![pageSearch](/themes/hestia/images/page-search.webp)
嗅内皮質は学習を指示する
![Sep 10, 2023](/themes/hestia/images/news-details-icon1.webp)
Nature volume 611、pages 554–562 (2022)この記事を引用
18,000 アクセス
5 引用
159 オルトメトリック
メトリクスの詳細
この記事に対する著者の訂正は 2022 年 11 月 15 日に公開されました
この記事は更新されました
学習に関連した脳活動の変化が適応行動の根底にあると考えられています1,2。 たとえば、げっ歯類による報酬部位の学習には、海馬におけるその場所の過剰表現の発達が必要です3、4、5、6。 この学習関連の変化がどのように起こるのかはまだ不明です。 今回我々は、マウスがリニアトレッドミル上で報酬の位置を学習する際の海馬CA1集団の活動を記録した。 生理学的および薬理学的証拠は、適応的過剰表現には行動時間スケールのシナプス可塑性(BTSP)が必要であることを示唆しています7。 BTSP は、樹状突起電圧信号によって駆動されることが知られています。樹状電圧信号は、嗅内皮質層 3 (EC3) からの入力によって開始されると我々が提案しました。 したがって、CA1 の過剰発現は、EC3 活性の光遺伝学的阻害によって主に除去されました。 EC3 ニューロンからの記録により、BTSP に過剰表現を生成するよう指示する指示信号を提供する可能性のある活動パターンが明らかになりました。 この機能と一致して、我々の観察は、顕著な報酬予測合図を持つ第二の環境への曝露により、EC3活動とCA1場所場密度の両方が報酬よりも合図でより上昇する結果となったことを示している。 これらのデータは、海馬における学習関連の変化が、環境の行動に関連する特徴に特に適応していると思われる EC3 からの指示信号によって指示されるシナプス可塑性によって引き起こされることを示しています。
動物の行動経験は、海馬における個体群の活動を形成することがわかっており、この経験に依存するニューロン活動は、報酬が得られる場所を学習するために必要です3、4、5、6。 このような学習関連のニューロンの変化は、一般にヘブ型のシナプス可塑性によって媒介されると一般に考えられています8、9、10。 経験が海馬集団の活動を変える生理学的プロセスを直接調べるために、我々は二光子Ca2+イメージングを使用して、空間学習課題に従事している頭を固定したマウスのGCaMP6fを発現する背側CA1錐体ニューロン11の活動を記録しました(図1a)。 このタスクは 2 つのフェーズで構成されていました。 マウスは最初に、長さ180 cmのブランクベルトを使用して、報酬(10%スクロース溶液)の位置がラップごとに異なるリニアトラックトレッドミルに慣れました(図1b〜k)。 0日目(この馴化段階の最終日)、動物のなめる速度と走行速度は環境全体で均一であり(図1b〜f)、CA1配置細胞は空間を均等にタイル状に並べていました(図1g、h)。 第 2 フェーズでは、報酬は単一の固定位置で配信され、そのトラックには空間に均一に分布したいくつかの感覚キューが含まれていました(1 日目:固定報酬位置への最初の曝露; 図 1b–l)。 このセッション中、動物は徐々に舐めることを報酬の周囲の環境の一部に制限し(図1b〜d)、同時に報酬送達部位に近づくと走行速度を遅くしました(図1e、f)。 これらの行動の変化と並行して、CA1 場所細胞の総数の増加が観察され、報酬部位近くの場所細胞の密度は 2 倍以上増加しました 3,4,6 (図 1g-i)。 個々の場所フィールドの空間情報コンテンツ (図 1j) とラップごとの信頼性 (図 1k) も強化されました。 最後に、場所細胞集団ベクトル相関は、日間と日内で比較した場合、有意に低かった(図1k)。 まとめると、これらの結果は、1日目の報酬位置の学習が、報酬付近の場所の細胞密度の大幅な上昇を含むCA1表現の変化と関連していることを示しており、その存在は、報酬の周囲で測定された低速の走行速度と有意に相関しています。報酬の場所 (図 1l)。 このいわゆる報酬の過剰表現は、報酬の場所の学習を成功させるために必要であることが以前に判明した CA1 活動の適応に似ています 5。
a、左: マウスが水の報酬の位置を学習する実験設定。 中央: 1 匹の動物の背側 CA1 錐体ニューロンにおける GCaMP6f 発現を示す代表的な時間平均二光子画像。 スケールバー、100μm。 右: CA1 プレースセルからの Δf/f トレース (黒)、および連続 5 周分の速度 (グレー) および舐める (オレンジ) 信号。 b、タスクフェーズ。 左: 0 日目は最後の慣れ日です (報酬の場所が変化する空白のベルト)。 右: 1 日目、新しい環境 (報酬の場所が固定されたキューが豊富なベルト、つまり環境 A) への曝露。 c、個々の動物の舐める行動。 目盛りはリックを表します。 矢印はラップスタート (左) またはラップスタートと報酬の場所 (右) を示します。 d、0日目と1日目の平均なめる速度(n = 18匹の動物)。 e、個々の動物の走行行動。 f、0 日目と 1 日目のランニングの平均 (n = 18 匹)。 g、すべての CA1 場所細胞の空間全体のピーク正規化平均 Δf/f (0 日目: n = 719、1 日目: n = 1,278)。 ピーク位置によってソートされたセルを配置します。 両方のセッションで同じ視野で画像化された動物からのデータ (n = 14 動物)。 h、CA1 場所細胞 (PC) の割合と場所フィールド (PF) のピーク位置 (ビン = 18 cm、カイ二乗検定、df = 9、P = 3.47 × 10−36)。 i、空間的に変調された場所細胞の割合(対応のある両側 t 検定、P = 3.12 × 10−5)。 j、動物あたりの平均位置細胞空間情報(対応のある両側 t 検定、P = 0.003)。 k、母集団ベクトルの相関関係(正)。 左: CA1 場所細胞活性の信頼性 (対応のある両側 t 検定、P = 3.22 × 10−6)。 右: 0 日目と 1 日目の場所フィールドを含む CA1 細胞の集団ベクトル相関 (両側 t 検定、P = 3.65 × 10−15 および 3.82 × 10−11)。 h ~ k の場合、それぞれ n = 14 匹。 i-k では、白丸は個々の動物を示し、黒丸は平均値を示します。 l、CA1は、ピーク正規化速度(n = 18動物)の関数として1日目の細胞密度を配置し、線形方程式(青い線、Rはピアソンの相関係数を表します、両側t検定、P = 4.16)によって当てはめます。 ×10−16)。 各ドットは、幅 18 cm の空間ビンからのデータを表します。 黒い破線と矢印は報酬の場所を示しています。 データは平均±標準誤差として示されています。a の回路図は参考文献から変更されています。 17.
ソースデータ
次に我々は、最近発見されたシナプス可塑性タイプであるBTSP12、13が、1日目のCA1表現の経験依存的形成の根底にある可能性があるかどうかを疑問視した。BTSPはもっぱら、長時間持続する樹状突起電位信号、Ca2+プラトー電位(「プラトー」)によって駆動される。 、1回の試行で可塑性を誘発することができます14、15、16、17、18(図2a、左と中央)。 さらに、BTSP は、行動に関連する秒単位のタイムスケールで動作する非対称学習ルールに従います。 したがって、それは予測的なニューロン活動を生成します。 つまり、BTSP によって生成される発火場は、走行速度に応じた量だけプラトーの位置より先行します (図 2a、左と中央)。 BTSP タイムスケールのもう 1 つの効果は、場所フィールドが最初に出現した周回 (「誘導ラップ」) での動物の走行速度と、結果として生じる空間内の場所フィールドの幅との間に直接的な関係があることです (図 2a、右) )。 この新しいタイプのシナプス可塑性の関与と一致して、以前は沈黙していたニューロンが1周で突然場所場を獲得したことが観察されました(開始前の平均周回:22.6±0.7;場の位置での開始前の活動の平均周回:1.2±0.07;図 2b)、新しい場所フィールドのかなりの部分が学習セッション中に追加されました (図 2c、d および拡張データ図 1)。 これらの突然出現する場所フィールドは、BTSP12、19 の追加の顕著な特徴を示しました。 まず、場所フィールドは、誘導ラップでの活動と比較して空間内で後方に移動する傾向がありました(図2e)。 第二に、誘導試験における場所フィールドの幅と動物の速度との間に線形関係が観察されました(図2f)。 最後に、報酬の過剰表現を含む、セッション中の経験依存表現の発達は、シナプス可塑性の薬理学的拮抗薬である d-2-アミノ-5-ホスホノバレレート (d-AP5) の局所適用によって大幅に抑制されました (図2g)、またはプラトー発火の阻害剤であるCaV2.3チャネルブロッカーSNX-482(図2h)。 おそらく、すべての行動測定値は変更されなかったため、アンタゴニスト適用の局所的な性質により、操作の行動への影響が制限されたと考えられます (拡張データ図 2 および 3)。 上記の結果は、CA1 表現の経験依存の整形には BTSP が必要であることを示しています。
a、BTSPの機能を示す回路図。 BTSP の非対称な時間経過により、Vm ランプがシフトし (左)、場の発射が空間に戻ります (中央)。 マウスの実行が速くなるほど、BTSP による入力の影響が大きくなり、結果として生じる場所フィールドが広くなります (右)。 赤い線はプラトーの位置、上部の灰色の矢印はマウスの走行方向を示し、赤い矢印はプラトーを示します。 b, 突然現れる 3 つの場所セル。 上: プレイスフィールドアクティビティを伴う最初のラップの速度プロファイル (「誘導ラップ」)。 中央: ラップ全体の Δf/f。 赤い矢印は誘導ラップを示します。 下: 空間全体のピーク正規化 (ノルム) 平均 Δf/f。 c、0日目(緑)と1日目(黒)のCA1場所細胞の出現の時間経過。 d、場所フィールドのピーク位置とセッションの長さの関数としてのCA1場所細胞の割合(n = 15動物;セッションは14〜35周の4つのセクションに分割)。 e、場所フィールドのピークシフト(生成された場所フィールドのピーク位置(cm)から誘導ラップにおけるピーク活動位置(cm)を引いたもの)を示すヒストグラム。 左: 個々の動物。 右: n = 18 匹の動物 (n = 1,727 CA1 場所細胞、両側 1 サンプル コルモゴロフ – スミルノフ検定、P = 1.13 × 10−7)。 f、動物の平均誘導ラップ速度の関数としてフィールド幅を配置します。 左: 個々の動物。 各ドットは 1 つの場所のセルを表します。 右: n = 18 匹の動物。 データは 5 cm s-1 の速度ビンに分割され、線形方程式 (青線) によってフィッティングされます。 R 値はピアソンの相関係数を示します (左: 両側 t 検定、P = 0.004、右: 両側 t 検定、P = 0.001)。 数字は各ビン内のデータ ポイントの数を示します。 g、CA1発現の発達に対するN-メチル-d-アスパラギン酸受容体アンタゴニスト、d-AP5(50または75μM)の効果。 黒: 対照 (n = 10 匹)。 赤: d-AP5 (n = 8 匹)。 左: CA1 場所細胞出現の時間経過。 右: 場所フィールドのピーク位置の関数としての CA1 場所細胞の割合 (カイ二乗検定、df = 9; P = 0.04)。 h、Ca2+チャネルアンタゴニスト、SNX-482(10μM)の効果。 黒: 対照 (n = 10 匹)。 赤: SNX-482 (n = 7 匹)。 パネルは g と同じことを示します (カイ二乗検定、df = 9、P = 0.04)。 黒い破線は報酬の場所を示しています。 データは平均値±標準誤差として表示されます。
ソースデータ
EC3軸索は、CA1のプラトー開始部位である頂端樹状突起20、21、22を神経支配し、そこでα-アミノ-3に対するN-メチル-D-アスパラギン酸受容体の比率が上昇した大振幅のシナプス入力を伝達します。 -ヒドロキシ-5-メチル-4-イソオキサゾールプロピオン酸受容体23、およびこれまでの in vitro および in vivo 研究では、EC3 入力がプラトー電位の確率と期間の両方を調節することが示されています 14,16。 したがって、我々は次に、EC3 入力の摂動が CA1 過剰表現の形成に影響を与える可能性があるかどうかを検討しました。 これを調べるために、我々は逆行性ウイルス感染戦略24を使用して、CA1の記録領域に投影したEC3ニューロンのサブセットのみで過分極プロトンポンプアーキエロドプシン-T(ArchT)25を発現させた(図3aおよび拡張データ図4)。 。 この戦略の目的は、指定されたグループの EC3 ニューロンのみに影響を与えることで、嗅内皮質全体の活動とマウスの行動への影響を最小限に抑えることでした。 対照として、ArchT–tdTomato の代わりに tdTomato のみを、それ以外の場合は同じ治療を受けた別のマウスのグループで発現させました。 われわれは、594 nm のレーザー光 (40 Hz、正弦波刺激) 26 を報酬周囲 36 cm (±18 cm) のゾーンの嗅内皮質に照射することによって EC3 軸索のこのサブセットを阻害すると、CA1 報酬の発達が抑制されることを発見しました。 -コントロールグループと比較した表現(図3b、cおよび拡張データ図5)。 特に、報酬ゾーン近くの場所フィールドの振幅には有意な変化はありませんでした (n = 6 マウス (tdTomato) 対 n = 8 マウス (ArchT)、78% 対 84% Δf/f、対応のない両側 t 検定、P = 0.401)、平均 Ca2+ イベント振幅(拡張データ図 5c、n = 6 マウス(tdTomato)対 n = 8 マウス(ArchT)、対応のない両側 t 検定、P = 0.06)、時間経過コントロールマウスとArchTグループの間のフィールド形成(拡張データ図5d)、または舐めたり走ったりする行動(拡張データ図5e)に配置されます。
a〜c、EC3ニューロン活動の同側の光遺伝学的摂動は、報酬の過剰表現の発達を妨げます。 黒: tdTomato コントロール (n = 6 匹); 赤: ArchT (n = 8 匹)。 a、CA1 における GCaMP6f (上) および EC3 における ArchT–tdTomato (下) のウイルス発現。 EC3 軸索は CA1 のラクノサム分子層に見られます (上)。 DG、歯状回。 DAPI、4',6-ジアミジノ-2-フェニルインドール。 スケール バー、250 μm (上) および 500 μm (下)。 b、すべての CA1 場所細胞の空間全体のピーク正規化平均 Δf/f。 赤いバーはライトオンの位置を示します。 c、場所フィールドのピーク位置の関数としてのCA1場所細胞の割合(カイ二乗検定、df = 9、P = 8.82 × 10−19)。 d – i、CA1のラクノサム分子層におけるEC3軸索活動の記録。 d、n = 1動物のEC3ニューロン(上)および海馬野CA1の軸索(下)におけるGCaMP6fおよびtdTomato(tdT)のウイルス発現を示す代表的な画像。 スケール バー、350 μm (上) および 200 μm (下) e、左: 1 匹の動物の EC3 軸索における GCaMP6f の発現を示す代表的な二光子の時間平均画像。 スケールバー、20μm。 白い矢印は軸索 15 の位置を示します。中央: 軸索 15 を示す白い領域。右: 軸索 15 から記録された連続 7 周分の Ca2+ Δf/f トレース (黒)。同時に記録された速度信号と舐め信号は灰色とオレンジ色で示されています。 f、3 つの個別の EC3 軸索。 上: 周回にわたるΔf/f。 底。 空間全体の平均 Δf/f (黒) と平均速度 (赤)。 黒の y 軸と赤の y 軸がそれぞれ適用されます。 EC3 軸索は、平均 Δf/f と平均速度の相関 (ピアソンの相関係数、R) および空間選択性指数 (最大 (最大) を平均 Δf/f トレースの平均で割ったもの) に基づいて分類されます。 g–i、活動と速度の相関関係(g)、空間選択性指数(h)、および重要な活動を伴うラップの割合の分布(EC3:すべての場所が含まれます、CA1 場所セル:場所フィールドの場所のみが含まれます)(i) 7匹の動物からの792個の軸索(実線)および18匹の動物からの1,727個のCA1プレース細胞(破線)。 黒い矢印と破線は報酬の場所を示しています。 データは平均値±標準誤差として表示されます。
ソースデータ
EC3 は CA1 表現の経験依存的な形成に必要であると思われるため、次に CA1 に投影する EC3 ニューロンの活動を調べました。 これらの細胞の軸索は、背側CA1のラクノス分子層に位置しており(図3dおよび拡張データ図4)、標準的な海馬窓を介して2光子イメージングにアクセスできます。 したがって、EC3ニューロンでGCaMP6fを発現するマウスの軸索二光子Ca2+イメージングを実行しました(図3eおよび拡張データ図6)。 空間(平均Δf / f最大/平均)および速度(平均Δf / fと平均速度の間のピアソンの相関係数)調整として、個々の軸索で中程度のレベルの選択的活性が観察されました27、28、29、30(図3f–i) )。 ただし、平均軸索Δf / fをインターリービング試行で比較した場合(ピアソンの相関係数中央値 = 0.247、奇数対偶数試行、図4a、b)、軸索の一部(19%)のみが比較的よく相関した発火を示しました(偶数トライアルのピーク位置は奇数トライアルから 10 cm 以内でした; 拡張データ図 7a、b)。 EC3軸索の一般集団とよく相関する軸索の両方のピーク発火位置は、トラック全体に均一にタイル状に配置されていました(図4a〜cおよび拡張データ図7a〜c)。 同様の結果が、5% 最も選択的な EC3 軸索でも観察されました 28 (拡張データ図 7d–f)。 最後に、上記の均一な分布とは対照的に、EC3軸索の空間選択性と軸索-軸索相関値(奇数周と偶数周回)は、報酬位置の周囲で大幅に上昇しました(図4d、90 cmでの報酬)。 これらのデータは、この行動中のほとんどの EC3 ニューロンの活動がかなりの確率性とともに中程度のレベルの調整を示したこと、およびこれらの調整されたニューロンの空間分布は環境全体で均一であったにもかかわらず、空間調整のレベルが上昇していたことを示しています。報酬部位の周囲 (図 4a–d)。
a、記録されたすべての EC3 軸索の空間全体のピーク正規化平均 Δf/f (7 匹の動物で n = 792 軸索)。 奇数ラップと偶数ラップのヒート マップが個別に表示されます。 EC3 軸索は、奇数周中のピーク位置に従って順序付けされます。 b、奇数周と偶数周から作成された平均の軸索活動ピーク位置を示す散布図。 統一ラインは赤色で示されます。 c、活動ピーク位置の関数としてのEC3軸索および鎖の割合(データ:黒色、マルコフモデル:灰色)。 トラックは、それぞれ 3.6 cm の 50 の空間ビンに分割されます。 d、EC3軸索調整(黒)および軸索ごとの奇数-偶数ラップ相関(灰色)。 プラス記号は、n = 792 データ ポイントの 1,000 回のデータ シャッフルから生成された 95% 信頼区間の外側にある値を示します。 e, 2,000 のモデル化されたマルコフ連鎖のソートされたピーク正規化平均アクティビティ。 f、n = 18 匹の動物の平均滞留時間プロファイル (黒)。 灰色の破線は、一定の走行速度での滞留時間です。 g, モデルは、空間全体で観察される閾値交差 (樹状プラトー電位) の数を予測します。 黒い固体: 実験的に観察された走行プロファイル。 灰色の破線: 一定の走行速度。 h、スケーリングされた CA1 は空間全体のセル数を配置します。 黒:データ。 グレー:強化チューニングを追加していないモデル。 青:チューニングを強化したモデル。 データとモデル間のピアソンの相関係数 (R) が表示されます。 黒い矢印と破線は報酬の場所を示しています。 データは平均値±標準誤差として表示されます。
ソースデータ
この EC3 活動パターンがシナプス後 CA1 錐体ニューロンにどのような影響を与えるかを理解するために、我々は計算モデリングに目を向けました(拡張データ図 7g–j)。 EC3の単一軸索活動は確率的過程を示しているため(たとえば、指数関数的に分布した活動時間と低い細胞間相関、図4a、bおよび拡張データ図7a–c、j)、我々は個々の軸索の活動をモデル化しました。単純な 2 状態マルコフ連鎖としての EC3 軸索 (拡張データ図 7g–j)。 このアプローチは、この領域で以前に観察された持続的な発火と同様に、EC3 ニューロン活動の不活動状態と活動状態の間の遷移をシミュレートします 30、31、32、33。 細胞間相関の分散セットを生成するために、トラック全体で活性化遷移確率を均一に調整しました(周回のある点で10の時間ステップでP01が0.04から0.20に増加し、母集団全体で滑らかに増加しました。図4c、e)。および拡張データ図7k~pおよび8a~h)。
次に、モデルを使用して、特定のCA1シナプス後ニューロンが閾値を超え、プラトーを引き起こす量のEC3入力を受け取る確率に対する、EC3活動の観察された各要素の影響を調べました(拡張データ図8i-k)。 安定した走行速度(図4f;空間ビンあたり約0.2秒の滞留時間)を使用する場合、シミュレーションは、トラック全体にわたる均一なレベルのEC3入力がプラトー電位開始の安定した確率を生み出すと予測します(図4g)。 したがって、動物の実際の空間走行プロファイル(図4f、実線、モデルの合計ラップ時間は10秒に等しい)を使用すると、報酬部位でプラトーを開始するニューロンの割合は約2倍に増加します。この場所では 2 倍の時間がかかります (図 4g)。 モデルによって予測されたCA1場所細胞の空間分布は、実際に観察された分布と高度に相関していましたが(図4h)、報酬部位でのCA1場所細胞の密度の増加は、データではモデルによって予測されたよりも高かった(約3倍)対約 2 倍)。 したがって、次に、観察された報酬部位周囲のEC3ニューロン調整と安定性のレベルの向上を含めました(P01は、報酬部位近くのピーク発火を伴う100チェーンで0.20から0.68に上昇しました。図4dおよび拡張データ図8h)。モデルによって現在予測されている CA1 場所の細胞分布がさらに正確であることを発見しました 34,35 (図 4h)。 我々は、EC3 活動に関連する 3 つの主要な要素が CA1 集団活動における学習関連の変化を形成すると結論付けています。 これらは、中程度に調整された EC3 ニューロン活動の空間的に均一な分布、これらの同じ EC3 ニューロンにおける空間調整の不均一なレベル (報酬部位周囲の調整の強化)、および動物の不均一な走行行動 (報酬部位周囲の滞留時間の増加) です。
注目すべきことに、上記の要素の最初の要素である EC3 活動の空間分布は、環境における感覚信号の均一性を反映しています。 CA1の可塑性を引き起こすEC3活動が環境内の感覚合図の空間プロファイルに関連しているかどうかを判断するために、我々は、単一の顕著な新しい報酬予測特徴のみを含む、均一性の低い環境にEC3活動がどのように反応するかを調べた。 したがって、我々は、固定報酬送達部位の 50 cm 前で活性化される視覚刺激 (10 Hz の青色光を両目に 500 ミリ秒間点滅) を含み、実験者が配置した他のベルト キューを含まない異なる環境 (環境 B) を設計しました (図.5a、下)。 この 2 番目の環境は、マウスの舐め方に微妙な変化を引き起こし (図 5b)、走り方にさらに大きな変化を引き起こしました (図 5c)。 さらに、EC3 軸索集団の活動が大きく変化しました。 最も顕著な変化は、視覚刺激の周囲で発火がピークに達した軸索の割合の約4倍の増加でした(図5d〜fおよび拡張データ図9a〜e)。 それにもかかわらず、EC3軸索活動は高度の不安定性を保持し、軸索の一部(25%)のみがインターリーブ試験間で比較的一貫した発火を示しました(図5d、eおよび拡張データ図9c、d)。 これらのよく相関した軸索の密度は、空間調整と活動の安定性のレベルと同様に、光刺激の位置で濃縮されました(図5eおよび拡張データ図9c、d)(拡張データ図9f)。 これらのデータは、EC3 ニューロンの活動が関連する環境信号の分布を反映していることを示しています。
a、環境 A (上) とは対照的に、環境 B (下) には、単一の固定報酬 (黒い矢印) の 50 cm 前に空白のベルトと視覚刺激 (青色発光ダイオードの点滅、10 Hz、500 ミリ秒) が含まれます。 )。 b、環境A(黒色、n = 25マウス)およびB(栗色、n = 17マウス)における平均なめ率。 c、環境 A (黒色) および B (栗色) での平均ランニング プロファイル。 d、環境BにおけるEC3軸索(n = 808、n = 8動物)の空間全体のピーク正規化平均Δf / f。奇数周と偶数周のカラープロットを別々に示します。 EC3 軸索は、奇数周中のピーク位置に従って順序付けされます。 e、奇数周と偶数周から作成された平均の軸索活動ピーク位置を示す散布図。 統一ラインは赤色で示されます。 f、すべての EC3 軸索 (栗色、実線) およびモデル化されたマルコフ鎖 (赤色) のピーク活動位置のヒストグラム。 トラックは、それぞれ 3.6 cm の 50 の空間ビンに分割されます。 g、n = 9 匹の動物の平均滞留時間プロファイル。 h, モデルは、観察された閾値交差 (樹状プラトー) の数を予測します (赤色: 実験的に観察された走行プロファイル、灰色: 一定速度)。 i、環境 B におけるすべての CA1 場所細胞 (n = 1,058、n = 9 動物) の空間全体のピーク正規化平均 Δf/f。 j、スケーリングされた CA1 場所細胞数。 マルーン: データ。 グレー:強化チューニングを追加していないモデル。 レッド:強化チューニングを施したモデル。 データとモデル間のピアソンの相関係数 (R) が表示されます。 k、場所フィールドのピーク位置の関数としての CA1 場所セルの割合 (A: n = 18、黒; B: n = 9、栗色; カイ二乗検定、df = 49、P = 3.81 × 10−33)。 b、c の黒いバーは、P < 0.05 の位置を示します (対応のない両側 t 検定、各空間ビンで実行)。 青い破線は光の開始を示しています。 黒い破線は報酬の場所を示しています。 データは平均値±標準誤差として表示されます。
ソースデータ
この新しい EC3 アクティビティ データをより正確に取得するために、ピーク チェーン アクティビティの最終的な空間プロファイルが視覚キュー位置の周囲で約 4 倍の増加を示すように、ビジュアル キュー位置の周囲で活性化確率が上昇したチェーンの割合を増やすことによって以前のマルコフ連鎖シミュレーションを調整しました。この位置 (図 5f、メソッドと拡張データ、図 9g–n)。 さらに、この修正により、視覚刺激位置周囲のよく相関した軸索の密度の増加が再現されました(拡張データ図9l)。 この不均一な EC3 活動密度と環境 B でのマウスの実際の走行行動を使用してシミュレーションを実行し (図 5g、モデルでは合計ラップ時間は 10 秒に等しい)、空間全体のプラトー確率を推測したところ、結果は、EC3 活動の存在を予測しました。視覚刺激の場所の過剰表現は、報酬部位よりもさらに大きかった(図5h)。
私たちは、環境 B に曝露されたマウスの CA1 錐体細胞で Ca2+ イメージングを実行することにより、この予測をテストしました。空間的に変調された細胞の割合や動物あたりの場所細胞の空間情報量など、場所細胞の活動の基本的な特徴が維持されていることを初めて発見しました。変更なし(拡張データ図 10)。 しかし、私たちのモデリングデータと一致して、私たちの観察では、場所細胞の最大の割合が光の手がかりの位置の近くにあり(図5i〜k)、空間的な場所細胞の分布が環境Aで観察された分布とは大きく異なることが示されました(図5i) .5k)。 EC3活動の3つの主要な要素のそれぞれを含むモデル(動物の実際の走行プロファイルだけでなく、予測合図位置の周囲で観察された密度の増加と強化されたニューロン調整)は、場所フィールド分布の最も正確な予測を生成しました(図5j) )。 したがって、環境 B における固有の予測手がかりの存在は EC3 ニューロン活動の空間パターンを大きく変化させ、それに応じて CA1 可塑性が応答して固有の集団活動プロファイルを生み出したと考えられます。 EC3入力の必要性は、予測視覚的合図の周囲のEC3活性を光遺伝学的に阻害することによって確認され、これにより光合図のCA1過剰表現が排除された(拡張データ図11)。 これらの結果は、EC3 が CA1 場所フィールド表現の形成に必要であるという我々の仮説を裏付けています。 さらに、EC3 ニューロン活動の空間調整は、環境の行動に関連する側面に敏感であるようです 28,36。
上記のデータは、EC3 入力が一種の指示信号を提供することによって CA1 の神経可塑性を指示することを示唆しています。 したがって、次に、この EC3 指示信号の形式を決定しようとしました。 それがエラーシグナルとして機能している場合、CA1 集団の活動が望ましいパターンに近づくにつれて、過剰発現部位周辺の EC3 活動が減少すると予想されます。 一方、EC3 が所望の CA1 活動パターンを表す信号 (ターゲット信号) を各 CA1 錐体ニューロンに提供する場合、CA1 の可塑性が低下しても、セッション全体を通じて信号はより一定に保たれるはずです 37。 これを調べるために、EC3集団の活動(図6a、青)をセッション期間の関数として、CA1場所細胞の可塑性(図6a、栗色)と並べてプロットしました。 新しいCA1場所細胞の形成はセッション中に著しく減少しましたが、EC3活性プロファイルは全体を通して安定したままであることがわかりました。 さらに、全体的な CA1 活性パターンは、一定の EC3 活性プロファイルのパターンに急速に近づきました (図 6a、黒、図 6b)。 まとめると、これらの結果は、EC3 が、エラー信号よりもターゲット信号を彷彿とさせる、比較的不変の指示信号を提供することを示しています。 私たちの現在のスキームでは、EC3からの興奮性標的は、実際のCA1集団の活動を表す抑制シグナルと頂端樹状突起で結合し、その結果生じるプラトー電位は、各CA1ニューロンで固有の局所エラーシグナルとして機能します13、37、38(図) .6c、d)。 実際の CA1 活性シグナルのソースは不明のままであり、抑制性、神経調節性、脱抑制性、またはその他の要素が関与している可能性があります 5、22、39、40、41、42、43、44。 学習セッション中のこれらの信号の提案された進化を図6e、fに示します。 EC3 は、空間学習タスク中に環境を表現する方法を CA1 に指示するターゲット信号を提供すると結論付けます。
a、最初の 8 セッションセクション (各 10 周) の、過剰表現付近の平均 EC3 Δf/f (青)、形成された CA1 場所細胞の割合 (栗色)、および合計 EC3 と CA1 集団活動の相関関係 (黒) 。 n = 27 マウス (CA1 場所細胞) および n = 15 マウス (EC3 軸索) からのデータが含まれていました。 b、環境Bにおけるラップ1〜10(左)および51〜60(右)のEC3(青、n = 808軸索)およびCA1(黒、n = 1,059 CA1場所細胞)集団活動の合計。 c〜f、CA1での学習のための提案されたネットワークスキーム。 c、関与するCA1回路要素には、CA1錐体ニューロン(黒の実線と灰色の破線)、遠位頂端房領域を神経支配するEC3からの興奮性入力(青)、体周囲神経支配を学習中にシナプス重みが調整されるCA3からの興奮性フィードフォワード(FF)入力が含まれます。領域(赤)、オリエンス・ラクノサム分子フィードバック阻害性介在ニューロンは、領域集団(ポップ)のCA1活性のコピーを頂端房(オレンジ)にもたらします。 d、EC3は、個々のCA1ニューロンに望ましいまたは標的の活動パターンを提供します。このパターンは、遠位先端樹状突起で、オリエンスラクノサム分子(OLM)フィードバック(FB)介在ニューロンによって提供され得る集団活動の実際のパターンの表現と比較されます。 。 過剰な励起 (ミスマッチ) は、樹状 Ca2+ プラトー電位開始の確率を高めます。 プラトーは、CA3 フィードフォワード興奮性入力 (学習経路) で BTSP を駆動する各 CA1 セルのローカル エラー信号として機能し、それに応じて各 CA1 セルの発火を形成します。 変化した CA1 集団の活性は、頂端房のコンパレータにフィードバックされます。 e. 提案された信号の時間プロファイル。 EC3 ターゲットシグナル (青) は安定したままですが、CA1 の表現と抑制性フィードバックシグナル (オレンジ - 灰色) が増加するにつれて、CA1 可塑性を引き起こすプラトー確率 (黒 - 赤) は減少します。 f、提案された信号の空間プロファイル。 特に指定のない限り、データは平均値 ± 標準誤差として表示されます。
ソースデータ
この研究は、哺乳類の脳内の学習の根底にある神経機構とは何かという長年の疑問に取り組んでいます。 過去に、我々は、EC3 入力の光遺伝学的阻害が CA1 細胞におけるプラトー電位の開始を減少させることを観察しました 16。 ここおよび以前に提示された、プラトー電位が BTSP を誘導し、フィールド形成を引き起こすことを示すかなりのデータがあります 7、12、13、16、17、18、19、45、46。 最後に、EC3 入力の阻害により場所フィールドの形成が減少し、経験に依存した CA1 表現の形成が変化することを報告します。 すべての証拠を考慮すると、EC3 の活動が CA1 ニューロンのプラトー電位を駆動して BTSP を介して新しい場所場形成を誘導し、これが CA1 集団の活動における学習関連の変化が起こる主なメカニズムであると結論付けます。 上記に示したいくつかの証拠は、EC3 が特定の望ましい CA1 集団活性を達成するように BTSP に指示する標的のような指示シグナルとして機能することを示唆しています。 注目すべきことに、この EC3 ターゲットのような活動は、均一性の範囲にある顕著な環境シグナルの分布を反映していました。 EC3 ニューロンが環境固有の指示信号をどのように生成できるかを正確に判断するには、さらなる実験が必要です。
ターゲットシグナルは、局所的な活動と望ましい行動の間にある多数の下流パラメーターを説明する手段を提供するため、理論的には複雑なニューロンネットワークにおける学習を指示するのに非常に強力である可能性があります47,48。 しかし、ヘビアンであろうとなかろうと、標的信号がシナプス可塑性を駆動するという報告はまれです37。 実際、教師あり運動学習を使用すると考えられている脳領域でさえ、ターゲットではなくエラー信号を使用していることが判明しています49,50。 標的信号の適応によって誘導されるシナプス可塑性が、空間学習とエピソード記憶における重要性でよく知られている領域である哺乳類の海馬の活動を形作るという観察は、多くの脳領域が当時の考えとは実質的に異なる方法で学習する可能性を高めている。現在。
すべての実験は、ジャネリアの施設内動物管理使用委員会(プロトコル 12 ~ 84 および 15 ~ 126)およびベイラー医科大学(プロトコル AN-7734)によって承認された方法に従って実施されました。
すべての実験は、成人(手術時点で生後66日以上)GP5.17(参考文献11; n = 52マウス、Janelia and Jackson Laboratories)またはpOxr1-Cre(参考文献22; n = 44マウス)で実施されました。 、ジャクソン研究所)実験条件を知らなかった実験者による性別のマウス。 動物は、温度(約 21 °C)と湿度(約 30 ~ 60%)が制御されたマギー実験室サテライト施設内で、12 時間暗/12 時間明の逆サイクル(午前 9 時に消灯)下で飼育されました。 すべての外科的処置は深いイソフルラン麻酔下で行われました。 局所的に局所麻酔薬を塗布した後、頭皮を除去し、頭蓋骨を洗浄しました。 次に、頭蓋骨を水平にし、次の定位座標を使用して開頭の位置をマークしました。 1) 直径 3 mm の海馬窓の中心: ブレグマから 2.0 mm 後方、正中線から 2.0 mm 外側。 2)CA1ウイルス注射:ブレグマから後方2.0mm、正中線から側方1.9mm、ブレグマから後方2.3mm、正中線から側方2.2mm。 3)嗅内皮質ウイルス注射:ブレグマから後方4.7mm、正中線から3.5mm、ブレグマから後方4.7mm、正中線から3.8mm。 4)嗅内皮質光ファイバー移植:ブレグマから4.7mm後方、正中線から4.4mm。 5)嗅内皮質局所電場電位(LFP)記録:ブレグマから後方4.7mm、正中線から3.5mm。 次に、LFP 記録を除くすべての実験で、海馬の上に直径 3 mm の開頭術を行いました。 開頭術内の皮質組織を、加温した滅菌生理食塩水0.9%で繰り返し洗浄しながらゆっくりと吸引した。 外部カプセルが露出したら、底部に窓(CS-3R、Warner Instruments)を備えたカニューレ(直径 3 mm、高さ 1.7 mm)を挿入し、頭蓋骨にセメント固定しました。 最後に、歯科用アクリル (Ortho-Jet、Lang Dental) を使用して、特注のチタン ヘッド バーを頭蓋骨に取り付けました。
EC3 での GCaMP6f および tdTomato 発現、または EC3 での ArchT または tdTomato 発現、および CA1 での GCaMP6f 発現を用いた実験では、pOxr1-Cre マウス 22 (n = 44) に、上記の座標を使用した同側ウイルス注射による海馬窓手術を先行させました。 注目すべきことに、pOxr1-Cre マウス系統は主に内側嗅内皮質で Cre リコンビナーゼを発現します。 ウイルス注射のために、最初に小さな(直径約 0.5 mm)開頭術を行いました。 続いて、次の混合物のいずれかを少量注入しました (すべてのウイルスは Janelia Viral Vector Core によって生成され、ウイルス力価の範囲は 1 ~ 7.5 × 1012): AAV1.Syn.GCaMP6f.WPRE.SV40 および AAVrg.Syn。 CA1 領域への Flex.ArchT–tdTomato.WPRE.SV40 (背腹: 1,350 および 1,000 μm; 深さあたり 25 nl)。 AAV1.Syn.GCaMP6f.WPRE.SV40 および AAVrg.Syn.Flex.tdTomato.WPRE.SV40 を CA1 領域 (背腹部: 1,350 および 1,000 μm; 深さあたり 25 nl)。 AAV1.Syn.Flex.GCaMP6f.WPRE.SV40 および AAV1.Syn.Flex.tdTomato.T2A.tdTomato.WPRE.SV40 を嗅内皮質 (背腹側: 2,100、1,800、および 1,500 μm; 深さあたり 50 nl) に注入しました。 すべての注入の後に、最後の注入深さより約 300 μm 上で 6 分間待機しました。 注入システムは、ミネラルオイル (Sigma) で埋め戻された引っ張りガラス ピペット (壊れて 15 ~ 20 μm (外径) に面取りされた; Drummond、Wiretrol II キャピラリー マイクロディスペンサー) で構成されていました。 適合したプランジャーをピペットに挿入し、マニピュレーター (Drummond、Nanoject II) を使用して内容物を移動させるために前進させました。 プランジャーを後退させてピペットにウイルスをロードしました。 インジェクションピペットは、Sutter MP-285 マニピュレーターを使用して配置されました。 光遺伝学の実験では、光ファイバー(コア直径 200 μm)を同側の嗅内皮質(深さ 50 ~ 100 μm)に 45 度の角度で慢性的に移植し、歯科用セメント(Calibra Dual Cure、Calibra Dual Cure、ピアソン歯科)。
リニア トラック トレッドミルは、ベルベット生地 (McMaster Carr) で作られたベルトで構成されていました。 ベルト (長さ 180 cm) は自走式で、報酬は電磁弁 (パーカー) によって制御される特注のリック ポートを介して送られました。 動物の速度は、車軸の 1 つに取り付けられたエンコーダーを使用して測定されました。 MATLAB グラフィカル ユーザー インターフェイスと接続されたマイクロプロセッサ ベース (Arduino) の動作制御システムが、バルブ、センサー、エンコーダーを制御しました。 さらに、MATLAB グラフィカル ユーザー インターフェイスと接続された別のマイクロプロセッサ (Arduino) を使用して、光遺伝学的摂動実験用のレーザー シャッターを操作し、ベルト上の動物の位置に応じて視覚刺激を制御しました。 行動データは、PCIe-6343、X シリーズ データ収集システム (National Instruments)、および Wavesurfer ソフトウェア (バージョン 0.982、Janelia) を使用して監視および記録されました。
光学窓の移植から 5 ~ 7 日後に、ホーム ケージにランニング ホイールを追加し、マウスに水分制限 (1 日あたり 1.5 ml) を与えました。 トレーニングと記録セッションの両方の後、マウスには追加の水を補給して、1 日あたり 1.5 ml の水分摂取量を保証しました。 5 ~ 6 日間動物を実験者に慣れさせた後、マウスを 3 ~ 5 日間リニア トレッドミル上で頭を固定して走るように訓練しました。 この訓練は動物の暗周期中に行われ、マウスは空白のベルト(感覚刺激なし)上で、ラップごとに異なる場所で与えられる10%スクロース溶液報酬を求めて走る訓練を受けた。
ニューロン活動を記録し、マウスが新しい環境での移動を学習する際の CA1 表現の発達を研究するために、動物を 2 つの異なる環境に曝露しました (「1 日目」)。 環境 A は、ベルトの全長を覆う 3 つの異なる視覚的および触覚的手がかり (スティックのり、ベルクロテープのパッチ、および白い点) が豊富に含まれたベルトで構成されていました 12、16、17。 報酬は単一の固定された報酬場所で配信されました。 環境 B では、ベルトには局所的な手がかりがなく、両側の視覚刺激 (両目の前に配置された青色発光ダイオード、10 Hz で 500 ミリ秒点滅) が固定報酬位置の 50 cm 前に送られました。 個々の記録セッションは 45 ~ 60 分間続き、1 日あたり 1 回の記録セッションでした。
すべての Ca2+ イメージング記録は、特注の 2 光子顕微鏡 (Janelia MIMMS 設計) を使用して暗所で実行されました。 GCaMP6f と、発現している場合は tdTomato を、Ti:sapphire レーザー (Chameleon Ultra II、Coherent) によって 920 nm (通常 40 ~ 70 mW) で励起し、Nikon 16 倍、開口数 0.8 の対物レンズを通して画像化しました。 放出光は、565 DCXR 二色性フィルター (Chroma) および 531/46 nm (GCaMP チャンネル、Semrock) または 612/69 nm (tdTomato チャンネル、Semrock) バンドパス フィルターを通過しました。 2本のGaAsP光電子増倍管(11706P-40SEL、浜松)で検出した。 画像 (512 × 512 ピクセル) は、ScanImage ソフトウェア (R2015 および R2018、Vidrio) を使用して約 30 Hz で取得されました。
CA1錐体ニューロンのCa2+イメージングでは、体細胞におけるCa2+トランジェントの存在に基づいてイメージングフィールド(サイズは280×280から380×380μmまで変化)が選択されました。 1 日に 1 つの視野を画像化しました。 可能であれば、0 日目と 1 日目に同じ視野を画像化しました (n = 14/18 匹)。
EC3 軸索 Ca2+ イメージングでは、tdTomato チャネル内の線維形態の存在と視野内の時折の Ca2+ トランジェントに基づいて、イメージング フィールド (サイズ 230 × 230 μm) が選択されました。 毎日同じ画像領域を特定する試みは行われませんでした。
局所薬理実験では、記録セッションの約 45 分前にイソフルランを使用して動物を短時間麻酔しました。 次に、撮像視野の近くで海馬窓を慎重に穿刺しました(幅約 50 ~ 100 μm の穴)。 この手順は約 5 ~ 10 分間続きました。 d-AP5 実験の場合、穴はシリコーン エラストマー (Kwik-Cast、wpi) で覆われ、動物は約 45 分間麻酔から回復しました。 次に、二光子顕微鏡下に動物を配置した後、Kwik-Cast プラグを取り外し、滅菌生理食塩水に溶解した d-AP5 (50 または 75 μM) または滅菌生理食塩水のみをカニューレに充填しました。 薬物の初期拡散を可能にするために、最初の 5 ~ 10 分間は動物が走るのを妨げられました。 d-AP5 は記録セッション全体を通じてカニューレ内に存在し続けました。 SNX-482 実験の場合、海馬の窓にも穴が開けられました。 次に、記載と同じ手順を使用して、約 50 nl の滅菌生理食塩水に溶解した SNX-482 (10 μM) または滅菌生理食塩水単独のいずれかを CA1 の遠位頂端樹状突起領域に注入しました (注入深さは海馬表面から約 320 μm です)。上記はウイルス注射についてです。 その後、穴を Kwik-Cast で覆い、動物を約 45 分間回復させました。 次に、二光子 Ca2+ イメージングを通常どおりに実行しました。 注目すべきことに、標準実験と局所薬理学を伴う実験との間で、舐めたり走ったりする行動に違いはありませんでした(拡張データ図2および3)。
EC3 活性を優先的に操作するために、シナプシン プロモーターによって駆動される loxP に隣接した ArchT25 を、loxP に隣接した ArchT-tdTomato ペイロードを運ぶ AAVrg を、Cre リコンビナーゼを主に発現する pOxr1-Cre マウス (上記参照) の CA1 領域に注射することによってウイルス発現させました。内側嗅内皮質の第 3 層ニューロン内。 同じ手術中に海馬窓が移植され、繊維を含むフェルールが嗅内皮質に挿入されました。 フェルールには、コア 200 μm、開口数 0.5 のマルチモード ファイバ (FP200ERT、Thorlabs) が含まれており、公開されている技術 51 を使用して構築されました。 ウイルス注射から約 21 日後、二光子イメージングと光遺伝学的実験を組み合わせた実験が行われました。 ArchT は、嗅内皮質に位置する光ファイバーを通じて送達される光パルス (最大持続時間 5 秒、594 nm、40 Hz、正弦波パターン、マンボ レーザー、コボルト) を使用して活性化されました。 平均レーザー出力は 5 ~ 10 mW でした (参考文献 26; 毎日、記録前に光ファイバーパッチケーブルの先端から約 0.5 cm の空気中で測定)。 対照として、蛍光タンパク質 tdTomato を pOxr1-Cre マウスでウイルス的に発現させました。 これらの対照マウスは、ArchT グループと同じように治療されました。
EC3 活性に対する ArchT 活性化の影響を確認するために、EC3 で ArchT を発現したマウスのグループ (n = 4) の嗅内皮質で LFP 記録を実行しました。 ガラス電極 (1.5 ~ 3.5 MΩ) に 0.9% 生理食塩水を満たし、マイクロマニピュレーター (Luigs & Neumann) に垂直に取り付けました。 LFP信号は、オーディオアンプ(Grass Technologies)を使用して監視され、一方、電極は、約0.5psiの圧力でゆっくりと脳内を前進させられた。 LFP 記録位置は皮質表面から約 1.7 mm でした。 この深さに達したら、圧力を取り除き、録音を開始しました。 ArchT をアクティベートしないコントロール ラップと、ArchT をアクティベートしたラップを交互に繰り返しました。 コントロールラップと軽い塗布を伴うラップの順序付けにはランダム化はありませんでした。
マウスに、リン酸緩衝生理食塩水(PBS)またはダルベッコPBSを経心的に灌流し、続いて4%パラホルムアルデヒド溶液を灌流した。 抽出された脳は 4% パラホルムアルデヒド中に一晩放置され、その後 2 回洗浄され、PBS 中に保存されました。 次に、パラホルムアルデヒドで固定した脳の厚さ 50 μm の冠状または矢状切片を作成し、Fluoromount 封入剤を使用してスライドガラスに封入しました。 すべての組織学的画像は、ZEN 3.1 ソフトウェアを備えた ZEISS Zoom.V16 顕微鏡で取得されました。 組織切片(拡張データ図 4)は、定位マウス脳アトラス 52 と ImageJ のライン プロット機能(ImageJ バージョン 2.0.0)を使用して分析されました。
CA1 錐体ニューロンの体性 Ca2+ シグナルを抽出するために、SIMA (バージョン 1.3.2)53 を使用してビデオを動き補正し、単一ニューロンを含むように関心領域 (ROI) を手動で描画し (ImageJ バージョン 2.0.0 を使用)、Ca2+ トレースを行いました。時間をかけて、SIMA (バージョン 1.3.2) を使用して再度抽出されました53。 軸索 EC3 Ca2+ シグナルを抽出するには、Suite2P (バージョン 0.6.16) パイプラインの自動動き補正および ROI 検出アルゴリズムを使用しました54。 出力は両方の記録タイプに対して手動で精選され、信号が不十分な ROI は削除されました。 この研究には、動き補正が成功したデータセットのみが含まれています。 次に、MATLAB (バージョン 2019a) で記述されたカスタム関数を使用して、CA1 および EC3 の活動のさらなる分析が実行されました。 これらには次のものが含まれます。1) Δf/f への変換。これは (F − F0)/F0 として計算されます。ここで、F0 は F のヒストグラムの最頻値です。 2) 軸索 Ca2+ データの場合、0.4 ~ 0.5 のピアソン相関係数閾値を使用したノイズ相関分析により、おそらく同じ軸索/ニューロンに由来する ROI を特定します (拡張データ図に示されている段階的な手順)。 6a–d); 単一の軸索に属する ROI からの Ca2+ シグナルが結合され、ROI がサイズ (つまりピクセル数) に従って重み付けされて、軸索あたりの平均 Ca2+ シグナルが計算されました。 3)有意なCa2+過渡現象(すなわち、ノイズの3標準偏差(すなわち、ベースラインF値)よりも大きい過渡現象)の検出。 次に、動物が走っていた(速度>2 cm s-1)記録エポックのみを使用して、各CA1錐体細胞およびEC3軸索のすべての空間位置およびラップにわたるCa2+活性マップを作成しました。 これらのアクティビティ マップは、最初にベルトの長さ (つまり、180 cm のラップ) を 50 の空間ビン (それぞれ 3.6 cm) に分割することによって生成されました。 各空間ビンについて、平均 Δf/f が計算されました。 次に、すべての Ca2+ 活性マップを 3 点ボックスカーを使用して平滑化し、表示目的で、バルブの開口部 (つまり、報酬送達部位) がいずれかの空間ビン 26 に位置するように位置合わせしました (図 1 ~ 4 および拡張図)。データ図 2、環境 A で記録されたデータ)または空間ビン 24(図 5 および 6、および拡張データ図 7、9、11、環境 B で記録されたデータ、または環境 A と環境 B を比較した場合)。 視覚刺激と報酬の位置は、すべての図で矢印または破線で示されています。 図1〜3に示されたデータを除き、記録されたすべてのラップが含まれています。 4a、b、5d、e および拡張データ図。 7b〜fおよび9c〜e(EC3軸索の確率的発火特性の分析)。ラップ1〜50のみが使用されました。
多くの CA1 ニューロンは、最初は沈黙していて、0 日目または 1 日目の記録セッション中に突然場所フィールドを獲得しました。 したがって、最初に、各 CA1 ニューロンについて、潜在的な場所フィールド開始ラップ (「誘導ラップ」) を特定しました。 場所フィールドの開始は、ニューロンの最終的な場所フィールド(ピーク平均 Δf/f の 20% を超える連続した活動を持つ場所として定義)内で有意な Ca2+ 活性(ノイズの標準偏差の 3 つを超える)を持つ空間ビンとのラップとして定義されました。ラップ X では、顕著な Ca2+ 活性を持つ空間ビンが、その後の 5 ラップのうち 2 ラップ (ラップ X + 1 からラップ X + 6) でニューロンの最終的な場所フィールドに存在します。 ニューロンごとに複数のラップがこれらの基準に適合する場合、生成された磁場が弱く、記録中のある時点で 20 ラップ以上消失しない限り、最初のラップを選択しました。 ニューロンが場所細胞とみなされるかどうかを決定するために、誘導ラップに続くラップ (つまり、ラップ X) のみが使用されました。 CA1 ニューロンが空間的に変調された場を示したかどうかは、その活動が線形トラック位置に関して提供する空間情報の量 (シャッフルされた空間情報値の >95% 信頼区間) とその信頼性 (30% 以上で有意な活動) によって定義されました。導入ラップに続くラップの数)。 各ニューロンについて、空間情報 SI は前述のように計算されました 55:
ここで、Pi は空間ビン i の占有確率、λi はビン i を占有している間の平滑化された平均アクティビティ レベル (Δf/f)、λ は全体の平均アクティビティ レベル (Δf/f) です。 この値をアクティビティの 100 シャッフルと比較しました (各シャッフルは、蛍光トレースを少なくとも 500 フレーム循環的にシフトし、蛍光トレースを 6 つのチャンクに分割し、順序を変更することによって生成されました)。 観察された情報値がシャッフルされた情報値の 95% 信頼区間を超えた場合、そのフィールドは空間的に変調されていると見なされます。 どのラップでも有意な活動を示さなかったニューロン (「サイレント ニューロン」) は、この分析には含まれませんでした。 場所フィールドの幅は、平均 Δf/f がピーク Δf/f 値の 20% を超えた、3.6 cm の連続する空間ビンの数として定量化されました。 ニューロンごとに 1 つの場所フィールドのみが分析に含まれました。
Ca2+ イメージング データ分析と同様に、走行および舐めの行動マップは、最初にベルトの長さ (つまり、180 cm のラップ) を 50 の空間ビン (それぞれ 3.6 cm) に分割することによって生成されました。 次に、各空間ビンのリック速度 (1 秒あたりのリック数、Hz) と平均速度 (cm s-1) が計算されました。
軸索を速度と有意に正または負の相関があるものとして分類するために、ピアソンの相関係数 (MATLAB 関数 corr) を、平均 Δf/f Ca2+ 活性とマウスの速度の間で計算しました (1 周あたり 50 の空間ビンのマップを使用しました)。
すべての計算モデリングは IGOR 8.04 で実行されました。 拡張データ図 7g の行列に示されている遷移確率を使用して、持続時間 510 秒の合計 2,000 の 2 状態マルコフ連鎖が生成され、0.1 秒 (5,100 回) のタイム ステップで持続時間 10 秒ごとに 50 周をシミュレートしました。合計ステップ数)。 これらのチェーンのそれぞれは、状態 0 が非アクティブで状態 1 がアクティブである、単一の EC3 ニューロンの持続的な発火活動をシミュレートしました。 マルコフ連鎖は、各タイム ステップで 1 ~ 1,000 の間の一様分布から数値をランダムにサンプリングすることによって生成されました。 各タイム ステップで、サンプリングされた数が (P01 · 100) 以下の場合、チェーンは非アクティブからアクティブに遷移します。 同様に、ランダムにサンプリングされた数値が (P10 · 100) 以下の場合、チェーンはアクティブから非アクティブに遷移します。 これにより、遷移確率から予想されるように、平均値 (τon と τoff) で指数関数的に分布したアクティブ時間と非アクティブ時間が生成されました (拡張データ図 7j)。 たとえば、1 つのタイム ステップ (Δt) 中にチェーンが非アクティブからアクティブに遷移する確率は P = P01 · Δt であり、平均非アクティブ時間は τinactive = Δt/P または 1/P01 になります (参考文献 56)。 チェーンの 50 の 100 タイムステップ セクションのそれぞれが平均化され、3 ポイント ボックスカーで平滑化されました。 適切な初期化を可能にするために、各チェーンの最初の 100 ポイントは使用されませんでした。 活動対位置のプロットでは、各空間ビンの平均活動が動物の実際の平均走行速度を使用して計算されました。
静的または均一な遷移確率を使用するこの一連のチェーンに加えて、他の 2 つの条件も使用しました。 これらの条件で、私たちは 2 つのチェーンの集団の存在をシミュレートしようとしていました。1 つは遷移確率に変化がない純粋に均質な集団で、もう 1 つは環境の影響を受けやすい遷移確率を持つ 2 つ目の集団です。 操作を指示するために 2 つの EC3 データを使用しました。 1 つ目は細胞間相関の中央値で、2 つ目はピーク活動の空間分布でした (拡張データ図 7 ~ 9)。 したがって、環境 A で使用される均一なトラックの場合、ラップ全体にわたって均一にチェーンの同じ割合で遷移確率を変更しました (拡張データ図 8a)。 これらの条件では、100 の各タイム ステップで、14 チェーンの合計 1,400 チェーンで、P01 が 1 秒間 (10 タイム ステップ) 0.04 から 0.20 に段階的に増加し、アクティベーション遷移確率が調整されました。 残りの 600 チェーンでは、P01 は変化しませんでした (均一条件)。 不均一な環境をシミュレートするために、明るい位置の周囲でピーク活性を持つ鎖の最終部分が約3倍増加するように、約40 cmのP01が増加した鎖の数を操作することを選択しました(拡張データ図9g)。 これを行うために、拡張データ図 9 の密度プロットに従って、約 40 cm の P01 が増加したチェーンの数が増加したことを除いて、上記と同様の手順を使用しました。光刺激の周囲の追加のチェーンは、変調されていないプールから取得されました。 、合計 150 チェーンに減少しました。 これだけでも細胞間相関の中央値は増加しましたが、データで観察された相関の中央値の上昇に近づくために、すべてのチェーンの活性化遷移確率をわずかに増加させることも必要でした(P01 を 1 秒間 0.04 から 0.28 にステップさせました)。 奇数周と偶数周の相関関係を比較するために、実験条件をより正確にシミュレートするために、わずか 1,000 チェーンの母集団が使用されました (ただし、比率はすべて同じ)。 空間選択性と奇偶相関の不均一な分布を生成するために、適切な位置の周囲の約 100 チェーンについて P01 を約 3 倍に増加しました (拡張データ図 8 および 9 を参照)。
これらのチェーンは、シナプス後CA1ニューロンの集団における空間プラトー確率プロファイルを予測するために使用されました(拡張データ図8i-k)。 これを行うために、2,000 のチェーンから 100 をランダムに選択し、それらを合計しました (これは総「入力」母集団の 5% に相当します)。 2,000 を選択したのは、これが CA1 錐体ニューロン上のラクノサム分子シナプスの数にほぼ一致し、アクティブな入力の 5% が妥当な割合であると思われるためです。 この数値を 2.5 ~ 10% の間で変更しましたが、結果は 5 ~ 10% の間で一貫していることがわかりました。 次に、フィードフォワード抑制を、適切な割合でスケーリングした (つまり、0.05 を乗算した) 2,000 鎖すべての合計として単純にシミュレートし、この波形を 100 個の「興奮性 EC3 入力」の合計から減算しました。 この手順を 10,000 回繰り返して、大規模な CA1 ニューロン集団におけるシナプス後統合を模倣しました。 最後に、セッション中に新しい場所フィールドを生成するために、CA1 集団全体の観察された割合に基づいてしきい値が設定されました (20 ~ 25%)。 閾値を越えた「CA1 ニューロン」の割合 (プラトー開始確率の代用) は、実際の走行速度プロファイルを使用して、30 の空間ビン内の閾値を越えた総数を「ニューロン」の総数 (10,000) で割ったものとして計算されました。動物の一定速度プロファイルまたは 18 cm s-1 の一定速度プロファイルを使用して、各ビン内の滞留時間を決定します。
各実験グループの正確なサンプル サイズ (n) は、図の凡例または本文に示されています。 サンプルサイズを事前に決定するために統計的手法は使用されていませんが、サンプルサイズは、同様の行動タスクを使用した以前の出版物5、6、28、57で報告されたものと同様であり、画像化できる活動的なニューロンまたは軸索の予想数によって導かれています。目覚めて行動しているマウスの二光子顕微鏡。 場合によっては、データ分布が正規であると仮定されているが正式にテストされていない場合、テキストまたは図の凡例に記載されているように、両側の対応のある t 検定または対応のない t 検定を使用してデータが分析されました。 示されている場合、ピアソンの相関係数は MATLAB の関数 corr を使用して計算されました。 corr 関数は、相関関係の変換にスチューデントの t 分布を使用して、ピアソン相関の P 値を計算しました。 同腹マウスを実験グループにランダムに割り当てることにより、実験をランダム化した。 データ分析は実験条件を知らずに実行されたのではなく、試験条件や実験グループを考慮せずに自動的に分析されました。 図のキャプションに別段の記載がない限り、データは平均値 ± 標準誤差として表示されます。
研究デザインの詳細については、この記事にリンクされている Nature Research レポートの概要をご覧ください。
この研究の結果を裏付けるデータは、要求に応じて責任著者から入手できます。 ソースデータはこのペーパーに付属しています。
この研究の結果をサポートするコードは、GitHub リポジトリ (https://doi.org/10.5281/zenodo.6998795) から入手できます。
この論文の訂正が公開されました: https://doi.org/10.1038/s41586-022-05552-w
アボット、LF & ネルソン、SB シナプス可塑性: 獣を飼いならす。 ナット。 神経科学。 3、1178–1183 (2000)。
論文 CAS PubMed Google Scholar
Martin、SJ、Grimwood、PD、Morris、RG シナプス可塑性と記憶: 仮説の評価。 アンヌ。 神経科学牧師。 23、649–711 (2000)。
論文 CAS PubMed Google Scholar
Dupret, D.、O'Neill, J.、Pleydell-Bouverie, B.、Csicsvari, J. 海馬マップの再構成と再活性化は、空間記憶のパフォーマンスを予測します。 ナット。 神経科学。 13、995–1002 (2010)。
論文 CAS PubMed PubMed Central Google Scholar
Hollup, SA、Molden, S.、Donnett, JG、Moser, MB & Moser, EI 環状水迷路課題におけるゴール位置における海馬の場所の蓄積。 J. Neurosci. 21、1635–1644 (2001)。
論文 CAS PubMed PubMed Central Google Scholar
トゥーリ、GF 他。 海馬の血管作動性腸管ポリペプチド発現介在ニューロンは、目標指向の空間学習をサポートします。 ニューロン 101、1150–1165 (2019)。
論文 CAS PubMed PubMed Central Google Scholar
ザレンバ、JD et al. 22q11.2欠失マウスモデルにおける海馬細胞動態の障害。 ナット。 神経科学。 20、1612–1623 (2017)。
論文 CAS PubMed PubMed Central Google Scholar
Magee, JC & Grienberger, C. シナプス可塑性の形成と機能。 アンヌ。 神経科学牧師。 43、95–117 (2020)。
論文 CAS PubMed Google Scholar
Caporale, N. & Dan, Y. スパイクのタイミング依存の可塑性: ヘビアン学習規則。 アンヌ。 神経科学牧師。 31、25–46 (2008)。
論文 CAS PubMed Google Scholar
Mehta, MR、Quirk, MC & Wilson, MA 海馬の受容野の経験依存の非対称形状。 ニューロン 25、707–715 (2000)。
論文 CAS PubMed Google Scholar
Moore、JJ、Cushman、JD、Acharya、L.、Popeney、B.、Mehta、MR 海馬の多重チューニング、ヘビアン可塑性、およびナビゲーションをリンクします。 ネイチャー 599、442–448 (2021)。
論文 ADS CAS PubMed Google Scholar
ダナ、H. et al. in vivo でのニューロン集団イメージング用の Thy1-GCaMP6 トランスジェニック マウス。 PLoS ONE 9、e108697 (2014)。
論文 ADS PubMed PubMed Central Google Scholar
Bittner, KC、Milstein, AD、Grienberger, C.、Romani, S. & Magee, JC 行動時間スケールのシナプス可塑性は、CA1 場所フィールドの基礎となります。 サイエンス 357、1033–1036 (2017)。
論文 ADS CAS PubMed PubMed Central Google Scholar
ミルシュタイン、AD et al. 双方向のシナプス可塑性により、海馬の表現が急速に変化します。 Elife 10、e73046 (2021)。
論文 CAS PubMed PubMed Central Google Scholar
高橋 H. & マギー JC CA1 錐体ニューロンの樹状突起領域における経路相互作用とシナプス可塑性。 ニューロン 62、102–111 (2009)。
論文 CAS PubMed Google Scholar
Grienberger, C.、Chen, X.、Konnerth, A. インビボでの海馬のバースト発火には NMDA 受容体依存性の多樹状突起 Ca2+ スパイクが必要。 ニューロン 81、1274–1281 (2014)。
論文 CAS PubMed Google Scholar
ビットナー、KC et al. 結合入力処理は、海馬 CA1 ニューロンの特徴選択性を促進します。 ナット。 神経科学。 18、1133–1142 (2015)。
論文 CAS PubMed PubMed Central Google Scholar
Grienberger, C.、Milstein, AD、Bittner, KC、Romani, S. & Magee, JC 不均一に調整された興奮の抑制抑制は、CA1 場所細胞の空間コーディングを強化します。 ナット。 神経科学。 20、417–426 (2017)。
論文 CAS PubMed Google Scholar
Zhao, X.、Wang, Y.、Spruston, N. & Magee, JC 海馬における状況依存の感覚反応の基礎となる膜電位ダイナミクス。 ナット。 神経科学。 23、881–891 (2020)。
論文 CAS PubMed Google Scholar
Priestley, JB、Bowler, JC、Rolotti, SV、Fusi, S. & Losonczy, A. 新規体験中の海馬 CA1 表現における急速な可塑性の兆候。 ニューロン 110、1978 ~ 1992 年 (2022)。
論文 CAS PubMed Google Scholar
Megias, M.、Emri, Z.、Freund, TF & Gulyas, AI 海馬 CA1 錐体細胞上の抑制性シナプスと興奮性シナプスの総数と分布。 神経科学 102、527–540 (2001)。
論文 CAS PubMed Google Scholar
Steward, O. & Scoville, SA ラットの海馬および歯状筋膜への嗅内皮質求心性神経の起源の細胞。 J.コンプ。 ニューロール。 169、347–370 (1976)。
論文 CAS PubMed Google Scholar
Suh、J.、Rivest、AJ、中柴、T.、富永、T.、利根川、S. 海馬への嗅内皮質層 III の入力は、時間連合記憶にとって重要です。 サイエンス 334、1415–1420 (2011)。
論文 ADS CAS PubMed Google Scholar
Bittner, KC、Andrasfalvy, BK & Magee, JC CA1 錐体ニューロンの頂端房領域におけるイオン チャネル勾配。 PLoS ONE 7、e46652 (2012)。
論文 ADS CAS PubMed PubMed Central Google Scholar
Tervo、DG et al. デザイナーの AAV バリアントにより、投影ニューロンへの効率的な逆行アクセスが可能になります。 ニューロン 92、372–382 (2016)。
論文 CAS PubMed PubMed Central Google Scholar
チョウ・ビーら。 光駆動プロトンポンプによる、遺伝的に標的にできる高性能の光神経サイレンシング。 ネイチャー 463、98–102 (2010)。
論文 ADS CAS PubMed PubMed Central Google Scholar
リー、N.ら。 皮質回路における光遺伝学的不活化に対する時空間的制約。 Elife 8、e48622 (2019)。
論文 CAS PubMed PubMed Central Google Scholar
キャンベル、MG et al. ナビゲーションのための嗅内皮質コードにおけるランドマークと自己運動の合図の統合を支配する原則。 ナット。 神経科学。 21、1096–1106 (2018)。
論文 CAS PubMed PubMed Central Google Scholar
Cholvin, T.、Hainmueller, T. & Bartos, M. 海馬は、動的な嗅内入力を安定した空間マップに変換します。 ニューロン 109、3135–3148 (2021)。
論文 CAS PubMed PubMed Central Google Scholar
Hardcastle, K.、Maheswaranathan, N.、Ganguli, S. & Giocomo, LM 内側嗅内皮質におけるナビゲーションのための多重化された異種の適応コード。 ニューロン 94、375–387 (2017)。
論文 CAS PubMed PubMed Central Google Scholar
Tang, Q. et al. ラット内側嗅内皮質の第 3 層ニューロンの解剖学的組織と時空間発火パターン。 J. Neurosci. 35、12346–12354 (2015)。
論文 CAS PubMed PubMed Central Google Scholar
Egorov、AV、Hamam、BN、Fransen、E.、Hassellmo、ME、Alonso、AA 嗅内皮質ニューロンにおける段階的な持続的活動。 Nature 420、173–178 (2002)。
論文 ADS CAS PubMed Google Scholar
Hahn, TT、McFarland, JM、Berberich, S.、Sakmann, B. & Mehta, MR 嗅内皮質における自発的な持続的な活動は、生体内での皮質 - 海馬の相互作用を調節します。 ナット。 神経科学。 15、1531–1538 (2012)。
論文 CAS PubMed Google Scholar
Tahvildari, B.、Fransen, E.、Alonso, AA & Hasselmo, ME 側方嗅内層 III ニューロンにおける持続的な活動の「オン」と「オフ」状態の切り替え。 海馬 17、257–263 (2007)。
論文 PubMed Google Scholar
Boccara, CN、Nardin, M.、Stella, F.、O'Neill, J. & Csicsvari, J. 嗅内認知マップは目標に引き寄せられます。 サイエンス 363、1443–1447 (2019)。
論文 ADS CAS PubMed Google Scholar
バトラー、WN、ハードキャッスル、K. & ジョコモ、LM 記憶された報酬の場所は嗅内空間マップを再構築します。 サイエンス 363、1447–1452 (2019)。
論文 ADS CAS PubMed PubMed Central Google Scholar
Diehl、GW、Hon、OJ、Leutgeb、S. & Leutgeb、JK 内側嗅内皮質のグリッド細胞と非グリッド細胞は、相補的なコード化スキームを使用して空間位置と環境の特徴を表します。 ニューロン 94、83–92 (2017)。
論文 CAS PubMed PubMed Central Google Scholar
Enikolopov, AG、Abbott, LF & Sawtell, NB 内部的に生成された予測により、電気魚の感覚刺激の神経的および行動的検出が強化されます。 ニューロン 99、135–146 (2018)。
論文 CAS PubMed PubMed Central Google Scholar
Sacramento, J.、Ponte Costa, R.、Bengio, Y. & Senn, W. 樹状皮質微小回路は逆伝播アルゴリズムに近似します。 アドバンスで神経情報プロセス。 システム。 31 (Bengio, S. 他編) (NeurIPS、2018)。
Royer, S. et al. 樹状突起および体細胞阻害による海馬細胞のタイミング、速度、バーストの制御。 ナット。 神経科学。 15、769–775 (2012)。
論文 CAS PubMed PubMed Central Google Scholar
Kaufman, AM、Geiller, T. & Losonczy, A. 空間報酬学習中の海馬 CA1 場所細胞再編成における青斑核の役割。 ニューロン 105、1018–1026 (2020)。
論文 CAS PubMed PubMed Central Google Scholar
Williams, SR & Fletcher, LN 新皮質出力ニューロンのコリン作動性制御のための樹状基質。 ニューロン 101、486–499 (2019)。
論文 CAS PubMed Google Scholar
Bloss, EB et al. 単一の興奮性軸索は、CA1 錐体細胞樹状突起上にクラスター化されたシナプスを形成します。 ナット。 神経科学。 21、353–363 (2018)。
論文 CAS PubMed Google Scholar
ラバーレラ、C. et al. アドレナリン作動性調節は、生体内で第 5 層錐体ニューロンの樹状突起の興奮性を調節します。 Cell Rep. 23、1034–1044 (2018)。
論文 CAS PubMed Google Scholar
ロロッティ、SV 他局所フィードバック阻害は、海馬の場所場の急速な形成を厳密に制御します。 ニューロン 110、783–794 (2021)。
記事 Google Scholar
ディアマンタキ、M.ら。 自由に動くマウスの単一細胞刺激による海馬場所の細胞活動の操作。 Cell Rep. 23、32–38 (2018)。
論文 CAS PubMed Google Scholar
Zhao, X.、Hsu, CL & Spruston, N. 急速なシナプス可塑性は、海馬における位置と選択関連情報の学習された結合コードに寄与します。 ニューロン 110、96–108 (2022)。
論文 CAS PubMed Google Scholar
Bengio, Y. 近似逆関数の反復から差分ターゲット伝播を導出。 プレプリントは https://arxiv.org/abs/2007.15139 (2020) にあります。
Lillicrap, TP、Santoro, A.、Marris, L.、Akerman, CJ & Hinton, G. バックプロパゲーションと脳。 ナット。 神経科学牧師。 21、335–346 (2020)。
論文 CAS PubMed Google Scholar
Kostadinov, D.、Beau, M.、Blanco-Pozo, M. & Hausser, M. 小脳プルキンエ細胞への登攀線維入力によって伝達される予測的および反応的報酬信号。 ナット。 神経科学。 22、950–962 (2019)。
論文 CAS PubMed PubMed Central Google Scholar
Raymond, JL & Medina, JF 小脳における教師あり学習の計算原理。 アンヌ。 神経科学牧師。 41、233–253 (2018)。
論文 CAS PubMed PubMed Central Google Scholar
スパルタ、DR 他神経回路の長期光遺伝学的操作のための埋め込み型光ファイバーの構築。 ナット。 プロトック。 7、12–23 (2011)。
論文 PubMed PubMed Central Google Scholar
Paxinos, G. & Franklin、KB Paxinos と Franklin の定位座標におけるマウスの脳 (Academic、2019)。
Kaifosh, P.、Zaremba, JD、Danielson, NB & Losonczy, A. SIMA: 動的蛍光イメージング データ分析用の Python ソフトウェア。 フロント。 ニューロインフォーム。 8、80 (2014)。
論文 PubMed PubMed Central Google Scholar
パチタリウ、M.ら。 Suite2p: 標準的な二光子顕微鏡法で 10,000 個を超えるニューロン。 bioRxiv https://doi.org/10.1101/061507 でプレプリント (2017)。
JL ゴティエ & DW タンク 海馬における報酬コーディングの専門集団。 ニューロン 99、179–193 (2018)。
論文 CAS PubMed PubMed Central Google Scholar
Colquhoun, D. & Hawkes, AG、微小電極技術: プリマスワークショップハンドブック (オグデン, D.編) 141–188 (The Company of Biologists, 1994)。
ダニエルソン、NB 他。 海馬野CA1における空間ナビゲーションと学習中のサブレイヤー固有のコーディングダイナミクス。 ニューロン 91、652–665 (2016)。
論文 CAS PubMed PubMed Central Google Scholar
リファレンスをダウンロードする
技術支援をしていただいた R. Chitwood に感謝します。 有益な議論をしていただいた R. Chitwood、S. Romani、N. Spruston に感謝します。 この研究は、ハワード ヒューズ医学研究所とカレン財団によって支援されました。
クリスティーン・グリエンバーガー
現在の住所: ブランダイス大学生物学部およびヴォレン国立複雑系センター、米国マサチューセッツ州ウォルサム
米国テキサス州ヒューストン、ベイラー医科大学ハワード・ヒューズ医学研究所
クリスティーン・グリエンバーガー & ジェフリー・C・マギー
PubMed Google Scholar でこの著者を検索することもできます
PubMed Google Scholar でこの著者を検索することもできます
CGとJCMが研究をデザインしました。 CG は生体内記録を実行しました。 CGとJCMは実験データを解析した。 JCM は計算モデルを設計および実装しました。 CGとJCMが原稿を書きました。
ジェフリー・C・マギーへの通信。
著者らは競合する利害関係を宣言していません。
Nature は、この研究の査読に貢献してくれた Kei Igarashi と他の匿名の査読者に感謝します。 査読者レポートが利用可能です。
発行者注記 Springer Nature は、発行された地図および所属機関の管轄権の主張に関して中立を保っています。
0 日目と 1 日目の CA1 場所セル表現の 33% (左) と 90% (右) を構築するのに必要な周回数を示します (33%: n = 14; 両側対応 t 検定、0 日目)対 1 日目、p = 3.34E-4; 90%: n = 14; 両側対応 t 検定、0 日目 vs 1 日目、p = 2.61E-4。白丸は個々の動物を示し、黒丸は個々の動物を示します。データは平均 +/- SEM として示されています。
ソースデータ
a-e、環境 A における滅菌生理食塩水 0.9% の浴適用 (黒、n = 5 動物) と注射 (赤、n = 5 動物) の比較。 a、左: 空間的に調節された CA1 細胞の画分 (2-対応のない尾部 t 検定、バス vs 注射、p = 0.628)。 右: 動物あたりの平均場所細胞空間情報量 (対応のない両側 t 検定、バス vs 注射、p = 0.08)。 b、場所フィールドのピーク位置の関数としての CA1 場所セルの割合。 トラックは 18 cm の 10 個の空間ビンに分割されます。 c、左。 入浴塗布および滅菌生理食塩水の注入の平均なめ率は 0.9%。 右: 報酬ゾーンの外側 (報酬の 14 cm 前から 36 cm 後まで) の平均なめ数を合計なめ数で割ったもの (対応のない両側 t 検定、バス vs 注射、p = 0.467)。 d、左: 浴適用および滅菌生理食塩水 0.9% の注入の平均実行プロファイル。 右: 報酬ゾーン内の最小速度を報酬ゾーン外の平均速度で割ったもの (対応のない両側 t 検定、バス vs 注射、p = 0.768)。 e、浴適用および滅菌生理食塩水0.9%の注入におけるCA1場所細胞の出現の時間経過。 パネル a、c、d では、白丸は個々の動物を示し、黒丸は平均値を示します。 f-j、環境 A における対照条件 (黒、生理食塩水なし、n = 18 匹) と浴塗布および注射による滅菌生理食塩水 0.9% 塗布 (赤、n = 10 匹) を比較するための a-e と同じ。黒い破線。報酬の場所を示します。 データは平均 +/- SEM として示されています。
ソースデータ
ab、NMDA受容体アンタゴニスト、D-AP5(50または75μM)の効果。 黒: 対照 (n = 10 匹)。 赤: D-AP5 (n = 8 匹)。 あ、左。 ご褒美ゾーンの外側(ご褒美前 14 cm から後 36 cm まで)の平均なめ数を合計なめ数で割ったもの。 右: 報酬ゾーン内の平均速度を報酬ゾーン外の平均速度で割ったもの。 白丸は個々の動物を示し、黒丸は平均値を示します。 b、記録された CA1 Ca2+ イベント振幅の分布。 cd、Ca2+チャネルアンタゴニスト、SNX−482(10μM)の効果。 黒: 対照 (n = 10 匹)。 赤: SNX-482 (n = 7 匹)。 パネルはabと同じ。 対応のない両側 t 検定が使用され、データは平均 +/- SEM として示されています。
ソースデータ
a、AAVrg (逆行性).syn.FLEX.ArchT.tdTomato と AAV2/1.syn.GCaMP6f 注射を背側 CA1 (dCA1) に同時注射する最初の実験戦略。 b、1頭の動物の矢状スライス(厚さ50μm)の代表的な画像。 嗅内皮質 (上段)、dCA1 (中段)、および dCA1 の拡大図 (下段) を示します。 左の列: 青チャンネル/DAPI。 中央の列: 緑のチャンネル/GCaMP6f。 右列: 赤チャンネル/tdTomato。 cd、AAV2/1.syn.FLEX.GCaMP6fとAAV2/1.syn.FLEX.tdTomatoを嗅内皮質に同時注入する2番目の実験戦略のabと同じ。 パネル a および c のマウス脳切片は参考文献の許可を得て転載しています。 52. e、第 3 層嗅内皮質 (背側から腹側、正中線から 3.2 mm 側方) および背側 CA1 のラクノサム分子層 (近位から遠位まで、正中線から 2 mm 側方) で測定された生の tdTomato 蛍光値。それぞれ9匹のpOxr1-Creマウスで。 黒: AAV2/1.syn.FLEX.GCaMP6f および AAV2/1.syn.FLEX.tdTomato を嗅内皮質に注入します。 赤: AAVrg (retrograde).syn.FLEX.ArchT.tdTomato および AAV2/1.syn.GCaMP6f を dCA1 に変換します。 ImageJ (バージョン 2.0.0) のライン プロファイル関数を使用して取得された値から計算された平均 +/- SEM が示されています。
ソースデータ
a、層3のArchT発現による光遺伝学的摂動なし(黒)またはあり(赤)の嗅内皮質LFP(4匹の動物からn = 6セッション)。 上。 同じ動物で記録された生の LFP シグナル。 下:パワースペクトル密度分析(細線:個々のセッション、太線:平均)およびシータ対ガンマ比(両側t検定、p = 0.0139)。 b-e、基本的な CA1 場所細胞の特徴と行動は、tdTomato コントロール (黒、n = 6) と ArchT (赤、n = 8) 動物で区別できません。 b、左:空間的に変調されているCA1細胞の割合(対応のない両側t検定、p = 0.886)。 右: 動物あたりの平均場所細胞空間情報量 (対応のない両側 t 検定、p = 0.627)。 c、記録された CA1 Ca2+ イベント振幅の分布。 d、tdTomatoコントロールおよびArchT動物のCA1場所細胞の出現の時間経過。 e、左:報酬ゾーンの外側(報酬の14cm前から36cmまで)の平均なめ数を合計なめ数で割ったもの(対応のない両側t検定、p = 0.603)。 右: 報酬ゾーン内の平均速度を報酬ゾーン外の平均速度で割ったもの (対応のない両側 t 検定、p = 0.697)。 パネル a、b、および e では、白丸は個々の動物を示し、黒丸は平均値を示します。 データは平均 +/- SEM として示されています。
ソースデータ
a〜c、同じ軸索に属する ROI を識別するための分析パイプライン。 左。 1 匹の動物の EC3 軸索における GCaMP6f の発現を示す代表的な単一平面、二光子の時間平均画像。 右。 a の画像で Suite2p によって特定されたすべての軸索関心領域 (ROI)。 色はランダムに割り当てられます。 b、この動物で特定されたすべての軸索 ROI のノイズ相関行列 (n = 369)。 ROI は、相関性の高い ROI がクラスター化されるように並べ替えられます。 c、この動物のすべての ROI ペアのノイズ相関係数分布を示すヒストグラム。 挿入図は、2 番目の別個のヒストグラム ピークの拡大図を示しています (赤い線は、この 2 番目のピークのガウス フィットを示しています)。 ノイズ相関係数値 > 0.5 を持つすべての ROI は同じ軸索に属すると想定され、その後単一の複合 ROI に結合されました。 d、3 つの軸索の例。 左: 単一の軸索に属すると想定される個々の ROI を示す白い領域。 右。 これらの ROI (数字は左側のマスクに対応) と結果として得られる単一軸索 (平均) の正規化された Δf/f トレース。 ギャップは、Ca2+シグナルが記録されなかった時期を表す(例えば、動物が静止していたため)。 e-i、z 運動の制御としての EC3 軸索における GCaMP6f と tdTomato の同時イメージング。 e、1匹の動物のEC3軸索におけるGCaMP6f(緑色のチャネル)およびtdTomato(赤色のチャネル)の発現を示す代表的な単一平面、二光子の時間平均画像。 f、色付きの領域は、ノイズ相関分析によって特定された、eに示す画像内の3つの個別の軸索を示しています。 g、左。 3 つの軸索の生の蛍光トレース (黒: GCaMP6f、赤: tdTomato)。 灰色のトレースは、軸索に属するすべての ROI を 500 フレームにわたって x 次元で 4 ピクセル (px) シフトすることによって取得されます。 下部の位置信号は、さまざまな走行速度のエポックを示します。 動物の速度に関係なく、tdTomato 信号は安定したままです。 右: 軸索 ROI がシフトされた 500 フレーム期間の生の F 値ヒストグラム。 h、軸索あたりのイベント数(正規化)(14匹の動物からn = 1415軸索)。 白丸は個々の動物を示し、黒丸は平均値(対応のある両側 t 検定、p = 0)を示します。 i、記録された生の tdTomato 蛍光値と、ROI が x 次元で人工的に 4 ピクセルだけシフトされた場合の蛍光値との差。 差は実際の値の分数として表示されます。 白い点は中央値を示し、黒い線は分布の平均値を示します。 4 ピクセルのシフト (約 2 μm) は、tdTomato 蛍光に検出可能な (約 10%) 変化を引き起こしたと考えられます。 他に指示がない限り、データは平均値 +/- SEM として表示されます。
ソースデータ
a-f、環境 A で記録された EC3 軸索活動の特性評価。 a、環境 (env) A で記録されたすべての嗅内皮質層 3 (EC3) 軸索の空間全体にわたるピーク正規化平均 Δf/f (n = 792 軸索) 7匹)。 EC3 軸索は、活動のピーク位置に従って順序付けされます。 b、左: 奇数周と偶数周から作成された平均の軸索活動ピーク位置を示す散布図。 統一ラインは赤色で示されます。 右: 統一ライン上に位置する、相関性の高い軸索のピーク活動位置のヒストグラム。 c、bのデータからの軸索-軸索比較のピアソン相関係数の分布。 d、環境 A で記録された 5% の最も選択的な軸索の空間全体にわたるピーク正規化平均 Δf/f。奇数ラップと偶数ラップのカラーマップが個別に示されています。 EC3 軸索は、奇数周における活動のピーク位置に従って順序付けされます。 ef、パネル b ~ c と同じですが、最も選択的な 5% の軸索のみが含まれています。 g-o、EC3 軸索活動のマルコフ連鎖モデル。 g、個々の EC3 軸索活動は、マトリックスに示されている塩基遷移確率を持つ 2 状態マルコフ連鎖としてモデル化されました。 合計 2,000 の各チェーンは、1 周の持続時間が 10 秒で、50 周にわたって 0 (非アクティブ) から 1 (アクティブ) への遷移として生成されました。 h、アクティブ (オン) 時間と非アクティブ (オフ) 時間を計算するために使用される遷移を示す代表的なチェーン。 i、4 つの異なるチェーンの 50 周 (各 10 秒) のアクティビティ ヒート マップ。 左から右へ、高い正の速度相関を示すチェーン、高い負の速度相関を示すチェーン、無相関を示すチェーン、および強い選択性を示すチェーン (平均トレースの最大振幅/平均振幅。平均トレースを以下に示します。 j、アクティビティ時間は指数関数的に分布しています)実際の EC3 単一軸索 (左のプロット、黒、イベント数が最も多い 20 個の軸索) およびモデル チェーンの母集団 (右のプロット、赤、すべてのチェーン) k、静的な (変調されていない) 遷移確率を持つチェーン。左から右へ: 空間にプロットされた 2000 チェーンの母集団からの 50 ラップのピークスケール平均チェーン アクティビティのヒート マップ。1000 チェーンのサブセットの最初の 25 ラップの平均アクティビティ。同じチェーンの最後の 25 ラップの平均アクティビティ。l、左:最初の 25 周と最後の 25 周の平均アクティビティのピーク位置のプロット 右: 相関の高いチェーンの密度 (周 1 ~ 25 および 26 ~ 50 でピーク位置が 10 cm 以内にあったチェーン) m、ピアソン相関の分布l のデータからのチェーン間比較の係数。 n ~ o、パネル k ~ l と同じですが、最も選択的な 5% の鎖のみが含まれます。 p、EC3軸索の母集団(黒)および非変調モデルデータ(赤)の活動速度相関係数(左)および選択性指数(右)の分布。 中央値がリストされます。
ソースデータ
a、遷移確率とチェーン密度。P0,1 は、ラップ上で反復的に移動する 1 秒ステップによって 1400 チェーンで変調されました。 左。 チューニングなしのモデリングを追加しました。 右。 チューニングを加えたモデリング。 b、空間上にプロットされた 2000 チェーンの母集団からの 50 周分のピーク正規化平均チェーン アクティビティ。 c. 1000 のモデル化されたチェーンの空間全体にわたるピーク正規化アクティビティ。 奇数周と偶数周のカラープロットが個別に表示されます。 チェーンは、奇数周中のピーク位置に従って順序付けされます。 d、奇数ラップと偶数ラップから作成された平均のチェーンアクティビティのピーク位置を示す散布図。 e、すべてのチェーンのピークアクティビティのヒストグラム。 f、相関性の高いチェーンのピークアクティビティ位置のヒストグラム。 偶数の試行におけるピークの位置は、奇数の試行から 10 cm 以内でした。 g、チェーン間比較のピアソン相関係数の分布。 h、ピーク活動位置の関数としての空間選択性 (最大/平均) およびチェーンチェーン相関 (奇数ラップと偶数ラップ)。 i、シナプス後ニューロンへの影響のモデル。 100 (5%) の 50 ラップ チェーンが合計 2,000 からランダムにサンプリングされ、10,000 個の CA1 樹状突起の母集団におけるシナプス後合計をシミュレートするために 10,000 回個別に合計されます。 さらに、フィードフォワード阻害を模倣するために、2000 件すべてからの平均活性 (適切にスケール: 0.05 倍) を各合計チェーンから差し引いた。 j. 5 つの代表的なシナプス後ニューロン (100 個の合計チェーン) の活動が 25 回連続して表示されます。 抑制痕跡 (緑色)。 シナプス後ニューロンの 20 ~ 25% が交差するように設定された閾値は、破線で区切られています。 以下は、実際のデータからのマウスの位置です (黒い丸は、しきい値を超える空間内の位置を示します)。 k、環境 A をシミュレートしたプロット。上から下に、空間内の実際の走行速度プロファイル (黒) と一定の走行速度をシミュレートしたトレース (灰色の破線) を示します。 トラック上の位置に対する、非変調条件、調整を追加していない変調条件、および調整を追加した変調条件の閾値交差を伴うシナプス後ニューロンの割合。 他に示されていない場合、データは平均値 +/- SEM として表示されます。
ソースデータ
a.環境(環境)BにおけるEC3軸索発火の特徴付け。a、環境BにおけるEC3軸索(n=808、n=8動物)の空間にわたる正規化平均Δf/f。EC3軸索は、それらのピーク活性位置に従って順序付けされる。 b、ピーク活動位置の関数としてのEC3軸索の割合(環境A:n = 7、黒;環境B:n = 8、赤;カイ二乗検定、df = 49、p = 3.79E-36)。 トラックは、それぞれ 3.6 cm の 50 の空間ビンに分割されます。 c、環境 B の偶数ラップと奇数ラップからの平均活動のピーク位置のプロット。 d、統一線上に位置する、相関の高い軸索のピーク活動位置のヒストグラム。 e、cのデータからの軸索-軸索比較のピアソン相関係数の分布。 f、ピーク活動位置の関数としての空間選択性(最大/平均)および軸索-軸索相関(奇数周対偶数周回)。 プラス記号は、n = 808 データ ポイントの 1000 回のシャッフルから生成された 95% CI の範囲外にある値を示します。 gn、環境 B における EC3 軸索活動のモデリング。g、遷移確率と鎖密度。P0,1 は、ラップ上で反復的に移動する 1 秒ステップによって 1400 鎖で変調されました。 左。 チューニングなしのモデリングを追加しました。 右。 チューニングを加えたモデリング。 h、空間内にプロットされた 2000 チェーンの母集団からの 50 周分の正規化された平均チェーン アクティビティのヒート マップ。 i、1000 個のモデル化されたチェーンの空間全体にわたるピーク正規化アクティビティ。 奇数周と偶数周のカラープロットが個別に表示されます。 チェーンは、奇数周中のピーク位置に従って順序付けされます。 j、奇数ラップと偶数ラップから作成された平均のチェーンアクティビティのピーク位置を示す散布図。 k、すべてのチェーンのピークアクティビティのヒストグラム。 l、相関の高いチェーンのピークアクティビティ位置のヒストグラム。 偶数の試行におけるピークの位置は、奇数の試行から 10 cm 以内でした。 m、j のデータからのチェーン間比較のピアソン相関係数の分布。 n、ピークアクティビティ位置の関数としての空間選択性 (最大/平均) およびチェーンチェーン相関 (奇数ラップと偶数ラップ)。 他に示されていない場合、データは平均値 +/- SEM として表示されます。
ソースデータ
a、空間的に調節されているCA1細胞の割合(それぞれn = 18および9マウス、両側t検定、p = 0.489)。 b、動物あたりの平均場所細胞空間情報量(それぞれ n = 18 および 9 マウス、両側 t 検定、p = 0.520)。 白丸は個々の動物を示し、黒丸は平均値を示します。 データは平均 +/- SEM として示されています。
ソースデータ
黒: 蛍光タンパク質 (FP) 発現のない対照動物 (n = 9 匹の動物、データは図 5 にも示されています)、赤: ArchT (n = 9 匹の動物)。 a、環境 (env) B (赤) には、空白のベルトと、単一の固定報酬 (黒い矢印) の 50 cm 前に視覚刺激 (青い LED 点滅、10 Hz、500 ミリ秒) が含まれます。 赤いバーは点灯位置を示します。 b、env Bにおける平均リック速度(左)および平均ランニングプロファイル(右)。 c、ArchT発現マウスで記録された、すべてのCA1場所細胞(PC)の空間全体にわたるピーク正規化平均Δf/f。 d、場所フィールドのピーク位置の関数としてのCA1 PCの割合(カイ二乗検定、df = 24、p = 1.92E-5)。 トラックは、それぞれ 7.2 cm の 25 の空間ビンに分割されます。 データは平均 +/- SEM として示されています。
ソースデータ
オープン アクセス この記事はクリエイティブ コモンズ表示 4.0 国際ライセンスに基づいてライセンスされており、元の著者と情報源に適切なクレジットを表示する限り、あらゆる媒体または形式での使用、共有、翻案、配布、複製が許可されます。クリエイティブ コモンズ ライセンスへのリンクを提供し、変更が加えられたかどうかを示します。 この記事内の画像またはその他のサードパーティ素材は、素材のクレジットラインに別段の記載がない限り、記事のクリエイティブ コモンズ ライセンスに含まれています。 素材が記事のクリエイティブ コモンズ ライセンスに含まれておらず、意図した使用が法的規制で許可されていない場合、または許可されている使用を超えている場合は、著作権所有者から直接許可を得る必要があります。 このライセンスのコピーを表示するには、http://creativecommons.org/licenses/by/4.0/ にアクセスしてください。
転載と許可
Grienberger, C.、Magee, JC 嗅内皮質は、CA1 表現における学習関連の変化を指示します。 Nature 611、554–562 (2022)。 https://doi.org/10.1038/s41586-022-05378-6
引用をダウンロード
受信日: 2021 年 12 月 10 日
受理日: 2022 年 9 月 20 日
公開日: 2022 年 11 月 2 日
発行日: 2022 年 11 月 17 日
DOI: https://doi.org/10.1038/s41586-022-05378-6
次のリンクを共有すると、誰でもこのコンテンツを読むことができます。
申し訳ございませんが、現在この記事の共有リンクは利用できません。
Springer Nature SharedIt コンテンツ共有イニシアチブによって提供
コメントを送信すると、利用規約とコミュニティ ガイドラインに従うことに同意したことになります。 虐待的なもの、または当社の規約やガイドラインに準拠していないものを見つけた場合は、不適切としてフラグを立ててください。