这篇文章已根据科学X的审查gydF4y2Ba编辑过程gydF4y2Ba而且gydF4y2Ba政策gydF4y2Ba.gydF4y2Ba编辑器gydF4y2Ba在保证内容可信度的同时,突出了以下属性:gydF4y2Ba

核查事实的gydF4y2Ba

同行评议的出版物gydF4y2Ba

可信的源gydF4y2Ba

校对gydF4y2Ba

通过对海龟大脑的建模,我们可以深入了解视觉皮层的路径活动gydF4y2Ba

通过对海龟大脑的建模,我们可以深入了解视觉皮层的路径活动gydF4y2Ba
海龟视觉皮层的生物学启发模型。(gydF4y2Ba一个gydF4y2Ba在200 μm半径的圆盘内,网络的大小、E和I种群的比例以及连接概率的示意图(见图2)gydF4y2BaCgydF4y2Ba).每个单元的平均传出连接数:E-to-E: 750, I-to-I: 110, E-to-I: 190, I-to-E: 2690。蓝色三角形:兴奋性神经元。红圈:抑制性神经元。(gydF4y2BaBgydF4y2Ba左上:记录神经元(蓝色)对电流注射的膜电位响应的拟合示例(黑色)。左下及右下:拟合膜电容分布(gydF4y2BaCgydF4y2Ba 米gydF4y2Ba)和泄漏电导(gydF4y2BaggydF4y2Ba lgydF4y2Ba) (gydF4y2BangydF4y2Ba= 3886条轨迹)。右上:145个记录神经元的自适应指数分布。箭头表示模型神经元参数(中位数)。(gydF4y2BaCgydF4y2Ba)不同连接类型(上:exc,下:inh)的依赖于距离的连接概率的高斯分布。这些图谱是根据修补过的神经元对中显示出所有测试神经元对之间存在联系的部分进行拟合的。下面的竖条(数据)表示不同连接类型的连接(彩色)或断开(灰色)神经元对。(gydF4y2BaDgydF4y2Ba)对数正态拟合兴奋性突触电导峰值。顶部:累积分布函数(cdf)。底部:概率密度函数(pdf)。电导由兴奋性突触后电位(EPSP)振幅估计,该振幅由记录的连接神经元对(灰色点)实验获得。插图:在静息电位下,孤立的突触后神经元中不同突触权重(顶部箭头)的建模EPSPs示例。(gydF4y2BaEgydF4y2Ba)每个模型神经元的强(上0.3%)或弱(下90%)兴奋性到兴奋性连接数量的概率质量函数(pmf)。(gydF4y2BaFgydF4y2Ba)一个兴奋性神经元至少具有一个强兴奋性到兴奋性连接的概率的自举估计。彩色区域:95%置信区间。箭头:与(gydF4y2BaDgydF4y2Ba).(gydF4y2BaGgydF4y2Ba)实验测量了体外制备的168个修补神经元膜电位的均值和标准差。箭头表示中位数。(gydF4y2BaHgydF4y2Ba)两个模型神经元的膜电位(蓝色:exc;红色:不同白噪声电流参数下的inh)。注意在高平均电流下的动作电位和EPSPs (gydF4y2BaμgydF4y2Ba 在gydF4y2Ba).(gydF4y2Ba我gydF4y2Ba)模型神经元膜电位均值和标准差的分布(蓝色:exc;红色:inh)下白噪声电流参数在(gydF4y2BaHgydF4y2Ba).信贷:gydF4y2BaeLifegydF4y2Ba(2023)。DOI: 10.7554 / eLife.79928gydF4y2Ba

马克斯·普朗克大脑研究所的研究人员进行了一项新研究,利用计算机模拟来探索刺突模式如何在海龟视觉皮层实验数据约束的神经元网络中传播。gydF4y2Ba

研究人员发现,网络中罕见但强大的连接可以提高记忆力的可靠性gydF4y2Ba,提供了易于停止或促进传播的衬底,从而形成了在这些网络中路由活动的高度可靠的系统。这项研究揭示了大脑中的神经元如何相互交流,以及如何可靠地控制这种交流。gydF4y2Ba

相互连接的神经元网络传播活动的可靠性如何?有两个因素认为“非常不可靠”:神经元通过弱连接从网络中许多其他神经元接收输入,并且在同一刺激的多次呈现下,神经元的反应显著不同。gydF4y2Ba

尽管如此,在包括老鼠、人类、鸟类和海龟在内的各种物种的大脑中,已经测量出了可重复的活动模式。这些模式涉及以相同的时间顺序激活同一个神经元网络,这表明网络中活动的传播在某种程度上比以前认为的更可靠。gydF4y2Ba

马克斯·普朗克大脑研究所所长吉勒斯·劳伦特教授之前的实验室实验已经挑战了这些预期,表明即使是海龟皮层中单个神经元的激活(峰值)也能触发网络中的活动模式。然而,这些峰值可靠传播背后的网络机制尚不清楚。gydF4y2Ba

胡安·路易斯·里克尔梅(Juan Luis Riquelme)是一名博士生,他与马克斯·普朗克大脑研究所的研究小组负责人、慕尼黑工业大学教授朱莉亚娜·乔吉耶娃(Julijana Gjorgjieva)合作gydF4y2Ba研究神经元网络模型中活动传播的机制。gydF4y2Ba

他们的研究揭示了网络连通性支持通过单个尖峰产生连续的神经反应。这些网络受到来自海龟皮层的记录的限制,这解释了单个峰值如何能够对大范围的神经活动产生如此巨大的影响。gydF4y2Ba

研究人员发现,循环网络中罕见但强大的连接可以提高传播的可靠性,尽管存在来自其他相互连接的神经元的噪声活动。研究小组观察到,有一些gydF4y2Ba可以很容易地停止或促进传播,从而导致一个高度可靠的系统在网络中路由活动。相反,拥有许多弱连接使传播更加灵活。gydF4y2Ba

这种路由可能依赖于上下文,由外部输入或正在进行的网络活动决定网络内传播的最终路径。重要的是,研究人员发现,这些活动模式可以被分离成独立的模块,这些模块可以独立激活和组合。gydF4y2Ba

这表明,大脑能够产生大量不同但可靠的活动模式,以应对不同的刺激。这些发现对我们理解大脑如何控制信息流以及如何处理不同刺激具有重要意义。gydF4y2Ba

总的来说,这项新的计算研究为大脑中的神经元如何相互通信以及如何可靠地控制这种通信提供了见解。由于海龟与祖先的羊膜动物密切相关,了解它们更简单的皮层中的可靠繁殖可能有助于深入了解多个物种神经元网络的基本运作。gydF4y2Ba

在这一领域的进一步研究可能会导致深入了解如何gydF4y2Ba处理信息并通知gydF4y2Ba在人工网络上。gydF4y2Ba

这项研究发表在该杂志上gydF4y2BaeLifegydF4y2Ba.gydF4y2Ba

更多信息:gydF4y2BaJuan Luis Riquelme等人,单尖峰驱动皮层网络中活动的顺序传播和路由,gydF4y2BaeLifegydF4y2Ba(2023)。gydF4y2BaDOI: 10.7554 / eLife.79928gydF4y2Ba

期刊信息:gydF4y2Ba eLifegydF4y2Ba

引用gydF4y2Ba:对海龟大脑进行建模,可以深入了解视觉皮层中的路径活动(2023,2月15日),检索自2023年4月1日//www.pyrotek-europe.com/news/2023-02-turtle-brain-insights-routing-visual.htmlgydF4y2Ba
这份文件受版权保护。除为私人学习或研究目的而进行的公平交易外,未经书面许可,不得转载任何部分。内容仅供参考之用。gydF4y2Ba

进一步探索gydF4y2Ba

大脑接线图中的秘密结构gydF4y2Ba

6gydF4y2Ba股票gydF4y2Ba

对编辑的反馈gydF4y2Ba