Descripción del proyecto
Mecanismo cerebral de aprendizaje de predicciones sensoriales
Los animales necesitan distinguir entre la información sensorial generada por sus propios movimientos y la procedente del mundo exterior. La capacidad es esencial para guiar el comportamiento, pero es un proceso complejo. El cerebro aprende a predecir las sensaciones generadas por el movimiento propio, usando los errores de predicción para ajustar sus predicciones. Esos errores se producen cuando hay un desajuste entre lo que el cerebro espera y lo que realmente percibe. En este sentido, el proyecto Learn2Predict, financiado por el Consejo Europeo de Investigación, explora cómo aprende el cerebro de estos errores de predicción. Centrándose en el córtex visual y en el sistema neuromodulador del cerebro, el equipo del proyecto pretende comprender cómo el cerebro mejora sus predicciones sensoriales. Mediante tecnologías como la realidad virtual y la optogenética, los investigadores estudiarán cómo afecta este proceso de aprendizaje al comportamiento.
Objetivo
To perform sensory guided behaviors, animals need to distinguish self-generated and externally generated sensory inputs. Predictive processing theories propose that the brain does this by learning to predict sensations caused by self-motion. The key signals thought to drive this learning are prediction errors: differences between predicted and actual sensory input. My previous work shows that neurons in the primary visual cortex (V1) compute visuomotor prediction errors, and that prediction errors activate the locus coeruleus, a brain-wide neuromodulatory system. We will now investigate the circuit and neuromodulatory mechanisms underlying the learning of sensory predictions, using V1 as a model. I hypothesize that input to V1 from higher order cortical areas undergoes plasticity during self-generated sensory feedback. This plasticity should be driven by prediction errors in V1 activity, modulated by locus coeruleus output, and improve detection of externally generated visual flow during self-motion. We will test this hypothesis using innovative methods, including a multimodal virtual reality system and a novel object detection task, combined with in vivo whole cell recordings, two-photon imaging, and optogenetics. The specific aims are to (1) investigate how prediction errors are communicated between the locus coeruleus and the cortex, (2) decipher the mechanisms of predictive plasticity within the V1 circuit, and (3) assess the behavioral relevance of this plasticity. The knowledge gained will have a fundamental impact on our mechanistic understanding of predictive learning in the cortex and the role of neuromodulation in this process, which will have significance for 1) understanding conditions in which the processing of self-generated sensory feedback is thought to be disrupted (e.g. neurodevelopmental conditions and psychosis), and 2) development of AI and brain-machine interfaces that deal with self-generated sensor feedback (e.g. prostheses).
Ámbito científico (EuroSciVoc)
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural.
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural.
- ingeniería y tecnologíaingeniería eléctrica, ingeniería electrónica, ingeniería de la informacióningeniería electrónicasensores
Para utilizar esta función, debe iniciar sesión o registrarse
Palabras clave
Programa(s)
- HORIZON.1.1 - European Research Council (ERC) Main Programme
Régimen de financiación
HORIZON-ERC - HORIZON ERC GrantsInstitución de acogida
EH8 9YL Edinburgh
Reino Unido