Sains

Bagaimana jaringan otak menyeimbangkan pembelajaran dan memori

Para peneliti mengungkap bagaimana otak menyeimbangkan neuron rangsang dan penghambatan untuk mengatur dan memproses ingatan.

Peneliti FMI telah memberikan wawasan baru tentang bagaimana otak mengatur dan memproses kenangan, berkat penelitian yang melihat keseimbangan antara neuron rangsang dan penghambatan. Jaringan memori telah dianggap bergantung pada pola aktivitas yang stabil untuk mewakili informasi, tetapi temuan baru menunjukkan bahwa daerah otak tertentu berfungsi lebih dinamis, menggunakan interaksi seimbang antara neuron rangsang dan penghambatan untuk penyimpanan memori.

Pertanyaan besar dalam ilmu saraf adalah bagaimana otak berhasil menyimpan dan memproses kenangan dengan cara yang stabil namun fleksibel, terutama ketika berhadapan dengan informasi yang kompleks atau tumpang tindih. Neuron rangsang (E) dan penghambatan (I) diketahui bekerja sama dalam apa yang disebut rakitan E/I, tetapi bagaimana rakitan ini menstabilkan penyimpanan memori dan memfasilitasi pembelajaran tetap tidak jelas.

Untuk menjawab pertanyaan ini, tim ahli saraf FMI mengembangkan model komputasi berdasarkan aktivitas wilayah otak di ikan zebra yang terlibat dalam memori bau. Bagian otak ini mirip dengan daerah dalam mamalia yang dianggap membangun peta mental abstrak dunia. Tidak seperti model sebelumnya, yang melewatkan keseimbangan yang tepat antara sinyal yang menggairahkan dan yang menghambat aktivitas otak, model mereka menangkap fitur -fitur utama tentang cara kerja otak, termasuk aktivitas yang tampaknya acak pada awalnya tetapi ternyata stabil dan konsisten ketika dilihat lebih dekat.

“Dengan menyempurnakan keseimbangan antara neuron rangsang dan penghambatan, kita dapat membuat jaringan yang stabil dan fleksibel, memungkinkannya untuk memproses informasi sensorik,” kata rekan penulis studi Friedemann Zenke, seorang pemimpin kelompok di FMI.

Para peneliti lebih lanjut mengeksplorasi bagaimana majelis E/I ini memengaruhi tugas -tugas seperti mengklasifikasikan bau. Temuan mengungkapkan bahwa jaringan dengan interaksi E/I yang disetel dengan baik berkinerja lebih baik daripada jaringan dengan majelis yang tidak seimbang. Jaringan dengan rasio E/I yang seimbang juga menunjukkan stabilitas yang lebih besar ketika ingatan baru diperkenalkan. “Kami telah menunjukkan bahwa jaringan ini dapat mengelola tugas-tugas kompleks tanpa menjadi tidak stabil, bahkan ketika ingatan yang tumpang tindih ditambahkan,” kata rekan penulis studi Rainer Friedrich, seorang pemimpin kelompok di FMI. “Ini menunjukkan bahwa majelis E/I tidak hanya membantu menyimpan kenangan tetapi juga dapat mendukung pembelajaran.”

Pekerjaan ini berkontribusi pada pemahaman kita tentang bagaimana otak memproses dan menyimpan informasi sensorik, dan menimbulkan pertanyaan penting untuk studi di masa depan, terutama dalam memahami bagaimana prinsip -prinsip ini dapat berlaku untuk daerah otak lain yang terlibat dalam memori dan pembelajaran.

Publikasi Asli:

Claire Meissner-Bernard, Friedemann Zenke & Rainer dengan geometri Friedrich dan dinamika representasi dalam jaringan memori yang seimbang yang terkait dengan korteks penciuman Elife (2025) 13: RP96303.

Tentang penulis pertama

Berasal dari Strasbourg, Prancis, Claire Meissner-Bernard menyelesaikan PhD-nya di Collège de France di Paris, di mana ia menggunakan pendekatan eksperimental untuk menyelidiki bagaimana otak menyimpan dan mengambil informasi. Selama PhD -nya, ia mengunjungi EPFL untuk mengerjakan sebuah proyek di bidang ilmu saraf komputasi – sebuah bidang yang terus ia kejar sebagai orang postdoctoral di Lab Friedrich di FMI. Dari 2019 hingga 2021, ia ikut mengatur inisiatif Neuroscience Computational Basel. Bergairah tentang komunikasi sains, Claire menikmati berpartisipasi dalam kegiatan penjangkauan. Di luar lab, dia adalah seorang pianis amatir dan secara teratur mengambil bagian dalam kontes musik dan festival.

Source

Related Articles

Leave a Reply

Your email address will not be published. Required fields are marked *

Back to top button