Cerebro-cerebellar interactions : in vivo and in silico protocols co-design

A major goal of contemporary neuroscientific research is to investigate the brain mechanisms underlying behavior by designing experimental protocols for animal studies coupled with in vivo neural recordings. Since behavior is the final output of the nervous system at the whole organism level, recording the neural activity of experimental subjects can be used to elucidate the causal relationships between anatomical, neurochemical, neurophysiological and genetic substrates to investigate the biological/neurological bases of behavior. The co-design of in vivo and in silico motor behavioral protocols allows to collect data on neural activity and subsequently develop computational models of the different areas of the brain. By faithfully reproducing biological features, the resulting models can be used to test neurophysiological and/or pathological hypotheses and be applied to complex clinical scenarios. Although various studies have confirmed the cognitive functions associated with the cerebellum and its intra-brain connections, their functional role is yet to be elucidated. The literature shows neither experimental tools nor computational models that investigate the cerebro-cerebellar connections in an exhaustive way. The aim of this study is therefore the co-design of in vivo and in silico behavioral protocols to investigate the functional role of cerebro-cerebellar interactions in an associative motor learning task, specifically designed to clarify the contributions in the motor preparation and execution phase during rewarded goal-oriented actions. This involved two complementary approaches: (i) the physical implementation of the technical apparatus required to carry out a novel custom "reach-to-grasp" experiment on adult mice, recording the in vivo neural activity of different areas of the brain with commercial imaging tools (which will take place at the Department of Behavioral Studies at the University of Pavia); (ii) the virtual simulation of the experiment with specific software using a neurorobot driven by a spiking neural network model designed by integrating a multiscale network of the cerebellum (developed as part of the CerebNEST project) with a novel spiking network model, whose design was based on neurobiological observations from the literature, containing the other brain structures involved in the experiment. The results achieved by the project include the realization of a first prototype of a sensorized set-up that can be controlled via software through serial communication with a microcontroller and the correct execution of the experimental protocol in silico by the neurorobot using a simplified version of the designed neural network. These results represent a solid basis on which to continue the integration of experimental data with computational models, improving the prototype of the experimental set-up and expanding the implementation of the neural network to be employed on high-performance computing resources.

Uno degli obiettivo principali della ricerca neuroscientifica contemporanea è quello di indagare i meccanismi cerebrali alla base del comportamento tramite la progettazione di protocolli sperimentali per studi animali correlati da registrazioni neurali in vivo. Poiché il comportamento è l’output finale del sistema nervoso a livello dell’intero organismo, i dati delle registrazioni dell’attività neurale dei soggetti sperimentali possono essere utilizzati per chiarire le relazioni causali tra substrati anatomici, neurochimici, neurofisiologici e genetici per indagare le basi biologiche/neurologiche del comportamento. La co-progettazione di protocolli comportamentali motori in vivo e in silico permette di raccogliere osservazioni sull’attività dei vari neuroni e sviluppare, grazie ad esse, modelli computazionali delle diverse aree del cervello. Riproducendo fedelmente le caratteristiche biologiche, i modelli risultanti possono essere usati per testare ipotesi neurofisiologiche e/o patologiche ed essere applicati a scenari clinici complessi. Nonostante vari studi abbiano confermato le funzioni cognitive associate al cervelletto e alle sue connessioni intra-encefaliche, il loro ruolo funzionale deve tutt’ora essere chiarito. La letteratura non mostra né strumenti sperimentali né modelli computazionali che investighino le connessioni cerebro-cerebellari in maniera esaustiva. Lo scopo di questo studio è quindi la co-progettazione di protocolli comportamentali in vivo e in silico per investigare il ruolo funzionale delle interazioni cerebro-cerebellari in un compito di apprendimento motorio associativo, pensato appositamente per chiarirne i contributi nella fase di preparazione ed esecuzione motoria durante azioni mirate al raggiungimento di un obiettivo per una ricompensa. Questo ha previsto due approcci complementari: (i) la realizzazione fisica dell’apparato tecnico richiesto per svolgere un nuovo tipo di esperimento “reach-to-grasp” con ricompensa, registrando l’attività neurale in vivo su topi adulti di diverse aree del cervello con strumenti di imaging commerciali (che si svolgerà presso il Dipartimento di Studi Comportamentali presso l’Università di Pavia); (ii) la simulazione virtuale dell’esperimento con software specifico utilizzando un neurorobot guidato da un modello di rete neurale spiking progettata integrando un modello multiscala del cervelletto (sviluppato nell’ambito del progetto CerebNEST) con un modello appositamente progettato basandosi su osservazioni neurobiologiche dalla letteratura, contenente le altre strutture cerebrali coinvolte nel esperimento. I risultati conseguiti dal progetto includono la realizzazione di un primo prototipo di un set-up sensorizzato controllabile via software tramite comunicazione seriale con un microcontrollore e la corretta esecuzione del protocollo sperimentale in silico da parte del neurorobot utilizzando una versione semplificata della rete neurale proposta. Questi risultati rappresentano una base solida su cui continuare l’integrazione di dati sperimentali con modelli computazionali, apportando migliorie al prototipo del set-up sperimentale e ampliando l’implementazione della rete neurale per essere eseguita su risorse di calcolo ad elevate prestazioni.