神經(jīng)元信息處理模型

1、關(guān)于神經(jīng)信息處理的模型 題目：神經(jīng)信息處理的簡(jiǎn)單模型研究 圖圖1.嗅感受神經(jīng)元至小球的精確投射嗅感受神經(jīng)元至小球的精確投射圖中，每一個(gè)小球僅從表達(dá)特定蛋白基因的感受器細(xì)胞接受輸入。表達(dá)特定基因的感受器用顏色標(biāo)記。同一種類的嗅感受神經(jīng)元投射到嗅球的同一個(gè)子區(qū)域。f氣味信息的編碼 1.氣味信號(hào)可以誘發(fā)感受神經(jīng)元興奮性的或抑制性的反應(yīng)。不同種類的嗅感受神經(jīng)元的自發(fā)性發(fā)電頻率大小不同，一些神經(jīng)元傾向于以興奮性的反應(yīng)編碼氣味信號(hào)，有的以抑制性的反應(yīng)編碼氣味信號(hào)。 2.嗅感受神經(jīng)元對(duì)氣味信號(hào)的敏感性區(qū)別很大，一些嗅感受神經(jīng)元對(duì)很多的氣味都有反應(yīng)，有的僅僅對(duì)極少量的氣味有反應(yīng)。 3.氣味的濃度編碼取決于嗅感

2、受神經(jīng)元的動(dòng)作電位發(fā)放強(qiáng)度以及參與氣味編碼的嗅感受神經(jīng)元種類的數(shù)目。氣味濃度增大，發(fā)放率會(huì)增加。 分流抑制：比如，樹突遠(yuǎn)端位置給一興奮性輸入，那么，同時(shí)在樹突近端給一抑制性輸入，就會(huì)分流興奮性對(duì)胞體膜電位的影響。 分流抑制的單神經(jīng)元模型，模擬了神經(jīng)元胞體膜電位的動(dòng)力學(xué)過程，胞體接收興奮性和抑制性突觸輸入，動(dòng)力學(xué)方程 v表示細(xì)胞胞體膜電位的大小，C為膜電容。g為漏電導(dǎo)，為靜息電位。 和 分別表示興奮性和抑制性電導(dǎo)， 和 為其對(duì)應(yīng)的逆轉(zhuǎn)電位。細(xì)胞膜電位在穩(wěn)態(tài)時(shí)表示為 這樣興奮性電導(dǎo)和抑制性電導(dǎo)被興奮性和抑制性電導(dǎo)的加和歸一化，興奮性和抑制性輸入在神經(jīng)細(xì)胞上整合為非線性LEEgIgLEIEfon-p

3、ath配置（抑制性輸入在興奮性輸入和胞體之間）各位點(diǎn)膜電位動(dòng)力學(xué)方程，這里， , , 分別表示胞體，樹突位點(diǎn)I和E的膜電位。 和 分別表示胞體和樹突位點(diǎn)的膜電容， 為靜息電位。 和圖2.Three-compartment模型SvIvEvSCDCLEIEEE分別表示抑制性電導(dǎo)和興奮性電導(dǎo)的反轉(zhuǎn)電位。 和 分別表示胞體和樹突輸入位點(diǎn)的漏電導(dǎo)。經(jīng)過快慢動(dòng)力學(xué)，網(wǎng)絡(luò)動(dòng)力學(xué)的簡(jiǎn)化，最后得到 圖3.突觸后電位 SgDg.fA.興奮性輸入在樹突遠(yuǎn)端時(shí)的興奮性突觸后電位 。B.抑制性輸入在樹突近端時(shí)抑制性突觸后電位 。當(dāng)電導(dǎo) 和 很小時(shí)，兩曲線可以近似的用線性函數(shù)逼近（虛線） 沒有抑制性輸入時(shí)，即 和 ，那么

4、 為細(xì)胞胞體對(duì)興奮性輸入 的反應(yīng)。同樣的，沒有興奮性輸 入時(shí)，即 和 ，胞體對(duì)外界刺激的反應(yīng)為 。這樣，僅有興奮性（抑制性）輸入時(shí)，胞體對(duì) 外界刺激的反應(yīng)近似呈現(xiàn)出線性加和的方式。然而，給定興 奮性和抑制性輸入時(shí)，胞體上膜電位可以表示為 該公式表示為興奮性和抑制性突觸后電位的線性加和，以及 他們的乘積運(yùn)算，系數(shù) 表示分流抑制強(qiáng)度。)(Edgf)(IPgfEgIg0Ig0)(IPgf)(EdLSgfEvEg0Eg0)(Edgf)(IPLSgfEvkon 結(jié)論：1.分流抑制強(qiáng)度與傳輸電導(dǎo)成反比。即抑制性輸入在樹突近端時(shí)，抑制性位點(diǎn)到胞體的傳輸電導(dǎo)較大，分流抑制強(qiáng)度較小，反之較大。也就是分流抑制強(qiáng)度依賴于突觸輸入位點(diǎn)到胞體的距離。 2.興奮性和抑制性電流在神經(jīng)元細(xì)胞體上的非線性作用可以用一個(gè)簡(jiǎn)單的公式逼近，其中分流抑制可以用興奮性和抑制性突觸后電位的乘積來(lái)表示。f姊妹細(xì)胞：我們通常把同一個(gè)小球內(nèi)的投射神經(jīng)元稱為姊妹細(xì)胞。f根據(jù)KC的發(fā)放率和高斯分布來(lái)逼近超幾何分布，可得f 為神經(jīng)元發(fā)放閾值減少量f f 其中，f若保持KCs發(fā)放率不變，增加突觸連接概率Pc可減小噪聲對(duì)稀疏編碼的影響。這意味著KC突觸連接數(shù)越多，噪聲對(duì)稀疏表示的影響越小。當(dāng)Pc=0.5時(shí)，噪聲對(duì)稀疏表示的影響最小。f另外