塑性如何塑造由振荡和随机输入驱动的神经元组件的形成

科学领域:

• 计算神经科学是一种计算神经科学.
• 系统神经科学 系统神经科学
• 理论神经科学理论神经科学

背景情况:

• 神经回路连接是由突触可塑性塑造的,受到突触前后活动的影响.
• 现有的模型通常假设恒定或缓慢变化的射速,忽视无处不在的振荡和波动.
• 由于感官刺激和内在的大脑动态,振荡和波动输入在神经元电路中很常见.

研究的目的:

• 调查如何振荡和波动输入影响循环网络连接在一个暂时不对称的可塑性规则下.
• 通过分析推导出这些动态输入对突触可塑性和网络结构的影响.
• 将分析从神经元对扩展到大规模网络.

主要方法:

• 用时间尺度分离方法对神经元对进行分析建模.
• 将分析框架扩展到大型循环网络.
• 分析由振荡和随机输入产生的网络结构.

主要成果:

• 振荡输入导致网络结构依赖于神经元驱动器之间的相位关系.
• 具有振荡输入的大型网络中的分布式相促进了层次的集群.
• 随机输入创建一个复杂的相平面,在不同的连接模式之间显示多稳定性.

结论:

• 动态输入,包括振荡和波动,在塑造超越静态发射率的神经元网络连接方面发挥着至关重要的作用.
• 振荡输入的相位关系和随机输入的性质显著影响新兴网络结构.
• 研究结果提供了关于时间变化的感官输入如何影响神经系统中的突触可塑性,学习和记忆的见解.