Новые ключи в тайну клеток мозга ультра-осложненных известных как невроны

Их заключения - появляющся в вопрос этого месяца Нейронауки Природы журнала - противоречат широко принятой идее относительно «арифметической» пользы невронов к отростчатой информации.

«Она изумительна что после 100 лет самомоднейшего исследования нейронауки, мы все еще не знаем функции элементарных сведений обрабатывая неврона,» сказала Мел Bartlett, адъюнкта-профессора в Школе USC Viterbi Инджиниринга и способствуя автор журнальной статьи.

«Исторически, наиболее часто было предположено клетка головного мозга суммирует свои excitatory входные сигналы линейно, что возбуждение причинило 2 входными сигналами A и B активированный совместно приравнивает сумма возбуждений причиненных A и B представленными отдельно.»

«Мы показываем что клетка значительно нарушает то правило,» Мел сказали.

Команда нашла что суммирование информации в пределах быть в зависимости от неврона индивидуала где входные сигналы происходят, по отношению к одину другого, на поверхности клетки.

Для того чтобы понять работу и значительность команды своих заключений, она помогает знать немного больше о клетке головного мозга.

Весь обрабатывать информации которое осуществляет в мозге управляется сетью невронов. Эти живущие клетки приходят в разнообразие формы и размеры, часто походящ деревья или кусты.

Неврон получает входной сигнал от других невронов на тысячах мест - вызванных синапсах - разбросанных через свою поверхность. Каждый из синапсов производит малую местную реакцию напряжения тока когда он активировано.

Согласно классическому взгляду неврона, синаптические реакции пропускают вниз с клетки ветв-как дентриты, которые действуют как электрические кабели и аккумулируют на теле клетки. Если общая реакция напряжения тока там достаточна, то электрический спайк, снесен вниз с аксона клетки и связан к сотниам или тысячам других невронов.

«Недавнее доказательство предлагает что рассказ нет довольно что просто, хотя,» Мел сказал. «Входные сигналы могут взаимодействовать друг с другом в дентритах и могут глубокомысленно быть преобразованы на их путе к телу клетки.»

«В частности,» добавленный Мел, «индивидуальные ветви ветвеобразного дерева может, под некоторыми обстоятельствами, произвести местные спайки которые значительно усиливают синаптические реакции по месту внутри ветвеобразное дерево.»

Команда установила вне для того чтобы установить «арифметику» используемую невроном для того чтобы совместить свои много синаптических входных сигналов, фокусируя на пирамидк-форменном невроне который составляет большое часть дела мозга кортикального серого.

Эксперименты были дирижированы в Хайфа, Израиле Alon Polsky, ведущим автор бумаги и аспиранта на Technion, и Джекии Schiller, способствуя автора и co-главным образом исследователя.

Используя ломтики кортикальной материи мозга от крыс, Polsky и Schiller устроили индивидуальные pyramidal невроны, заполненные им с краской для целей визуализирования (клетки в противном случае прозрачны) и, используя внеклеточные электроды, простимулировали клетки очень близко к их ветвеобразным ветвям.

Пока записывающ напряжение тока на теле клетки, команда поставила бы удары через один или два возбуждающий электрод сразу к различным положениям в ветвеобразном дереве, например, к такому же или различным ветвеобразным ветвям.

Они после этого сравнили бы реакцию напряжения тока на теле клетки по мере того как 2 входного сигнала были активированы сперва отдельно и после этого совместно.

«Мощная вещь о методе [Schiller] что вы можете увидеть где вы возбуждающи потому что краска растет немного более яркие где бы ни синапсы активирована,» сказал Мел, который работал с командой отдаленно от USC путем сотрудничать на конструкции и анализе данных эксперимента.

«Вы можете сразу стимулы к очень специфическим пространственный положениям на клетке и начать посмотреть какое положение разницы делает. Что старое положение ` фразы недвижимости, положение, положение' держит истинным для невронов также.»

На данные показано что 3 различных сценария смогли произойти когда 2 электрода A и B были использованы для того чтобы простимулировать такую же ветвеобразную ветвь:

• Если полная реакция до 2 inputs (электроды A и B) понижается под порогом включения ветви местный, суммирование смотрит линейной - A плюс B.

• Если 2 входного сигнала как раз сильны достаточно, то которому совместно они пересекают местный порог, суммирование смотрит superlinear - больше чем A плюс B.

• Если каждый индивидуальный входной сигнал сильн достаточно для того чтобы пересечь местный порог собой, то суммирование sublinear - чем A плюс B.

Мел объяснил последний пункт в этом путе: «Если 2 люд пробуют построить пожар совместно и они каждое имеют спичку, то пожар нет идя ожога дважды как яркого или дважды по мере того как горячие спасибо вторая спичка, как только он уже начат с первым. Вторая спичка неуместна.»

В отличие от суммирования входных сигналов поставленных к такой же ветви, исследователя нашли что суммирование входных сигналов на различных ветвеобразных ветвях всегда смотрело линейным - как освещение 2 отдельно пожара.

Заключения поддерживают 2003 моделируя изучение унесенное в лаборатории Мела, в которой он и аспирант Panayiota Poirazi предсказали что pyramidal невроны поступали в этом путе. Это было первым экспириментально испытанием тех прогнозов.

«Так, мы теперь думаем неврона оперируя понятиями модели 2-слоя,» Мел сказал. «Первый слой обрабатывать происходит внутри отдельно ветвеобразные ветви. Каждая ветвь независимо добавляет вверх входные сигналы к той ветви, и после этого прикладывает свою собственную местную нелинейность thresholding.»

«В втором слое обрабатывать,» добавленный Мел, «результаты от всех различных ветвей добавлены совместно линейно на теле клетки, где они помогает определить тариф включения клетки общий.»

Пока результаты перспективнейши, команда уверена это нет окончательного слова на pyramidal невроне.

«Несомненно, это все еще слишком простая модель,» Мел сказал. «Только модель 2-слоя более лучшее описание, оно кажется, чем высказать предположение о том, что неврон просто совмещает все линейно от везде. То нет ясно чего эти на данные показано.»

Согласно Мелу, одна дополнительная сложность которой окончательно быть общано с что синаптические входные сигналы приезжая на самую дистанционную часть неврона - вызвало верхушечный вихор - могут взаимодействовать в тонких путях при входные сигналы приезжая на базальные дентриты, ближе к телу клетки.

«Мы теперь хотел были бы увидеть если нам нужно удлинить модель 2-слоя внутри к модели 3-слоя, то» Мел сказали. «Она может быть что базальные и верхушечные дентриты каждое поступают по мере того как мы говорили, но когда они взаимодействуют друг с другом дополнительное нелинейное взаимодействие которое происходит между ими.»

Мел подчеркивает что «арифметические» правила он и его коллегаы найденные в pyramidal невронах не могут примениться к всем невронам в мозге.

«Другие невроны которые имеют различные формы, входные сигналы, словотолкования и каналы иона,» он сказали. «Могло быть дюжина различных ответов к вопросу, в зависимости от какого неврона вы смотрите.»

Пока очень больше работы лежит вперед, новые методы воображения, lifelike модели и самомоднейшие процедуры по лаборатории делают задачу понимать невроны мозга осложненные вся серия более легким.

Под конец, Мел сказал, уроки выученные от индивидуальных невронов будут критические для того чтобы выдвинуть понимать исследователей' мозга в целом.

«Мы клоним осмотреть мозг как компьютер,» он сказал. «Если мы хотим к давати в численном выражении, то как этот компьютер работает, мы должны сперва суметь как свои отдельно части действуют.»

http://www.usc.edu