科技日報駐德國記者 李山
奧地利科學(xué)技術(shù)研究所（IST）使用大腦齒狀回的真實比例計算機模型，發(fā)現(xiàn)一種新的模式分離機制，被模式激活的抑制性神經(jīng)元會抑制所有相鄰的神經(jīng)元，進而關(guān)閉與之“競爭”的類似模式。相關(guān)研究成果近日發(fā)表在《自然·計算科學(xué)》雜志上。
人類可以區(qū)分非常相似的東西。例如，黑貓與黑豹幾乎一模一樣，只是體型不同。區(qū)分這種差異至關(guān)重要。得益于所謂的模式分離，大腦能夠區(qū)分非常相似的模式，并觸發(fā)不同的行為。例如撫摸黑貓和逃離黑豹。然而，模式分離究竟是如何發(fā)生的，迄今尚未完全闡明。
IST教授彼得·喬納斯領(lǐng)導(dǎo)的科研團隊在早期的研究中，已經(jīng)測量了突觸的關(guān)鍵參數(shù)、神經(jīng)元的連接點和連通規(guī)則。這些對于了解信息在小鼠和大鼠的海馬網(wǎng)絡(luò)中如何處理是必要的。在新研究中，他們使用這些真實世界的參數(shù)構(gòu)建了一個包含50萬個興奮性神經(jīng)元的全尺寸計算機模型，對模式分離如何工作的各種假設(shè)進行了測試。
過去，神經(jīng)科學(xué)家認(rèn)為模式分離是基于擴展：模式從較少數(shù)量的神經(jīng)元投射到下一層處理中的大量神經(jīng)元上。這將放大圖案并使其更容易看到差異。雖然擴展是小腦中的一種可能機制，但它不太可能發(fā)生在海馬體中，海馬體中的顆粒細(xì)胞將它們的信號傳遞給下一層較少的CA3神經(jīng)元。
喬納斯解釋說：“我們的真實模型表明，抑制在其中起著重要作用，即活躍的神經(jīng)元阻止其他神經(jīng)元放電。”從數(shù)學(xué)的角度已經(jīng)表明，抑制網(wǎng)絡(luò)中的活動可更容易地看出模式之間的差異。使用海馬體模型，喬納斯檢查了抑制的作用。當(dāng)抑制模型的一部分時，圖案就會被牢固地分開。這一結(jié)果支持模式分離的觀點從擴展轉(zhuǎn)變?yōu)橐种频臋C制。
新數(shù)據(jù)還解釋了齒狀回局部抑制的功能和作用。激活的神經(jīng)元僅抑制300微米半徑內(nèi)的其他細(xì)胞。這種抑制可比全局抑制更好地分離模式。速度在模式分離中至關(guān)重要，焦點抑制減少了延遲：一種模式中的神經(jīng)元開啟并非常迅速地抑制周圍細(xì)胞，確保其他模式不會開啟。
營業(yè)執(zhí)照公示信息