树枝状计算机:当1 + 1 = 3时
![Neurons typically consist of a cell body or ‘soma’, dendrites and axon. The dendrites are branched structures that receive signals from other neurons, while axons transmit signals to other neurons. Purkinje neurons have the most extensive dendritic branching of all neurons in the brain. Credit: Bingata artwork by Hazel Cruzado 树枝状计算机:当1 + 1 = 3时](https://scx1.b-cdn.net/csz/news/800a/2021/607583a847e7d.jpg)
人类的大脑充满了神经元——共有860亿个神经元——它们连接在一个巨大而复杂的网络中,控制着我们如何移动、思考、说话和产生记忆。重要的信息在这个网络中通过数万亿个连接点交换,这些连接点叫做突触。通过这些突触,每个神经元不断地受到成千上万的信号的轰击——有些重要,有些不重要——但科学家们仍然不完全理解接收神经元是如何提取相关信息的。
“这就是所谓的“信噪比”问题,在过去的50年里,这一直是神经科学家们研究的对象,”Bernd Kuhn说,他是冲绳科技研究生院(OIST)光学神经成像部门的负责人。“过去的研究给我们的观点是,每个神经元的功能就像一台单独的电脑,自行决定如何对这些信号作出反应,但要确定用于实现这些计算的确切机制,已经证明是一个真正的技术挑战。”
一种方式神经元解决信噪比问题的方法是更多地关注同时接收到的信号。神经元以非线性的方式增强同时发出的信号——例如,如果同时收到两个输入信号,神经元可能会像收到三个一样做出反应。
此前,研究人员使用脑组织切片来研究神经元对这些同步信号的反应,但该研究团队表示,这种方法“就像观察冰山的一角”。
然而,2018年,OIST光学神经成像部门开发了一种强大的新技术,使用双光子电压成像,可以揭示神经元的3D结构,并以最小侵入性的方式检测它们的电活动。
现在,这项技术首次允许研究人员解决唤醒动物中的“信噪比”问题,而不是在脑组织切片中。他们的调查结果据报道el。
研究第一作者、光学神经成像部门的科学家克里斯托弗·鲁姆(Christopher Roome)博士解释说:“研究反应灵敏的动物,提供了有关大脑内发生的过程的全新细节。”“当你处理大脑切片时,你必须用电刺激孤立的神经元——所以这些不是真实的信号。而在活体动物中,神经元有成千上万的自然输入,包括神经元必须过滤掉的自发信号,以及神经元必须对感官刺激作出反应而产生的诱发信号。所以,你可以开始看到神经元处理和区分这些信号的所有不同方式。”
在该研究中,团队使用小鼠研究一种特定类型的脑细胞,Purkinje神经元在小脑中发现,该小脑中发现的大脑参与控制运动。
浦肯野神经元从平行纤维和攀爬纤维接收信号,这是另外两种神经元的轴突。每个浦肯野神经元只与一种攀爬纤维相连,研究人员认为,这种纤维提供了强大的输入,有助于浦肯野神经元学习和改进运动。
另一方面,浦肯野神经元每一个都连接着大约10万根平行的纤维,这些纤维提供了有关身体位置以及动物试图与之互动的任何体外物体的详细信息。
科学家们向醒来的小鼠的眼睛施用了小泡沫的空气,触发闪烁的反射并导致多个信号传递到Purkinje神经元。他们监测了Purkinje神经元如何在从平行和攀爬纤维接收出这些信号时响应的。
OIST研究小组发现浦肯野神经元对吸入空气产生的信号(被称为诱发信号)作出反应的一种方式已经通过树突峰值。这些是电脉冲——或动作电位——只发生在树突内。
“通常,我们认为神经元接收到树突上的输入,然后将输入的输入达到所有信号。如果达到了某个阈值,则会产生动作电位并在轴突中传输,”kuhn教授。“但它实际上比 - 如果信号足够强,则枝晶中也会发生动作电位并保持在树突的那个区域的局部化。”
此前的研究表明,来自攀爬纤维的单个强信号可以诱导这些树突尖,但这是研究人员首次发现,当浦肯野神经元同时接收多个平行纤维的诱发信号时,出现局部树突尖。
相比之下,当浦肯野神经元随机接收到自发信号时,研究人员很少看到树突尖峰出现,这表明神经元使用树突尖峰来区分真实信号和噪声。
目前还不清楚树突刺的影响是什么,但研究人员认为,它可能会在局部层面改变浦肯野神经元。“一种可能性是,它可能会改变该区域突触的强度,而不影响该神经元的其他突触,”鲁姆博士说。“这很重要,因为它意味着神经元的计算能力显著增强,因为树突的不同部分可以独立执行这些计算。”
单个突触强度的变化被认为是学习的重要机制,因为这种影响是长期的,而不是短期的动作电位。
接下来,研究小组将深入研究对同步信号作出反应的机制是否有助于记忆和学习。
“总的来说,我们希望我们的工作能够帮助揭示神经元树突处理信息的基本规则,这可能会产生深远的影响,”库恩教授说。“了解大脑的总体运作方式可以帮助我们创造出更好的计算机,提高人工智能水平。”树突处理在许多神经系统疾病中也起着作用,比如癫痫和自闭症,所以这项工作可能最终有助于理解和治疗这些疾病。”
进一步探索
用户评论