Comprendere il controllo motorio e l'adattamento nel cervello

Gli animali devono fare azioni abilmente in ambienti che cambiano. Vuol dire che devono adattarsi e imparare a mantenere le loro prestazioni nonostante le varie sfide. Molto di quel che succede nel nostro cervello per controllare i movimenti coinvolge tantissimi percorsi diversi che partono dalla superficie del cervello (la corteccia) fino al midollo spinale. Anche se sappiamo che molte aree del cervello sono coinvolte nella produzione di movimenti efficaci, non è ancora chiaro come queste diverse aree cerebrali ci aiutino a imparare e adattare le nostre abilità motorie quando le cose non vanno come previsto.

Le ricerche hanno mostrato che una parte specifica del cervello chiamata corteccia somatosensoriale primaria (S1) è importante per adattarsi a nuove situazioni. Dall’altro lato, un’altra area chiamata corteccia motoria (M1) ci aiuta a imparare abilità nuove. Queste due aree potrebbero essere collegate in modi che permettono cambiamenti rapidi in come funziona il nostro cervello e aggiornamenti dei modelli mentali che usiamo per muoverci. Tuttavia, è ancora un mistero come queste aree lavorino insieme e come il cervello elabori i movimenti durante l’apprendimento.

#Contesto Storico

Negli anni '30, un scienziato di nome Nikolai Bernstein ha condotto studi sul movimento. Ha scoperto che anche se il percorso di una persona può variare, può comunque completare un compito, come colpire un chiodo con un martello. Ha contestato l'idea che un gruppo specifico di neuroni in M1 potesse guidare sempre un movimento. Ha invece suggerito che i movimenti siano controllati a un livello più ampio da gruppi più grandi di neuroni.

Negli anni, molti studi hanno dimostrato che singoli neuroni in M1 possono rappresentare caratteristiche complesse del movimento. Tuttavia, alcuni ricercatori hanno suggerito che questi neuroni potrebbero controllare le azioni muscolari piuttosto che il movimento stesso. Questo ha portato a vari modelli che cercano di spiegare come funziona la dinamica del cervello durante i movimenti di raggiungimento. Anche se questi modelli offrono spunti utili, c’è ancora una disconnessione tra la comprensione di come funzionano i neuroni singoli e come influenzano il movimento complessivo.

#Apprendimento Motore negli Umani

Gli studi sull'apprendimento motorio umano mostrano che esistono modelli interni, che consentono adattamenti rapidi nei movimenti. Per esempio, se il braccio di una persona viene spinto all'improvviso in una direzione diversa, inizialmente potrebbe avere difficoltà, ma alla fine impara ad adattare i suoi movimenti per compensare. Questa capacità di adattamento si basa sul calcolo degli errori tra i movimenti attesi e quelli reali, il che aiuta ad aggiornare i loro modelli interni.

Quando le persone svolgono compiti che comportano aggiustamenti ai cambiamenti, i loro movimenti spesso divergono dai loro schemi normali all'inizio. Tuttavia, con la pratica, possono ajustare e ripristinare i livelli di prestazione simili a quelli che avevano prima del cambiamento. Ci sono diversi modi in cui questi calcoli degli errori possono avvenire, il che può aiutare a raffinare i modelli motori interni.

Nonostante i progressi significativi nello studio del controllo motorio negli esseri umani, c'è ancora una mancanza di ricerca sul ruolo di S1 durante l'adattamento motorio, specialmente nei primati non umani. Recenti scoperte hanno mostrato che S1 si attiva immediatamente dopo disturbi agli arti. Questo suggerisce che S1 potrebbe giocare un ruolo essenziale nell'aiutare gli animali ad adattare i loro movimenti durante i compiti.

#Sviluppo di un Modello di Topo

Per capire meglio come queste aree cerebrali lavorano insieme durante l'adattamento motorio, i ricercatori hanno sviluppato un modello computerizzato dettagliato dell'arto anteriore di un topo. Questo modello è stato creato utilizzando tecniche di imaging avanzate per ottenere una rappresentazione accurata dei muscoli e delle ossa del braccio di un topo. Usando questo modello, i ricercatori possono imitare come i veri topi eseguono compiti di raggiungimento e indagare su come i loro cervelli controllano questi movimenti.

Il modello muscolo-scheletrico consente ai ricercatori di simulare come si muove il topo e di catturare le dinamiche e i segnali di controllo che sorgono durante questi compiti. Questo approccio computazionale consente di avere una comprensione più profonda dei processi sottostanti coinvolti nei movimenti abili e di come il cervello codifica informazioni su questi movimenti.

#Importanza del Feedback Sensorimotorio

Capire come il movimento influisce sui segnali motori è fondamentale per capire come il cervello elabora e adatta questi segnali durante l'apprendimento delle abilità. Conoscere i dettagli di un movimento, come la posizione, la velocità e l'azione muscolare, è cruciale. Anche se registrare segnali da singoli muscoli può fornire informazioni preziose, raccogliere dati su tutti i muscoli aiuterebbe i ricercatori a comprendere meglio le dinamiche neurali in gioco. Poiché questo non è fattibile in pratica, creare modelli computerizzati realistici del braccio di un topo durante compiti di raggiungimento può migliorare notevolmente la nostra capacità di analizzare i dati neurali sottostanti.

I modelli esistenti sono stati fondamentali in campi come la scienza dello sport, la robotica e le applicazioni mediche, ma sono stati meno comunemente usati nella neuroscienza. Anche se ci sono stati progressi nella creazione di modelli biomeccanici per roditori, non è stato stabilito alcun modello completo dell'arto anteriore di un topo adulto, il che è essenziale per studiare movimenti complessi e abili.

#Costruzione del Modello Muscolo-Scheletrico del Topo

Il nuovo modello di topo cattura l'anatomia dell'arto anteriore usando tecniche di imaging per analizzare i punti di inserzione muscolare per 50 muscoli coinvolti nei compiti di raggiungere e afferrare. Con questo modello muscolo-scheletrico dettagliato, i ricercatori possono simulare i movimenti di un topo e determinare quanto bene il comportamento simulato corrisponde ai dati del mondo reale.

Il modello consente previsioni accurate su come i muscoli lavorano insieme per svolgere compiti specifici, come raggiungere e tirare oggetti. I ricercatori possono controllare il braccio virtuale attraverso calcoli matematici che determinano le attivazioni muscolari necessarie per ottenere il movimento desiderato. Questo approccio consente un'analisi completa del coordinamento tra le azioni muscolari e i segnali neurali corrispondenti nel cervello.

#Il Controller Sensorimotorio

Per perfezionare ulteriormente il modello, i ricercatori hanno sviluppato un controller basato su un simulatore fisico che può replicare i compiti di raggiungere, afferrare e tirare eseguiti dai veri topi. Questo controller aiuta a garantire che i movimenti generati dal modello assomiglino da vicino al comportamento reale osservato in contesti sperimentali. Utilizzando metodi di tracciamento avanzati, i ricercatori possono registrare i movimenti del topo e ottimizzare il modello computerizzato per allinearsi a questi schemi comportamentali.

Lo sviluppo di questo modello consente ai ricercatori di esplorare come il cervello codifica i segnali durante questi compiti e come le aree motorie del cervello interagiscono per produrre azioni abilmente. Indagando l'attività neurale in varie parti del cervello, i ricercatori possono iniziare a capire come il cervello elabora i comandi motori e il feedback sensoriale durante movimenti complessi.

#Studio dell'Attività Neurale

Usando il modello di topo, i ricercatori possono tracciare ed esaminare l'attività di un grande numero di neuroni in aree specifiche del cervello durante i compiti di raggiungimento. Registrando da S1 e M1, possono indagare su come queste aree rispondono a diverse condizioni di movimento e quali tipi di informazioni questi neuroni codificano.

La ricerca mostra che molti neuroni in M1 e S1 diventano attivi durante compiti motori abili. Analizzando i modelli di attività di questi neuroni, i ricercatori possono identificare quali caratteristiche del movimento sono rappresentate nei segnali neurali. Questo aiuta a capire come il cervello elabora e impara dalle azioni motorie.

#Analisi delle Risposte Neurali

La ricerca attuale coinvolge l'analisi delle risposte neurali da una popolazione sostanziale di neuroni nelle aree S1 e M1 mentre i topi eseguono compiti con il joystick. Tracciando le attività di migliaia di neuroni, i ricercatori mirano a capire come ciascuna area contribuisce al controllo e all'adattamento del movimento. Questo avviene esaminando la relazione tra i modelli di attivazione neuronale e le diverse caratteristiche cinematiche associate ai compiti di raggiungimento e tiro.

I risultati suggeriscono che molti neuroni in queste aree sono sintonizzati su caratteristiche specifiche del movimento, come la posizione della mano o le azioni muscolari necessarie. Questo raggruppamento delle attività neuronali fa luce su come il cervello codifica vari livelli di controllo motorio, dalla pianificazione del movimento di alto livello all'attivazione muscolare di basso livello.

#Scoprire Gruppi Funzionali

Utilizzando tecniche di modellazione statistica avanzate, i ricercatori possono categorizzare i neuroni in base alle loro risposte a diversi parametri di movimento. Questo consente di identificare gruppi funzionali specifici di neuroni che correlano con aspetti particolari dei compiti di movimento. Raggruppando questi neuroni, i ricercatori possono capire meglio come diverse parti del cervello lavorano insieme per facilitare azioni abili.

Durante gli esperimenti, i ricercatori hanno registrato cambiamenti nei tassi di attivazione neurale mentre i topi si adattavano a nuove condizioni. Questa adattabilità riflette la capacità del cervello di calcolare gli Errori di previsione, che aiutano ad aggiornare il Modello Interno utilizzato per il controllo motorio.

#Errori di Previsione e Modelli Interni

Una delle scoperte chiave di questa ricerca è che la corteccia sensorimotoria rappresenta gli errori di previsione, che sono essenziali per adattarsi ai cambiamenti nelle dinamiche di movimento. Quando si trovano di fronte a forze inaspettate, come quando si introduce un campo di forza durante il compito, i topi devono aggiustare i loro movimenti. Le risposte neurali osservate durante questi compiti di adattamento riflettono lo sforzo del cervello di calcolare e correggere questi errori di previsione.

Monitorando come i tassi di attivazione dei neuroni cambiano nei vari tentativi, i ricercatori possono identificare diversi modelli di attività associati agli errori di previsione e ai comandi motori. Questo fornisce intuizioni su come il cervello utilizza questi segnali per mantenere e migliorare le prestazioni.

#Cambiamenti nella Dinamica Neurale

Lo studio evidenzia anche i cambiamenti nella dinamica neurale durante il processo di apprendimento. Usando tecniche di modellazione avanzate, i ricercatori hanno osservato come le rappresentazioni neurali latenti evolvono nel corso delle sessioni di apprendimento. Ci sono cambiamenti notevoli nei modelli di attività neurale durante le fasi iniziali dell'adattamento, e questi modelli tendono a stabilizzarsi man mano che i topi si abituano alle nuove condizioni.

La capacità della corteccia sensorimotoria di riflettere questi cambiamenti nel controllo adattativo dimostra la natura dinamica della risposta del cervello all'apprendimento. Tracciando questi spostamenti nell'attività neuronale, i ricercatori possono avere una comprensione migliore di come il cervello abilita l'apprendimento e l'acquisizione di abilità.

#Implicazioni per la Ricerca Futura

Questa ricerca fornisce spunti critici su come la corteccia sensorimotoria supporta il controllo motorio e l'adattamento abile. Combinando dati comportamentali con modelli computazionali, i ricercatori possono creare un quadro più completo di come il cervello elabora informazioni relative al movimento.

I risultati suggeriscono che caratteristiche di basso livello come le dinamiche muscolari giocano un ruolo cruciale nel guidare rappresentazioni cinematiche di alto livello. Questo sottolinea l'importanza di comprendere l'interazione tra diversi aspetti del controllo motorio per sviluppare modelli migliori per studiare l'apprendimento motorio.

Studi futuri dovrebbero continuare ad esplorare le relazioni tra le diverse aree del cervello coinvolte nel controllo motorio, incluse le aree premotorie, i gangli della base e il cervelletto. Capire come queste strutture interagiscono con la corteccia sensorimotoria può aiutare nello sviluppo di interventi per disturbi motori e migliorare la nostra comprensione dei processi di apprendimento motorio.

#Conclusione

In sintesi, questa ricerca fa luce sul complesso intreccio tra le aree sensorimotorie del cervello durante il movimento abile e l'apprendimento. Creando un modello dettagliato di topo e esaminando le dinamiche neurali durante i compiti di raggiungimento, i ricercatori stanno scoprendo i meccanismi che abilitano l'adattamento e il controllo motorio. Queste intuizioni contribuiscono infine a una comprensione più ampia di come il cervello elabora il movimento e possono informare studi futuri mirati a migliorare la funzione motoria in vari contesti.