Иллюстрация создана с помощью ИИ.
Данио учили различать запах, за которым следовала еда, и запах без награды. После тренировки узоры активности тысяч нейронов стали лучше отличаться друг от друга.
Источник опубликован: 10 сентября 2026. Nature Neuroscience.
Рыбки научились отличать запах, обещавший еду, от запаха без награды. Вместе с этим изменилось то, как знакомые запахи представлены в активности групп нейронов: их узоры стали лучше разделяться. Исследователи обучали молодых и взрослых данио, а затем записывали сигналы из изолированного мозга в области pDp — функциональном аналоге части обонятельной коры позвоночных. Это данные на животных, а не проверка обучения людей или ароматерапии.
Статус знания: научные данные на животных.
Главное
- В основной серии сравнили шесть необученных и 25 обученных молодых рыбок; результат дополнительно проверили у взрослых.
- После тренировки нейронные представления важных запахов лучше отделялись друг от друга и от новых запахов.
- Это эксперимент на рыбах с последующей записью активности из изолированного мозга, поэтому переносить выводы на обучение людей или ароматерапию нельзя.
Как научили рыбок различать запахи и заглянули в их мозг
Молодые рыбки 11 дней обучались группой, затем ещё два–четыре дня поодиночке. В основной записи участвовали шесть необученных и 25 обученных рыбок. Исследователи анализировали активность 9 059 и 34 152 нейронов соответственно.
Проверку повторили у взрослых рыб: восемь животных вошли в необученную группу, девять — в обученную. После поведенческого этапа мозг исследовали ex vivo, записывая кальциевые сигналы двухфотонным микроскопом.
Как обучение разделило нейронные «карты» запахов
Представьте, что каждый запах оставляет в мозге свой узор активности нейронов, как облако точек на карте. У необученной рыбки облака разных запахов лежат близко и частично накладываются друг на друга. После обучения они разошлись: облако запаха, связанного с едой, стало заметно отдельным от остальных. Учёные называют такое облако «нейронным многообразием» (по-английски manifold).
Авторы измеряли, насколько легко по активности нейронов отличить один запах от другого (в статье этот показатель называется manifold capacity, «ёмкость многообразия»). У обученных рыбок различать запахи по мозговой активности стало легче: облака стали компактнее, а их центры перекрывались слабее.
Работает ли эта «карта» в поведении рыбок?
У молодых рыбок связь прослеживалась: чем лучше запахи различались по активности нейронов, тем увереннее рыбка отличала запах с едой от запаха без награды (коэффициент корреляции 0,56, P = 0,004). Более простые показатели активности такой связи с поведением не показали.
Корреляция не раскрывает причинную цепочку: авторы не перестраивали геометрию сигналов напрямую и не показали, какие изменения синапсов её создали.
Чего не нашли: устойчивых «ямок» памяти в активности нейронов
По классической модели память похожа на ямку, в которую «скатывается» активность сети: любое похожее воздействие приводит к одному и тому же устойчивому состоянию (его называют аттрактором). Здесь признаков такой ямки не нашли. Ответы нейронов менялись от раза к разу, но после обучения нужные запахи стало легче разделить.
Почему это похоже на настройку карты под задачу
Работа связывает обучение, коллективную активность нейронов и поведение. Эффект касался прежде всего условных и близких к ним запахов, а не всех стимулов одинаково. Это похоже на настройку карты под задачу, а не на общее усиление реакции мозга.
Что нельзя переносить с рыбок на людей
Исследование не показывает, что запахи улучшают память или интеллект человека, что ароматерапия перестраивает мозг или что тренировкой можно восстановить обоняние. Область pDp — лишь функциональный аналог части обонятельной коры человека.
Записи выполняли в препарате мозга после обучения, выборку заранее не рассчитывали, а анализ проводили без ослепления. Разные методы использовали разные временные окна, хотя проверка на общем окне дала похожий результат.
Как читать этот результат специалисту
Наиболее убедительны повторение направления эффекта у молодых и взрослых рыб, связь manifold capacity с поведением и открытые данные с кодом анализа. Одновременно результаты зависят от математического описания многомерной активности: красивые двумерные проекции служат иллюстрацией, но сами по себе не доказывают разделимость представлений.
Источник
- Hu B., Temiz N. Z., Chou C.-N. et al. (2026). Representational learning by optimization of neural manifolds in an olfactory memory network. Nature Neuroscience. DOI.
Источник сверен: 05.10.2026.