Hewan pengerat virtual memprediksi struktur aktivitas saraf di seluruh perilaku

Hewan memiliki kendali yang luar biasa terhadap tubuhnya, memungkinkan mereka melakukan beragam perilaku. Namun, bagaimana kontrol tersebut diterapkan oleh otak masih belum jelas. Untuk meningkatkan pemahaman kita, diperlukan model yang dapat menghubungkan prinsip-prinsip kontrol dengan struktur aktivitas saraf dalam perilaku hewan. Untuk memfasilitasi hal ini, kami membangun ‘hewan pengerat virtual’, di mana jaringan saraf tiruan menggerakkan model tikus yang realistis secara biomekanik dalam simulator fisika. Kami menggunakan pembelajaran penguatan mendalam untuk melatih agen virtual meniru perilaku tikus yang bergerak bebas, sehingga memungkinkan kami membandingkan aktivitas saraf yang direkam pada tikus nyata dengan aktivitas jaringan hewan pengerat virtual yang meniru perilaku mereka. Kami menemukan bahwa aktivitas saraf di sensorimotor striatum dan korteks motorik lebih baik diprediksi oleh aktivitas jaringan hewan pengerat virtual dibandingkan dengan fitur pergerakan tikus sebenarnya, konsisten dengan kedua wilayah yang menerapkan dinamika terbalik. Selain itu, variabilitas laten jaringan memprediksi struktur variabilitas saraf di seluruh perilaku dan memberikan ketahanan dengan cara yang konsisten dengan prinsip intervensi minimal dari kontrol umpan balik yang optimal. Hasil ini menunjukkan bagaimana simulasi fisik hewan virtual yang realistis secara biomekanik dapat membantu menafsirkan struktur aktivitas saraf di seluruh perilaku dan menghubungkannya dengan prinsip teoritis kontrol motorik.

Ini artikel Nature baru oleh Diego Aldarndo, et.al. Melalui @sebkrier.