Garder des informations à l’esprit peut signifier les stocker parmi les synapses

Dans une étude en Biologie computationnelle PLOS, Les scientifiques de l’Institut Picower pour l’apprentissage et la mémoire ont comparé les mesures de l’activité des cellules cérébrales chez un animal effectuant une tâche de mémoire de travail avec la sortie de divers modèles informatiques représentant deux théories du mécanisme sous-jacent pour garder l’information à l’esprit. Les résultats ont fortement favorisé la notion plus récente selon laquelle un réseau de neurones stocke les informations en effectuant des changements de courte durée dans le schéma de leurs connexions, ou synapses, et contredit l’alternative traditionnelle selon laquelle la mémoire est maintenue par des neurones restant actifs de manière persistante (comme un moteur au ralenti ).

Alors que les deux modèles permettaient de garder les informations à l’esprit, seules les versions qui permettaient aux synapses de changer de manière transitoire les connexions (“plasticité synaptique à court terme”) produisaient des modèles d’activité neuronale qui imitaient ce qui était réellement observé dans de vrais cerveaux au travail. L’idée que les cellules cérébrales conservent leurs souvenirs en étant toujours “actives” est peut-être plus simple, a reconnu l’auteur principal Earl K. Miller, mais elle ne représente pas ce que la nature fait et ne peut pas produire la flexibilité sophistiquée de la pensée qui peut résulter d’intermittences. activité neuronale soutenue par une plasticité synaptique à court terme.

“Vous avez besoin de ces types de mécanismes pour donner à l’activité de la mémoire de travail la liberté dont elle a besoin pour être flexible”, a déclaré Miller, Picower Professeur de neurosciences au Département des sciences cérébrales et cognitives (BCS) du MIT. “Si la mémoire de travail n’était qu’une activité soutenue, ce serait aussi simple qu’un interrupteur. Mais la mémoire de travail est aussi complexe et dynamique que nos pensées.”

Le co-auteur principal Leo Kozachkov, qui a obtenu son doctorat au MIT en novembre pour un travail de modélisation théorique, y compris cette étude, a déclaré que l’appariement des modèles informatiques aux données du monde réel était crucial.

“La plupart des gens pensent que la mémoire de travail” se produit “dans les neurones – une activité neuronale persistante donne lieu à des pensées persistantes. Cependant, ce point de vue a fait l’objet d’un examen minutieux récent car il ne correspond pas vraiment aux données”, a déclaré Kozachkov, co-supervisé. par le co-auteur principal Jean-Jacques Slotine, professeur en BCS et génie mécanique. “En utilisant des réseaux neuronaux artificiels avec une plasticité synaptique à court terme, nous montrons que l’activité synaptique (au lieu de l’activité neuronale) peut être un substrat pour la mémoire de travail. Le point important à retenir de notre article est : ces modèles de réseaux neuronaux “plastiques” sont plus cérébraux. comme, dans un sens quantitatif, et ont également des avantages fonctionnels supplémentaires en termes de robustesse.”

Faire correspondre les modèles avec la nature

Aux côtés du co-auteur principal John Tauber, un étudiant diplômé du MIT, l’objectif de Kozachkov n’était pas seulement de déterminer comment les informations de la mémoire de travail pourraient être conservées à l’esprit, mais de faire la lumière sur la manière dont la nature le fait réellement. Cela signifiait qu’il fallait commencer par des mesures “vérité terrain” de l’activité électrique de “pointage” de centaines de neurones dans le cortex préfrontal d’un animal alors qu’il jouait à un jeu de mémoire de travail. Dans chacun des nombreux tours, l’animal a vu une image qui a ensuite disparu. Une seconde plus tard, il verrait deux images dont l’original et devait regarder l’original pour gagner une petite récompense. Le moment clé est cette seconde intermédiaire, appelée «période de retard», au cours de laquelle l’image doit être gardée à l’esprit avant le test.

L’équipe a constamment observé ce que le laboratoire de Miller a vu de nombreuses fois auparavant : les neurones augmentent beaucoup lorsqu’ils voient l’image d’origine, augmentent seulement par intermittence pendant le délai, puis augmentent à nouveau lorsque les images doivent être rappelées pendant le test (ces dynamiques sont régies par une interaction des rythmes cérébraux des fréquences bêta et gamma). En d’autres termes, le picage est fort lorsque l’information doit être initialement stockée et lorsqu’elle doit être rappelée mais n’est que sporadique lorsqu’elle doit être maintenue. Le pic n’est pas persistant pendant le délai.

De plus, l’équipe a formé des “décodeurs” logiciels pour lire les informations de la mémoire de travail à partir des mesures de l’activité de pointe. Ils étaient très précis lorsque le pic était élevé, mais pas lorsqu’il était faible, comme dans la période de retard. Cela suggère que le dopage ne représente pas d’informations pendant le délai. Mais cela a soulevé une question cruciale : si le dopage ne contient pas d’informations à l’esprit, qu’est-ce qui le fait ?

Des chercheurs, dont Mark Stokes de l’Université d’Oxford, ont proposé que des changements dans la force relative, ou “poids”, des synapses pourraient stocker les informations à la place. L’équipe du MIT a mis cette idée à l’épreuve en modélisant par ordinateur des réseaux de neurones incarnant deux versions de chaque théorie principale. Comme pour l’animal réel, les réseaux d’apprentissage automatique ont été formés pour effectuer la même tâche de mémoire de travail et produire une activité neuronale qui pourrait également être interprétée par un décodeur.

Le résultat est que les réseaux informatiques qui permettaient à la plasticité synaptique à court terme d’encoder des informations ont augmenté lorsque le cerveau réel a augmenté et ne l’ont pas fait lorsqu’il ne l’a pas fait. Les réseaux présentant des pics constants comme méthode de maintien de la mémoire ont constamment augmenté, y compris lorsque le cerveau naturel ne l’a pas fait. Et les résultats du décodeur ont révélé que la précision diminuait pendant la période de retard dans les modèles de plasticité synaptique, mais restait anormalement élevée dans les modèles de pointes persistantes.

Dans une autre couche d’analyse, l’équipe a créé un décodeur pour lire les informations des poids synaptiques. Ils ont découvert que pendant la période de retard, les synapses représentaient les informations de la mémoire de travail que le pic ne représentait pas.

Parmi les deux versions de modèle qui présentaient une plasticité synaptique à court terme, la plus réaliste s’appelait “PS-Hebb”, qui comporte une boucle de rétroaction négative qui maintient le réseau neuronal stable et robuste, a déclaré Kozachkov.

Fonctionnement de la mémoire de travail

En plus de mieux correspondre à la nature, les modèles de plasticité synaptique ont également conféré d’autres avantages qui comptent probablement pour les vrais cerveaux. L’une était que les modèles de plasticité conservaient des informations dans leurs pondérations synaptiques même après que jusqu’à la moitié des neurones artificiels aient été “ablés”. Les modèles d’activité persistante se sont effondrés après avoir perdu seulement 10 à 20 % de leurs synapses. Et, a ajouté Miller, le simple dopage occasionnel nécessite moins d’énergie que le dopage persistant.

De plus, a déclaré Miller, des rafales rapides de pointes plutôt que des pointes persistantes laissent suffisamment de temps pour stocker plus d’un élément en mémoire. La recherche a montré que les gens peuvent contenir jusqu’à quatre choses différentes dans leur mémoire de travail. Le laboratoire de Miller prévoit de nouvelles expériences pour déterminer si les modèles avec des pics intermittents et un stockage d’informations basé sur le poids synaptique correspondent de manière appropriée aux données neuronales réelles lorsque les animaux doivent garder plusieurs choses à l’esprit plutôt qu’une seule image.

Outre Miller, Kozachkov, Tauber et Slotine, les autres auteurs de l’article sont Mikael Lundqvist et Scott Brincat.

L’Office of Naval Research, la Fondation JPB et les subventions de démarrage ERC et VR ont financé la recherche.