Ученые из Лаборатории обучения при Исследовательском Центре Шампалимо открыли метод манипулирования восприятием времени мозгом путем контроля нейронной активности крыс. Новая разработка может быть применима для лечения болезней, таких как Паркинсон и Гентингтон, также может повлиять на области робототехники и обучения алгоритмов.
В новом исследовании, опубликованном в журнале Nature Neuroscience, ученые искусственно замедлили или ускорили образцы нейронной активности крыс, искажая их суждение о продолжительности времени. Это является наиболее убедительным доказательством влияния “внутренних часов” мозга на поведение.
Гипотеза часов
Мозг поддерживает децентрализованное и гибкое восприятие времени, формируемое динамикой нейронных сетей, распределенных по мозгу. Джо Патон, старший автор исследования, сравнивает это с камнем, брошенным в пруд. “Каждый раз, когда камень падает, он создает волны, которые излучаются наружу поверхности в повторяемом образце. Основываясь на этих образцах, можно сделать вывод о том, когда и где камень был брошен в воду.”
Манипулирование временем с помощью температуры
Для установления причинно-следственной связи, команда обратилась к старой технике, имеющейся в арсенале нейробиолога – температуре. Исследователи разработали термоэлектрическое устройство для фокусного нагревания или охлаждения стриатума крыс, одновременно записывая нейронную активность.
Под действием изменений температуры крысы стали воспринимать один и тот же временной интервал то короче, то длинее. Например, нагрев стриатума ускорял динамику популяции стриатума, подобно ускорению движения стрелок часов, заставляя крыс судить о данном временном интервале как о более длительном, чем он был на самом деле.
Результаты исследования указывают на то, что стриатум играет ключевую роль в определении “что” и “когда” нужно делать, в то время как другие структуры мозга решают вторую задачу – “как” контролировать текущее движение.
Последствия и будущие направления
Результаты исследования могут помочь в разработке новых терапевтических целей для тяжелых заболеваний, таких как болезнь Паркинсона и Гентингтона. Помимо этого, результаты могут повлиять на алгоритмы, используемые в робототехнике и обучении.