Отличительные нейронные подписи популяционной динамики гиппокампа при беге на месте

Как мозг отслеживает движение, не покидая места

Даже когда вы бежите на беговой дорожке и не сдвигаетесь с места, ваш мозг каким‑то образом учитывает, с какой скоростью и на какое расстояние вы «прошли», и как долго вы двигались. В этом исследовании рассматривается, как ключевая область мозга — гиппокамп, известная в первую очередь памятью и навигацией — обрабатывает разные виды движения: от устойчивого, вызванного стимулом бега до дерганых, почти неподвижных движений. Понимание этих внутренних «кодировок движения» помогает прояснить, как мозг строит наше чувство пространства, времени и действия и почему это может давать сбой при старении или болезни.

Внимательный взгляд внутрь движущегося мозга

Чтобы одновременно наблюдать за множеством клеток при строгом контроле условий, исследователи работали с мышами, чьи головы были слегка зафиксированы над простой немоторизованной лентой конвейера. Лёгкая струя воздуха в спину заставляла животных бежать; выключение потока воздуха давало им возможность замедлиться или остановиться самостоятельно. В некоторых сессиях лента могла свободно вращаться, позволяя мышам делать полные беговые шаги на месте. В других — тормоз фиксировал ленту, и возможны были лишь небольшие движения лап. При этом микроскоп, регистрировавший вспышки кальция в нервных клетках, записывал активность сотен нейронов гиппокампа, что позволяло команде реконструировать, когда каждая клетка становилась более или менее активной.

Разные виды бега — разные нейронные составы

С точки зрения поведения струя воздуха вызывала два чётких состояния движения. Во время включённого воздуха на свободной ленте мыши быстро выходили на и поддерживали относительно высокую скорость, ведя себя похоже на человека на беговой дорожке. Когда воздух отключали, они ещё какое‑то время продолжали двигаться, затем переходили в более медленные, нерегулярные, самонаводимые эпизоды. На заблокированной ленте те же порывы воздуха вызывали лишь небольшие движения на месте, но и они различались между фазами включённого и выключенного воздуха. Исследователи выясняли, насколько сильно активность каждой нейрона гиппокампа соотносится с тремя простыми величинами: прошедшим временем, пройденным расстоянием (или, при зажиме, величиной движения на месте) и скоростью животного.

Чёткие, простые коды после стимула

Во всех условиях больше нейронов были активны и явно связаны с переменными движения в постстимульных фазах, когда животные двигались самостоятельно после выключения воздуха. Учитывая, что фазы без воздуха просто длились дольше, команда обнаружила, что во время воздуха на бег выходило более надёжное подмножество клеток — но в более длинном окне после выключения воздуха подключалось много дополнительных нейронов. Внутри этой активной популяции большинство клеток оказались «специалистами»: их активность была связана в основном с одной характеристикой — временем, расстоянием или скоростью — а не с сложной смесью всех трёх. Склонность к простой однопараметрической настройке была наиболее выражена в фазах без воздуха, что указывает на переход сети гиппокампа в режим, подчёркивающий отдельные аспекты текущего движения, когда внешний стимул прекращается.

Сначала скорость, потом время и расстояние

При внимательном анализе временных аспектов активности проявлялась выразительная закономерность. Клетки, чья активность отражала скорость, как правило, достигали пика раньше после начала или окончания потока воздуха, чем клетки, отслеживающие время или расстояние. Иными словами, сигналы, связанные со скоростью, вспыхивали быстро вокруг сенсорного события, запускающего или останавливающего бег, тогда как сигналы времени и расстояния нарастали позже по мере развития движения. При вынужденной неподвижности клетки снова в основном были специалистами, настраиваясь либо на время, либо на тонкие движения на месте, причём сигналы о движениях на месте были особенно заметны после выключения воздуха. Это указывает на роль гиппокампа в мониторинге даже крошечных попыток движения, когда фактическое продвижение вперёд заблокировано.

Стабильные групповые паттерны при перемене индивидуумов

На уровне отдельных клеток «кастинг» того, какой нейрон что кодирует, оказался удивительно изменчив: клетка, отслеживавшая скорость в одной конфигурации, могла в другой кодировать время, расстояние или вовсе быть неактивной в этом отношении. Тем не менее при взгляде на популяцию в целом обнаруживалась упорядоченная структура. Группы клеток, активные в одной фазе — при включённом или выключенном воздухе — были более похожи друг на друга, чем группы между фазами, и паттерны формировали отдельные кластеры для свободного бега и для условий с тормозом. Это говорит о том, что гиппокамп поддерживает стабильный «каркас» популяционной организации, гибко перераспределяя роли отдельных нейронов в зависимости от контекста движения.

Что это значит для нашего внутреннего ощущения движения

Проще говоря, исследование показывает, что гиппокамп не опирается на фиксированный набор клеток для отслеживания движения. Вместо этого он динамически перенастраивает простые сигналы о скорости, времени, расстоянии и даже крошечных движениях на месте в зависимости от того, вызвано ли движение извне или самонаправляемо, и свободно ли тело или удерживается. Сигналы скорости включаются в первую очередь вокруг важных сенсорных событий, тогда как более точные коды времени и расстояния возникают по мере развития поведения. Несмотря на перестановки на уровне отдельных нейронов, общая картина активности остаётся упорядоченной и связанной с поведенческим состоянием. Такая гибкая, но структурированная система может лежать в основе нашей способности формировать воспоминания, связывающие где мы были, как мы двигались и когда всё происходило — даже если мы на самом деле никуда не ушли.

Цитирование: Inayat, S., McAllister, B.B., Whishaw, I.Q. et al. Distinct neural signatures of hippocampal population dynamics during locomotion-in-place. Sci Rep 16, 10372 (2026). https://doi.org/10.1038/s41598-026-41049-6

Ключевые слова: гиппокамп, локомоция, нейронное кодирование, популяционная динамика, сенсомоторная интеграция