L’idea che il cervello si comporti come un processore con ampie capacità di adattamento è largamente accettata, ma i suoi meccanismi operativi e di apprendimento rimangono ancora in gran parte sconosciuti. In una recente pubblicazione su «Nature Communications Biology», il gruppo del Laboratorio di Neurofisiologia dell’Università degli Studi di Pavia diretto dal Prof. Egidio D’Angelo ha mostrato come il microcircuito cerebellare sia in grado di trasformare i segnali interni implementando de facto degli algoritmi computazionali modificabili con l’apprendimento. (English below)
Si è ritenuto, per lungo tempo, che lo strato granulare del cervelletto eseguisse due operazioni note come “spatial pattern separation“ e “adaptive filtering”, ma questa previsione teorica non è ancora stata testata. I nostri modelli computazionali, basati su una ricostruzione realistica della rete neuronale cerebellare, hanno previsto che la plasticità sinaptica a lungo termine potrebbe riconfigurare il funzionamento dello strato granulare modificando il guadagno e la banda dei suoi canali di trasmissione. Questa previsione è stata quindi validata grazie a registrazioni di imaging eseguite mediante un microscopio confocale multispot a 2 fotoni e marcatori voltaggio-dipendenti.
La scoperta di canali di trasmissione adattabili dimostra in che modo il cervelletto possa operare la riconfigurazione spaziotemporale dei segnali in ingresso. Questa mappatura multidimensionale dell’attività cerebrale consente poi al cervello di imparare dagli errori implementando processi di controllo sensomotorio e cognitivo e consentendo lo volgimento di operazioni predittive.
Grazie ad una rete di collaborazioni interne al progetto europeo Human Brain Project, sarà possibile a breve implementare le nuove proprietà del microcircuito qui riportate in modelli su larga scala che verranno inserite in sistemi di controllo “closed loop”, in neurorobots, in computer neuromorfici e in cervelli virtuali, aprendo la strada a future applicazioni in neuro-ingegneria, intelligenza artificiale e neurologia.
Casali S., Tognolina M., Gandolfi D., Mapelli J., D’Angelo E. (2020). Cellular-resolution mapping uncovers spatial adaptive filtering at the rat cerebellum input stage. Nature Communications Biology. DOI: 10.1038/s42003-020-01360-y.
https://www.nature.com/articles/s42003-020-01360-y
In figura: modello dello strato granulare cerebellare formato da 100000 neuroni (differenziati in vari sottotipi), che predice la formazione di canali di trasmissione adattativi.
***
Although it is generally assumed that the brain operates as an adaptable processor, its intrinsic mechanisms of computation and learning remain largely unknown. In a recent publication on «Nature Communications Biology», the team of the Neurophysiology Laboratory of the University of Pavia directed by Prof. Egidio D’Angelo has revealed how the microcircuit of the cerebellum transform internal signals implementing de facto computational algorithms that can be modified through learning.
The granular layer of cerebellum has been long thought to perform spatial pattern separation and adaptive filtering but this theoretical prediction remained untested so far. Our computational models, based on a realistic reconstruction of the cerebellar network, have predicted that long-term synaptic plasticity would reconfigure the granular layer functioning changing the gain and bandwidth of its transmission channels. This prediction has then been validated by using advanced recordings with a multispot 2-photon confocal microscope and voltage-sensitive dye imaging.
The discovery of adaptable transmission channels supports the long-sought spatiotemporal reconfiguration of the inputs that cerebellum receives through its numerous sources. This turns into a multidimensional remapping of brain activity that allows the brain to learn from errors implementing sensorimotor and cognitive controllers and to operate in a predictive manner.
Through a network of collaborations inside the Human Brain Project, the new microcircuit properties reported here are going to be implemented into large scale models and to be inserted in close-loop controllers, neurorobots, neuromorphic computers and virtual brains applicable to neuroengineering, artificial intelligence and neurology.
Casali S., Tognolina M., Gandolfi D., Mapelli J., D’Angelo E. (2020). Cellular-resolution mapping uncovers spatial adaptive filtering at the rat cerebellum input stage. Nature Communications Biology. DOI: 10.1038/s42003-020-01360-y.
https://www.nature.com/articles/s42003-020-01360-y
