退化解释了异质牙状环网络中模式分离的神经元内部调节的多样性

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:

• 模式分离对于记忆至关重要,理论上与不同的前刺激连接性有关.
• 相互矛盾的证据表明,局部电路连接也在调节模式分离方面发挥着关键作用.

研究的目的:

• 为了调和对状回形 (DG) 网络中的模式分离调节的不同观点.
• 调查局部电路连接和神经元亚型在强制分离的前连接下在模式分离中的作用.

主要方法:

• 使用四个DG神经元亚型的验证的单个神经元模型,生成了2万个异质DG尖端网络.
• 应用了新的定量指标来评估对变形输入模式的模式分离性能.
• 分析网络输出,以确定内部神经元亚型和突触权重的贡献.

主要成果:

• 在大多数网络 (0.23%) 中,单独的分离前连接不足以有效地分离模式.
• 三种内部神经元亚型对颗粒细胞稀疏性和模式分离有显著的贡献,但具有很高的变异性.
• 突触重量差异和突触退化解释了模式分离的多样化的神经内部调节.

结论:

• 在GD网络中,模式分离的有效性源于颗粒细胞和内神经元之间的多种相互作用,而不仅仅是前向连接.
• 突触退化是内部神经元对模式分离的各种贡献的关键机制.
• 不同质的GD网络比同质的网络对突触动的弹性更强.