Modeling Single-Neuron Dynamics and Computations: A Balance of Detail and Abstraction

单神经元建模的动力学和计算:细节和抽象的平衡

这是一篇来自SCIENCE的论文(REVIEW综述),此处做部分翻译和总结

————————————————————————————————————

每个神经系统的基本组成单元就是单神经元

理解这些精密构造的单元是如何运行的,是探寻大脑的未解之谜不可缺少的一部分。

定量的数学模型已经被证明是追求这一目标一种不可或缺的工具。

我们回顾了最近的研究进展,检验了单神经元是如何在从黑箱方法到详细的分室仿真五个层次的复杂度上解决神经动力学和信号处理的关键问题的。

————————————————————————————————————

一百年前,Lapicque提出动作电位(action potentials)是当综合感知或对一个神经元的突触输入达到阈值时产生的。

这种"积分放电"模型成为神经生物学界一个最有影响的概念,因为它提供了一种解释基本神经运行的简单机制,比如峰值频率的刺激幅度的编码。

然而实验技术的进展已经证明"积分放电"模型与真实神经元的精确描述相去甚远。

他们的形态,离子电导的构成,和突触输入的分布产生了大量的动力学现象并且支持了各种基本的运算。

理解单神经元的动力学和计算及其在更大的神经网络中的作用因此成为神经科学的核心内容:单细胞的特性如何促成信息的处理,甚至产生最终的行为?

定量模型解决了这些问题,总结和组织了数量和复杂度迅速增长的实验数据,做出了可验证的预测。

随着单细胞模型和实验变得更紧密的交织在一起,用于有效参数估计和模型性能评估的数据分析工具的发展成为了计算研究的核心要素。

所有这些工作都需要在加入足够的细节来解释复杂的单细胞动力学和减少本质特征的复杂度以便使模型更易处理之间找到平衡。

恰当的描述层次取决于模型特定的目标。寻找最好的抽象层次确实经常是成功的关键。

我们强调了五个主要的单细胞建模层次的这些方面。

————————————————————————————————————

层次1:详细分室模型

形态逼真的模型是基于解剖重构的,专注于神经元的空间结构如何促成它的动力学和功能。

这些模型延伸了Rall的cable理论,从数学上展示了树突电压衰减的不对称(asymmetrically)传播。

这种现象使得树突可以计算突触激活模式的方向,从而提供了运动检测的一种机制。

当电压敏感的电导纳入考虑范围时,就需要空间离散的树突的数值积分——"分室模型"——来解决导致的高维系统方程。

 

对于复杂的树突树,需要超过1000个分室来概括细胞的特定的电紧张结构(例如,仿真椎体神经元的尖峰反向传播时)。

这种详细的模型也产生可测试的机理假说。

例如Purkinje细胞的仿真预测了网络抑制突触电流是生物体内特定峰放电的基础。这与后来的实验发现是一致的。

还有(In turn),甚至已经建立的模型,比如丘脑皮层神经元,也通过加入新的生物物理学的细节而被不断的改进,例如导致快速震荡的树突钙电流。

许多形态逼真的模型论证了树突突触集合的空间方面如何支持特定的计算,正如在其他综述中讨论的,举例来说,在椎体神经元中,末梢输入通过树突峰放电或平台电势被放大,支持局部电导检测和幅度调制。

树突内部电流在峰放电控制或者同步输入的反应的调制方面起着重要的作用。

这种突触输入之间的交互影响,电压门控电导,和峰放电输出可以被树突分支结构特定的影响。

另一方面,轴突的几何形状,会影响活动依赖分支点失效,可能因此实现在神经元输出端的滤波器和路径操作。

最后,详细的空间结构帮助预测外部电流刺激的效应

这对于用于帕金森病治疗的深部脑刺激具有重要意义,也凸显了形态逼真模型的需求。

————————————————————————————————————

层次2:简化分室模型

尽管详细分室模型可以很好的接近单神经元的动力学特征,但他们有几个缺点

他们的高维度和复杂结构导致无法对他们的突变性质进行数学上的理解。

同时,详细模型的计算代价大,因此不适于大规模网络仿真。

只有一个或几个树突分室的简化模型克服了这些问题,并且通常对于理解控制峰放电或簇放电的树突体交互作用足够了。

这种模型的适合的一项工作是将不同时间尺度上的行为相关计算神经元结构的显著特征和动力学联系起来。

例如在Jeffress的时间延迟框架中的双耳时间差检测等……

对于大规模网络研究,简化分室模型提供了一个好的在真实性和计算效率之间的折衷。

例如,包含几种类型的多分室皮质和丘脑神经元和总共3000个细胞的仿真,论证了间隙连接对皮质伽马振荡是有作用的。等……

很明显,对于这种研究的挑战在于寻找可以重现已发现现象最少复杂度的神经元模型

————————————————————————————————————

层次3:单分室模型

单分室模型,例如传统的HH模型,忽略神经元的空间结构,专注于它的各种离子电流如何影响阈下行为和放电产生

这些模型促成了很多动力学现象的定量理解,包括阶段性峰放电、簇放电和放电频率适应性

HH类模型的系统的数学上的简化和随之而来的分岔以及相平面分析,举例来说,解释了为什么一些神经元像积分放电元素或者为什么其他的膜电位对电流输入做出振荡反应,从而产生"共振"现象。

他们同时显示了哪种动力学变量的组合可以控制阈值运算,以及适应性和放电产生机制如何影响放电序列。

……

在Hodgkin和Huxley分析了乌贼轴突超过50年后,简单的神经元模型依旧能带来惊喜,就像这些发现所展示的。

最近的一项研究甚至表明标准HH形式不能解释皮质放电开始的sharp kink。它的机制原点和功能结果需要更多的调查。

————————————————————————————————————

层次4:级联模型

然而包含了特定的离子电流或形态细节的模型在研究单神经元的生理现象时是需要的,但在一个更概念化的层次上建模则允许人们得以直接解决计算问题

为了这个目的,基于数学基本单元(例如,线性滤波器,非线性变换,和随机过程)的串联的级联模型,提供了一种从所测数据中提取关键处理步骤的框架。

比如说,考虑一种带有线性滤波卷入时变输入的模型,然后应用一种纠正的非线性。在感觉系统的研究中,这种简单的结构经常作为典型模型……

————————————————————————————————————

层次5:黑箱模型

最后但并不是最重要的,一个人可能想要理解和量化单个神经元的信号处理能力,而不像考虑它的生理结构

这种方法可能可以揭示通用的法则,这种法则可以解释,例如,神经元把他们的操作点放在哪,输入改变时他们如何转换他们的响应。

……

————————————————————————————————————

挑战:

"一个复杂系统的好的理论模型应该像好的漫画一样:它应该强调那些最重要的特性而忽略不必要的细节。现在唯一阻碍人们这么做的是他不完全知道哪个是不必要的细节,直到他在研究中完全理解这一现象"

由物理学家Frenkel几乎一个世纪前提出的这种普遍的困境,对于单神经元尤其适用。

哪种离子电导和形态的细节与细胞特定类型或个体动力学的特定方面有关?

这些动力学如何促成神经信息处理?

神经元所做的基本计算的辨识可能帮助解决这一问题。

然而,脑功能依赖于上亿个分布在不同的解剖层次的特定部位的神经元的相互作用。

即使在今天,单神经元建模的哪个层次对于理解其动力学和如此大的系统实施的计算比较合适还不是明确的

然而,可以通过理解单神经元如何在网络中起作用可以评估他们的编码和对于建模所需要的细节层次。

例如,大多数网络模型使用点神经元模型,而脑功能的多个方面需要多分室模型

因此越来越清楚,仅仅通过将不同的抽象层次联系起来,就可以获得对单神经元功能的通透理解。

试图包含所研究的神经元的所有的生理细节有可能会失去对本质动力学的焦点,然而对高度抽象过程的限制性研究又加重了对特定发现的生物相关性的怀疑。

分析不同建模层次之间的转变有可能会带来帮助。

一些有趣的联系已经发现了,例如,将HH类模型(层次3)转变为现象学放电率描述或级联(层次4)。

————————————————————————————————————

总结:

对于这些挑战没有通用的解决办法。

模型预测的循环迭代、实验测试和模型调整对于这种循序渐进的过程是一种明显的策略。

然而,我们应该明白,精细的单神经元模型也不能完全与数据吻合,也不能保证真实神经元的决定性部分被包含在内

错误的模型可能因此被错误的"证实",长期过程中可能需要许多的模型-实验的迭代循环,直到一个不正确的假设被证明错误。

 

也有好消息:研究生物体中单神经元的实验工具的快速发展将产生高阶量化模型迫切需要的数据。

随着现代实验室中配置高性能计算机,高级的在线技术,例如"动态钳位",将被普遍采用。

在这种技术中,无法被药代选择性的阻止电压门控的电导被使用神经元的现状人工产生的电流所抵消。

这种方法已经表明,持续的钠电流对峰放电的影响。

在体外实验中,模拟生物输入模式,突触电导可以插入动态钳位 。

带有实时数据分析的自适应刺激可以用于优化记录时间,允许我们延伸传统的概念,比如信息理论层次上的"最佳刺激"。

 

这些进展表明实验和理论之间的分界线正在消失。

越来越多的实验学家愿意与建模者分享他们的原始数据

另外一方面,许多建模者,愿意分享他们的程序源代码

这两种举动在解决许多神经动力学和信息处理(从单神经元到整个大脑)的许多公开问题中起着重要作用。

————————————————————————————————————

Modeling Single-Neuron Dynamics and Computations: A Balance of Detail and Abstraction

图1:单神经元建模的五个层次的例子。

层次1:Purkinje细胞的详细分室模型。树突树被分为电耦合HH类分室(层次3)。

层次2:两室模型。树突接收来自突触的输入,并与胞体耦合,在胞体产生神经元的响应。

层次3:HH模型,单室模型的典型。细胞的内部和外部被电容Cm和与表示离子反向电势的电池串联的离子电导隔离开。钠和钾离子电导取决于取决于电压;漏电导是固定的。

层次4:线性-非线性级联。刺激S(t)通过一个滤波器,然后通过非线性环节产生相应R(t),典型的时间依赖性放电率。

层次5:黑箱模型。忽略生理机制,条件概率p(R|S)描述响应R对于给定刺激S。

————————————————————————————————————

你可能感兴趣的:(abstract)