Para distinguir contextos, los animales piensan de forma probabilística, sugiere un estudio

Un laberinto en el laboratorio de Wilson en el MIT. Un roedor debe inferir que este es un contexto diferente al de, por ejemplo, un laberinto que usa señales de formas diferentes o uno que tiene un brazo adicional. Un nuevo estudio sugiere que sopesan las probabilidades de hacerlo. Crédito: Peter Goldberg

Entre las muchas cosas que los roedores han enseñado a los neurocientíficos está que en una región llamada hipocampo, el cerebro crea un nuevo mapa para cada contexto espacial único, por ejemplo, una habitación o laberinto diferente. Pero hasta ahora los científicos se han esforzado por aprender cómo los animales deciden cuándo un contexto es lo suficientemente novedoso como para merecer la creación, o al menos la revisión, de estos mapas mentales. En un estudio en eLife, los investigadores del MIT y Harvard proponen una nueva comprensión: el proceso de «reasignación» se puede modelar matemáticamente como una hazaña de razonamiento probabilístico por parte de los roedores.

El enfoque ofrece a los científicos una nueva forma de interpretar muchos experimentos que dependen de la reasignación de mediciones para investigar el aprendizaje y la memoria. La reasignación es parte integral de esa búsqueda, porque los animales (y las personas) asocian el aprendizaje estrechamente con el contexto, y los mapas del hipocampo indican en qué contexto cree que se encuentra un animal.

«La gente ha preguntado anteriormente ‘¿Qué cambios en el medio ambiente hacen que el hipocampo cree un nuevo mapa?’ pero no ha habido respuestas claras», dijo el autor principal, Honi Sanders. «Depende de todo tipo de factores, lo que significa que la forma en que los animales definen el contexto ha sido un misterio».

Sanders es un postdoctorado en el laboratorio del coautor Matthew Wilson, profesor Sherman Fairchild en The Picower Institute for Learning and Memory y los departamentos de Biología y Cerebro y Ciencias Cognitivas del MIT. También es miembro del Centro de Cerebros, Mentes y Máquinas. La pareja colaboró con Samuel Gershman, profesor de psicología en Harvard en el estudio.

Fundamentalmente, un problema con la reasignación que con frecuencia ha llevado a los laboratorios a informar resultados contradictorios, confusos o sorprendentes, es que los científicos no pueden simplemente asegurar sus ratas que se han movido del contexto experimental A al contexto B, o que todavía están en el contexto A, incluso si alguna condición ambiental, como la temperatura o el olor, ha cambiado inadvertidamente. Depende de la rata explorar e inferir que condiciones como la forma del laberinto, el olor, la iluminación, la posición de los obstáculos y las recompensas, o la tarea que deben realizar, han cambiado o no lo suficiente como para desencadenar un proceso completo o completo. reasignación parcial.

Entonces, en lugar de tratar de comprender las medidas de reasignación basadas en lo que se supone que debe inducir el diseño experimental, Sanders, Wilson y Gershman argumentan que los científicos deberían predecir la reasignación explicando matemáticamente el razonamiento de la rata usando estadísticas bayesianas. , que cuantifican el proceso de comenzar con una suposición incierta y luego actualizarla a medida que surge nueva información.

«Nunca experimentas exactamente la misma situación dos veces. La segunda vez siempre es ligeramente diferente», dijo Sanders. «Debe responder a la pregunta: ‘¿Es esta diferencia solo el resultado de una variación normal en este contexto o es esta diferencia en realidad un contexto diferente?’ La primera vez que experimenta la diferencia no puede estar seguro, pero después de haber experimentado el contexto muchas veces y tener una idea de qué variación es normal y qué variación no lo es, puede darse cuenta de inmediato cuando algo está fuera de lugar. .»

El trío llama a su enfoque «inferencia de estado oculto» porque para el animal, el posible cambio de contexto es un estado oculto que debe ser inferido.

En el estudio, los autores describen varios casos en los que la inferencia de estado oculto puede ayudar a explicar la reasignación, o la falta de ella, observada en estudios previos.

Por ejemplo, en muchos estudios ha sido difícil predecir cómo cambiar algunas de las señales que un El roedor navega en un laberinto (por ejemplo, una luz o un zumbador) influirá en si crea un mapa completamente nuevo o reasigna parcialmente el actual y en qué medida. En su mayoría, los datos han demostrado que no existe una relación «uno a uno» obvia de cambio de señal y reasignación. Pero el nuevo modelo predice cómo a medida que cambian más señales, un roedor puede pasar de estar inseguro acerca de si un entorno es nuevo (y, por lo tanto, parcialmente reasignado) a estar lo suficientemente seguro de eso para reasignarlo por completo.

En otro, el modelo ofrece una nueva predicción para resolver una ambigüedad de reasignación que ha surgido cuando los científicos han «transformado» progresivamente la forma de los recintos de roedores. Múltiples laboratorios, por ejemplo, encontraron diferentes resultados cuando familiarizaron a las ratas con entornos cuadrados y redondos y luego intentaron medir cómo y si se reasignan cuando se colocan en formas intermedias, como un octágono. Algunos laboratorios observaron una reasignación completa, mientras que otros observaron solo una reasignación parcial. El nuevo modelo predice cómo eso podría ser cierto: las ratas expuestas al entorno intermedio después de un entrenamiento más largo tendrían más probabilidades de reasignarse por completo que las expuestas a la forma intermedia al principio del entrenamiento, porque con más experiencia estarían más seguras de sus entornos originales. y, por lo tanto, más seguro de que el intermedio fue un cambio real.

Las matemáticas del modelo incluso incluyen una variable que puede explicar las diferencias entre animales individuales. Sanders está analizando si repensar los resultados anteriores de esta manera podría permitir a los investigadores comprender por qué los diferentes roedores responden de manera tan variable a experimentos similares.

En última instancia, dijo Sanders, espera que el estudio ayude a otros investigadores de remapeo a adoptar un nuevo forma de pensar sobre resultados sorprendentes al considerar el desafío que sus experimentos representan para sus sujetos.

«A los animales no se les da acceso directo a las identidades del contexto, sino que tienen que inferirlas», dijo. «Los enfoques probabilísticos captan la forma en que la incertidumbre juega un papel cuando se produce la inferencia. Si caracterizamos correctamente el problema al que se enfrenta el animal, podemos dar sentido a los diferentes resultados en diferentes situaciones porque las diferencias deben surgir de una causa común: la forma en que se ocultan la inferencia estatal funciona».

Explore más

El mecanismo de la red cerebral que causa el deterioro de la memoria espacial reveló Más información: Honi Sanders et al, Hippocampal remapping as hidden state inference, eLife (2020). DOI: 10.7554/eLife.51140 Información de la revista: eLife

Proporcionado por el Instituto Tecnológico de Massachusetts Cita: Para distinguir contextos, los animales piensan de forma probabilística, sugiere un estudio (2020, 31 de julio) consultado el 31 de agosto de 2022 de https://medicalxpress.com/news/2020-07-distinguir-contexts-animals-probabilistically.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.