海马的自发动态在稳定输入之间的组合竞争模型中放置场
bioRxiv : the preprint server for biology
|September 21, 2023
概括
计算机模拟显示,快速的突触学习可以解释海马位置细胞的动态变化. 这种由网格细胞输入驱动的快速学习,导致空间重组和重新绘制,为记忆和导航提供了洞察力.
科学领域:
- 神经科学是一个神经科学.
- 计算神经科学是一种神经科学.
- 认知科学 认知科学
背景情况:
- 海马内含有位置细胞,对于空间导航和记忆至关重要.
- 这些位置细胞的表征是动态的,随着时间的推移而发生自发的变化.
- 现有的学习模型通常假定缓慢的融合,与在位置细胞中观察到的快速编码形成鲜明对比.
研究的目的:
- 为了说明空间稳定的输入的塑性整合如何为动态海马体空间表示做出贡献.
- 研究电网细胞输入和突触竞争在场地形成和重组中的作用.
- 为了建模空间表现的自发变化背后的机制.
主要方法:
- 计算机模拟海马的位置细胞及其网格细胞输入.
- 模拟突触可塑性规则,特别是突触竞争.
- 在不同尺寸的环境中模拟行为,并考虑网格输入组织.
主要成果:
- 交互竞争可以在场地形成后持续存在,随着时间的推移推动空间重组.
- 更大的环境和特定的海马区域预测增加了位置场和重新映射.
- 模拟细胞显示了各种重组,包括重新映射,现场变化和射击失误.
结论:
- 快速的突触学习,由功能均和稳定的网格细胞输入驱动,可以解释位置细胞中的自发重映射.
- 该模型为海马体空间表征的动态性提供了一种机制.
- 研究结果表明,快速学习和表示稳定性之间存在一种权衡.
