Все реже и реже попадаются статьи, в которых the Utah array записывает активность отдельных нейронов, но, вот, статьи с записью локальных потенциалов учащаются. В этой статье данная методика использовалась для выявления кортикальных волн, которые несли информацию о движении. Я тоже сторонник волн; они понятнее, чем "rotational dynamics". https://www.pnas.org/doi/10.1073/pnas.2212227120

Со стентродами все хорошо https://jamanetwork.com/journals/jamaneurology/article-abstract/2799839

Еще одна фантазия о том, как нейроинтерфейсы ворвутся в метавселенную. https://www.wired.com/story/virtual-world-social-life/

"We are trying to couple connectomics with recordings of neural activity to do what we call functional connectomics. Essentially, we take the map of where every neuron is and how it is connected to every other neuron, and we layer on information about the activity of those neurons in a living animal." Это звучит разумно, и интересно было бы посмотреть на результаты. С другой стороны, даже если что-то и получится, сюрприз от таких результатов минимальный. https://hms.harvard.edu/news/new-field-neuroscience-aims-map-connections-brain

Благие намерения: "To insert the device in the brain, it needs to be stiff, but after the device is in the brain, it needs to be flexible,” said co-corresponding author Ki Jun Yu of Yonsei University in the Republic of Korea. “So we used a biodegradable coating that provides a stiff outer layer on the device. Once the device is in the brain, that stiff coating dissolves, restoring the initial flexibility. Taking together the material structure and the geometry of this device, we’ll be able to get input from the brain to study the 3D neuron connectivity.” https://www.psu.edu/news/engineering/story/pop-electrode-device-could-help-3d-mapping-brain/

Результаты, сильно напоминающие экспериментальную грязь, но, с другой стороны, P300 — это реально хлеб ученых. https://www.nature.com/articles/s41598-022-26093-2

Похоже на очередное наведение тени на плетень, но тем не менее забавно, что, если вы реальной решаете, дать или не дать сто рублей "тому чуваку", то что-то меняется в потенциале готовности. Он будто бы пропадает, а свобода воли пробуждается. https://evolutionnews.org/2023/01/new-brain-research-supports-free-will/

Небезынтересная диссертация https://scholar.google.com/scholar_url?url=https://eprints.soton.ac.uk/473236/1/SPerry_Doctoral_Thesis_ISVR_2022.pdf&hl=en&sa=X&d=2620942092807693826&ei=5QHGY--dCYjMyQTM35joDQ&scisig=AAGBfm0hZwtWJlPDWEwRtIJESNB8PpUL9A&oi=scholaralrt&hist=RC9N61oAAAAJ:13270383784612995619:AAGBfm2X65V1PU4vKh8Y-Dirt4qncQthSg&html=&pos=8&folt=kw

Мозг — это машина для обработки информации, и поэтому его можно изучать с помощью вычислительных инструментов, основанных на принципах теории информации. По этой причине вычислительные методы, основанные на теории информации или вдохновленные ею, стали краеугольным камнем практического и концептуального прогресса в нейробиологии. В этом обзоре мы рассматриваем, как концепции и вычислительные инструменты, связанные с теорией информации, стимулируют развитие принципиальных теорий обработки информации в нейронных цепях и разработку влиятельных математических методов для анализа записей нейронной популяции. Мы рассмотрим, как эти вычислительные подходы раскрывают механизмы основных функций, выполняемых нейронными цепями. Эти функции включают эффективное кодирование сенсорной информации и облегчение передачи информации в нижележащие области мозга для информирования и управления поведением. Наконец, мы обсуждаем, как можно добиться дальнейшего прогресса и понимания, в частности, путем изучения того, как конкурирующие требования нейронного кодирования и считывания могут быть оптимально согласованы для оптимизации обработки нейронной информации. https://www.sciencedirect.com/science/article/pii/S2001037023000119

Новое — это хорошо забытое старое. Еще в 60-е годы были советские статьи по "exposure to monochromatic light". Тогда это исследовалось посредством стабилографии. Статьи были замусорены бредом про павловское учение, но тем не менее. https://neurosciencenews.com/monochromatic-light-stimulation-brain-22279/

Измененная коннективность у слепых. Not particularly surprising, но полезно знать. https://neurosciencenews.com/visual-processing-blindness-22312/

Дыхание в мозгах (важная тема!): "We discovered a respiration-associated brain network mediated by neural activity based on the resting-state fMRI, electrophysiology and respirational signals measured at the same time in rats,” Zhang explained. “The respiration signal is associated with the gamma-band neural activity in the cingulate cortex, and both the gamma and respiration signals correlate with distributed neuronal networks measured by fMRI." https://www.psypost.org/2023/01/new-neuroscience-research-identifies-a-respiration-related-brain-network-64979

Они еще не сталкивались с "Белочкой", "Мишкой на севере" и т.д. https://www.jneurosci.org/content/early/2023/01/19/JNEUROSCI.0752-22.2022

Умер Кришна Шеной. Посвящу несколько постов разбору его работ. Главной фишкой Шеноя было то, что он читал предыдущую нейрофизиологическую литературу и переводил предыдущие результаты из этой области в конструкции нейроинтерфейсов. Все статьи Шеноя начинаются со словосочетания "High-performance...", что несколько подозрительно; но это нужно смотреть конкретно. По своим человеческим качествам он был the nicest person I have ever met, что выгодно отличало его от до&%$@*ов в этой области, позволяло иметь много друзей и, соответственно, публиковаться в хороших журналах.

Антидепрессанты портят процесс reinforcement learning. Кто-то мне говорил (извиняюсь за фразу в стиле Оскара Кучеры), что в некоторых московских вузах порядка 80% студентов сидят на антидепрессантах. Если так, то они еще должны плохо учиться и/или неадекватно реагировать на обычные режимы наказания/подкрепления... https://neurosciencenews.com/ssri-emotional-blunting-22327/

Вот примечательная статья из лаборатории Шеноя, утверждающая, что когда мозги готовят движение, но не совершают его, нейроны входят в "ортогональное" состояние. Забавно, но, скорее всего, правда. Причем еще забавнее, что идею для этой статьи подал им я. Я рецензировал какую-то их предыдущую статью, где они пытались сказать что-то умное по поводу подготовительной активности в моторной коре и стал допытываться (по делу, так как было связано с какой-то их аргументацией): активность есть, а движения нет; почему так? https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3955357/

Правда, насчет "ортогональности" Шеной с коллегами несколько переврали, так как не читали статью Джеорджопоулуса с его коллегами, утверждавшую прямо противоположное. На это я указал в статье-комментарии. Заодно показал, как формулы Шеноя связаны с векторами Джеорджопоулуса. https://www.frontiersin.org/articles/10.3389/fnins.2017.00502/full

По-моему, вот это статью я рецензировал. Помино мутных рассуждений о том, кто кого ингибирует, там интересная тема о том, можно ли во внеклеточной записи разделять пирамидальные нейроны и интернейроны. Думаю, что это возможно, но только когда запись ведется свежими электродами, только что введенными в мозг. Всякими там Utah arrays никаких интернейронов не запишешь. https://journals.physiology.org/doi/full/10.1152/jn.00231.2009

Куда ни ткнешь, везде high performance:

Gilja, V., Nuyujukian, P., Chestek, C. A., Cunningham, J. P., Yu, B. M., Fan, J. M., ... & Shenoy, K. V. (2012). A high-performance neural prosthesis enabled by control algorithm design. Nature neuroscience, 15(12), 1752-1757.

Willett, F. R., Avansino, D. T., Hochberg, L. R., Henderson, J. M., & Shenoy, K. V. (2021). High-performance brain-to-text communication via handwriting. Nature, 593(7858), 249-254.

Santhanam, G., Ryu, S. I., Yu, B. M., Afshar, A., & Shenoy, K. V. (2006). A high-performance brain–computer interface. nature, 442(7099), 195-198.

Pandarinath, C., Nuyujukian, P., Blabe, C. H., Sorice, B. L., Saab, J., Willett, F. R., ... & Henderson, J. M. (2017). High performance communication by people with paralysis using an intracortical brain-computer interface. Elife, 6, e18554.

Gilja, V., Pandarinath, C., Blabe, C. H., Nuyujukian, P., Simeral, J. D., Sarma, A. A., ... & Henderson, J. M. (2015). Clinical translation of a high-performance neural prosthesis. Nature medicine, 21(10), 1142-1145.

Kao, J. C., Nuyujukian, P., Ryu, S. I., & Shenoy, K. V. (2016). A high-performance neural prosthesis incorporating discrete state selection with hidden Markov models. IEEE Transactions on Biomedical Engineering, 64(4), 935-945.

Achtman, N., Afshar, A., Santhanam, G., Byron, M. Y., Ryu, S. I., & Shenoy, K. V. (2007). Free-paced high-performance brain–computer interfaces. Journal of neural engineering, 4(3), 336.

Nuyujukian, P., Fan, J. M., Kao, J. C., Ryu, S. I., & Shenoy, K. V. (2014). A high-performance keyboard neural prosthesis enabled by task optimization. IEEE Transactions on Biomedical Engineering, 62(1), 21-29.

Willett, F. R., Avansino, D. T., Hochberg, L. R., Henderson, J. M., & Shenoy, K. V. (2020). High-performance brain-to-text communication via imagined handwriting. BioRxiv.

Gilja, V., Nuyujukian, P., Chestek, C. A., Cunningham, J. P., Yu, B. M., Ryu, S. I., & Shenoy, K. V. (2010). High-performance continuous neural cursor control enabled by a feedback control perspective. In Front Neurosci Conference Abstract: Computational and Systems Neuroscience.

Shenoy, K. V., Churchland, M. M., Santhanam, G., Yu, B. M., & Ryu, S. I. (2003, September). Influence of movement speed on plan activity in monkey pre-motor cortex and implications for high-performance neural prosthetic system design. In Proceedings of the 25th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (IEEE Cat. No. 03CH37439) (Vol. 2, pp. 1897-1900). IEEE.

Santhanam, G., Ryu, S. I., Yu, B. M., Afshar, A., & Shenoy, K. V. (2005, March). A high performance neurally-controlled cursor positioning system. In Conference Proceedings. 2nd International IEEE EMBS Conference on Neural Engineering, 2005. (pp. 494-500). IEEE.

Santhanam, G., Yu, B. M., Gilja, V., Ryu, S. I., Afshar, A., Sahani, M., & Shenoy, K. V. (2008, March). A factor-analysis decoder for high-performance neural prostheses. In 2008 IEEE International Conference on Acoustics, Speech and Signal Processing (pp. 5208-5211). IEEE.

Сделали в свое время вполне добротную статью, послали в Journal of Neuroscience:

https://journals.physiology.org/doi/full/10.1152/jn.00031.2013

Так этот, извиняюсь за выражение, х%р ("Reviewer #2) пишет: зачем вы это подаете; Марк же наш Черчланд уже открыл, как кортикальная активность связана с ЭМГ (там на самом деле какой-то бред про взведенные пружины; но это отдельный разговор).

В общем, завернули нашу статью; пришлось публиковать в Journal of Neurophysiology.

Так классическая нейронаука столкнулась с современными, так сказать, тенденциями.

Пока лучшие умы ломали копья в спорах о свободе воли, Шеной с коллегами написали детерминистическую формулу:

dx/dt = f(x(t), u(t))

"where x is now an N-dimensional (ND) vector describing the firing rates of all neurons recorded simultaneously, which we call the neural population state, and is evaluated around time t. The vector dx/dt is its temporal derivative, f is a potentially nonlinear function, and u is a vector describing an external input to the neural circuit (a U-dimensional vector). In this formulation, neural population responses reflect underlying dynamics resulting from the intracellular dynamics, circuitry connecting neurons to one another (captured by f), and inputs to the circuit (captured by u)."

Подобное торжество учения Сеченова-Павлова, с одной стороны, можно только приветствовать, но, с другой стороны...

А что, собственно, с другой стороны?

https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7402639/