ノースウェスタン大学医学部のJoshua Glaser准教授らによって、複雑な行動を可能にする神経信号の組織化機構を解明する新たな機械学習手法が開発された。本研究成果は学術誌Neuronに掲載され、神経活動が再利用可能な基礎構成要素の組み合わせによって構築されていることを実証した。 従来の神経科学では単一ニューロンの機能解析が主流であったが、記録技術の進化により大規模なニューロン集団の同時記録が可能となった。しかし、従来の分析方法では複数の処理過程が混在し、神経活動の真の構造が不明瞭になりがちだった。これに対し研究チームはSparse Component Analysis、略称SCAと命名された新規アルゴリズムを提案した。本手法は、混在したニューロン集団のデータを分離し、脳内の計算過程を反映する明確な信号成分へ再構成する。 研究チームはSCAを用いて、動物モデルの運動野データ、線虫の神経活動、人工ニューラルネットワークの記録データを一貫して解析した。その結果、複雑な行動は異なる局面でも共通の神経成分を流用する構成主義的な組織化を採用していることが明らかになった。例えば、上肢の伸展と後退という逆の動作でも、同じ基礎パターンが再利用されていることが確認された。また、運動の計画段階、実行段階、実行後の姿勢維持段階といった連続的な行動プロセスも、それぞれが明確に分離された神経信号によって制御されていることを実証した。 本研究は、脳が毎日の新しい神経パターンを学習するのではなく、既存の構成要素を再編成することで多様な行動を生成するという基本原理を示す。Glaser准教授は、本手法が個々のニューロンの視点から集団の協調的計算へパラダイム転換を促すものであると指摘する。今後の研究では、分散した神経回路間の同時記録技術と連携し、脳領域を横断する情報伝達メカニズムや、構成要素の共有構造を解明する方向で応用が拡大される見込みである。本手法の開発は、複雑な行動と神経信号の関係を明確化し、神経科学におけるデータ解釈の基準を一新するものと期待されている。