Newest papers

Spontaneous brain-wide rotational dynamics constrain cue-evoked behavior

Sihan Chen, Yunlong Xu, Doruk Efe Gökmen, Michel Fruchart, Brent Doiron, Vincenzo Vitelli · 2026 · arXiv (Cornell University)

DOI: 10.48550/arxiv.2610.25061 · cited by 0 works (OpenAlex) · open-access PDF

Vietnamese

Không phát hiện ra công cụ sinh học sinh học, thậm chí thiết lập các đại diện cấp thấp của động lực thần kinh trên toàn bộ não và mối quan hệ của họ với hành vi vẫn là một thách thức trung tâm. Ở đây, chúng tôi cho thấy rằng động lực quay tự phát trên toàn bộ não hạn chế hành vi và học tập theo dõi. Để thiết lập các phát hiện này một cách có hệ thống, chúng tôi đã phát triển một kỹ thuật hình ảnh calcium trên toàn bộ não được gọi là Phân tích Phân tích Phân tích Phân tích Phân tích Phân tích Phân tích Phân tích Phân tích Phân tích Phân tích Phân tích Phân tích Phân tích Phân tích Phân tích Phân tích Phân tích Phân tích Phân tích Phân tích Phân tích Phân tích Phân tích Phân tích Phân tích Phân tích Phân tích Phân tích Phân tích Phân

Machine translation (Meta M2M100); the English original follows.

Abstract

Uncovering low-dimensional representations of brain-wide neural dynamics and their relationship to behavior remains a central challenge. Here, we show that spontaneous brain-wide rotational dynamics constrain cue-evoked behavior and learning. To systematically establish these findings, we developed a dimensionality-reduction technique called Rotational Component Analysis (RCA) that optimizes the detection of low-variance rotational modes even within individual trials. We applied RCA to motor-cortical spike-train data from monkeys and humans, mouse cortex-wide calcium imaging, and human functional magnetic resonance imaging (fMRI) and magnetoencephalography (MEG). In mice, a rotational mode identified from activity recorded at rest predicts cue-evoked behavior: the phase of rotation when a randomly timed cue arrives predicts whether the animal subsequently pulls the lever. We explain this surprisingly strong correlation using both a recurrent neural network (RNN) and a minimal two-dimensional model of response learning, in which the intrinsic rotational mode serves as a dynamical constraint on response and learning. We further identify double-rotation modes containing two centers of rotation that separate preparatory from task dynamics in both mouse and human data. Remarkably, corresponding modes also organize neural dynamics during a non-motor human task, and rotational irreversibility captures early psychosis even when principal component analysis shows no group difference. Our work establishes rotational dynamics as low-dimensional coordinates that constrain how ongoing brain states are converted into behavior. More broadly, RCA provides a versatile tool for detecting hidden nonreciprocal dynamics in biological and physical datasets.

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Topics: Magnetoencephalography, Dynamics (music), Rotation (mathematics), Physics, Rotational dynamics, Rotation around a fixed axis

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange