Cell：新的研究探索大脑如何感知身体的位置和运动

yinfuhua

Cell：新的研究探索大脑如何感知身体的位置和运动
+ g( G  [6 ]2 z1.        本体感觉4 L+ b) p- ?; L- ^; e9 a5 _
2.        肌梭
; U7 i& d; J4 c3.        神经网络模型
7 c- l8 t8 e2 S6 p, d4 M* i: r来源：生物谷原创 2024-03-27 11:169 D6 z8 J, e6 b; V$ V) r
这项新的研究凸显了任务驱动建模在神经科学中的潜力。与直接预测神经活动的传统方法不同，任务驱动的神经网络模型可以让人们深入了解感官处理的基本计算原理。. h& Z8 I- x% F9 b
人类的大脑是如何知道身体各部位的位置和运动的呢？这种感觉被称为本体感觉（proprioception），它就像一种“第六感”，让我们无需时刻观察自己的肢体就能自由移动。
9 O! {% @7 i$ H3 x2 `5 N5 W本体感觉涉及一个复杂的传感器网络，这些传感器嵌入我们的肌肉中，将有关肢体位置和运动的信息反馈给我们的大脑。然而，人们对大脑如何将从肌肉接收到的不同信号组合在一起却知之甚少。
2 m: y  N% i$ n8 m2 m如今，在一项新的研究中，瑞士洛桑联邦理工学院的Alexander Mathis及其团队通过探索我们的大脑如何创造一种连贯的身体位置和运动感来揭示这个问题。相关研究结果于2024年3月21日在线发表在Cell期刊上，论文标题为“Task-driven neural network models predict neural dynamics of proprioception”。
( u% r( Z# N& x2 ^& y + ^9 N# Q" w9 M
Mathis说，“人们普遍认为，感官系统应该利用世界的统计数据，这一理论可以解释视觉和听觉系统的许多特性。为了将这一理论推广到本体感觉，我们使用了肌肉骨骼模拟器来计算这些分布式传感器的统计数据。”
# b: s1 S) a1 E" D, E这些作者利用这种肌肉骨骼建模来产生上肢的肌梭（muscle spindle）信号，从而生成一系列 “大规模、自然的运动清单（large-scale, naturalistic movement repertoire）”。然后，他们利用这些运动清单在 16 项计算任务上训练数千个“任务驱动的”神经网络模型，每项任务都反映了关于本体感觉通路（包括脑干和体感皮层的部分）进行计算的科学假说。
  ]; b( J) A9 F6 l这种方法使得他们能够全面分析不同的神经网络架构和计算任务如何影响本体感觉信息的 “类脑”表征的产生。他们发现，在预测肢体位置和速度的任务中训练出来的神经网络模型最为有效，这表明我们的大脑会优先整合分布式肌梭输入来理解身体运动和位置。
! {' e6 M4 S4 R9 H' A5 p3 f. I ' I# g6 b1 T8 X# [2 z5 r% ^
图片来自Cell, 2024, doi:10.1016/j.cell.2024.02.036
% q8 q3 J0 c4 i3 ]/ u3 O: g这项新的研究凸显了任务驱动建模在神经科学中的潜力。与直接预测神经活动的传统方法不同，任务驱动的神经网络模型可以让人们深入了解感官处理的基本计算原理。0 B5 ]4 |( ^3 W( w  B& b% ]
这项新的研究还为神经科学中的新实验途径铺平了道路，因为对本体感觉处理的更好理解可能会带来神经义肢学的重大进展，使对假肢的控制更加自然和直观。（生物谷 Bioon.com）( M" s9 y) i( E, Q
参考资料：
& B5 m1 i- E3 ?0 SAlessandro Marin Vargas et al. Task-driven neural network models predict neural dynamics of proprioception. Cell, 2024, doi:10.1016/j.cell.2024.02.036.2 F2 m0 ^1 q9 Y4 `; ]' Z8 C
Unraveling the 'sixth sense': New study explores how the brain senses body position and movement
, H& T! P( _! Y! p/ F; fhttps://medicalxpress.com/news/2024-03-unraveling-sixth-explores-brain-body.html
$ C+ q/ k2 T! _3 I2 ?' P- A
2 ?  ^6 ^  u# X4 _( c7 ?* h9 D