Forscher von
USC und die Technions-Medizinische Fakultät in Israel haben neue Anhaltspunkte in das Geheimnis der ultra-schwierigen Zellen des Gehirns festgestellt, die als Neuronen bekannt sind.
Ihre Ergebnisse - erscheinend im Punkt dieses Monats der Zapfen Natur-Neurologie - widersprechen eine breit geltende Idee betreffend den „arithmetischen“ Neurongebrauch zu den Prozessinformationen.
„Es ist, dass nach hundert Jahren moderner Neurologieforschung, kennen wir noch nicht die grundlegenden informationsverarbeitenden Funktionen eines Neurons,“ sagte Bartlettbirnen-Mel, einen außerordentlichen Professor in der Ingenieurschule USC Viterbi und beitragenden Autor des Artikels des Zapfens erstaunlich.
„Historisch, ist es häufig angenommen worden, dass eine Gehirnzelle seine anregenden Input linear aufsummiert und bedeutet, dass die Erregung durch zwei Input A verursachte und B, das zusammen aktiviert ist, der Summe von den Erregung entspricht, die verursacht werden durch A und B separat dargestellt werden.“
„Wir zeigen, dass die Zelle beträchtlich diese Regel verletzt,“ Mel sagten.
Das Team fand, dass die Summierung von Informationen innerhalb eines einzelnen Neurons abhängt davon, wo die Input, im Verhältnis zu einander, auf der Oberfläche der Zelle auftreten.
Um des die Arbeit und die Stichhaltigkeit Teams seiner Ergebnisse zu verstehen, hilft sie mehr über eine Gehirnzelle ein wenig zu wissen.
Alles informationsverarbeitende, das im Gehirn stattfinden, wird durch ein Selennetz von Neuronen gehandhabt. Diese lebenden Zellen kommen in eine Vielzahl von Formen und von Größen und häufig ähneln Bäumen oder Büschen.
Ein Neuron empfängt Input von anderen Neuronen an den Tausenden Sites - Rufsynapsen - zerstreut über seine Oberfläche. Jede der Synapsen erzeugen eine kleine lokale Spannungsantwort, wenn es aktiviert ist.
Entsprechend der klassischen Ansicht des Neurons, fließen synaptische Antworten hinunter die Zweig ähnlichen Dendriten der Zelle, die wie elektrische Kabel wirken und am Zellgehäuse akkumulieren. Wenn die Gesamtspannungsantwort dort genügend ist, wird eine elektrische Spitze zu den Hunderten oder zu den Tausenden anderer Neuronen abgefeuert, getragen hinunter den Neurit der Zelle und kommuniziert.
„Neuer Beweis schlägt vor, dass die Geschichte nicht durchaus ist, dass einfach, obwohl,“ sagte Mel. „Die Eingangssignale einwirken möglicherweise auf einander in den Dendriten und werden umgewandelt möglicherweise profund auf ihrer Methode zum Zellgehäuse.“
„Insbesondere,“ können die Mel hinzugefügt, „einzelne Zweige des Baumbaums, unter bestimmten Umständen, lokale Spitzen erzeugen, die verstärken groß synaptische Antworten lokal innerhalb des Baumbaums.“
Das Team legte dar, um die „Arithmetik“ festzulegen, die durch das Neuron verwendet wurde, um seine vielen synaptischen Input zu kombinieren und konzentrierte sich auf das Pyramide-förmige Neuron, das die Masse der kortikalen grauen Substanz des Gehirns bildet.
Die Experimente wurden in Haifa, Israel durch Alon Polsky, führender Autor des Papiers und des Studenten im Aufbaustudium bei Technion und der Jackie Schiller, beitragender Autor und mit-allgemeiner Forscher geleitet.
Unter Verwendung der Scheiben des kortikalen Hirngewebes von den Ratten, errichteten Polsky und Schiller die einzelnen Pyramidenzellen, gefüllt ihnen mit Farbe zu den Sichtbarmachungszwecken (Zellen sind andernfalls transparent) und, unter Verwendung der extrazellularen Elektroden, regten die Zellen sehr nah zu ihren Baumzweigen an.
Beim Aufzeichnen der Spannung am Zellgehäuse, würde das Team Schocks durch ein oder zwei anregende Elektroden entbinden, die auf verschiedene Einbauorte im Baumbaum zum Beispiel auf gleiche oder die verschiedenen Baumzweige verwiesen wurden.
Sie würden dann die Spannungsantwort am Zellgehäuse vergleichen, während die zwei Input zuerst separat und dann zusammen aktiviert waren.
„Die starke Sache über [Schillers] Methode ist, dass Sie sehen können, wo Sie anregend sind, weil die Farbe wenig hellere gleichgültig wo Synapsen sind aktiviert wächst,“ sagte Mel, die mit dem Team entfernt von USC arbeiteten, indem sie auf der Experimentauslegung und der Datenanalyse zusammenarbeiteten.
„Sie können die Auslöseimpulse auf sehr spezifische räumliche Einbauorte auf der Zelle verweisen und beginnen, einen welchen Unterschiedeinbauort zu betrachten macht. Dass alter Grundbesitzphrase ` Einbauort, Einbauort, Einbauort' anhält wahr für Neuronen auch.“
Die Daten zeigten, dass drei verschiedene Szenario auftreten konnten, als zwei Elektroden A und B verwendet wurden, um den gleichen Baumzweig anzuregen:
• Wenn die Gesamtantwort zu den zwei Input (Elektroden A und B) Fälle unterhalb des lokalen Zündungsschwellwerts des Zweigs, die Summierung schaut - A plus B. linear.
• Wenn die zwei Input gerade genug stark sind, denen zusammen sie den lokalen Schwellwert überschreiten, schaut die Summierung - mehr als A plus B. superlinear.
• Wenn jeder einzelne Input genug stark ist, den lokalen Schwellwert an sich zu überschreiten, ist die Summierung - kleiner als A plus B. sublinear.
Mel erklärten den letzten Punkt auf diese Art: „Wenn zwei Leute versuchen, ein Feuer zusammen aufzubauen und sie jede eine Abgleichung haben, ist das Feuer nicht die gehende Brandwunde zweimal so hell oder zweimal wie heiße dank die zweite Abgleichung, sobald es bereits mit der ersten begonnen wird. Die zweite Abgleichung ist irrelevant.“
Im Gegensatz zu Summierung von den Input, die an den gleichen Zweig entbunden wurden, fanden die Forscher, dass Summierung von Input auf verschiedenen Baumzweigen immer linear schaute - wie Beleuchtung zwei verschiedene Feuer.
Die Ergebnisse unterstützen eine 2003 Formungsstudie, die im Labor des Mels durchgeführt wird, in dem er und Student im Aufbaustudium Panayiota Poirazi voraussagten, dass Pyramidenzellen sich auf diese Art benehmen würden. Dieses war die erste experimentelle Prüfung jener Vorhersagen.
„So, denken wir jetzt an das Neuron im Hinblick auf ein Zweischicht Baumuster,“ sagte Mel. „Die erste Schicht des Aufbereitens tritt innerhalb der unterschiedlichen Baumzweige auf. Jeder Zweig fügt unabhängig oben die Input diesem Zweig hinzu und wendet dann seine eigene lokale Thresholdingnichtlinearität.“ an
„In der zweiten Schicht des Aufbereitens,“ Mel hinzugefügt, „die Ergebnisse von allen verschiedenen Zweigen werden zusammen linear am Zellgehäuse hinzugefügt, in dem sie helfen, die Gesamtzündungskinetik der Zelle zu bestimmen.“
Während die Ergebnisse viel versprechend sind, ist das Team sicher, dass dieses nicht das abschließende Wort auf der Pyramidenzelle ist.
„Ohne Zweifel, ist dieses noch ein zu einfaches Baumuster,“ sagte Mel. „Aber das Zweischicht Baumuster ist eine bessere Beschreibung, es scheint, als, anzunehmen, dass das Neuron einfach alles linear von überall kombiniert. Das ist offenbar nicht, was diese Daten zeigen.“
Entsprechend Mel ist eine zusätzliche Komplexität, die schließlich beschäftigt werden muss, dass die synaptischen Input möglicherweise, die höchstens Fernteil des Neurons ankommen - riefen den Spitzenbüschel - auf subtile Arten auf die Input einwirken, die auf den basalen Dendriten ankommen, näher an dem Zellgehäuse.
„Wir möchten jetzt, wenn wir das Zweischicht Baumuster auf ein Dreischicht Baumuster herein ausdehnen müssen,“ Mel sehen sagten. „Es ist, dass die basalen und Spitzendendriten jeder sich benehmen, wie wir gesagt haben, aber, wenn sie auf einander einwirken, gibt es eine zusätzliche nichtlineare Interaktion, die auftritt zwischen ihnen.“
Mel hebt hervor, dass die „arithmetischen“ Regeln möglicherweise er und seine Kollegen gefunden in den Pyramidenzellen nicht auf alle Neuronen im Gehirn zutreffen.
„Es gibt andere Neuronen, die verschiedene Formen haben, Input, Morphologien und Ionenkanäle,“ er sagte. „Es gäbe möglicherweise Dutzend verschiedene Antworten zur Frage, abhängig von, welchem Neuron Sie betrachten.“
Während viel mehr Arbeit voran liegt, machen neue Abbildungstechniken, lebensechte Baumuster und moderne Laborprozeduren die Aufgabe vom Verständnis der erschwerten Neuronen des Gehirns ein ganzes Lot einfacher.
Im Ende sagte Mel, sind die Lektionen, die von den einzelnen Neuronen gelehrt sind, entscheidend, Forschervoranzubringen' Verständnis des Gehirns als Ganzes.
„Wir neigen, das Gehirn als Computer anzusehen,“ sagte er. „Wenn wir herausfinden möchten, wie dieser Computer arbeitet, müssen wir zuerst können, seine Einzelteile arbeiten.“
http://www.usc.edu