[论文解读] Synaptic Transmission: An Information-Theoretic Perspective

Amit Manwani, Christof Koch|ArXiv.org|Sep 22, 1998

Neural dynamics and brain function参考文献 6被引用 10

一句话总结

本文利用信息论分析突触传递，将皮层突触建模为在两种范式下的噪声信道：信号估计（重建平均放电率）和信号检测（判断动作电位是否存在）。推导出突触容量的闭式下界，发现单个突触的信息传输能力较差，但仅少数突触的冗余即可显著提高可靠性和信息速率，接近高信噪比性能。

ABSTRACT

Here we analyze synaptic transmission from an information-theoretic perspective. We derive closed-form expressions for the lower-bounds on the capacity of a simple model of a cortical synapse under two explicit coding paradigms. Under the ``signal estimation'' paradigm, we assume the signal to be encoded in the mean firing rate of a Poisson neuron. The performance of an optimal linear estimator of the signal then provides a lower bound on the capacity for signal estimation. Under the ``signal detection'' paradigm, the presence or absence of the signal has to be detected. Performance of the optimal spike detector allows us to compute a lower bound on the capacity for signal detection. We find that single synapses (for empirically measured parameter values) transmit information poorly but significant improvement can be achieved with a small amount of redundancy.

研究动机与目标

• 使用信息-理论原则量化突触信息传输容量。
• 将突触传递建模为具有随机囊泡释放和噪声突触后电位的通信信道。
• 在两种编码范式下评估性能：信号估计（率编码）和信号检测（全或无动作电位存在性）。
• 确定多个突触之间的冗余如何改善信息传输并提高可靠性。
• 为生物物理上合理的参数值提供突触容量的闭式下界。

提出的方法

• 将突触建模为二元信道（用于囊泡释放），级联一个表示EPSP的随机振幅滤波器 h(t)。
• 使用形状参数为 a 的伽马分布，其均值为 μₐ，变异系数为 CVₐ，以建模试验间EPSP的变异性。
• 引入功率谱密度为 No = σₙ² / Bₙ 的加性白高斯噪声 n(t)，以建模突触后电位噪声。
• 在信号估计范式中应用维纳滤波，实现最优线性估计，以最小化均方误差。
• 在信号检测范式中应用匹配滤波和似然比检验，以实现最优动作电位检测。
• 计算检测信道的互信息 I(X;Y) 和误码率 Pe，使用二元熵函数和ROC分析以选择最优阈值。

实验结果

研究问题

• RQ1 在现实的生物物理约束下，单个皮层突触能传输多少信息？
• RQ2 突触可靠性（通过释放概率和EPSP变异性）如何限制信息传输容量？
• RQ3 多个独立突触之间的冗余在多大程度上能改善信息传输并降低误码率？
• RQ4 突触后噪声与EPSP振幅变异性如何共同影响突触信息容量？
• RQ5 在信息速率和误码性能方面，信号估计与信号检测的结果有何差异？

主要发现

• 在经验测量的参数下（例如 p=0.4，CVₐ=0.6），单个突触信息传输能力差，互信息低且误码率高。
• 即使释放理想（ε₁=0），最小误码率 Pe* 仍非零，表明存在固有的突触不可靠性，源于EPSP振幅变异性。
• 当突触后噪声被消除（SNR=∞）时，检测误码率 Pe 仍非零，这是由于囊泡释放的随机性所致，此时 Pe* = pₒε₁（当 ε₀=0 时）。
• 当五个独立突触并联时，系统接近高信噪比性能，显著降低误码率并提高信息速率。
• 信息容量随突触数量 n 线性增加，表明冗余是一种可扩展且有效的稳健神经编码机制。
• 信号检测的互信息 I(X;Y) 随 n 和 SNR 增加，即使 n 较小，系统也能实现显著的性能提升，凸显了冗余的强大作用。