Откуда ваш мозг узнает положение и движение различных частей тела? Это чувство известно как проприоцепция, и это что-то вроде «шестого чувства», позволяющее нам свободно двигаться, не следя постоянно за своими конечностями.

Проприоцепция включает в себя сложную сеть датчиков, встроенных в наши мышцы, которые передают информацию о положении и движении конечностей обратно в наш мозг. Однако мало что известно о том, как мозг объединяет различные сигналы, получаемые от мышц.

Новое исследование, проведенное Александром Матисом из EPFL, проливает свет на этот вопрос, изучая, как наш мозг создает связное ощущение положения и движения тела. Исследование , опубликованное в Cell, было проведено доктором философии. студенты Алессандро Марин Варгас, Аксель Бизи и Альберто Кьяппа, с экспериментальными данными Криса Верстега и Ли Миллера из Северо-Западного университета.

«Широко распространено мнение, что сенсорные системы должны использовать статистику мира, и эта теория могла бы объяснить многие свойства зрительной и слуховой системы», — говорит Матис. «Чтобы обобщить эту теорию на проприоцепцию, мы использовали скелетно-мышечные симуляторы для расчета статистики распределенных датчиков».

Исследователи использовали это скелетно-мышечное моделирование для генерации сигналов мышечных веретен в верхней конечности и создания коллекции «крупномасштабного натуралистического репертуара движений». Затем они использовали этот репертуар для обучения тысяч «управляемых задачами» моделей нейронных сетей на шестнадцати вычислительных задачах, каждая из которых отражает научную гипотезу о вычислениях, выполняемых проприоцептивным путем, который включает части ствола мозга и соматосенсорной коры.

Такой подход позволил команде всесторонне проанализировать, как различные архитектуры нейронных сетей и вычислительные задачи влияют на развитие « мозговых » представлений проприоцептивной информации. Они обнаружили, что модели нейронных сетей, обученные на задачах, которые предсказывают положение и скорость конечностей, были наиболее эффективными, предполагая, что наш мозг отдает приоритет интеграции распределенных входных данных мышечного веретена, чтобы понять движение и положение тела.

Исследование подчеркивает потенциал целенаправленного моделирования в нейробиологии. В отличие от традиционных методов, которые направлены на непосредственное прогнозирование нейронной активности , модели, основанные на задачах, могут предложить понимание основных вычислительных принципов сенсорной обработки.

Исследование также открывает путь к новым экспериментальным направлениям в нейробиологии, поскольку лучшее понимание проприоцептивной обработки может привести к значительному прогрессу в нейропротезировании с более естественным и интуитивным контролем протезов конечностей.