Масштабное исследование нейронной активности мышей позволило по-новому взглянуть на то, как мозг принимает решения. Оказалось, что в этом процессе задействована не отдельная специализированная область, а распределённая сеть, охватывающая практически весь мозг — от сенсорных до моторных зон.

От локальных центров к распределённым сетям

Долгое время нейробиологи изучали сложные когнитивные функции, такие как принятие решений, фокусируясь на небольших группах клеток в отдельных областях мозга. Такой подход предполагал существование узкоспециализированных «центров принятия решений». Однако мозг — это чрезвычайно сложная и взаимосвязанная система, где тысячи нейронов из сотен областей постоянно обмениваются информацией. В последние десятилетия стало ясно, что изолированное изучение отдельных регионов не даёт полной картины.

Проблема фрагментарности данных

Основная сложность заключалась в том, что разные лаборатории исследовали различные участки мозга, используя разные задачи и методы анализа. Интегрировать такие разрозненные данные в единую модель было невозможно: даже мозг мыши слишком велик и сложен, а эксперименты слишком различны, чтобы каждый из них освещал лишь малую часть «нейронального поля».

Новый подход: стандартизация и масштаб

Для решения этой задачи была создана международная коллаборация International Brain Laboratory (IBL), объединившая 22 лаборатории из Европы и США. Учёные разработали единый, строго стандартизированный эксперимент. В нём 139 мышей обучали выполнять простую на вид задачу: животное сидело перед экраном и с помощью небольшого рулевого колеса перемещало появившийся слева или справа полосатый круг к центру экрана. За правильное и быстрое действие мышь получала каплю сладкой воды.

Ключевая особенность задачи — её вероятностная структура. В течение блоков из 20–100 попыток круг появлялся с вероятностью 80% с одной стороны и 20% — с другой. Затем вероятности менялись на противоположные без какого-либо сигнала для животного. Чтобы максимизировать награду, особенно в попытках с нулевой контрастностью (когда стимул был невидим), мышам приходилось отслеживать эту скрытую закономерность и формировать внутреннее ожидание, или «предварительную вероятность» (prior). Это позволило исследовать, как ожидания влияют на будущие решения.

Масштабные данные и новые открытия

Во время выполнения задания исследователи регистрировали нейронную активность с помощью сотен высокоплотных электродов Neuropixels. В результате был собран уникальный набор данных: активность 621 733 нейронов из 279 областей мозга. Анализ показал, что мыши действительно успешно использовали вероятностную структуру задачи для улучшения результатов, особенно в пробах без видимого стимула — их точность достигала почти 59%, что значительно выше случайного угадывания.

Информация о предварительной вероятности — внутреннем ожидании животного — кодировалась не в нескольких специализированных областях, а была распределена по всему мозгу. Следы этого сигнала обнаружили примерно в 30% всех изученных регионов, охватывающих все уровни обработки информации: от ранних сенсорных зон (например, первичная зрительная кора и таламус) до ассоциативных областей и моторных центров.

Как мозг формирует ожидания

Это открытие противоречит моделям, в которых ожидания учитываются только на финальных стадиях принятия решений. Результаты подтверждают гипотезу о том, что мозг функционирует как огромная байесовская сеть с постоянным разнонаправленным потоком информации. Дополнительный анализ выявил ещё одну важную деталь: мыши формировали свои ожидания, опираясь не на идеальную математическую модель, а на более простую эвристику. Их внутреннее ожидание в большей степени основывалось на собственных предыдущих действиях, а не на показанных стимулах.

Иными словами, животное корректировало свою стратегию, ориентируясь на то, что оно делало в последних пяти-шести попытках. Активность нейронов в мозге точно отражала именно эту субъективную, основанную на действиях модель, а не объективную вероятность появления стимула. Сигналы, связанные с движением и вознаграждением, оказались самыми распространёнными — их нашли почти во всех изученных областях мозга. Представление о выборе также было чрезвычайно широко распространено, тогда как кодирование самого зрительного стимула было ограничено классическими зрительными путями.

Ограничения и перспективы

Несмотря на масштаб работы и «революционные» выводы, авторы отмечают ряд ограничений, связанных со сложностью изучаемых процессов. Во-первых, сигналы, связанные с вознаграждением (положительной обратной связью), трудно отличить от нейронной активности, отвечающей за сопутствующее движение — например, облизывание. Во-вторых, даже при таком подробном анализе большая часть зафиксированной нейронной активности остаётся необъяснённой в рамках поставленной задачи. Это может говорить о том, что мозг постоянно занят обработкой внутренних процессов или реагирует на неучтённые движения, не связанные с заданием.

Таким образом, несмотря на создание самой детальной на сегодняшний день нейронной карты, охватывающей весь мозг, это лишь первый шаг к пониманию того, как из распределённой активности миллиардов нейронов рождается единое целостное поведение — даже внутри, казалось бы, полностью изученной модели мышиного мозга.