Amarengo

Articles and news

boczna kora przedczołowa naczelnych koduje kolory bodźców i ich znaczenie behawioralne podczas zadania dopasowania do próbki

lokalne potencjały pola zostały zarejestrowane z regionu 8Av/45 bocznej kory przedczołowej dwóch makaków wykonujących opóźnione zadanie dopasowania do próbki. Zadanie wymagało od zwierząt zgłaszania obecności bodźców dopasowujących i ignorowania bodźców niepasujących. W próbach z pojedynczą cechą mecze musiały być identyfikowane w oparciu o jedną cechę bodźca testu (kolor lub ruch). W próbach zespolonych dwie cechy (kolor i ruch) musiały być dopasowane do bodźca próbki. Zwierzęta zgłaszały dopasowane bodźce poprzez naciśnięcie przycisku ręcznego i musiały wstrzymać taką odpowiedź w przypadku braku dopasowania. Otrzymali płynną nagrodę za oba rodzaje prawidłowych odpowiedzi na bodziec testowy. Trzy warunki zadania były losowo przeplatane, a featuralne właściwości bodźca próbki poinformowały zwierzęta o typie zadania próby (rys. 1a).

Rysunek 1
figurka1

opóźnione zadanie match-to-feature dla małp. A) zwierzęta rozpoczęły indywidualną próbę poprzez zamocowanie centralnego punktu zamocowania i zwolnienie Ręcznego Przycisku. Następnie próbka została zaprezentowana przez 1 sekundę. Próbka wskazywała małpom Typ próby (dopasowanie koniunkcji, dopasowanie ruchu lub dopasowanie koloru). Jednocześnie bodziec próbki zawierał odpowiednie cechy wizualne (kolor i/lub ruch), które musiały zostać zapamiętane, a następnie dopasowane do bodźca testowego. Ruch stochastyczny lub szary kolor sygnalizował, że dana cecha jest nieistotna dla obecnego badania. Po zmiennym opóźnieniu (800-1600 ms) zaprezentowaliśmy bodziec testowy na 250 ms. test zawsze poruszał się spójnie w kierunku kardynalnym i zawsze był zabarwiony w jednym z czterech kolorów izoluminium. Zwierzęta odpowiedziały naciskając przycisk odpowiedzi, gdy bodziec badawczy odpowiadał cechom próbki i otrzymywały płynną nagrodę po prawidłowych odpowiedziach. Jeśli test nie pasował do próbki, zwierzęta były nagradzane za Brak odpowiedzi w ciągu 600 ms od początku bodźca testowego. Fiksacja oczu musiała być utrzymywana przez cały okres próbny, opóźniony i testowy. (B) zarejestrowaliśmy lokalne potencjały pola od zwierząt opuszczających lPFC za pomocą chronicznie wszczepionych 96-kanałowych układów mikroelektrodowych. Dla obu zwierząt przeanalizowaliśmy jednocześnie zarejestrowane dane ze wszystkich dostępnych kanałów. Rysunki Klausa Lamberty ’ ego, Deutsches Primatenzentrum GmbH. (C) dowolnie pogrupowaliśmy kolory i kierunki ruchu w pary cech. Zapewniło to, że podczas prezentacji testowej prawdopodobieństwo prezentacji docelowej wynosiło 50%.

Zwierzęta używały obu cech docelowych do dopasowania koniunkcji

najpierw przeanalizowaliśmy wydajność behawioralną obu zwierząt oddzielnie dla każdej z możliwych konfiguracji bodźców testowych w każdym zadaniu behawioralnym. W zadaniu spójnik-mecz, bodziec testowy może niedopasować cechy próbki zarówno w ruchu i kolorze, lub tylko w jednej funkcji, co pozwala na dogłębną analizę strategii behawioralnej małp. W tym celu pogrupowaliśmy próby niedopasowania zadania koniunkcji według ich trzech typów (tj. color -, motion-I complete-mismatch), a następnie oddzielnie skontrastował je z prób dopasowania do obliczenia wskaźników czułości d’. Pozwala to oszacować, w jakim stopniu każda cecha wizualna przyczynia się do zachowania małp podczas testów dopasowania koniunkcji.

zgodnie z oczekiwaniami odkryliśmy, że wrażliwość małp na rozróżnianie bodźców była znacznie niższa, gdy tylko jedna z cech wizualnych stanowiła różnicę między bodźcami dopasowującymi i niepasującymi. Efekt ten był obecny zarówno dla małp, jak i dla obu cech (N = 16 i N = 25 sesji odpowiednio dla małp EDG i słońca; ruch: p = 1,6 e-5 I p = 2,4 e-15; kolor: P = 3,4 e-15 I P = 5,1 E-16, wszystkie sparowane próby t; Fig. 2A). Monkey EDG wykazywał skłonność do używania informacji o ruchu do swojej decyzji, na co wskazuje znacznie wyższa wartość d ’ dla prób, w których tylko ruch był istotny, w porównaniu do informacji o kolorze (p = 7,3 e-10, test T z paired-sample, N = 16 sesji). Monkey SUN natomiast nie wykazywał takiego odchylenia (p = 0.23, sparowana próbka t-test dla wydajności próby koniunkcji związanej z kolorem i ruchem, N = 25 sesji; Fig. 2A).

Rysunek 2
figurka2

zarówno kolor, jak i ruch były istotne dla zachowania małpy. (A) wskaźniki czułości d ’ zostały obliczone oddzielnie dla każdej funkcji bodźca istotnego dla danego zadania. W badaniach koniunkcyjnych porównaliśmy reakcje na bodźce docelowe pasujące do obu cech próbki (koloru i ruchu) z reakcjami na bodźce inne niż docelowe pasującymi do żadnej lub tylko jednej cechy. Porównaliśmy te wartości z wrażliwością w pojedynczych próbach zadaniowych, w których tylko jedna cecha wizualna była behawioralnie istotna. Paski błędów reprezentują standardowe błędy w n = 16 i N = 25 sesjach, odpowiednio dla monkey EDG i SUN. Gwiazdy wskazują na znaczne różnice. B) mediana czasu reakcji wykreślona oddzielnie dla bodźców pasujących do obu poszukiwanych cech (trafienia w próbach koniunkcji), dla bodźców pasujących do koloru lub ruchu lub bodźców pasujących do żadnej z cech próbki (fałszywe alarmy). Dane te są wykreślane jako funkcja dopasowania funkcji, a zatem zawierają próby trafień i fałszywe alarmy, na co wskazują etykiety słupkowe. Paski błędów wskazują zakresy kwartylu od pierwszego do trzeciego.

porównaliśmy również wydajność zadania w połączeniu z wydajnością w przeplatanych próbach pojedynczych zadań, w których tylko jedna cecha (kolor lub ruch) była obecna w próbce. W tych badaniach bodziec próbki albo miał szary kolor, zmuszając małpy do ignorowania koloru i dopasowywania tylko ruchu próbki do testu (zadanie ruchu), albo bodziec próbki poruszał się niespójnie w losowych kierunkach, zmuszając małpy do ignorowania ruchu testu i dopasowywania tylko koloru próbki do testu (zadanie koloru). Krytycznie, bodziec testowy zawsze poruszał się w jednym z czterech kierunków i miał JEDEN z czterech kolorów (rys. 1a). W związku z tym małpy musiały zignorować nieistotną dla zadania cechę testu i oprzeć swoją decyzję tylko na odpowiedniej funkcji (rys. 2A).

wydajność behawioralna małp w dwóch zadaniach z pojedynczą funkcją była podobna, aczkolwiek nieco niższa niż w badaniach połączonych z tylko jedną dostępną funkcją (p = 0,001 i p = 0,77 w badaniach color vs.color-control i małp EDG i SUN, odpowiednio; oraz P = 2,8 e-5 I P = 1,7 e-6 w badaniach motion vs. Motion-control, wszystkie sparowane próby T, N = 16 i N = 25 sesji dla EDG i SUN, odpowiednio).

rysunek 2b przedstawia czasy reakcji dla badań, w których małpy zgłaszały bodziec testowy jako dopasowanie (tj. próby trafienia i fałszywe alarmy). Znormalizowaliśmy czasy reakcji na szybkość, obliczając odwrotność indywidualnych opóźnień, a następnie przetestowaliśmy testy T z dwiema próbkami pod kątem różnic między grupami. W przypadku zadania koniunkcji stwierdzamy, że fałszywe alarmy są poprzedzone znacznie dłuższymi czasami reakcji niż próby trafienia dla obu zwierząt i wszystkich porównań między próbami trafienia i dowolnym rodzajem fałszywych alarmów (dla EDG: N = 1546 prób trafienia vs.597 dopasowanie ruchu (p = 1,2 e-7), 60 dopasowanie kolorów (p = 3,4 e-13) i 10 niepasujących fałszywych alarmów (P = 3,9 e-4); dla SUN: N = 2404 próby trafienia vs. 228 dopasowanie ruchu (P = 1,2 e-7); Dla SUN: N = 2404 próby trafienia vs. 228 dopasowanie ruchu (P = 1.7e-26), 268 dopasowywania kolorów (p = 5,8 e-21) i 12 niepasujących fałszywych alarmów (p = 0,002); wszystkie dwie próby t-testów; patrz Rys. 2b). Z wyjątkiem kontroli koloru, miało to miejsce również w przypadku zadań z pojedynczą funkcją (EDG: p = 0,36 i P = 2,6 e-9 Dla zadań z kolorem i ruchem, N = 781 trafień z ruchem, 23 fałszywych alarmów, n = 802 trafień z kolorem, 298 fałszywych alarmów; SUN: P = 1,5 e-6 i p = 3,6 e-6 dla zadania z kolorem i ruchem, N = 1210 trafień z ruchem, 181 fałszywych alarmów, N = 1212 trafień z kolorem trafienia, 107 fałszywych alarmów; wszystkie dwa-próbne t-testy). Co więcej, oba zwierzęta wykazały znaczne różnice w czasie reakcji dla uderzeń w kolor i ruch (p = 1,1 e-9 i P = 9,7 e-13, odpowiednio dla EDG i słońca; dla N patrz powyżej), ale znak tego efektu był niespójny u zwierząt, co wskazuje, że ogólnie dopasowanie ruchu i cechy koloru stanowiło porównywalne wyzwanie dla zwierząt.

aby potwierdzić solidność naszych porównań, oceniliśmy znaczenie efektów w oparciu o skorygowaną przez Bonferroni Alfę 0,005. Powtórzyliśmy również wszystkie testy statystyczne z wykorzystaniem czasów reakcji bez transformacji oraz nieparametrycznych testów Wilcoxona. Nie zmieniło to jakościowo naszych wyników. Na koniec zajęliśmy się możliwością, że zwierzęta nauczyły się konkretnych tabel wyszukiwania próbek zamiast abstrakcyjnych reguł zadań, obliczając wydajność behawioralną oddzielnie dla każdej kompozycji próbki. Ponieważ różnice w zachowaniu różnych próbek były niewielkie, wnioskujemy, że obie małpy nauczyły się abstrakcyjnych zasad naszego opóźnionego zadania dopasowania do funkcji (rys. 1 i dodatkowe rys. S1).

8av/45 koduje cechy kolorów bodźców

zarejestrowaliśmy lokalne potencjały pola (LFPs) z przewlekle wszczepionych 96-kanałowych tablic Utah umieszczonych w lewym dolnym zakręcie głównym każdego zwierzęcia, tuż poniżej tylnego końca głównego bruzdy (rys. 1B). Po pozyskaniu danych przefiltrowaliśmy sygnały od 1-80 Hz, wybraliśmy tylko poprawne próby (tj. trafienia i poprawne odrzucenia) i zbalansowaliśmy zbiór danych dotyczących wszystkich analizowanych zmiennych istotnych dla zadania (np. typy prób, wyniki i konfiguracje bodźców), losowo wykluczając nadreprezentowane próby. Następnie przeprowadziliśmy kilka analiz dekodowania za pomocą maszyn wspomagających trening, aby oddzielić dane neuronalne na podstawie zmiennych związanych z zadaniami (patrz również sekcja Metody). W pierwszej z tych analiz badaliśmy, czy cechy wizualne pokazywanych bodźców były dekodowalne z aktywności 8Av/45.

odkryliśmy, że podczas prezentacji bodźca testowego aktywność 8Av/45 jest bardzo pouczająca o kolorze bodźca (patrz Rys. 3A). Aby oszacować znaczenie tego dekodowania, określiliśmy wydajność losową naszych dekoderów, losowo tasując etykiety próbne przed treningiem i powtarzając tę procedurę 500 razy. Porównaliśmy otrzymany rozkład szumów z niepermutowanymi danymi za pomocą testów z i zdefiniowaliśmy próg p < 1e-4 jako znaczącą wydajność dekodowania. Na koniec zdefiniowaliśmy środek najwcześniejszego okna 40 ms, w którym wszystkie punkty czasowe dały znaczącą wydajność jako początek dekodowania.

Rysunek 3
figurka3

Kolor testowy można dekodować z aktywności 8Av/45. (A) przeszkoliliśmy maszyny wektorów wspierających w celu oddzielenia czterech różnych kolorów bodźców bodźca testowego na podstawie danych 8av/45 z blokadą czasową. Oceniliśmy wydajność klasyfikatorów za pomocą 20-krotnej procedury weryfikacji krzyżowej i porównaliśmy wyniki z dystrybucją 500 serii tych samych danych, ale z losowo tasowanymi etykietami próbnymi. Tutaj przedstawiamy wydajność jako średnią ruchomą w oknach przesuwnych 28 ms z odpowiednimi przedziałami ufności 95%. Wyniki losowe są wykreślane jako 99,9% przedziały ufności rozkładów losowych jako nakładające się, zacienione obszary. Powyżej osi x kropki w odpowiednich kolorach wskazują, dla których czasoprzestrzeni prawdopodobieństwo dekodowania znacznie różni się od przypadku, ocenianego na α = 1E-4. Szary, zacieniony obszar ilustruje czas trwania bodźca testowego. Pomarańczowe, prawostronne osie odpowiadają skumulowanym rozkładom czasu reakcji dla każdej grupy badanej i odpowiadających im próbom docelowym. Tutaj, 100% równa się wszystkim próbom zakończonym przez małpę. Pomarańczowa, przerywana linia ilustruje najszybszy możliwy czas reakcji (300 ms, zgodnie z kryteriami włączenia do badania). (B) jak A, ale dla czterech kardynalnych kierunków ruchu.

w przypadku obu małp aktywność 8Av/45 stała się informacyjna o kolorze bodźca wkrótce po rozpoczęciu testu. Opóźnienia początku dla tego dekodowania były tak krótkie, jak 84 ms po początku bodźca (monkey SUN, wszystkie zadania) i począwszy od 108 ms (zadania ruchu i koniunkcji) i 112 ms (zadanie koloru) dla monkey EDG. W przypadku testów statystycznych oszacowaliśmy zestawy dla wszystkich 20 fałd testowych każdego klasyfikatora, a następnie porównaliśmy otrzymane rozkłady między trzema typami zadań. W przypadku obu małp opóźnienia początku dekodowania kolorów nie różniły się znacząco między zadaniami (EDG: P = 0,059, p = 0,34 i P = 0,48; SUN: P = 0,24, P = 0,02 i P = 0,25, odpowiednio dla zadań kolor vs koniunkcja, kolor vs ruch i ruch vs koniunkcja; wszystkie testy T z dwiema próbkami z korekcją Bonferroni α = 0,0167, n = 20 fałd testowych).

przetestowaliśmy również, czy wydajność dekodowania cech kolorów znacznie się różniła między trzema warunkami zadania. Do tej analizy porównaliśmy prognozy każdej grupy 20 fałd testowych z testami T z dwiema próbkami, ocenianymi przy skorygowanym Bonferroni α = 0,0167. Tak jak poprzednio, szukaliśmy epok o znaczących różnicach, które miały co najmniej 40 ms długości, ale okazało się, że dla żadnego typu zadaniowego i małp takich epok nie było (patrz również dodatkowe rys. S2). Innymi słowy, to, czy kolor, ruch lub obie cechy były istotne dla zachowania małpy, nie zmieniło siły kodowania kolorów w 8Av/45.

potwierdzając tę obserwację, otrzymaliśmy podobny wzór wyników dla przykładowych prezentacji bodźców, dla których wykonaliśmy również tę samą analizę dekodowania (patrz dodatkowe rys. S3). W związku z tym solidna i mała latencja dekodowania informacji o kolorze podczas prezentacji próbek i testów prawdopodobnie stanowi szybkie, oddolne wejście wizualne do 8Av/45.

w przeciwieństwie do naszego sukcesu w dekodowaniu koloru bodźca, nie byliśmy w stanie niezawodnie dekodować ruchu bodźca z aktywności 8Av/45. Tylko od Małpiego słońca i tylko podczas prób koniunkcji ruch mógł być dekodowany, zaczynając od 140 ms po wystąpieniu bodźca (rys. 3b). Tak było w przypadku bodźca testowego, a także bodźca próbki (patrz dodatkowe rys. S3). Przetestowaliśmy również, czy jakiekolwiek informacje o funkcjach próbki rozciągną się na okres pamięci, ale odkryliśmy, że jeszcze przed końcem prezentacji próbki wydajność dekodowania zarówno koloru, jak i ruchu powróciła do linii bazowej. Nie zaobserwowaliśmy również przypomnienia informacji o próbce przed początkiem bodźca testowego(patrz dodatkowe rys. S4). Na koniec zbadaliśmy, czy kolor testowy i ruch testowy można oszacować na podstawie pojedynczych kanałów macierzy elektrod przewlekłych. Tutaj odkryliśmy, że dla obu małp wyniki dekodowania uzyskane z pojedynczych kanałów naśladowały wyniki uzyskane przez połączone dekodowanie ze wszystkich kanałów. Ponadto, w przypadku obu małp, miejsca zapisu, które były maksymalnie pouczające o kolorze bodźca, zwykle były grupowane razem(patrz dodatkowe rys. S5 i Video S6).

zachowanie Trial-by-trial można przewidzieć na podstawie aktywności 8Av/45

następnie zbadaliśmy, czy wynik behawioralny udanych prób (tj. prób trafień i poprawnych odrzuceń) był przewidywalny z nagrań 8av/45. W tym celu najpierw połączyliśmy próby z bodźcami wszystkich cech, a następnie przeszkoliliśmy maszyny wektorów wsparcia, aby oddzielić dane neuronalne w oparciu o obecność lub brak przycisków kończących próby(patrz również sekcja Metody). Co ważne, przed wykonaniem tej analizy dekodowania ponownie zbalansowaliśmy zestaw danych w taki sposób, że żaden rodzaj wyniku próby i Żadna tożsamość bodźca (ruch lub kolor) nie była nadmiernie reprezentowana. Tak więc pokazana wcześniej selektywność kolorów 8Av / 45 nie może wyjaśnić znaczących wydajności dekodowania, ponieważ klasy próbne (w tym przypadku: trafienia i fałszywe alarmy) zawierają jednakową liczbę prób każdego koloru bodźca, ruchu lub dowolnej jego kombinacji.

odkryliśmy, że dla obu małp ich nadchodzące zachowanie można wiarygodnie przewidzieć na podstawie aktywności 8Av/45 na długo przed reakcją motoryczną (patrz Rys. 4). W przypadku prób jednofunkcyjnych, w których zachowanie musiało być oparte na samej funkcji koloru (zadanie koloru), przewidywanie to stało się znaczące już przy 156 ms i 148 ms po wystąpieniu bodźca testowego (odpowiednio dla monkey EDG i SUN; środek epok szerokości 40 ms z tylko znaczącym dekodowaniem). Natomiast mediana czasu reakcji podczas zadania barwienia wynosiła 423 ms i 357 ms po rozpoczęciu testu, odpowiednio dla EDG i SUN (Fig. 2B i Rys. 4, pomarańczowe osie). Dodatkowo, próby z czasem reakcji krótszym niż 300 ms zostały wyłączone z analizy (patrz również sekcja Metody), tak, że znaczące dekodowanie zachowania zadania było obecne co najmniej 144 ms przed wykonaniem silnika.

Rysunek 4
figurka4

zachowania Trial-by-trial można przewidzieć na podstawie aktywności 8Av/45. Przeszkoliliśmy maszyny wektorowe pomocnicze w celu oddzielenia prawidłowych prób z naciśnięciami przycisków (próby hit) od prób bez naciśnięć przycisków (poprawne odrzucenia) w oparciu o zablokowane czasowo LFPs zarejestrowane z 8Av/45 podczas prezentacji bodźców testowych. Gdy zachowanie małp opierało się tylko na Kolorze bodźca lub połączeniu koloru i ruchu (zadanie koniunkcji), dekodowanie to stało się znaczące między 148-164 ms po wystąpieniu bodźca testowego dla obu małp. W przypadku decyzji opartych wyłącznie na ruchu bodźca zaobserwowano niższe wyniki dekodowania, a później zestawy (216-220 ms). Pomarańczowe, prawostronne osie odpowiadają skumulowanym rozkładom czasu reakcji dla każdej grupy badanej i odpowiadających im próbom docelowym. Przerywane, pomarańczowe linie przy 300 ms wskazują początek okna odpowiedzi. Do tego czasu nie doszło do naciśnięcia przycisku. Inne szczegóły analizy i układ wykresu Jak na Rys. 3.

podczas zadania koniunkcji, gdy zachowanie małpy oparte zarówno na cechach koloru, jak i ruchu, wydajność klasyfikacji również stała się znacząca 152 ms i 164 ms po wystąpieniu bodźca testowego (rys. 4). Zachowanie, które opierało się tylko na ruchu bodźca (zadanie ruchu), mogło być dekodowane z niską wydajnością i długimi opóźnieniami (220 ms i 216 ms, odpowiednio dla Monkey EDG i SUN). Wykorzystaliśmy wykonanie poszczególnych fałd testowych do badania różnic w Warunkach zadaniowych, zgodnie z procedurą opisaną wcześniej. Tutaj odkryliśmy, że dla obu małp wykonywanie zadań koloru i koniunkcji miało znacząco różne ustawienia (EDG: p = 1,9 e-4 i SUN: P = 6.1e-3, dwie próbki t-testy, N = 20 fałdy), podczas gdy nie mogliśmy wykonać tej samej analizy dla zadania ruchu, ponieważ nie wszystkie badania fałdy miał 40 ms szerokości epoki ze znaczną wydajność dekodowania. Między Warunkami zadaniowymi okazało się, że wydajność dekodowania znacznie się różni (poprawiona Bonferroni α = 0,0167) między próbami koloru i koniunkcji po 168 ms dla EDG i 216 ms dla słońca. Już po 152 ms w przypadku obu małp badania barwy i ruchu znacznie się różniły. Pomiędzy próbami ruchu i koniunkcji różnica osiągnęła znaczenie po 152 ms dla Monkey SUN, ale nie stała się znacząca dla monkey EDG(patrz także dodatkowe rys. S7).

ten wzorzec wyników nie został odzwierciedlony w zarejestrowanym zachowaniu zadań małp (patrz Rys. 4, pomarańczowe osie dla skumulowanego rozkładu czasów reakcji). W rzeczywistości, przynajmniej w przypadku monkey EDG, mediana opóźnień odpowiedzi była krótsza w przypadku ruchu niż w przypadku prób kolorów (2-próbka t-test, p = 1,1 e-9, N = 802 trafienia zadania koloru, n = 781 trafienia zadania ruchu; patrz Fig. 2B) i wydajność behawioralna była wyższa podczas zadania ruchu niż podczas zadania koloru (sparowany-próbka t-test, p = 3,8 e-7, N = 16 sesji; patrz Fig. 2A).

wreszcie, ponownie przetestowaliśmy, jak dobrze jednokanałowe LFPs zarejestrowane z tablic przedczołowych mogą być wykorzystane do przewidywania zachowań próbnych. Odkryliśmy, że w przypadku obu małp bardzo niewiele kanałów było informacyjnych na początku (tj. 100-200 ms) podczas prezentacji bodźców testowych, i że kanały te miały tendencję do tworzenia klastrów elektrod, które były przestrzennie oddzielone od elektrod informacyjnych podczas dekodowania kolorów. Jednak w punktach czasowych bliższych odpowiedziom małp, jednokanałowa wydajność dekodowania wyników badań była bardziej jednorodnie rozłożona na macierzach przedczołowych(patrz dodatkowe rys. S8 i Video S9).

znaczenie behawioralne kolorów można odczytać z 8Av/45 nawet przy braku odpowiedzi

w celu zbadania, czy aktywność 8Av / 45 reprezentuje przygotowanie motoryczne danego badania lub inne, bardziej kategoryczne (np. zmienne związane z decyzją), następnie analizowaliśmy tylko badania, w których wynik behawioralny był taki sam w różnych badaniach, ale funkcja bodźca, która determinowała decyzję trial-by-trial, była znana. Rozróżnienie to można było dokonać analizując te próby zadania koniunkcji, w których bodźce testowe pasowały tylko do jednej z dwóch poszukiwanych cech, ale nie do drugiej. Innymi słowy, porównaliśmy bodźce inne niż docelowe, które nie pasują do żadnej z cech próbki, z bodźcami innymi niż docelowe, które pasują do koloru lub funkcji ruchu, ale nie do obu.

dla obu grup bodźców testowych analizowaliśmy tylko próby, w których małpy poprawnie odrzuciły bodźce jako niepasujące. Ponownie zbalansowaliśmy zestaw danych dotyczących tożsamości bodźców (cechy koloru i ruchu) oraz wyników badań, a następnie przeszkoliliśmy naszych klasyfikatorów, aby rozróżniali te częściowo dopasowane bodźce testowe i kompletne testy niedopasowania. W przeciwieństwie do dekodowania wyniku behawioralnego (motorycznego), analiza ta wykrywa, czy aktywność 8Av/45 jest informacyjna o dopasowaniu testu do poszukiwanej funkcji w Kolorze (rys. 5, zielone ślady), lub ruchu (rys. 5, pomarańczowe ślady).

Rysunek 5
figurka5

znaczenie behawioralne kolorów bodźców można odczytać z aktywności 8Av/45. W przypadku prób dopasowania koniunkcji porównaliśmy prezentacje prawidłowo ignorowanych bodźców testowych, które nie pasowały do próbki w kolorze i ruchu, z bodźcami testowymi, które również zostały poprawnie zignorowane, ale dopasowane do szukanego koloru lub ruchu, ale nie obu. Przeszkoliliśmy klasyfikatory wektorów pomocniczych w celu oddzielenia tych dwóch rodzajów niepasujących bodźców testowych i wykreśliliśmy wydajność dekodowania w czasie i wobec odpowiednich rozkładów szumów. Znacząca ilość koszy czasowych jest oznaczona kolorowymi kropkami nad osią X. Inne szczegóły analizy i układ wykresu Jak na Rys. 3.

odkryliśmy, że aktywność 8Av/45 może być użyta do odczytania, czy bodziec testowy pasuje do szukanego koloru (patrz Rys. 5). Opóźnienie tego odczytu (164 ms i 156 ms odpowiednio w monkey EDG i SUN)jest porównywalne z opóźnieniem przewidywania zachowania próby w połączonym zadaniu (Fig. 4). W tym przypadku jednak, sygnał przedmotorowy jest mało prawdopodobne, aby być przyczyną znaczącego dekodowania, ponieważ wszystkie analizowane próby doprowadziły do tego samego wyniku silnika.

to, czy ruch bodźca testowego odpowiada ruchowi wcześniej pokazanej próbki, można również odczytać z aktywności 8Av/45, ale tylko dla małp EDG i głównie w opóźnieniach mieszczących się w typowych rozkładach czasu reakcji małp (patrz także Fig. 4, pomarańczowe osie). Chociaż obserwowaliśmy wzrost wydajności dekodowania dla dopasowań ruchu u obu małp, trendy te nigdy nie osiągnęły znaczenia dla żadnej epoki 40ms, u obu małp. Początek znaczącego kodowania dopasowania kolorów był podobny u małp (tzn. nie różnił się znacząco; p = 0.17, test T z dwiema próbkami, każdy N = 20 fałd testowych), podczas gdy w monkey EDG różnica między dopasowaniem kolorów a wydajnością dopasowania ruchu wąsko pomija znaczenie (brak 40 ms szerokiej epoki ze wszystkimi p < 0,0167, patrz dodatkowe Fig. S10). W przypadku monkey SUN, z drugiej strony, kolory i parametry dopasowania ruchu są znacząco różne (początek w 152 ms, Fig. S10 i 5, prawy panel).

na poziomie pojedynczych kanałów należy zauważyć, że zwłaszcza przy porównywaniu zadań związanych z kolorem i łączeniem, sygnały LFP z elektrod, które były predykcyjne dla zachowania zadań małp podczas zadania kolorowego, mogą być również używane do dekodowania dopasowań kolorów bodźców testowych w próbach zadań związanych z łączeniem (patrz dodatkowe rys. S11 i Video S12). Jednak dogłębna analiza pojedynczych miejsc naszych macierzy elektrod adresujących domniemaną funkcjonalną heterogeniczność różnych miejsc zapisu jest poza zakresem tego badania.

podsumowując, pokazujemy tutaj, że aktywność 8Av/45 może być nie tylko wykorzystana do dekodowania koloru bodźców wzrokowych i przewidywania wyniku behawioralnego (tj. reakcji motorycznej) pojedynczych prób, ale może być również wykorzystana do odczytania behawioralnego znaczenia prezentowanego koloru bodźca, nawet w przypadku braku reakcji behawioralnych.

Dodaj komentarz

Twój adres e-mail nie zostanie opublikowany.