通过竞争性抑制进行集体原始化:在新皮层柱中存储感官上下文和检测偏差的本地机制

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.
• 系统神经科学 系统神经科学

背景情况:

• 偏差检测 (DD) 对于处理意想不到的刺激至关重要.
• 以前的理论提出了针对DD的专门细胞类型或大脑区域路由.
• 在DD的基础上的神经机制仍然不完全理解.

研究的目的:

• 提出并测试一种新理论,其中偏差检测来自于新皮层柱内的局部网络相互作用.
• 研究竞争性抑制和选择性 (解) 抑制在神经动力学中的作用.
• 以计算方式建模与神经调转移和感官上下文存储相关的现象.

主要方法:

• 开发了一个基于神经元组合之间的竞争性抑制的理论框架.
• 使用了两种不同生物物理细节的神经网络类型的计算建模.
• 模拟的神经调在神经元,时间和刺激历史中发生变化.
• 测试了关于新兴动态和连接参数稳定性的假设.

主要成果:

• 证明了偏差驱动的神经动力学可以从局部网络交互中出现.
• 展示了通过选择性 (解) 抑制的竞争性抑制进行组合原始化可以存储感官背景.
• 根据实验观察到的现象验证了模型,包括神经调节的变化.
• 发现DD不需要来自其他大脑区域的专门输入.

结论:

• 偏差检测可以通过新皮层柱内的局部网络机制来解释.
• 竞争性抑制和选择性 (解除) 抑制为感官上下文存储提供了局部框架.
• 这种新型范式挑战了现有的理论,并解决了感官编码和预测处理的混方面.