ウェイト先端バイオフォトニクスセンター

現在、「成体ニューロン新生」をキーワードとして登録されている臨床試験は38件あり、介入の標的としての新しいニューロンへの関心が高まっていることを示しています。今日、成体ニューロン新生は海馬機能に関与し、健康時と疾患時の両方で脳機能に貢献できるという強力なエビデンスが得られています。ニューロン新生の研究では、(1)幹細胞の正体とニューロン新生を開始するためのその入力統合、(2)神経発生ニッチの性質と幹細胞の活動のないニューロン新生、(3)海馬を超えた複雑な機能、(4)人工知能のためのニューロン発生ニューラルネットワークを含む進化論および計算理論といった新たな問いが提起されています。

脊髄は中枢神経系（CNS）における重要な結節点であり、私たちの日常的な外界との相互作用を形作る信号を統合・調節しています。脊髄の灰白質は、背腹軸に広がる個別の層構造に配列され、回路特異的な様相を包含しています。同時に、これらの層内および層間の広範な相互接続された介在ニューロンネットワークは、与えられた入力に対する行動出力に驚くべき柔軟性をもたらします。脊髄の情報処理の柔軟性は、その組織化された構造を考慮すると、行動の基盤となるニューロン計算、特に神経機能障害との関連性を探求する上で特に興味深い領域となっています。同時に、アストロサイトは基盤となるニューロン回路と非常に動的な相互作用を行っており、脊髄の情報処理に新たな次元を付加する可能性を示唆しています。脊髄特有の技術的制約により、アストロサイトとニューロンの相互作用と脊髄機能との関係を解明することは長らく困難でした。本レビューでは、特に最近のin vivo研究から得られた知見を中心に、アストロサイトが健常時と疾患時の両方において脊髄の行動出力を積極的に形成していることを示す新たな知見に焦点を当てます。脊髄の神経組織について簡潔に概説し、異なる脊髄出力に関連するアストロサイトとニューロン活動の相対的な空間関係を評価するための構造的基盤を提供します。この構造的枠組みの中で、脊髄アストロサイトが脊髄機能に関連する活動に反応し、ひいては基礎にある神経回路を調節して将来の行動出力を変化させるという、ますます増えつつあるエビデンスを概説します。さらに、アストロサイトとニューロンの相互作用というレンズを通して、回路特異的な脊髄調節を理解するための包括的な概念的枠組みを提案し、この枠組みを活用して脊髄疾患状態を標的とする新たな方法を発見する方法を強調します。最後に、この概念的枠組みに関連する主要な未解決の疑問を提示し、それらに対処するための将来の研究を促進する技術進歩を強調します。

神経調節因子は神経状態を制御する重要な制御因子であり、その機能不全は様々な神経精神疾患に関連しています。神経調節の生物学的側面は数多く研究されてきましたが、分散した神経集団の神経調節が脳の状態を制御する仕組みの計算原理は未だ解明されていません。外部からの文脈入力とは異なり、神経調節は単一のスカラー信号として作用し、膨大な数のニューロンに伝達されます。本研究では、リカレントニューラルネットワークモデルにおけるシナプス荷重の調節をモデル化し、神経調節因子が、たとえ非常に単純化されたネットワークであっても、ネットワークの機能を劇的に変化させることができることを示しました。脳のような構造的制約下において、これはニューラルネットワークの計算能力と柔軟性を向上させる基本的なメカニズムとなることが分かりました。拡散シナプス荷重調節は、共通のシナプスセットを用いて複数の記憶を保存し、多様な、あるいは正反対の行動さえも生成することを可能にします。私たちの研究結果は、神経調節物質が神経活動空間にタスク固有のハイパーチャネルを作成することで特定の行動を解き放ち、より柔軟でコンパクトかつ有能な機械学習アーキテクチャを促進する仕組みを説明するのに役立ちます。

進行波などの神経活動の時空間的な流れは、脳の記録が始まって以来、脳全体で観察されてきましたが、その機能的役割については未だにほとんど合意が得られていません。近年の実験やモデルでは、進行波が視覚運動や物理的運動と関連していることが示唆されていますが、これらの観察結果は、地形的に組織化された選択性やフィードフォワード受容野に関する標準的な説明と整合させることが困難でした。本稿では、等変ニューラルネットワーク理論を用いて、「動き」と神経活動の流動性との関係を形式化し一般化する理論的枠組みを紹介します。私たちは「動き」を物理的空間や視覚空間だけでなく、より抽象的な表象空間においても考察し、反復的な進行波のようなダイナミクスは、そのような動きを受けるあらゆる信号の正確かつ安定した処理に有用であるだけでなく、必要不可欠であると主張します。形式的には、任意の非自明なリカレントニューラルネットワークが、フロー変換（視覚運動など）を受けるシーケンスを構造化された等変的な方法で処理するためには、その隠れ状態ダイナミクスが、リカレント接続性を通じて、同じフローの準同型表現を能動的に実現する必要があることを示します。この「動的計算における時空間的視点」において、進行波および関連するフローは、刺激フローの忠実な動的表現として理解するのが最も適切です。したがって、生物システムがこのようなダイナミクスに自然に傾倒するのは、生物システムが生息する時空間的に構造化された動的世界における効率性と一般化に向けた生来の帰納的バイアスと見なすことができます。

海馬は、安定した記憶表現と、再生、予測、進行波の基盤となる内部生成の時系列ダイナミクスとのバランスを取らなければならない。海馬回路がどのようにしてこの両方を実現するのかは未だ解明されていない。本研究では、連続予測課題で訓練されたリカレントニューラルネットワークが、混合対称性の動的領域に収束することを示す。この領域では、支配的な対称性再帰が連続アトラクターを安定化させ、より弱い反対称成分がそれに沿って有向フローを誘導する。この構造は学習を加速し、堅牢な再生と予測を支える。さらに、このような対称性の破れは、生物学的に妥当なスパイクタイミング依存可塑性（STDP）則から生じ、明示的な構造的制約なしに傾斜したメキシカンハット型接続プロファイルを生み出すことを示す。重要なのは、CA3に類似した構造的接続性を持つネットワークを初期化することで、学習がこの領域に偏向し、最適化の効率と性能が向上することである。これらの結果は、海馬の計算が生物学的に制約された回路構造と課題駆動型学習の相互作用を反映しており、部分的な対称性の破れが、時系列生成における安定性とフローのバランスをとるための低次元制御原理を提供していることを示唆している。