2016 Fiscal Year Annual Research Report
予測符号に基づく海馬場所記憶の獲得と長期固定の回路メカニズム
| Project/Area Number |
15H04265
|
|---|
| Research Institution | Institute of Physical and Chemical Research |
|---|
Principal Investigator |
深井 朋樹 国立研究開発法人理化学研究所, 脳科学総合研究センター, チームリーダー (40218871)
|
|---|
| Project Period (FY) |
2015-04-01 – 2018-03-31
|
| Keywords | シナプス可塑性 / 樹状突起 / カルシウム・スパイク / 領野間相互作用 / 海馬 / 空間学習 / ノンレム睡眠 / UP-DOWN状態遷移 |
|---|
| Outline of Annual Research Achievements |
頂部樹状突起と基部樹状突起へのシナプス入力がカルシウム・スパイクを介して相互作用する様を、生物学的実験の結果と矛盾しないように、ニューロンモデルの数学的記述を修正した。樹状突起による信号処理の非線形性を変更することになるため、頂部と基部のシナプス入力間の正準相関解析の性質を損なうこと無く修正を行うのに時間を要したが、最終的には満足のいく結果が得られた。従って昨年度までの結果、つまり(1)海馬のリプレイ活動を再現しリプレイによって報酬依存に好ましい空間経路の記憶を選択的に強化する回路モデル、(2)回路内の自発的な時系列発火（プリプレイ）を用いて空間経路を記憶する回路メカニズムなどは、大きな修正を施さなくとも問題なく作動する。この二つの結果の発表に向けて、本年度は(2)プリプレイの回路モデルに注力した。学習時の安定性を保持するのが困難であったが、ニューロンの樹状突起間に抑制シナプスと可塑性を導入することによって、問題を回避することに成功した。我々のプリプレイ・モデルは短時間学習（ワンショット学習）と、記憶の長期安定性という、相反する記憶の特長を同時に説明することができる点が、他の記憶モデルにない優れた点である。論文投稿のための原稿もほぼ仕上がっている。
これらとは別に、記憶の長期固定化の回路メカニズムを解明するために、大脳皮質の神経回路モデルを構築し、ノンレム睡眠時に見られるUP－DOWN状態の特徴をモデルで再現することを昨年度に引き続き試みた。昨年度の段階でほぼモデルは完成していたのであるが、得られた結果は若干インパクトに欠けるものであった。そこで本年度は得られたシミュレーションデータを海馬の実験データの解析に用いるものと同様の方法で解析したところ（非負行列分解）、回路の構造の違いを反映するセルアセンブリの活動パターンの違いを見出すことに成功した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
樹状突起をもつ神経細胞の可塑性モデルの生物学的妥当性に関して、査読者からついたクレームに関してはほぼ満足のいく形で改善が行われたと考える。プリプレイの研究で時間を費やしたのは、記憶の大きな特徴であるワンショット学習と、記憶痕跡の長期保持を同時に説明することに挑戦したことによる。この説明は思った以上に困難で、パラメター領域のサーチなどに時間をとられはしたが、脳の記憶メカニズムの大きな問題に一つの理論的回答を与えることができたことには、十分に意義があると考える。当初投稿したモデルは空間学習におけるプリプレイやリプレイの機能的な意味を扱ったものではなく、実験的なサポートも弱かった。しかし空間探索課題に問題を絞ったことで、理論的にも生物学的にも問題点が浮き彫りになり、完成度の高い時系列記憶の回路モデルが出来上がったものと考えている。
概要の後半で述べたUP・DOWN状態遷移に関してはすでにいくつかの回路モデルが提案されているが、状態遷移の安定性などに関してある程度の解析的な結果が得られたことや、回路の配線構造の違いがセルアセンブリの活性化パターンに影響を与えることを明らかにした点が新しい。この点については、当初の研究計画に含まれていない予想外の発展があった。総合的に判断すれば、プロジェクト全体では「おおむね順調に進展している」という評価が妥当であろう。
|
| Strategy for Future Research Activity |
本年度は(1)リプレイによる学習モデルをまとめることに注力する。この論文の主要な結果は、報酬によって逆行リプレイ活動が引き起こされると、その伝播の向きと逆の方向のシナプス結合が強化されることを示した点にある。言い換えると、報酬が得られた場所に向かう順方向のシナプス結合が報酬によって強化されることになり、機能上、非常に理にかなった回路構造の変化が起きることになる。従来の非対称な時間窓（シナプス前細胞→シナプス後細胞の順の発火でLTP、逆順の発火でLTD）をもつヘブ型のスパイク時間依存シナプス可塑性（STDP）はこの目的には全く適合しないため（実際、全く反対向きの変化が回路に起きてしまう）、上記の結果を示す研究も過去には存在しない。２０１６年のはじめにこのモデルが予言する対称な時間窓をもつSTDPが海馬CA3で報告されており、我々のモデルの妥当性を支持する実験結果である。ただ理論的に一点弱いのは、上記の結果が得られるためには、近接するシナプス前、シナプス後のスパイクの組のみシナプス可塑性に作用する必要があることである。実験では全てのスパイク対が可塑性に効くことがわかっているが、この場合には望ましい回路構造の変化はどのようなSTDP則に対してもうまく得られない。評価の高い雑誌に掲載するためには、この弱点を改善する必要がある。
UP・DOWN状態の回路モデルの解析は一旦ここまでとし、得られた結果を早い時点で論文発表することを目指す。また海馬の記憶をモデル化するために改良した樹状突起付きの細胞モデルは、大脳皮質神経回路の機能的モデルの構築に転用が可能である。そこでこの細胞モデルを用いて多層神経回路や相互結合神経回路モデルなどを構築して、誤差逆伝搬学習などに代わる、生物学的にも尤もらしい新しい学習理論の構築を目指す。可能な場合、大脳皮質の階層的ベイズ計算の回路モデルの構築に取り組む。
|
Research Products
(11 results)
