доказательства, учёные использовали мышей, бегавших по виртуальному Т-образному лабиринту. Пока каждая мышь шла по длинному стволу лабиринта, на левых и правых стенах на мгновение появлялись визуальные «башенки». Цель животного была проста: в конце повернуть в ту сторону, где появилось больше башен, чтобы получить вознаграждение. Для решения этой задачи нужно было суммировать башни в течение нескольких секунд и удерживать этот накопленный итог в уме в финальной задержке перед поворотом. Пока обученные мыши выполняли сотни таких попыток, команда с помощью передовой кальциевой визуализации записывала активность более чем 14 000 нейронов в четырёх областях мозга, вовлечённых в принятие решений и память.

От плавных нарастаний к стремительным волнам

Классические теории, вдохновлённые записями у обезьян и других животных, предполагают, что отдельные нейроны постепенно увеличивают или уменьшают частоту вспышек по мере накопления доказательств в пользу того или иного выбора. Но в этих данных мышей такая картина не укладывалась. Вместо медленных устойчивых нарастаний нейроны в коре, гиппокампе и стриатуме, как правило, кратковременно активировались по очереди, образуя упорядоченные последовательности, связанные с продвижением животного по лабиринту и с его окончательным выбором. Одна клетка могла активно «включаться» примерно посередине коридора, когда мышь позже поворачивала влево, а другая — активироваться позже при поворотах направо. Эти «выбор-специфические последовательности» прокатывались по каждой области по мере развития испытания, ставя под сомнение идею о том, что одна стабильная группа нейронов хранит переменную решения.

Два проекта цепей для накопления итогов

Чтобы объяснить, как смещающаяся последовательность клеток всё же может нести точный текущий итог доказательств, авторы создали и проанализировали два семейства моделей нейронных цепей. В первой, названной «конкурирующие цепочки», доказательства хранятся в относительной силе активности двух параллельных рядов нейронов — один в пользу левого выбора, другой в пользу правого. Сигнал управления, зависящий от положения, обеспечивает, что в каждой точке лабиринта активна лишь небольшая пара нейронов — по одному из каждой цепочки. Появляющиеся башенки сдвигают активную пару в ту или иную сторону, а специализированные соединения передают накопленное несоответствие следующей паре по мере движения животного. В этой схеме количество доказательств кодируется монотонно: больше правых доказательств просто означает сильнее активность правой цепочки и слабее — левой. Во второй модели, «положение-ограниченный горб», каждая позиция вдоль лабиринта содержит пласт нейронов, который коллективно формирует компактный горб активности вдоль оси доказательств. Башенки смещают этот горб влево или вправо, словно двигая маркер по шкале. По мере продвижения мыши прямые передачи передают этот горб следующему пласту, сохраняя его положение. Здесь точные активные нейроны в данный момент указывают уровень доказательств, давая узкую, пиковую настройку вместо широких нарастаний.

Разные области мозга — разные стили подсчёта

Вооружившись этими проектами, команда вернулась к записям, чтобы выяснить, какие области ближе к какой модели. В передней поясной коре и ретросплениальной коре — фронтально-париетальные области, вовлечённые в планирование и навигацию — большинство нейронов демонстрировали широкую, в основном однонаправленную чувствительность к доказательствам. Их активность, как правило, возрастала с усилением поддержки предпочитаемого выбора, что соответствует стилю кодирования конкурирующих цепочек. Ранним в периоде подсказок эти популяции несли градуированный сигнал о «насколько» больше доказательств в пользу той или иной стороны. По мере приближения мыши к точке выбора популяционный отклик сужался, постепенно превращаясь в более категоричный, похожий на выбор, сигнал. В резком контрасте нейроны гиппокампа обычно реагировали узко, колоколообразно на конкретные значения доказательств, и разные клетки покрывали весь диапазон значений. Этот паттерн точно предсказывает модель горба и согласуется с более широкой ролью гиппокампа в картографии положения животного и событий вдоль его пути. Нейроны стриатума, регистрировавшиеся преимущественно в период задержки, как правило, включались более «всё или ничего» в связи с окончательным поворотом, что согласуется с их ролью в выборе действия на выходе.

Что это значит для понимания решений

Основной вывод исследования в том, что мозг может использовать несколько приёмов цепей для отслеживания разворачивающихся доказательств, даже в рамках одной задачи. Некоторые области, по-видимому, представляют доказательства как плавную борьбу между конкурирующими пулами нейронов — удобную для сравнения опций и вынесения окончательного выбора. Другие, например гиппокамп, изображают доказательства более картографическим способом, где идентичность активных клеток напрямую сигнализирует текущий итог. Обе схемы опираются на последовательности кратковременной активности, а не на статическое спайковое состояние, с тщательно структурированными связями, которые передают информацию по мере продвижения внутреннего «часа» задачи. В сумме эти модели и измерения предполагают, что наши решения возникают из гибких, специфичных для области механизмов, способных как суммировать шумные подсказки, так и направлять накопленный итог туда, где он нужен, в нужное время.

Цитирование: Brown, L.S., Cho, J.R., Bolkan, S.S. et al. Neural circuit models for evidence accumulation through choice-selective sequences. Nat Commun 17, 4055 (2026). https://doi.org/10.1038/s41467-026-70267-9

Ключевые слова: принятие решений, накопление доказательств, нейронные цепи, гиппокамп, кортикальные последовательности