小鼠海马真实模型揭示模式分离的新机制

时间：2021-12-20 00:00:00 来源：网络整理

在一个模型中有50万个神经元

在之前的研究中，Jonas和他的团队测量了突触、神经元连接点和连接规则的关键参数，这些参数是理解小鼠和大鼠海马网络中信息处理所必需的。现在，乔纳斯使用这些真实的参数来建立一个精确的网络模型——这是一个挑战，通常，大脑电路的模型是用10到1000个神经元建立的。然而，大鼠的齿状回含有50万个兴奋神经元，称为颗粒细胞。“在按比例缩小的模型中，我们无法插入测量到的神经元回路的突触参数。但由于我们想要模拟大脑中发生的事情，并使用我们之前获得的突触测量，我们实现了一个完整的网络，有50万个颗粒细胞。”

抑制分离模式

利用这个计算机模型，乔纳斯测试了关于模式分离如何工作的不同假设。“有了这个模型，我们不能只是复制生物学，而是系统地改变参数和解开因素。这使我们能够理解大脑中的计算，以及生物因素如何支持或限制计算。”

从历史上看，基于小脑的数据，神经学家认为模式分离是基于扩展的:模式从较少的神经元投射到下一层处理中的大量神经元。这将扩展模式，并使其更容易发现差异。虽然扩张是小脑的一种潜在机制，但它不太可能在海马体中起作用，在海马体中，颗粒细胞聚集在下一层中较少数量的CA3神经元上。

“很明显，扩张不可能是海马体的唯一机制，”乔纳斯说。“来自我们现实模型的证据表明，抑制——活跃的神经元阻止其他神经元放电——扮演着重要的角色。”从数学上讲，已经证明减少网络中的活动可以使区分模式之间的差异变得更容易。利用海马体模型，Jonas质疑了抑制的作用。“当抑制是模型的一部分时，模式被强有力地分离。但当我们去掉抑制时，情况就不同了。这一建模数据改变了从代码扩展到基于抑制机制的历史观点。”

新数据也解释了先前研究的一个结果，这个结果让乔纳斯感到困惑。“之前，我们发现齿状回的抑制是局部受限的。激活的神经元只能抑制半径300微米范围内的其他细胞。我们一直在问这种局部抑制的功能作用是什么。”网络模型表明，这种局部抑制比全局抑制能更好地分离模式，全局抑制会抑制整个网络的活动。在模式分离中，速度是至关重要的，而焦点抑制可以减少延迟:模式中的神经元打开并非常迅速地抑制周围的细胞，确保其他模式没有打开。Jonas指出:“这是一个很酷的解决方案，但不是很直观，我们只能通过模型来解决这个问题。”下一步，Jonas计划将结果转移回生物系统，并进行行为实验，进一步探索抑制如何促进模式分离。

Journal Reference:

S. Jose Guzman, Alois Schlögl, Claudia Espinoza, Xiaomin Zhang, Benjamin A. Suter, peter Jonas. How connectivity rules and synaptic properties shape the efficacy of pattern separation in the entorhinal cortex–dentate gyrus–CA3 network. Nature Computational Science, 2021; DOI: 10.1038/s43588-021-00157-1

郑重声明：文章仅代表原作者观点，不代表本站立场；如有侵权、违规，可直接反馈本站，我们将会作修改或删除处理。