大脑|大脑模式分离机制有了新发现

奥地利科学技术研究所(IST)使用大脑齿状回的真实比例计算机模型 , 发现一种新的模式分离机制 , 被模式激活的抑制性神经元会抑制所有相邻的神经元 , 进而关闭与之“竞争”的类似模式 。 相关研究成果近日发表在《自然·计算科学》杂志上 。
人类可以区分非常相似的东西 。 例如 , 黑猫与黑豹几乎一模一样 , 只是体型不同 。 区分这种差异至关重要 。 得益于所谓的模式分离 , 大脑能够区分非常相似的模式 , 并触发不同的行为 。 例如抚摸黑猫和逃离黑豹 。 然而 , 模式分离究竟是如何发生的 , 迄今尚未完全阐明 。
IST教授彼得·乔纳斯领导的科研团队在早期的研究中 , 已经测量了突触的关键参数、神经元的连接点和连通规则 。 这些对于了解信息在小鼠和大鼠的海马网络中如何处理是必要的 。 在新研究中 , 他们使用这些真实世界的参数构建了一个包含50万个兴奋性神经元的全尺寸计算机模型 , 对模式分离如何工作的各种假设进行了测试 。
过去 , 神经科学家认为模式分离是基于扩展:模式从较少数量的神经元投射到下一层处理中的大量神经元上 。 这将放大图案并使其更容易看到差异 。 虽然扩展是小脑中的一种可能机制 , 但它不太可能发生在海马体中 , 海马体中的颗粒细胞将它们的信号传递给下一层较少的CA3神经元 。
乔纳斯解释说:“我们的真实模型表明 , 抑制在其中起着重要作用 , 即活跃的神经元阻止其他神经元放电 。 ”从数学的角度已经表明 , 抑制网络中的活动可更容易地看出模式之间的差异 。 使用海马体模型 , 乔纳斯检查了抑制的作用 。 当抑制模型的一部分时 , 图案就会被牢固地分开 。 这一结果支持模式分离的观点从扩展转变为抑制的机制 。
【大脑|大脑模式分离机制有了新发现】新数据还解释了齿状回局部抑制的功能和作用 。 激活的神经元仅抑制300微米半径内的其他细胞 。 这种抑制可比全局抑制更好地分离模式 。 速度在模式分离中至关重要 , 焦点抑制减少了延迟:一种模式中的神经元开启并非常迅速地抑制周围细胞 , 确保其他模式不会开启 。 采访人员李山

    推荐阅读