脑网络的时空结构 - 神经科学家解码神经元活动

时间：2021-12-31 14:58:04来源：

弗莱堡大学弗雷布尔特（BCF）的弗赖堡和斯德哥尔摩皇家理工学院的神经科学家已经解读了大脑的重要过程，部分地有助于生物的行为。“有意义行为的基本要求之一是大脑中的网络产生了精确定义的神经元活动序列，”弗赖堡大学的Ad Aertsen教授说。研究人员在科学期刊PLO计算生物学中公布了与肯德斯·斯波斯·斯波尔博士（Kth和Sebastian Spreizer）的博士博士博士博士的合作结果。

近年来的实验表明，动物的行为伴随着大脑不同区域中神经元的连续活动。在该发现的背景下，全球研究人员开发了几种可能机制的模型，以解释这些有序序列如何存在。它们主要基于监督学习的方法，其中通过学习规则产生所需的顺序活动。在此过程中，证明可以训练神经元网络以产生活动序列。“与此同时，我们知道并非学会了所有行为。天生的行为表明，大脑在没有学习或训练的情况下产生某些序列，“针对研究的arvind Kumar说。

基于此，研究人员解决了未经训练的大脑如何产生有序的活动序列。他们发现这需要满足两个条件：首先，一小部分神经元的投影输出 - 它们与下游神经元的连接 - 必须更喜欢特定方向。其次，邻近的神经元需要共享那个优选的方向。“这意味着神经细胞的连接依赖于方向偏好，并且在空间上彼此连接。这是神经元网络中序贯活动产生顺序活动的关键，“Sebastian Spreizer解释道。如果该网络根据这些规则接线，它会创建一种类似于地理山和山谷的活动景观。在这种隐喻的背景下，神经元活动的序列就像横向的河流。神经细胞的空间织物的小变化产生了神经元活性的某些时间和空间序列。

为了验证模型，必须测量与邻近神经元的形状和连接。“有趣的是，神经调节剂 - 例如多巴胺等化学物质，例如 - 可以在上述大脑中产生连接，并且以依赖上下文的动态方式，”Ad Aertsen说。这使得网络有机会产生不同的神经元活动序列。然而，并非所有这些都将在功能上相关。因此，弗赖堡和斯德哥尔摩的研究人员得出结论，可以开发学习机制，以便选择有意义的序列，从而实现有意义的行为。

参考：“从空间到时间：Spiking神经网络中的空间不均匀性导致Spatiberal序列的出现“由Sebastian Spreizer，Ad Aertsen和Arvind Kumar，2019年10月25日，Plos计算生物学.DOI：
10.1371 / journal.pcbi.1007432