人工智能和光遗传学颠覆了多巴胺的神经科学

“患有物质使用障碍的患者会出现多巴胺缺乏症，"范德比尔特大学药理学助理教授、范德比尔特脑研究所和范德比尔特成瘾研究中心的教员 Erin Calipari 说. “这些人减少了多巴胺以及决策缺陷，这可以通过我们的数据和新模型来解释.这些决策缺陷与成瘾的严重程度以及预测治疗结果高度相关.这些数据对于了解这种疾病的多巴胺之间的关系并找出治疗方法非常关键."

神经科学研究是在 Calipari 和博士后研究员 Munir Gunes Kutlu 的领导下在 Calipari 的实验室进行的.范德比尔特研究团队的其他成员包括 Jennifer Zachry、Patrick Melugin、Stephanie Cajigas、Maxime Chevee、Shannon Kelley、Banu Kutlu 和 Cody Siciliano.范德比尔特大学的研究人员与加州大学戴维斯分校生物化学和分子医学教授兼副主席林田合作.

目前普遍接受的关于多巴胺作用的神经科学理论被称为“奖励预测误差理论".该理论假设多巴胺神经元发出预测误差信号，即收到的奖励和预测的奖励之间的差异.

正预测错误是指多巴胺神经元被比预测更多的奖励激活，而负预测错误是多巴胺神经元表现出抑制活动而奖励少于预测.多巴胺神经元保持在完全预测奖励的基线活动.

成瘾药物可以产生、增强和接管多巴胺奖赏信号，并导致对神经元可塑性的多巴胺不受控制的影响.从理论上讲，预测错误信息可能是行为和学习的有力信号.

当前奖励预测误差理论的一个缺点是它没有描述与多巴胺相关的多种现象.例如，奖励预测误差理论无法对具有负面或中性刺激的多巴胺释放模式进行建模.

在神经解剖学中，伏隔核是基底神经节腹侧纹状体的一部分.基底神经节是一组位于大脑皮层下方的皮层下核或神经元.伏隔核是大脑中与奖赏处理、药物成瘾、神经功能障碍和精神障碍相关的区域.

为了进行这些实验，研究人员使用了光遗传学，这是一种用于神经科学研究的有用技术，其中光可以“打开"或“关闭"转基因神经元.使用 Chrimson 记录刺激终端时的多巴胺释放，使用视紫红质通道蛋白 (ChR2) 对另一组小鼠的多巴胺终端进行光遗传学激发.

在这项研究中，研究人员使用了 AI 监督机器学习.具体来说，他们使用支持向量机 (SVM) 分类器来定义位于小鼠伏隔核 (NAc) 大脑区域的多巴胺是否能预测其行为.他们开发了一个自定义 MATLAB 代码，为与行为结果相关的每个多巴胺信号创建训练和测试数据集.人工智能算法和计算模型帮助研究人员分析数据.

研究人员证明，多巴胺释放仅符合学习场景子集中的奖励预测误差预测，因此“对多巴胺作为预测误差信号的假设提出了重大挑战，同时为 NAc 核心的作用提供了替代解释多巴胺释放作为感知的显着性信号."

据科学家们称，这项研究更全面地了解了多巴胺在行为控制中的作用，并结合了多巴胺信号传导的多种理论.这项研究的影响可能对精神病理学——认知异常、行为障碍和心理障碍的起源、发展和表现的研究具有广泛的影响.

“多巴胺在几乎所有精神疾病中都存在失调，例如焦虑、抑郁、成瘾、精神分裂症和许多其他疾病，"卡利帕里说. “为了有效治疗患者，我们需要知道这些多巴胺缺乏意味着什么以及它们如何调节行为.这是为这些疾病开发新疗法的第一步."

Copyright © 2021 Cami Rosso 版权所有.