[论文解读] The role of synaptic facilitation in coincidence spike detection

Jorge F. Mejías, Joaquı́n J. Torres|ArXiv.org|May 3, 2006

Neural dynamics and brain function参考文献 14被引用 4

一句话总结

本研究通过结合抑郁与易化作用的动态突触建模，探究了突触易化如何增强皮层神经元的关联性检测能力。结果表明，易化作用可提升对相关动作电位和放电率变化的检测性能，在广泛阈值范围内实现最优输入频率下的最大性能表现，并使异质性神经网络中的信号处理更具鲁棒性。

ABSTRACT

Using a realistic model of activity dependent dynamical synapses and a standard integrate and fire neuron model we study, both analytically and numerically, the conditions in which a postsynaptic neuron efficiently detects temporal coincidences of spikes arriving at certain frequency from N different afferents. We extend a previous work that only considers synaptic depression as the most important mechanism in the transmission of information through synapses, to a more general situation including also synaptic facilitation. Our study shows that: 1) facilitation enhances the detection of correlated signals arriving from a subset of presynaptic excitatory neurons, with different degrees of correlation among this subset, and 2) the presence of facilitation allows for a better detection of firing rate changes. Finally, we also observed that facilitation determines the existence of an optimal input frequency which allows the best performance for a wide (maximum) range of the neuron firing threshold. This optimal frequency can be controlled by means of facilitation parameters.

研究动机与目标

• 理解突触易化如何在突触抑制之外提升突触后神经元的时间关联性检测能力。
• 确定易化作用在提升来自多个传入神经元的关联性动作电位输入检测性能方面的作用条件。
• 研究易化作用对神经回路中放电率变化检测的影响。
• 识别并控制一个最优输入频率的存在，以在不同神经元阈值下最大化检测性能。
• 评估当突触前输入之间的相关性降低时，这些效应的鲁棒性。

提出的方法

• 采用基于Tsodyks与Markram（1997, 1998）形式化的现象学动态突触模型，同时包含短期抑制与易化作用。
• 将突触前动作电位序列建模为平均频率为f的泊松过程，并利用神经递质可用性状态变量（x_i, y_i, z_i）计算突触电流动力学。
• 通过动态变量u(t)实现钙依赖性易化作用，该变量按时间常数τ_fac演化，并调节释放概率U(t)。
• 在假设τ_in ≪ τ_rec的条件下，推导出周期性与泊松动作电位序列下的峰值突触电流（I_peak）与噪声电流（I_noise）的解析表达式。
• 利用整合-放电神经元动力学与指数衰减模型，计算信号与噪声膜电位贡献（V_signal与V_noise）。
• 应用危险函数近似与阶跃函数，通过静止膜电位的递推关系，估算关联性检测中的误报（N_falses）与漏报（N_failures）。

实验结果

研究问题

• RQ1 与仅依赖抑制的机制相比，突触易化如何提升对来自多个传入神经元的时序相关动作电位的检测能力？
• RQ2 易化作用在检测突触前放电率变化中扮演何种角色？
• RQ3 突触易化是否能实现一个最优输入频率，使在广泛神经元放电阈值范围内关联性检测性能达到最大？
• RQ4 当突触前输入之间的相关性降低时，易化作用的优势是否依然稳健？
• RQ5 是否可通过调节易化参数（如τ_fac与U_SE）来控制最优输入频率的位置，以实现最佳检测性能？

主要发现

• 即使在相关性降低的情况下，突触易化仍能显著提升对部分传入神经元相关动作电位输入的检测能力。
• 易化作用可改善对放电率变化的检测，尤其在仅依赖突触抑制无法提供可靠信号传输的区域表现更优。
• 易化的存在促使一个最优输入频率出现，该频率可在广泛神经元放电阈值范围内最大化关联性检测性能。
• 该最优频率并非固定值，而是可通过调节易化参数（如τ_fac与U_SE）进行调控。
• 解析模型预测，利用涉及V_noise与V_signal的推导表达式，可准确估算关联性检测中的误报（N_falses）与漏报（N_failures）。
• 模型表明，V_signal与M（同步动作电位数量）及I_peak成正比，而I_peak取决于抑制与易化动力学的共同作用，证实易化在相关输入爆发期间增强了有效突触驱动。