神经元信息处理模型案例.pptVIP

关于神经信息处理的模型 题目：神经信息处理的简单模型研究 气味信息的编码 1.气味信号可以诱发感受神经元兴奋性的或抑制性的反应。不同种类的嗅感受神经元的自发性发电频率大小不同，一些神经元倾向于以兴奋性的反应编码气味信号，有的以抑制性的反应编码气味信号。 2.嗅感受神经元对气味信号的敏感性区别很大，一些嗅感受神经元对很多的气味都有反应，有的仅仅对极少量的气味有反应。 3.气味的浓度编码取决于嗅感受神经元的动作电位发放强度以及参与气味编码的嗅感受神经元种类的数目。气味浓度增大，发放率会增加。 分流抑制：比如，树突远端位置给一兴奋性输入，那么，同时在树突近端给一抑制性输入，就会分流兴奋性对胞体膜电位的影响。 分流抑制的单神经元模型，模拟了神经元胞体膜电位的动力学过程，胞体接收兴奋性和抑制性突触输入，动力学方程 v表示细胞胞体膜电位的大小，C为膜电容。g为漏电导， 为静息电位。 和 分别表示兴奋性和抑制性电导， 和 为 其对应的逆转电位。细胞膜电位在稳态时表示为 这样兴奋性电导和抑制性电导被兴奋性和抑制性电导的加和归一化，兴奋性和抑制性输入在神经细胞上整合为非线性 on-path配置（抑制性输入在兴奋性输入和胞体之间） 各位点膜电位动力学方程， 这里， , , 分别表示胞体，树突位点I和E的膜电位。 和 分别表示胞体和树突位点的膜电容， 为静息电位。 和 分别表示抑制性电导和兴奋性电导的反转电位。 和 分别表示胞体和树突输入位点的漏电导。经过快慢动力学，网络动力学的简化，最后得到 图3.突触后电位 . A.兴奋性输入在树突远端时的兴奋性突触后电位 。B.抑制性输入在树突近端时抑制性突触后电位 。当电导 和 很小时，两曲线可以近似的用线性函数逼近（虚线） 没有抑制性输入时，即 和 ，那么 为细胞胞体对兴奋性输入 的反应。同样的，没有兴奋性输 入时，即 和 ，胞体对外界刺激的反应为 。这样，仅有兴奋性（抑制性）输入时，胞体对 外界刺激的反应近似呈现出线性加和的方式。然而，给定兴 奋性和抑制性输入时，胞体上膜电位可以表示为 该公式表示为兴奋性和抑制性突触后电位的线性加和，以及 他们的乘积运算，系数 表示分流抑制强度。 姊妹细胞：我们通常把同一个小球内的投射神经元称为姊妹细胞。 根据KC的发放率和高斯分布来逼近超几何分布，可得 为神经元发放阈值减少量 其中， 若保持KCs发放率不变，增加突触连接概率Pc可减小噪声对稀疏编码的影响。这意味着KC突触连接数越多，噪声对稀疏表示的影响越小。当Pc=0.5时，噪声对稀疏表示的影响最小。 另外，姊妹细胞数目M与噪声的影响 成反比，若激活小球数目A是固定的，姊妹细胞（M1）可以提升稀疏编码对噪声的鲁棒性。 * 图1.嗅感受神经元至小球的精确投射 图中，每一个小球仅从表达特定蛋白基因的感受器细胞接受输入。表达特定基因的感受器用颜色标记。同一种类的嗅感受神经元投射到嗅球的同一个子区域。 图2.Three-compartment模型 结论：1.分流抑制强度与传输电导成反比。即抑制性输入在树突近端时，抑制性位点到胞体的传输电导较大，分流抑制强度较小，反之较大。也就是分流抑制强度依赖于突触输入位点到胞体的距离。 2.兴奋性和抑制性电流在神经元细胞体上的非线性作用可以用一个简单的公式逼近，其中分流抑制可以用兴奋性和抑制性突触后电位的乘积来表示。 其中 与神经元平均活动相关 *