Attenzione: questa pagina è una traduzione automatica di questa pagina originariamente in lingua inglese. Si prega di notare in quanto le traduzioni sono generate da macchine, non tutte le traduzioni saranno perfetti. Questo sito web e le sue pagine web sono destinati ad essere letto in inglese. Ogni traduzione del sito e le sue pagine web possono essere imprecise e inesatte, in tutto o in parte. Questa traduzione è fornita per comodità.

Nuove bugne nel mistero delle celle ultra-complicate del cervello conosciute come i neuroni

I ricercatori da USC e la facoltà di medicina di Technion nell'Israele hanno scoperto le nuove bugne nel mistero delle celle ultra-complicate del cervello conosciute come i neuroni.

I loro risultati - comparendo nell'emissione di questo mese della neuroscienza della natura del giornale - contraddicono un'idea ampiamente accettata per quanto riguarda l'uso “aritmetico„ dei neuroni ad informazioni trattate.

“È stupefacente che dopo cento anni di ricerca moderna in neuroscienza, ancora non conosciamo le funzioni di base di elaborazione delle informazioni di un neurone,„ ha detto i mel di Bartlett, un professore associato nel banco di USC Viterbi di assistenza tecnica e l'autore di contributo dell'articolo pubblicato.

“Storicamente, è stato presupposto il più spesso che una cellula cerebrale riassumesse linearmente i sui input eccitanti, significando che l'eccitazione ha causato da due input A e la B attivata insieme uguaglia la somma delle eccitazioni causate da A e dalla B presentati esclusivamente.„

“Mostriamo che la cella viola significativamente quella norma,„ Mel abbiamo detto.

Il gruppo ha trovato che la somma di informazioni all'interno di un neurone determinato dipende da dove gli input si presentano, riguardante a vicenda, sulla superficie della cella.

Per capire il lavoro ed il significato del gruppo dei sui risultati, contribuisce a conoscere un poco più circa una cellula cerebrale.

Tutta elaborazione delle informazioni che ha luogo nel cervello è gestita da un Web dei neuroni. Queste celle viventi vengono in varie forme e dimensioni, spesso somigliando agli alberi o alle boccole.

Un neurone riceve l'input da altri neuroni a migliaia di siti - sinapsi chiamate - sparsi attraverso la sua superficie. Ciascuna delle sinapsi genera una piccola risposta locale di tensione quando è attivato.

Secondo la visualizzazione classica del neurone, le risposte sinaptiche scorrono giù i dendrites rami ramo delle cellule, che agiscono come i cavi elettrici e si accumulano al corpo cellulare. Se la risposta globale di tensione là è sufficiente, una punta elettrica è infornata, portata giù l'assone delle cellule ed è comunicata alle centinaia o a migliaia di altri neuroni.

“La prova recente suggerisce che la storia non sia abbastanza che semplice, sebbene,„ Mel ha detto. “I segnali in ingresso possono interagire a vicenda nei dendrites e possono profondo essere trasformati sul loro modo al corpo cellulare.„

“In particolare,„ i mel aggiunti, “diversi rami dell'albero dentritico possono, in determinate circostanze, generare le punte locali che notevolmente ampliano le risposte sinaptiche localmente all'interno dell'albero dentritico.„

Il gruppo ha precisato per stabilire “l'aritmetica„ usata dal neurone per combinare i suoi numerosi input sinaptici, mettenti a fuoco sul neurone a forma di piramide che compone la massa della materia grigia corticale del cervello.

Gli esperimenti sono stati eseguiti a Haifa, Israele da Alon Polsky, autore principale del documento ed il dottorando a Technion e Jackie Schiller, autore di contributo e ricercatore co-principale.

Facendo uso delle fette di tessuto cerebrale corticale dai ratti, Polsky e Schiller hanno posizionato i diversi neuroni piramidali, riempiti loro di tintura per gli scopi di visualizzazione (celle sono altrimenti trasparenti) e, facendo uso degli elettrodi extracellulari, hanno stimolato le celle molto vicino ai loro rami dentritici.

Mentre registrava la tensione al corpo cellulare, il gruppo consegnerebbe le scosse tramite uno o due elettrodo di stimolazione diretto verso le posizioni differenti nell'albero dentritico, per esempio, verso lo stesso o i rami dentritici differenti.

Poi confronterebbero la risposta di tensione al corpo cellulare mentre i due input esclusivamente e poi sono stati attivati in primo luogo insieme.

“La cosa potente circa il metodo [di Schiller] è che potete vedere dove state stimolando perché la tintura si sviluppa laddove sinapsi poco più luminose è attivata,„ ha detto i mel, che hanno lavorato a distanza con il gruppo da USC collaborando sull'analisi di progettazione e di dati di esperimento.

“Potete dirigere gli stimoli verso le distribuzioni nello spazio molto specifiche sulla cella e cominciare esaminare ché posizione di differenza fa. Che la vecchia posizione del ` di frase del bene immobile, la posizione, posizione' sostiene per i neuroni pure.„

I dati hanno indicato che tre scenari differenti potrebbero accadere quando due elettrodi A e B sono stati utilizzati per stimolare lo stesso ramo dentritico:

• Se la risposta totale ai due input (elettrodi A e B) le cadute sotto la soglia locale dell'infornamento del ramo, la somma sembra lineari - A più il B.

• Se i due input sono appena abbastanza forti che insieme oltrepassano la soglia locale, la somma sembra superlinear - più di A più il B.

• Se ogni input determinato è abbastanza forte oltrepassare la soglia locale da sè, la somma è sublinear - di meno che A più il B.

I mel hanno spiegato l'ultimo punto in questo modo: “Se due genti stanno provando a sviluppare insieme un incendio e ciascuna hanno una corrispondenza, l'incendio non è due volte ustione andante luminosa o due volte come grazie caldi alla seconda corrispondenza, una volta che già è iniziato con la prima. La seconda corrispondenza è irrilevante.„

Contrariamente alla somma degli input consegnati allo stesso ramo, i ricercatori hanno trovato che la somma degli input sui rami dentritici differenti è sembrato sempre lineare - come illuminazione due incendi separati.

I risultati supportano studio un 2003 modellanti effettuato nel laboratorio del mel, in cui lui ed il dottorando Panayiota Poirazi hanno predetto che i neuroni piramidali si comporterebbero in questo modo. Ciò era la prima prova sperimentale di quelle previsioni.

“Così, ora pensiamo al neurone in termini di modello del due-livello,„ Mel ha detto. “Il primo livello di trattamento si presenta all'interno dei rami dentritici separati. Ogni ramo aggiunge indipendente gli input a quel ramo e poi applica la sua propria non linearità locale di thresholding.„

“Nel secondo livello di trattamento,„ mel aggiunti, “i risultati da tutti i rami differenti si aggiungono insieme linearmente al corpo cellulare, in cui contribuiscono a determinare la portata del riscaldamento globale delle cellule.„

Mentre i risultati stanno promettendo, il gruppo è sicuro che questa non è la parola definitiva sul neurone piramidale.

“Indubbiamente, questo è ancora un modello troppo semplice,„ Mel ha detto. “Ma il modello del due-livello è una migliore descrizione, sembra, che supporre che il neurone stia combinando semplicemente linearmente tutto da dappertutto. Quello non è chiaramente che cosa questi dati mostrano.„

Secondo i mel, una complessità supplementare di cui deve finalmente occuparsi è che gli input sinaptici che arrivano al massimo parte remota del neurone - ha chiamato il ciuffo apicale - possono interagire nei modi sottili con gli input che arrivano sui dendrites basali, più vicino al corpo cellulare.

“Ora vorremmo vedere se dobbiamo estendere il modello del due-livello dentro fino un modello del tre-livello,„ Mel abbiamo detto. “Può essere che i dendrites basali ed apicali ciascuno si comportino come stiamo dicendo, ma quando interagiscono a vicenda c'è un'interazione non lineare supplementare che si presenta fra loro.„

Il mel sottolinea che le norme “aritmetiche„ lui ed i suoi colleghi trovati in neuroni piramidali non possono applicarsi a tutti i neuroni nel cervello.

“Ci sono altri neuroni che hanno forme differenti, input, morfologie e canali ionici,„ lui hanno detto. “Ci potrebbero essere dozzina risposte differenti alla domanda, secondo che neurone state esaminando.„

Mentre molto più lavoro si trova avanti, le nuove tecniche di rappresentazione, i modelli realistici e le procedure di laboratorio moderne stanno rendendo il compito di comprensione dei neuroni complicati del cervello un il gran quantità più facile.

Alla fine, Mel ha detto, le lezioni istruite dai diversi neuroni saranno cruciali da avanzare comprensione dei ricercatori' del cervello complessivamente.

“Tendiamo ad osservare il cervello come computer,„ ha detto. “Se vogliamo capire come questo computer funziona, dobbiamo in primo luogo sapere le sue parti separate funzionano.„