Принцип работы микросхемы: 5.2.1. Принцип работы схемы. Электронные самоделки

Содержание

5.2.1. Принцип работы схемы. Электронные самоделки

Читайте также

1.3.1. Принцип работы устройства

1.3.1. Принцип работы устройства Сетевой блок питания (БП) вырабатывает пониженное выпрямленное напряжение 13–14 В. В БП входят понижающий трансформатор и выпрямительный мост. Пульсации этого источника питания сглаживаются электролитическим конденсатором большой емкости

2.1.1. Принцип работы схемы

2.1.1. Принцип работы схемы Напряжение питания поступает от телефонной линии. Резистор R1 ограничивает ток питания микросхемы после выпрямительного моста VD1—VD4. Оксидный конденсатор С1 сглаживает пульсации напряжения. При «свободной» линии напряжение в ТЛ имеет постоянный

3.2.1. Принцип работы устройства

3. 2.1. Принцип работы устройства Устройство собрано на микросхеме К561ТЛ1 (в схеме используется только один ее элемент). Эта многофункциональная микросхема популярна среди радиолюбителей и имеет ряд преимуществ по сравнению с другими микросхемами К561 серии. В состав

3.8.1. Принцип работы схемы

3.8.1. Принцип работы схемы Постоянное напряжение, снимаемое с трансформаторного сетевого адаптера любой марки в пределах 15 В, сглаживается оксидным конденсатором С1 (К50-12), проходит через диод VD1 (КД521, КД522, Д220 с любым буквенным индексом), ограничительный резистор R1 и

2.8.1. Принцип работы

2.8.1. Принцип работы Устройство работает по принципу уничтожения насекомых электрическим разрядом высокого напряжения.Для человека оно не опасно (хотя ощутимо) в силу очень малого (единицы мкА) тока. При случайном воздействии на человека (касания сетки с электродами при

3.

3.1. Принцип работы устройства

3.3.1. Принцип работы устройства Электрическая схема устройства представлена на рис. 3.8.Микросхема DA1 является конструктивно «залитой» и на печатной плате представляет собой каплю твердой композиции с тремя выводами. Функция этой микросхемы– выработка импульсов с

3.17.1. Принцип работы устройства

3.17.1. Принцип работы устройства Включение маячка осуществляется с помощью включателя SB1. Принцип работы мультивибратора подробно описан в литературе.В первый момент времени на выводе 3 микросхемы DA1 высокий уровень напряжения и светодиоды горят. Оксидный конденсатор С1

Принцип работы воздушной мышцы

Принцип работы воздушной мышцы Воздушная мышца состоит из двух основных частей: внутренней растягивающейся мягкой резиновой трубки и внешней сетчатой ячеистой оплетки (рукава), изготовленного из капрона (см. рис. 4.1). Резиновая трубка называется «внутренним пузырем» и

Принцип работы устройства

Принцип работы устройства Прежде всего интерфейс должен реагировать на любое слово, воспринятое УРР. Когда УРР «слышит» слово, оно пытается его распознать, что вызывает немедленное мигание светодиода.Ток через светодиод используется для запуска интерфейса (реакция на

Принцип работы интерфейса

Принцип работы интерфейса Рука-манипулятор имеет пять двигателей постоянного тока. Соответственно нам потребуются 10 шин входа/выхода для управления каждым двигателем, включая направление вращения. Параллельный (принтерный) порт IBM PC и совместимых машин содержит только

3.5.3. Принцип работы сигнализатора СОУ-1

3.5.3. Принцип работы сигнализатора СОУ-1 При концентрациях оксида углерода, превышающих уровень срабатывания сигнализации «Порог1», срабатывает световая сигнализация указанного порога и одновременно осуществляется коммутация внешних цепей одной группой нормально

Устройство и принцип работы

Устройство и принцип работы Воздушные отопители или обогреватели применяются для обогрева кабин, салонов легковых, грузовых автомобилей и микроавтобусов, а также строительной техники.

Это экономичное и практичное решение создания комфортных условий работы и

Структурная схема и принцип работы микросхемы управления импульсными источниками питания

Основной недостаток рассмотренных выше микросхем линейных стабилизаторов — это большая мощность, рассеиваемая на проходном транзисторе, что ограничивает область их применения. Основное достоинство импульсных источников питания заключается в их способности обеспечить большую мощность в нагрузке, имея при этом высокий коэффициент полезного действия (КПД) и малые габариты. В отличие от линейных стабилизаторов, в импульсных источниках питания проходной транзистор переключается с большой частотой (от 20 кГц до 5,0 МГц). Ключевой транзистор коммутирует индуктивный элемент (обмотку трансформатора либо дроссель), в котором накапливается энергия, пропорциональная времени открытого состояния транзистора. После закрытия ключевого транзистора энергия, накопленная в индуктивном элементе, передается в нагрузку.

Благодаря тому, что на проходном транзисторе не происходит падения напряжения Um — t/bix, импульсные ИМС рассеивают гораздо меньшую мощность по сравнению с линейными стабилизаторами. Импульсные источники питания имеют более высокий КПД.

Большая частота переключения позволяет использовать индуктивные элементы малых значений и, соответственно, малых размеров. Кроме того, пульсирующее напряжение большой частоты можно «сгладить» емкостью небольшого значения. В качестве ключа обычно используется мощный, быстродействующий MOSFET, который по своим характеристикам предпочтительнее биполярного транзистора. Изменением времени включения MOSFET производится регулирование количества энергии, передаваемой во вторичную цепь так, что выходное напряжение источника питания остается независимым от изменения нагрузки.

Поскольку сигнал управления мощным транзистором, выдаваемый с микросхемы, представляет собой последовательность прямоугольных импульсов с шириной, пропорциональной управляющему сигналу, то такие микросхемы называют еще ШИМ-контроллерами [19], или ИМС управления импульсными источниками питания [22].

Типовая структурная схема, поясняющая работу импульсного источника питания, приведена на рис. 3.23.

Блок выпрямителя сглаживает пульсации сетевого напряжения. Микросхема контроллера импульсным источником питания, как правило, включает в себя источник питания с блоками опорного напряжения (£/оп), усилитель сигнала ошибки (УСО), ШИМ-компаратор, генератор пилообразных напряжений, блок логики, формирователь управляющих напряжений, блок защиты от повышенной температуры кристалла t °С, повышенного выходного тока и тока короткого замыкания, повышенного и пониженного напряжения питания сети.

Источник питания ИМС содержит в своем составе источник опорного температуронезависимого напряжения. Служит источник питания для формирования напряжения питания всех блоков ИМС и для выработки опорного напряжения.

Рис. 3.23. Схема импульсного источника питания с использованием ШИМ-контроллера: УСО — усилитель сигнала ошибки; ГПН генератор пилообразного напряжения; ЛСН — линейный стабилизатор напряжения

Опорное термостабилизированное напряжение подается на усилитель сигнала ошибки, на второй вход которого подается выпрямленный сигнал со вторичной обмотки импульсного трансформатора.

Усиленная разница сигналов поступает на ШИМ-компаратор. Это напряжение сравнивается с напряжением, вырабатываемым генератором пилообразных напряжений (ГПН). На выходе ШИМ-компаратора появляется прямоугольный сигнал в случае, если пилообразное напряжение превышает напряжение сигнала ошибки 1/ош. Таким образом, чем выше напряжение сигнала t/ouj, тем меньшая длительность импульса на выходе ШИМ- компаратора. Так происходит широтно-импульсная модуляция. Этот сигнал проходит блок логики, усиливается и подается на затвор мощного MOSFET-транзистора. MOSFET может быть отдельным полупроводниковым прибором или может входить в состав ИМС.

На блок логики поступает сигнал с блока защит. Как правило, в ИМС управления импульсными источниками питания имеются схемы защиты от повышенной температуры кристалла, от повышенного тока нагрузки и короткого замыкания в нагрузке, от скачков сетевого напряжения по верхней границе OVP и по нижней границе.

Источник: Белоус А.И., Ефименко С. А., Турцевич А.С., Полупроводниковая силовая электроника, Москва: Техносфера, 2013. – 216 с. + 12 с. цв. вкл.

краткое описание, принцип работы, схема включения, применение

В статье будет приведено описание, принцип работы и схема включения UC3842. Это микросхема, которая является широтно-импульсным контроллером. Сфера применения – в преобразователях постоянного напряжения. При помощи одной микросхемы можно создать качественный преобразователь напряжения, который можно использовать в блоках питания для различной аппаратуры.

Назначение выводов микросхемы (краткий обзор)

Для начала нужно рассмотреть назначение всех выводов микросхемы. Описание UC3842 выглядит таким образом:

  1. На первый вывод микросхемы подается напряжение, необходимое для осуществления обратной связи. Например, если понизить на нем напряжение до 1 В или ниже, на выводе 6 начнет существенно уменьшаться время импульса.
  2. Второй вывод тоже необходим для создания обратной связи. Однако, в отличие от первого, на него нужно подавать напряжение более 2,5 В, чтобы сократилась длительность импульса. Мощность при этом также снижается.
  3. Если на третий вывод подать напряжение более 1 В, то импульсы прекратят появляться на выходе микросхемы.
  4. К четвертому выводу подключается переменный резистор – с его помощью можно задать частоту импульсов. Между этим выводом и массой включается электролитический конденсатор.
  5. Пятый вывод – общий.
  6. С шестого вывода снимаются ШИМ-импульсы.
  7. Седьмой вывод предназначен для подключения питания в диапазоне 16..34 В. Встроена защита от перенапряжения. Обратите внимание на то, что при напряжении ниже 16 В микросхема работать не будет.
  8. Чтобы осуществить стабилизацию частоты импульсов, используется специальное устройство, которое подает на восьмой вывод +5 В.

Прежде чем рассматривать практические конструкции, нужно внимательно изучить описание, принцип работы и схемы включения UC3842.

Как работает микросхема

А теперь нужно рассмотреть кратко работу элемента. При появлении на восьмой ножке постоянного напряжения +5 В происходит запуск генератора OSC. На входы триггера RS и S поступает положительный импульс небольшой длины. Далее, после подачи импульса, происходит переключение триггера и на выходе появляется ноль. Как только импульс OSC начнет спадать, на прямых входах элемента напряжение окажется равным нулю. А вот на инвертирующем выходе появится логическая единица.

Эта логическая единица позволяет открыть транзистор, поэтому электрический ток начнет протекать от источника питания через цепочку коллектор-эмиттер к шестому выводу микросхемы. Отсюда видно, что на выходе будет находиться открытый импульс. И он прекратится только тогда, когда на третий вывод будет подано напряжение 1 В или выше.

Зачем нужно проверять микросхему

Многие радиолюбители, которые занимаются проектированием и монтажом электрических схем, закупают детали оптом. И не секрет, что самые популярные места покупок – это китайские интернет-магазины. Стоимость изделий там в разы меньше, нежели на радиорынках. Но бракованных изделий там тоже немало. Поэтому нужно знать, как проверить UC3842 перед началом построения схемы. Это позволит избежать частых распаек платы.

Где используется микросхема?

Часто микросхема используется для сборки блоков питания современных мониторов. Они применяются в импульсных регуляторах напряжения, в строчной развертке телевизоров и мониторов. С ее помощью производят управление транзисторами, работающими в режиме ключа. Но выходят из строя элементы довольно часто. И самая распространенная причина – пробой полевика, которым управляет микросхема. Поэтому при самостоятельном проектировании блока питания или ремонте необходимо осуществлять диагностику элемента.

Что потребуется для диагностики неисправностей

Нужно отметить, что применение UC3842 нашла исключительно в преобразовательной технике. И для нормальной работы блока питания необходимо убедиться в том, что элемент исправен. Вам потребуются такие приборы для проведения диагностики:

  1. Омметр и вольтметр (подойдет самый простой цифровой мультиметр).
  2. Осциллограф.
  3. Источник стабилизированного по току и напряжению питания. Рекомендуется использовать регулируемые с максимальным выходным напряжением 20..30 В.

Если у вас нет какой-либо измерительной техники, то проще всего при диагностике проверить сопротивление на выходе и смоделировать работу микросхемы при работе от внешнего источника питания.

Проверка выходного сопротивления

Один из основных способов диагностики – замер величины сопротивления на выходе. Можно сказать, что это самый точный способ определения поломок. Обратите внимание на то, что в случае пробоя силового транзистора к выходному каскаду элемента будет приложен высоковольтный импульс. По этой причине происходит выход из строя микросхемы. На выходе сопротивление окажется бесконечно большим в случае, если элемент исправен.

Замер сопротивления производится между выводами 5 (масса) и 6 (выход). Измерительный прибор (омметр) подключается без особых требований – полярность значения не имеет. Рекомендуется перед началом проведения диагностики выпаять микросхему. При пробое сопротивление будет равно нескольким Ом. В том случае, если осуществлять измерение сопротивления без выпаивания микросхемы, то цепочка затвор-исток может звониться. И не стоит забывать о том, что в схеме блоков питания на UC3842 присутствует постоянный резистор, который включается между массой и выходом. При его наличии у элемента будет иметься выходное сопротивление. Следовательно, если на выходе сопротивление очень низкое или равно 0, то микросхема неисправна.

Как смоделировать работу микросхемы

При моделировании работы нет необходимости в выпаивании микросхемы. Но обязательно нужно выключать устройство перед началом проведения работ. Проверка схемы на UC3842 заключается в том, чтобы на нее подать напряжение от внешнего источника и оценить работу. Процедура проведения работы выглядит так:

  1. Отключается блок питания от сети переменного тока.
  2. От внешнего источника стабилизированного напряжения и тока подается на седьмой контакт микросхемы напряжение больше 16 В. В этот момент должен произойти запуск микросхемы. Обратите внимание на то, что микросхема не начнет работать до тех пор, пока напряжение не окажется выше 16 В.
  3. Используя осциллограф или вольтметр, нужно произвести замер напряжения на восьмом выводе. На нем должно быть +5 В.
  4. Убедитесь в том, что напряжение на восьмом выводе стабильно. Если снизить напряжение источника питания ниже 16 В, то на восьмом выводе пропадет ток.
  5. Используя осциллограф, проведите замер напряжения на четвертом выводе. В том случае, если элемент исправен, на графике будут импульсы пилообразной формы.
  6. Измените напряжение источника питания – при этом частота и амплитуда сигнала на четвертом выводе останутся неизменными.
  7. Проверьте осциллографом, есть ли на шестой ножке прямоугольные импульсы.

Только в том случае, если все вышеописанные сигналы имеются и ведут себя так, как и нужно, можно говорить об исправности микросхемы. Но рекомендуется проверять исправность и выходных цепей – диод, резисторы, стабилитрон. При помощи этих элементов происходит формирование сигналов для осуществления токовой защиты. Они выходят из строя при пробое.

Импульсные БП на микросхеме

Для наглядности нужно рассмотреть описание работы источника питания на UC3842. Впервые она начала применяться в бытовой технике во второй половине 90-х годов. У нее явное преимущество перед всеми конкурентами – малая стоимость. Причем надежность и эффективность не уступают. Для построения полноценной схемы стабилизатора напряжения практически не требуются дополнительные компоненты. Все делается «внутренними» элементами микросхемы.

Элемент может быть выполнен в одном из двух типов корпуса – SOIC-14 или SOIC-8. Но нередко можно встретить модификации, выполненные в корпусах DIP-8. Нужно заметить, что последние цифры (8 и 14) означают количество выводов микросхемы. Правда, различий не очень много – в случае если элемент с 14-ю выводами, просто добавляются выводы для подключения массы, питания и выходного каскада. На микросхеме строятся стабилизированные источники питания импульсного типа с ШИМ-модуляцией. Обязательно для усиления сигнала используется МОП-транзистор.

Включение микросхемы

А теперь необходимо рассмотреть описание, принцип работы и схемы включения UC3842. На блоках питания обычно не указываются параметры микросхемы, поэтому нужно обращаться к специальной литературе – даташитам. Очень часто можно встретить схемы, которые рассчитаны на питание от сети переменного тока 110-120 В. Но благодаря всего нескольким доработкам можно увеличить напряжение питания до 220 В.

Для этого выполняются такие изменения в схеме блока питания на UC3842:

  1. Заменяется диодная сборка, которая находится на входе источника питания. Необходимо, чтобы новый диодный мост работал при обратном напряжении 400 В и больше.
  2. Заменяется электролитический конденсатор, который находится в цепи питания и служит фильтром. Устанавливается после диодного моста. Необходимо поставить аналогичный, но с рабочим напряжением 400 В и выше.
  3. Увеличивается номинальное сопротивление резисторов в цепи питания до 80 кОм.
  4. Проверить, может ли силовой транзистор работать при напряжении между стоком и истоком 600 В. Можно использовать транзисторы BUZ90.

В статье приведена схема блока питания на UC3842. Интегральная схема имеет ряд особенностей, которые обязательно нужно учитывать при проектировании и ремонте блоков питания.

Особенности работы микросхемы

Если имеется короткое замыкание в цепи вторичной обмотки, то при пробое диодов или конденсаторов начинает возрастать потеря электроэнергии в импульсном трансформаторе. Может получиться и так, что для нормального функционирования микросхемы не хватает напряжения. При работе слышно характерное «цыканье», которое исходит от импульсного трансформатора.

Рассматривая описание, принцип работы и схему включения UC3842, сложно обойти стороной особенности ремонта. Вполне возможно, что причиной поведения трансформатора является не пробой в его обмотке, а неисправность конденсатора. Происходит это в результате выхода из строя одного или нескольких диодов, которые включаются в цепь питания. Но если произошел пробой полевого транзистора, необходимо полностью менять микросхему.

Uc3842 описание принцип работы. UC3842 описание, принцип работы, схема включения. Моделирование работы микросхемы

В источниках питаниях (ИП), шим-контроллеры, в паре с опорным полевым транзистором, имеют широкое применение не только в составе телевизоров, но в и других электронных устройствах, в том числе DVD, ресиверах и так далее. Принцип работы у них один, методика ремонта также одинакова, различны только схемы.

Предлагаемая методика, это проверка и ремонт самого генератора ШИМ. За основу возьму ИП телевизора HORIZONT 14A01 Шасси ЩЦТ-739М1, шим-контроллер UC3842AN.

Источник можно грубо разделить на три части:
а) ШИМ генератор
б) силовая часть первичных цепей ИП
в) вторичные силовые цепи

Итак, ШИМ UC3842AN.

Схема подачи питания на микросхему стандартная, но здесь имеются свои тонкости.

В момент включения, 300 вольт, через R808, подаются на 7-ю ногу микросхемы. Микросхема стартует и даёт пачку импульсов на полевой транзистор. Но особенность данной микросхемы, в том, что у неё стартовое напряжение выше, в нашем случае на 2 вольта, чем рабочее. А резистор R808 рассчитан таким образом, что на 7-й ноге микросхемы, при отсутствии подпитки c ТПИ (в нашем случае с 3-й ноги ТПИ через VD806) напряжение рабочее, но не стартовое! То есть если ИП не запустился или ушёл в защиту, то нет подпитки с VD806, и микросхема не выдаёт импульсов.

Итак, если ИП нестабильно работает или не запускается, либо выдаёт пониженные напряжения, первым делом замеряется напряжение на 7-й ноге, если оно ниже рабочего (12-12, 5 вольт) то С816 следует заменить. Если же нет напряжения, то R808 в обрыве, либо микросхема неисправна.

Далее. При других неисправностях, в частности при выходе из строя полевого транзистора или отсутствии запуска.
Чтобы исключить воздействие силовой части на сам ШИМ, достаточно выпаять опорный транзистор VT800 и можно при включенном напряжении проверять и ремонтировать генератор, не опасаясь за выход из строя других элементов ИП и остальной схемы.

По результатам замеров напряжения питания и выходу на полевой транзистор, можно почти на 100% судить об исправности микросхемы.
Прибором замеряем на 7-й ноге напряжение. На стрелочном приборе все очень наглядно видно. Стрелка от 12 вольт должна прыгать к 14. Если так, то с питанием порядок. Если нет, то опять же неисправен С816 или R808, либо та же микросхема. Как только с напряжением на 7-й ноге норма, следует замерить напряжение на 6-й ноге, это выход через R816 на полевой транзистор. Если на пределе 1-2-2,5 вольта стрелка дёргается, то на 99% ШИМ генератор рабочий. Полевой транзистор впаивается обратно и, если потребуется, ИП ремонтируется дальше.

Микросхемы ШИМ-контроллера ka3842 или UC3842 (uc2842) является самой распространенной при построении блоков питания для бытовой и компьютерной техники, часто используется для управления ключевым транзистором в импульсных блоках питания.

Принцип работы микросхем ka3842, UC3842, UC2842

Микросхема 3842 или 2842 представляет собой ШИМ — Широтно-импульсная модуляция (ШИМ, англ. pulse-width modulation (PWM)) преобразователь, в основном применяется для работы в режиме DC-DC(преобразовывает постоянное напряжение одной величины в постоянное напряжение другой) преобразователя.


Рассмотрим структурную схему микросхем 3842 и 2842 серий:
На 7 вывод микросхемы подается напряжение питания в диапазоне от 16 Вольт до 34. Микросхема имеет встроенный триггер Шмидта (UVLO), который включает микросхему, если напряжение питания превышает 16 Вольт, и выключает если напряжение питания по каким-либо причинам станет ниже 10 Вольт. Микросхемы 3842 и 2842 серий также обладает защитой от перенапряжения: если напряжение питания превысит 34 Вольта, микросхема отключится. Для стабилизации частоты генерации импульсов микросхема имеет внутри свой собственный 5 вольтовый стабилизатор напряжения выход которого подключен к выводу 8 микросхемы. Вывод 5 масса (земля). На 4 выводе задается частота импульсов. Достигается это резистором R T и конденсатором C T подключенных к 4 выв. — смотрите типовую схему включения ниже.


6 вывод – выход ШИМ импульсов. 1 вывод микросхемы 3842 служит для обратной связи, если на 1 выв. напряжение занизить ниже 1 Вольта, то на выходе (6 выв.) микросхемы будет уменьшаться длительность импульсов, тем самым уменьшая мощность шим преобразователя. 2 вывод микросхемы, как и первый, служит для уменьшения длительности импульсов на выходе, если напряжение на выводе 2 выше +2,5 Вольт, то длительность импульсов уменьшится, что в свою очередь снизит выдаваемую мощность.

Микросхему с наименованием UC3842 кроме UNITRODE выпускают фирмы ST и TEXAS INSTRUMENTS, аналогами этой микросхемы являются: DBL3842 фирмы DAEWOO, SG3842 фирмы MICROSEMI/LINFINITY, KIA3842 фирмы КЕС, GL3842 фирмы LG, а также микросхемы других фирм с различными литерами (AS, МС, IP и др.) и цифровым индексом 3842.

Схема импульсного блок питания на базе ШИМ-контроллера UC3842


Принципиальная схема 60 Ваттного импулсного блока питания на базе ШИМ-контролера UC3842 и силовом ключе на полевом транзисторе 3N80.

Микросхема ШИМ-контроллера UC3842 — полный datasheet с возможностью скачать бесплатно в pdf формате или смотреть в онлайн справочнике по электронным компонентам на сайт

Любой разработчик может столкнуться с проблемой создания простого и надежного источника питания для конструируемого им устройства. В настоящее время существуют достаточно простые схемные решения и соответствующая им элементная база, позволяющие создавать импульсные источники питания на минимальном количестве элементов.

Вашему вниманию предлагается описание одного из вариантов простого сетевого импульсного блока питания. Блок питания реализован на основе микросхемы UC3842. Эта микросхема получила широкое распространение, начиная со второй половины 90-х годов. На ней реализовано множество различных источников питания для телевизоров, факсов, видеомагнитофонов и другой техники. Такую популярность UC3842 получила благодаря своей малой стоимости, высокой надежности, простоте схемотехники и минимальной требуемой обвязке.

На входе блока питания (рис. 5.34), расположен сетевой выпрямитель напряжения, включающий плавкий предохранитель FU1 на ток 5 А, варистор Р1 на 275 В для защиты блока питания от превышения напряжения в сети, конденсатор С1, терморезистор R1 на 4,7 Ом, диодный мост VD1…VD4 на диодах FR157 (2 А, 600 В) и конденсатор фильтра С2 (220 мкФ на 400 В). Терморезистор R1 в холодном состоянии имеет сопротивление 4,7 Ом, и при включении питания ток заряда конденсатора С2 ограничивается этим сопротивлением. Далее резистор разогревается за счет проходящего через него тока, и его сопротивление падает до десятых долей ома. При этом он практически не влияет на дальнейшую работу схемы.

Резистор R7 обеспечивает питание ИМС в период запуска блока питания. Обмотка II трансформатора Т1, диод VD6, конденсатор С8, резистор R6 и диод VD5 образуют так называемую петлю обратной связи (Loop Feedback), которая обеспечивает питание ИМС в рабочем режиме, и за счет которой осуществляется стабилизация выходных напряжений. Конденсатор С7 является фильтром питания ИМС. Элементы R4, С5 составляют времязадающую цепочку для внутреннего генератора импульсов ИМС.

Трансформатор преобразователя намотан на ферритовом сердечнике с каркасом ETD39 фирмы Siemens+Matsushita. Этот набор отличается круглым центральным керном феррита и большим пространством для толстых проводов. Пластмассовый каркас имеет выводы для восьми обмоток.

Сборка трансформатора осуществляется с помощью специальных крепежных пружин. Следует обратить особое внимание на тщательность изоляции каждого слоя обмоток с помощью лакоткани, а между обмотками I, II и остальными обмотками следует проложить несколько слоев лакоткани, обеспечив надежную изоляцию выходной части схемы от сетевой. Обмотки следует наматывать способом «виток к витку», не перекручивая провода. Естественно, не следует допускать перехлеста проводов соседних витков и петель. Намоточные данные трансформатора приведены в табл. 5.5.

Выходная часть блока питания представлена на рис. 5.35. Она гальванически развязана от входной части и включает в себя три функционально идентичных блока, состоящих из выпрямителя, LC-фильтра и линейного стабилизатора. Первый блок — стабилизатор на 5 В (5 А) — выполнен на ИМС линейного стабилизатора А2 SD1083/84 (DV, LT). Эта микросхема имеет схему включения, корпус и параметры, аналогичные МС КР142ЕН12, однако рабочий ток составляет 7,5 А для SD1083 и 5 А для SD1084.

Второй блок — стабилизатор +12/15 В (1 А) — выполнен на ИМС линейного стабилизатора A3 7812 (12 В) или 7815 (15 В). Отечественные аналоги этих ИМС — КР142ЕН8 с соответствующими буквами (Б, В), а также К1157ЕН12/15. Третий блок — стабилизатор -12/15 В (1 А) — выполнен на ИМС линейного стабилизатора. А4 7912 (12 В) или 7915 (15 В). Отечественные аналоги этих ИМС- К1162ЕН12Д5.

Резисторы R14, R17, R18 необходимы для гашения излишнего напряжения на холостом ходу. Конденсаторы С12, С20, С25 выбраны с запасом по напряжению ввиду возможного возрастания напряжения на холостом ходу. Рекомендуется использовать конденсаторы С17, С18, С23, С28 типа К53-1А или К53-4А. Все ИМС устанавливаются на индивидуальные пластинчатые радиаторы с площадью не менее 5 см2.

Конструктивно блок питания выполнен в виде одной односторонней печатной платы, установленной в корпус от блока питания персонального компьютера. Вентилятор и входные сетевые разъемы используются по назначению. Вентилятор подключен к стабилизатору + 12/15 В, хотя возможно сделать дополнительный выпрямитель или стабилизатор на +12 В без особой фильтрации.

Все радиаторы установлены вертикально, перпендикулярно выходящему через вентилятор воздушному потоку. К выходам стабилизаторов подключены по четыре провода длиной 30…45 мм, каждый комплект выходных проводов обжат специальными пластиковыми зажимами-ремешками в отдельный жгут и оснащен разъемом того же типа, который используется в персональном компьютере для подключения различных периферийных устройств. Параметры стабилизации определяются параметрами ИМС стабилизаторов. Напряжения пульсаций определяются параметрами самого преобразователя и составляют примерно 0,05% для каждого стабилизатора.

Микросхема UC3842(UC3843) — представляет собой схему ШИМ–контроллера с обратной связью по току и напряжению для управления ключевым каскадом на n-канальном МОП транзисторе, обеспечивая разряд его входной емкости форсированным током величиной до 0.7А . Микросхема SMPS контроллер состоит в серии микросхем UC384X (UC3843, UC3844, UC3845) ШИМ-контроллеров. Ядро UC3842 специально разработано для долговременной работы с минимальным количеством внешних дискретных компонентов. ШИМ-контроллер UC3842 отличается точным управлением рабочего цикла, температурной компенсацией и имеет невысокую стоимость. Особенностью UC3842 является способность работать в пределах 100% рабочего цикла (для примера UC3844 работает с коэффициентом заполнения до 50%.). Отечественным аналогом UC3842 является 1114ЕУ7 . Блоки питания выполненные на микросхеме UC3842 отличаются повышенной надежностью и простотой исполнения.

Отличия по напряжению питания UC3842 и UC3843 :

UC3842_________| 16 Вольт / 10 Вольт
UC3843_________| 8.4 Вольт / 7.6 Вольт

Отличия по скважности импульсов:

UC3842, UC3843__| 0% / 98%

Цоколевка UC3842(UC3843) показана на рис. 1

Простейшая схема включения показана на рис. 2

ШИМ UC3842AN

UC3842 представляет собой схему ШИМ–контроллера с обратной связью по току и напряжению для управления ключевым каскадом на n-канальном МОП транзисторе, обеспечивая разряд его входной емкости форсированным током величиной до 0.7А. Микросхема SMPS контроллер состоит в серии микросхем UC384X (UC3843, UC3844, UC3845) ШИМ-контроллеров. Ядро UC3842 специально разработано для долговременной работы с минимальным количеством внешних дискретных компонентов. ШИМ-контроллер UC3842 отличается точным управлением рабочего цикла, температурной компенсацией и имеет невысокую стоимость. Особенностью UC3842 является способность работать в пределах 100% рабочего цикла (для примера UC3844 работает с коэффициентом заполнения до 50%.). Отечественным аналогом UC3842 является 1114ЕУ7. Блоки питания выполненные на микросхеме UC3842 отличаются повышенной надежностью и простотой исполнения.

Рис. Таблица типономиналов.

Данная таблица дает полное представление в различиях микросхем UC3842, UC3843, UC3844, UC3845 между собой.

Общее описание.

Для желающих более глубоко ознакомится с ШИМ-контроллерами серии UC384X, рекомендуется следующий материал.

  • Datasheet UC3842B (скачать)
  • Datasheet 1114ЕУ7 отечественный аналог микросхемы UC3842А (скачать).
  • Статья «Обратноходовой преобразователь», Дмитрия Макашева (скачать).
  • Описание работы ШИМ-контроллеров серии UCX84X (скачать).
  • Статья «Эволюция обратноходовых импульсных источников питания», С. Косенко (скачать). Статья опубликована в журнале «Радио» №7-9 за 2002г.
  • Документ от НТЦ СИТ, самое удачное описание на русском языке для ШИМ UC3845 (К1033ЕУ16), настоятельно рекомендуется для ознакомления. (Скачать).

Различие микросхем UC3842A и UC3842B, A потребляет меньший ток до момента запуска.

UC3842 имеет два варианта исполнения корпуса 8pin и 14pin, расположение выводов этих исполнений, существенно отличаются. Далее будет рассматриваться только вариант исполнения корпуса 8pin.

Упрощенная структурная схема, необходима для понимания принципа работы ШИМ-контроллера.

Рис. Структурная схема UC3842

Структурная схема в более подробном варианте, необходима для диагностики и проверки работоспособности микросхемы. Так как расматриваем вариант исполнения 8pin, то Vc-это 7pin, PGND-это 5pin.

Рис. Структурная схема UC3842 (подробный вариант)

Рис. Расположение выводов (pinout) UC3842

Здесь должен быть материал по назначению выводов, однако гораздо удобнее читать и смотреть на практическую схему включения ШИМ-контроллера UC3842. Схема нарисована настолько удачно, что намного упрощает понимание назначение выводов микросхемы.

Рис. Схема включения UC3842 на примере блока питания для TV

1. Comp :(рус. Коррекция ) выход усилителя ошибки. Для нормальной работы ШИМ–контроллера необходимо скомпенсировать АЧХ усилителя ошибки, с этой целью к указанному выводу обычно подключается конденсатор емкостью около 100 пФ, второй вывод которого соединен с выводом 2 ИС. Если на этом выводе напряжение занизить ниже 1вольта, то на выходе 6 микросхемы будет уменьшаться длительность импульсов, тем самым уменьшая мощность данного ШИМ–контроллера.
2. Vfb : (рус. Напряжение обратной связи ) вход обратной связи. Напряжение на этом выводе сравнивается с образцовым, формируемым внутри ШИМ–контроллера UC3842. Результат сравнения модулирует скважность выходных импульсов, в результате выходное напряжение блока питания стабилизируется. Формально второй вывод служит для сокращения длительности импульсов на выходе, если на него подать выше +2,5 вольта, то импульсы сократятся и микросхема снизит выдаваемую мощность.
3. C/S : (второе обозначение I sense ) (рус. Токовая обратная связь ) сигнал ограничения тока. Данный вывод должен быть присоединен к резистору в цепи истока ключевого транзистора. В момент перегрузки МОП транзистора напряжение на сопротивлении увеличивается и при достижении определённого порога UC3842A прекращает свою работу, закрывая выходной транзистор. Проще говоря, вывод служит для отключения импульса на выходе, при подаче на него напряжения выше 1вольта.
4. Rt/Ct : (рус. Задание частоты ) подключение времязадающей RC-цепочки, необходимой для установки частота внутреннего генератора. R подключается к Vref — опорное напряжение, а С к общему проводу (обычно выбирается несколько десятков nF). Эта частота может быть изменена в достаточно широких пределах, сверху она ограничивается быстродействием ключевого транзистора, а снизу — мощностью импульсного трансформатора, которая падает с уменьшением частоты. Практически частота выбирается в диапазоне 35…85 кГц, но иногда источник питания вполне нормально работает и при значительно большей или значительно меньшей частоте.
Для времязадающей RC-цепочки лучше отказаться от керамических конденсаторов.
5. Gnd : (рус. Общий ) общий вывод. Общий вывод не должен быть соединён с корпусом схемы. Это земля «горячая» соединяется с корпусом устройства через пару конденсаторов.
6. Out : (рус. Выход ) выход ШИМ–контроллера, подключается к затвору ключевому транзистору через резистор или параллельно соединенные резистор и диод (анодом к затвору).
7. Vcc : (рус. Питание ) вход питания ШИМ-контроллера, на этот вывод микросхемы подаётся напряжение питания в диапазоне от 16 вольт до 34, обратите внимание, что данная микросхема имеет встроенный триггер Шмидта(UVLO), который включает микросхему, если напряжение питания превышает 16вольт, если-же напряжение по каким-либо причинам станет ниже 10 вольт (для других микросхем серии UC384X значения ON/OFF могут отличатся см. Таблицу Типономиналов), произойдёт её отключение от питающего напряжения. Микросхема также обладает защитой от перенапряжения: если напряжение питания на ней превысит 34вольта, микросхема отключится.
8. Vref : выход внутреннего источника опорного напряжения, его выходной ток до 50 мА, напряжение 5 В. Подключается к одному из плеч делителя служит для оперативной регулировки Uвыхода всего блока питания.

Немного теории.

Схема отключения при понижении входного напряжения.

Рис. Схема отключения при понижении входного напряжения.

Схема отключения при понижении входного напряжения или UVLO-схема(по-английски отключение при понижении напряжения – Under-Voltage LockOut) гарантирует, что напряжение Vcc равно напряжению, делающему микросхему UC384x полностью работоспособной для включения выходного каскада. На Рис. показано, что UVLO-схема имеет пороговые напряжения включения и выключения, значения которых равны 16 и 10, соответственно. Гистерезис, равный 6В, предотвращает беспорядочные включения и выключения напряжения во время подачи питания.

Генератор.

Рис. Генератор UC3842.

Частотозадающий конденсатор Ct заряжается от Vref(5В) через частотозадающий резистор Rt, а разряжается внутренним источником тока.

Микросхемы UC3844 и UС3845 имеют встроенный счетный триггер, который служит для получения максимального рабочего цикла генератора, равного 50%. Поэтому генераторы этих микросхем нужно установить на частоту переключения вдвое выше желаемой. Генераторы микросхем UC3842 и UC3843 устанавливается на желаемую частоту переключения. Максимальная рабочая частота генераторов семейства UC3842/3/4/5 может достигать 500 кГц.

Считывание и ограничение тока.

Рис. Организация обратной связи по току.

Преобразование ток-напряжение выполнено на внешнем резисторе Rs, связанном с землей. RC фильтр для подавления выбросов выходного ключа. Инвертирующий вход токочувствительного компаратора UC3842 внутренне смещен на 1Вольт. Ограничение тока происходит, если напряжение на выводе 3 достигает этого порогового значения.

Усилитель сигнала ошибки.

Рис. Структурная схема усилителя сигнала ошибки.

Неинвертирующий вход сигнала ошибки не имеет отдельного вывода и внутренне смещен на 2,5вольт. Выход усилителя сигнала ошибки соединен с выводом 1 для подсоединении внешней компенсирующей цепи, позволяя пользователю управлять частотной характеристикой замкнутой петли обратной связи конвертора.

Рис. Схема компенсирующей цепи.

Схема компенсирующей цепи, подходящая для стабилизации любой схемы преобразователя с дополнительной обратной связью по току, кроме обратноходовых и повышающих конвертеров, работающих с током катушки индуктивности.

Способы блокировки.

Возможны два способа блокировки микросхемы UC3842:
повышение напряжения на выводе 3 выше уровня 1 вольт,
либо подтягивание напряжения на выводе 1 до уровня не превышающего падения напряжения на двух диодах, относительно потенциала земли.
Каждый из этих способов приводит к установке ВЫСОКОГО логического уровня напряжения на выходе ШИМ-копаратора (структурная схема). Поскольку основным (по умолчанию) состоянием ШИМ-фиксатора является состояние сброса, на выходе ШИМ-компаратора будет удерживаться НИЗКИЙ логический уровень до тех пор, пока не изменится состояние на выводах 1 и/или 3 в следующем тактовом периоде (периоде, который следует за рассматриваемым тактовым периодом, когда возникла ситуация, требующая блокировки микросхемы).

Схема подключения.

Простейшая схема подключения ШИМ-контроллера UC3842, имеет чисто академический характер. Схема является простейшим генератором. Несмотря на простоту данная схема рабочая.

Рис. Простейшая схема включения 384x

Как видно из схемы, для работы ШИМ-контроллера UC3842 необходима только RC цепочка и питание.

Схема включения ШИМ контроллера ШИМ-контроллера UC3842A, на примере блока питания телевизора.

Рис. Схема блока питания на UC3842A.

Схема дает наглядное и простое представление использования UC3842A в простейшем блоке питания. Схема для упрощения чтения, несколько изменена. Полный вариант схемы можно найти в PDF документе «Блоки питания 106 схем» Товарницкий Н.И.

Схема включения ШИМ контроллера ШИМ-контроллера UC3843, на примере блока питания маршрутизатора D-Link, JTA0302E-E.

Рис. Схема блока питания на UC3843.

Схема хоть и выполнена по стандартному включению для UC384X, однако R4(300к) и R5 (150) выводят из стандартов. Однако удачно, а главное, логично выделенные цепи, помогают понять принцип работы блока питания.

Блок питания на ШИМ-контроллере UC3842. Схема не предназначена для повторения, а преследует только ознакомительные цели.

Рис. Стандартная схема включения из datasheet-a (схема несколько изменена, для более простого понимания).

Ремонт Блока питания на основе ШИМ UC384X.

Проверка при помощи внешнего блока питания .

Рис. Моделирование работы ШИМ контроллера.

Проверка работы проводится без выпаивания микросхемы из блока питания. Блок питания перед проведением диагностики необходимо выключить из сети 220В!

От внешнего стабилизированного блока питания подать напряжение на контакт 7(Vcc) микросхемы напряжение более напряжения включение UVLO, в общем случае более 17В. При этом ШИМ-контроллер UC384X должен заработать. Если питающее напряжение будет менее напряжения включения UVLO (16В/8.4В), то микросхема не запустится. Подробнее про UVLO можно почитать здесь.

Проверка внутреннего источника опорного напряжения.

Проверка UVLO

Если внешний источник питания позволяет регулировать напряжение, то желательно проверить работу UVLO. Изменяя напряжение на контакт 7(Vcc) контакте в рамках диапазона напряжений UVLO опорное напряжение на контакте 8(Vref) = +5В не должно меняться.

Подавать напряжение 34В и выше на контакт 7(Vcc) не рекомендуется. Возможно наличие в цепи питания ШИМ-контроллера UC384X защитного стабилитрона, тогда выше рабочего напряжения этого стабилитрона подавать не рекомендуется.

Проверка работы генератора и внешних цепей генератора.

Для проверки потребуется осциллограф. На контакте 4(Rt/Ct) должна быть стабильная «пила».

Проверка выходного управляющего сигнала.

Для проверки потребуется осциллограф. В идеале на контакте 6(Out) должны быть импульсы прямоугольной формы. Однако исследуемая схема может отличаться от приведенной и тогда потребуется отключить внешние цепи обратной связи. Общий принцип показан на рис. – при таком включении ШИМ-контроллер UC384X гарантированно запустится.

Рис. Работа UC384x с отключенными цепями обратной связи.

Рис. Пример реальных сигналов при моделировании работы ШИМ контроллера.

Если БП с управляющим ШИМ-контроллером типа UC384x не включается или включается с большой задержкой, то проверьте заменой электролитический конденсатор, который фильтрует питание (7 вывод) этой м/с. Также необходимо проверить элементы цепи начального запуска (обычно два последовательно включенных резистора 33-100kOhm).

При замене силового (полевого) транзистора в БП с управляющей м/с 384x следует обязательно проверять резистор, выполняющий функцию датчика тока (стоит в истоке полевика). Изменение его сопротивления при номинале в доли Ома очень сложно обнаружить обычным тестером! Увеличение сопротивления этого резистора ведет к ложному срабатыванию токовой защиты БП. При этом можно очень долго искать причины перегрузки БП во вторичных цепях, хотя их там вовсе и нет.

Микросхемы использующиеся в чипах картриджей. Принцип работы s3cc9xx

В этой статье речь пойдет об особенностях работы микросхем, использующихся в чипах картриджей различных печатающих устройств.

24Cхх одна из первых микросхем использующихся в чипах. Она не имеет защиты чтения и записи.

at88 следующие поколение — имеет пароль чтения и записи. Для снятия защиты используется специальная программа.

s3cc9xx — микросхема, которая, предположительно, в ходе работы, физически отключает блоки памяти, чем и контролируется счетчик количества тонера. Прошить ее на данный момент невозможно, возможно только заблокировать. То есть взять чип который показывает еще хоть какое-то количество тонера и, с помощью программатора и данной программы, заблокировать ее. Принтер будет показывать количество тонера, которое было до блокировки. Естественно, желательно блокировать новые микросхемы.

Если уж быть до конца точным, то в s33cc9xx есть 2 области памяти: одна программируется, вторая нет. Этой программой прошивается программируемая область памяти и блокирует работу не прошиваемой памяти, для того, что бы чип не заблокировался. На данный момент заблокированный чип невозможно разблокировать потому что, предположительно, в непрошиваемой областе памяти физически отключается блоки памяти, соответственно количеству отпечатанных копий.

Совместимые чипы производятся на тех же микросхемах, что и оригинальные. Исключение составляет микросхема s3cc9xx. Она разработана Samsung и ее не возможно найти в свободном доступе. Для замены чипов на базе s3cc9xx существуют относительно совместимые чипы сторонних производителей, изготовленные на базе микроконтроллеров. Для прошивки некоторых используются программаторы. То есть совместимые чипы обычно многоразовые в отличии от оригинального. В стартовых картриджах если и присутствует чип, то физически он ничем не отличается от чипа обычного картриджа, кроме данных о количестве страниц. Для стартового картриджа количество страниц меньше, чем для обычного. Если чип изготовлен на микросхеме at88 или c24xx, то прошить его можно любой прошивкой которая предназначена для данной микросхемы. Для некоторых моделей устройств в стартовых картриджах используются предохранители, которые пережигаются когда вы первый раз запускаете принтер с этим картриджем. При этом в принтере активируется программа для стартового картриджа, в которой так же находится счетчик копий. При достижении заложенного в нем количества отпечатков принтер блокируется и просит заменить картридж. В этом случае уже необходим картридж с чипом. Второй раз использовать картридж с предохранителем не получится. В некоторых моделях устройств, в стартовом картридже, чип не используется вообще. То есть в программе принтера заложена печать определенного количества копий, после чего устройство попросит установить картридж с чипом. Существуют еще вариации со смарт картой, радио чипами и т.д. В этом случае обнуление на порядок сложней, а иногда практически не возможно без вмешательства в аппаратную часть устройства. Например, в XEROX MFP3100 для блокировки счетчика копий нужно прошивать микросхему в самом принтере, а для последних устройств еще и менять прошивку. Некоторые аппараты можно сбросить с помощью сервисных кодов. То есть, нажатия определенной комбинации кнопок на самом устройстве.

Автор этого материала: Сергей Саратов

Администрация проекта выражает автору благодарность за этот материал.

Принцип работы микросхемы 4046 (К564ГГ1) для устройств с удержанием резонанса

Принцип работы микросхемы 4046 (К564ГГ1) для устройств с удержанием резонанса

Микросхема К561ГГ1 представляет собой генератор с ФАПЧ. Применяется для частотной и фазовой модуляции, демодуляции ЧМ-сигналов, тактовой синхронизации и синтеза частоты, а также для умножения частоты.

При создании силового электронного устройства с удержанием резонанса в LC-контуре, для синхронизации полученных колебаний с управляющими импульсами, идущими от драйвера, проектируют схему резонансного контроллера.

Задача данного контроллера — удержать резонансные колебания в LC-контуре посредством его возбуждения в такт собственным колебаниям. Чтобы этого добиться, контроллеру необходимо по цепи обратной связи получать от контура сигнал, содержащий данные о текущей частоте и фазе свободных колебаний в нем, после чего, с опорой на эти данные, поддерживать работу драйверного каскада синхронно с этими частотой и фазой, тогда и резонанс в контуре будет автоматически сохраняться.

Для построения такого контроллера подходит микросхема CD4046 или ее отечественный аналог К564ГГ1. Давайте рассмотрим устройство этой микросхемы, назначение ее выводов и схему подключения навесных компонентов, чтобы при необходимости понимать, с чем имеешь дело.

Данная микросхема позволяет легко организовать цепь ФАПЧ — фазовой автоподстройки частоты. Для построения ФАПЧ здесь используются три необходимых блока, расположенные внутри микросхемы: ГУН — генератор, управляемый напряжением, ФК — фазовый компаратор и ФНЧ — фильтр низкой частоты.

Встроенный в микросхему, ГУН выдает последовательность прямоугольных импульсов с заполнением 50%, то есть чистый меандр, начальная частота которого зависит от параметров двух RC-цепей: R1C1 и R2C2, присоединенных к нему снаружи микросхемы, а амплитуда в данном случае приближена к напряжению питания микросхемы U+.

Принцип работы ФАПЧ

Внешний входной сигнал fвх подается на микросхему, на самом деле — на один из входов фазового компаратора ФК (ФК1 или ФК2 — выбирает разработчик) внутри нее. На второй вход ФК параллельно подается меандр, вырабатываемый ГУНом. В результате, на выходе ФК получается прямоугольный сигнал, длительность импульсов в котором зависит от разницы между импульсами с ГУНа и внешними импульсами в каждый момент времени.

По сути, длительность выходных импульсов с ФК пропорциональна разности фаз двух сравниваемых сигналов. Дело в том, что в роли ФК часто используется логический элемент «исключающее ИЛИ», это значит, что на выходе ФК высокий уровень напряжения будет лишь в том случае, если между сигналами есть разница, а если разницы нет то на выходе с ФК будет низкий уровень напряжения или состояние бездействия.

С выхода ФК сигнал подается на фильтр низкой частоты, представляющий собой простую RC-цепь, на конденсаторе которой получается пульсирующее напряжение рассогласования, причем уровень пульсаций оказывается пропорционален разнице двух сигналов (от внутреннего ГУН и подаваемого на микросхему извне), по сути — разности их фаз.

Полученное на конденсаторе ФНЧ, напряжение рассогласования тут же подается обратно на вход ГУН, и в зависимости от его средней величины частота ГУН будет автоматически перестраиваться так, чтобы частота меандра на его выходе fвых приближалась бы к частоте внешнего сигнала, приходящего на микросхему извне. По достижении такой ситуации, среднее напряжение на конденсаторе фильтра низкой частоты будет наименьшим — это и есть признак наступления максимального сближения двух сигналов по частоте и фазе. Когда сигнал таким образом захвачен, он продолжит удерживаться петлей ФАПЧ.

Пределы перестройки ГУН

Как вы уже поняли, частота ГУН способна перестраиваться в пределах определенного диапазона автоподстройки. Данный диапазон задается внешними компонентами микросхемы. А скорость реакции системы ФАПЧ определяется постоянной времени НЧФ (величинами C2 и R3). По этой причине следует строго подходить к выбору навесных компонентов микросхемы.

Напряжение питания микросхемы, конденсатор C1, а также резисторы R1 и R2 определяют диапазон автоподстройки частоты ГУН внутри микросхемы. Резистор R2 смещает минимальную частоту fmin ГУН выше от нуля. А соотношение между номиналами резисторов R1 и R2 определяет соотношение между максимальной и минимальной частотами — fmax/fmin, перестраиваемого выходного сигнала с ГУН.

Входы и выходы микросхемы

Вывод 4 — сигнальный выход ГУН, на нем в рабочем режиме меандр. Данный выход можно использовать для подачи сигнала к другим блокам проектируемого устройства.

Вывод 5 отвечает за включение и выключение ГУН. При подаче на данный вывод напряжения высокого уровня, микросхема отключится. При подаче напряжения низкого уровня (при подключении вывода 5 к общему проводу) — микросхема будет работать в штатном режиме.

Выводы 6 и 7. К ним подключается конденсатор C1 — это частотозадающий конденсатор ГУНа.

Вывод 8 — общий провод питания микросхемы.

Резистор R1 – между выводом 11 и общим проводом. Резистор R2 – между выводом 12 и общим проводом. Это частотозадающие резисторы. Резистор R3 фильтра НЧ – к выводу 9 и выводу 2 или 13 (о разнице между ними будет сказано далее), конденсатор C2 фильтра НЧ – между выводом 9 и общим проводом.

Вывод 10 — выход усилителя-повторителя. Напряжение на нем в процессе работы микросхемы — это напряжение рассогласования, подаваемое на ФНЧ. Вывод 10 предназначен для того, чтобы напряжение рассогласования можно было при необходимости просто выделить без шунтирующего воздействия на конденсатор ФНЧ. К этому выводу допускается подключить резистор сопротивлением более 10 кОм.

Вывод 15 — на нем находится катод встроенного стабилитрона с напряжением стабилизации 5,6 вольт (напряжение стабилизации этого стабилитрона может быть иным, что зависит от производителя микросхемы). Данный стабилитрон можно при желании использовать в цепи питания микросхемы.

Вывод 16 — плюс питания микросхемы.

Входы и выходы фазовых компараторов ФК1 и ФК2

Меандр с выхода ГУН берется с вывода 4 и подается на вывод 3, присоединенный через усилитель-формирователь к входам фазовых компараторов ФК1 и ФК2. При желании сигнал с ГУН можно дополнительно пропустить через делитель частоты.

Вход 14 — сигнальный, на него и подается входной сигнал, с которым необходимо синхронизировать выходной сигнал на выходе ГУН. В зависимости от характера входного сигнала, разработчик может выбрать, какой из фазовых компараторов использовать: ФК1 или ФК2, и к выбранному компаратору присоединить резистор ФНЧ (к выводу 2 или 13). У фазового компаратора ФК2 есть индикаторный вывод 1, на нем появляется напряжение высокого уровня, когда сигналы максимально синхронизированы.

Особенность ФК1 в том, что он представляет собой простой логический элемент «исключающее ИЛИ», и качество его работы зависит от параметров ФНЧ на его выходе. Работа начинается с центральной частоты f0=(fmax-fmin)/2, имеется возможность захвата гармоники центральной частоты. Обладает высокой помехоустойчивостью.

Особенность ФК2 в том, что он обрабатывает лишь положительные перепады подаваемых на него импульсов, и скважность импульсов поэтому не имеет значения. Работа начинается с минимальной частоты fmin, возможности захвата гармоники центральной частоты нет. Обладает низкой помехоустойчивостью. В ФНЧ требуется конденсатор с малым током утечки. ФК2 лучше подходит для использования в силовых схемах с LC-резонансом.

Выбор навесных компонентов

В качестве фильтра низкой частоты ФНЧ устанавливаются резистор R3 и конденсатор C2. Для корректной работы ФАПЧ, постоянна времени RC должна быть в десятки раз больше примерной частоты захвата ФАПЧ.

Как правило, частота захвата приблизительно известна разработчику, поэтому изначально задаются диапазоном автоподстройки частоты: fmin и fmax. По первой номограмме определяют, с учетом напряжения питания микросхемы и требуемого fmin, величины R2 и С1. Затем, по второй номограмме, исходя из требуемого соотношения fmax/fmin подбирают R1. Лучше предусмотреть возможность регулировки резисторов в схеме.

Ранее ЭлектроВести писали, как регулировать яркости светодиодов.

По материалам: electrik.info.

КОМБИНИРОВАННЫЕ МИКРОСХЕМЫ (ШИМ + КЛЮЧ

     Значительно упростить процесс разработки и изготовления ИИП стало возможным благодаря появлению нового поколения ИМС, совмещающих в одном корпусе ШИМ, цепи управления и защиты, высоковольтный полевой транзистор. Такая комбинация устройств предельно сокращает количество компонентов схемы (простейший обратноходовый ИИП содержит 15 — 20 элементов), на 50% снижает габариты и массу устройства. При этом ИИП обладает высокой степенью защиты от перегрева и перегрузки, обладает хорошей электромагнитной совместимостью с другими устройствами. Стоимость комбинированных микросхем сопоставима со стоимостью мощных полевых транзисторов, применяемых в настоящее время в качестве выходных в ИИП. Если учесть экономию за счёт меньшего числа внешних компонентов, меньшего числа операций по сборке и наладке таких источников питания, то выгоды в промышленном производстве по сравнению с линейными источниками питания, ИИП на дискретных элементах и ШИМ, описанных ранее, становятся очевидными. Кроме невысокой стоимости ИИП на комбинированных микросхемах изготовители гарантируют конечному пользователю экономию за счёт меньшего потребления энергии самим устройством. В настоящее время на отечественном рынке представлены комбинированные микросхемы для ИИП производства Power Integrations (семейства TOPSwitch и последующих) и производства STMicroelectronics (семейства VIPer). Данные для выбора типа микросхемы в зависимости от требуемой мощности приведены в таблице.
     Принципы работы ШИМ комбинированных микросхем не отличаются от применяемых в ИМС, описанных ранее, они содержат те же основные узлы. Принципиальное отличие заключается в исполнении на одном кристалле и оформлении в одном корпусе (имеющем для разных типов микросхем от 3 до 8 выводов) всех цепей ИИП, кроме входных выпрямителей/фильтров, импульсного трансформатора, вторичных цепей, цепей обратной связи, конденсатора вывода управления. Для того, чтобы была возможность полностью оценить простоту реализации ИИП на комбинированных микросхемах, на рисунке приведена типовая схема включения ИМС семейства TOPSwitch, которое является одним из первых в этом классе. Типовые схемы других семейств выполнены примерно также, с тем же количеством элементов, но с большим числом функций.

Типовая схема ИИП для работы от сети переменного тока на ИМС семейства TOPSwitch:

Основные параметры комбинированных ИМС для импульсных источников питания:

Семейство Тип ИМС Типы корпусов Рекомендуемый диапазон мощности (Вт) Особенности применения Uраб, В1 Диапазон рабочих температур, °С2 Fраб, кГц Рабочий цикл, % Дополнительные функции
Защита от пониж. Uпит Защита от повыш. Uпит Дежурный режим «Мягкий» пуск Внешнее ограничение тока ЧМ рабочей частоты Внешняя синхронизация ДУ вкл/выкл
TOPSwitch TOP200…
204, 214
TO-220/3 0…100 (в схемах корректора фактора мощности до 150)   36…700 -40…+145 100+10 1,8…67 +              
TOP100…104 0…60 (в схемах корректора фактора мощности до 110) Для работы в сети 110/100 В   +              
TOP209 DIP8 0…8   36…700 100+10 (TOP210)
70+15 (TOP209)
+   +          
TOPSwitchII TOP221…227 TO220, PDIP8, SMD8 0…150   -40…+135 100+10 1,7…67 +   +          
TOPSwitch-FX TOP232…234 TO220-7B, PDIP8, SMD8 0…75 Возможна работа на частоте 0,5Fраб для уменьшения помех 132+8 или 66+4,5 1,5…78 + + + + + + + +
TOPSwitch-GX TOP242…250 TO220-7B, PDIP8, SMD8, TO263-7C, TO262-7C 0…290   -40…+140 03…66,8 + + + + + + + +
TinySwitch TNY253…255 DIP8, SO8 0…10 Возможна работа без обмотки ОС импульсного трансформ. (Типовая схема включения) 50…700 -40…+135 44+4 (TNY253, 254) 130+15 (TNY255) 03…68 +   +         +
TinySwitchII TNY256 TO220-7B, DIP8B, SOIC8B 0…23 130+15 03…66 +   +     +   +
TinySwitch Plus TNY264, 266…268 0…19 132+8 03…65 +   +     +   +
DPA-Switch DPA423…426 TO263-7C 0…83 (max 100) Для построения DC-DC конвертеров со входным напряжением 36…75 В 16…220 -40…+137 400+25 или 300+18 03…75 + + + + +   + +
LinkSwitch LNK500, 501 DIP8B, SOIC8 0…5,5 Для построения адаптеров и зарядных устройств 50…700 -40…+135 42+7,5 (LNK500) 42+4 (LNK501) 1,8…77     + +        
VIPer VIPer20/50/100 TO220/5, DIP8 До 20/50/100   До 620, до 700 (с индексами A, ASP) -40…+170 100+10, возможна работа до 200 кГц 03…65 +   + + +   +  

Примечание:

     1) В качестве нижнего предела указано напряжение стока, при котором гарантируется работа ИМС с указанными параметрами. Возможна работа при более низких напряжениях, но с отклонением параметров от нормы. В качестве верхнего предела указано напряжение пробоя исток-сток выходного транзистора.
     2) Для всех микросхем (кроме семейства VIPer) указан рабочий диапазон температур -40:+150°С, однако в таблице в качестве верхней границы приведена температура срабатывания термозащиты.
     3) У ИМС данных типов при отключении нагрузки уменьшается рабочий цикл (за счет пропуска рабочих периодов), а у некоторых — и рабочая частота. В результате в этих условиях рабочий цикл снижается практически до 0.

     Коротко о некоторых функциях комбинированных микросхем. Все описываемые микросхемы имеют встроенные цепи авторестарта (защищают ИИП и нагрузку в случае аварии — КЗ нагрузки, обрыв петли ОС), ограничения тока стока (защита выходного транзистора), цепи запуска при подаче напряжения питания (снижается количество внешних компонентов), термозащиты. У микросхем семейств TOPSwitch и TOPSwitchII термозащита выполнена с внутренней защёлкой (после перегрева необходим перезапуск устройства), у остальных — с гистерезисом температуры срабатывания (после остывания происходит автоматический перезапуск). Все ИМС имеют возможность внешней блокировки работы выходного каскада. Наличие таких цепей значительно снижает вероятность выхода из строя ИИП на комбинированных микросхемах.
     Для ИИП на основе ИМС семейств TOPSwitch и TOPSwitchII в некоторых условиях может потребоваться подключение искусственной нагрузки. Для остальных микросхем за счет усовершенствованных схемных решений это не требуется — рабочий цикл на холостом ходу снижается практически до 0.
     Частотная модуляция рабочей частоты преобразователя снижает уровень побочных излучений на 5:10 дБ, что улучшает электромагнитную совместимость устройств. Возможность внешней синхронизации предусматривает синхронизацию от внешнего источника с частотой ниже, чем частота внутреннего генератора ИМС.
     Наличие режима ДУ делает простой реализацию ИИП с микроконтроллерным управлением.

  • Наименование

    К продаже

    Цена от

К продаже:

3 787 шт.

К продаже:

9 648 шт.

К продаже:

2 860 шт.

К продаже:

4 267 шт.

К продаже:

357 шт.

К продаже:

263 шт.

К продаже:

9 223 шт.

К продаже:

49 шт.

К продаже:

2 763 шт.

К продаже:

3 178 шт.

К продаже:

1 521 шт.

К продаже:

294 шт.

К продаже:

150 шт.

К продаже:

149 шт.

К продаже:

61 шт.

К продаже:

239 шт.

К продаже:

3 410 шт.

К продаже:

1 860 шт.

К продаже:

324 шт.

К продаже:

332 шт.

К продаже:

1 328 шт.

К продаже:

60 шт.

К продаже:

128 шт.

К продаже:

1 340 шт.

К продаже:

4 106 шт.

К продаже:

2 506 шт.

К продаже:

203 шт.

К продаже:

8 410 шт.

К продаже:

535 шт.

К продаже:

245 шт.

К продаже:

1 617 шт.

К продаже:

143 шт.

К продаже:

189 шт.

К продаже:

15 шт.

К продаже:

4 872 шт.

К продаже:

346 шт.

К продаже:

2 165 шт.

К продаже:

5 358 шт.

К продаже:

1 039 шт.

К продаже:

293 шт.

К продаже:

243 шт.

К продаже:

26 шт.

К продаже:

23 239 шт.

К продаже:

23 шт.

К продаже:

1 503 шт.

К продаже:

610 шт.

К продаже:

4 725 шт.

К продаже:

927 шт.

К продаже:

50 шт.

К продаже:

6 173 шт.

К продаже:

1 018 шт.

К продаже:

102 920 шт.

К продаже:

1 082 шт.

К продаже:

6 197 шт.

К продаже:

1 202 шт.

К продаже:

331 шт.

К продаже:

92 шт.

К продаже:

2 140 шт.

К продаже:

137 шт.

К продаже:

99 шт.

К продаже:

215 шт.

К продаже:

106 шт.

К продаже:

233 шт.

К продаже:

3 015 шт.

К продаже:

921 шт.

К продаже:

16 шт.

К продаже:

51 шт.

К продаже:

13 926 шт.

К продаже:

94 шт.

К продаже:

874 шт.

К продаже:

101 шт.

К продаже:

117 шт.

К продаже:

2 765 шт.

К продаже:

8 шт.

К продаже:

871 шт.

К продаже:

42 335 шт.

К продаже:

700 шт.

К продаже:

700 шт.

К продаже:

92 шт.

К продаже:

500 шт.

К продаже:

250 234 шт.

К продаже:

170 184 шт.

К продаже:

1 881 шт.

К продаже:

5 750 шт.

К продаже:

29 шт.

К продаже:

1 083 шт.

К продаже:

55 шт.

К продаже:

839 шт.

К продаже:

2 472 шт.

К продаже:

7 шт.

К продаже:

582 шт.

К продаже:

1 703 шт.

К продаже:

64 шт.

К продаже:

49 шт.

К продаже:

4 352 шт.

К продаже:

679 шт.

К продаже:

77 шт.

К продаже:

10 672 шт.

К продаже:

1 990 шт.

К продаже:

294 шт.

К продаже:

496 шт.

К продаже:

53 шт.

К продаже:

14 шт.

К продаже:

43 шт.

К продаже:

1 490 шт.

К продаже:

179 шт.

К продаже:

490 шт.

К продаже:

5 736 шт.

Микросхем | MIT Press

Ведущие нейробиологи обсуждают функцию микросхем, функциональных модулей, которые действуют как элементарные процессоры, соединяющие отдельные клетки с системами и поведением.

Микросхемы, функциональные модули, которые действуют как элементарные блоки обработки, соединяющие отдельные клетки с системами и поведением, могут обеспечить связь между нейронами и глобальной функцией мозга. Микросхемы предназначены для выполнения определенных функций; Примеры этих функциональных модулей включают корковые столбы в сенсорных кортиках, клубочки в обонятельных системах насекомых и позвоночных, а также сети, генерирующие различные аспекты моторного поведения.В этом выпуске Dahlem Workshop ведущие нейробиологи обсуждают, как микросхемы работают для соединения уровней отдельных клеток и систем, и сравнивают внутреннюю функцию микросхем с их подтипами ионных каналов, связностью и рецепторами, чтобы понять принципы конструкции и функции микросхем. .

Главы охватывают четыре основных области исследования микросхем: двигательные системы, включая локомоцию, дыхание и саккадические движения глаз; полосатое тело, самая большая входная станция базальных ганглиев; обонятельные системы и нервная организация клубочков; и неокортекс.За каждой главой следует групповой отчет — совместное обсуждение старших ученых.

Авторы Лидия Алонсо-Нанкларес, Хагай Бергман, Мария Блатоу, Дж. Поль Болам, Ансгар Бюшгес, Антонио Капути, Жан-Пьер Шанжекс, Хавьер ДеФелипе, Карстен Дуч, Поль Файнштейн, Стюарт Файрстайн, Ив Фрнэ В. Фридрих, К. Джованни Галиция, Энн М. Грейбил, Чарльз А. Грир, Стен Грилльнер, Тадаши Иса, Оле Кин, Минору Кимура, Андерс Лансер, Жиль Лоран, Пьер-Мари Лледо, Вольфганг Маасс, Генри Маркрам, Дэвид А.Маккормик, Кристоф М. Мишель, Питер Момбертс, Ханна Моньер, Ханс-Йоахим Пфлюгер, Дитмар Пленц, Дитхельм В. Рихтер, Силке Саксе, Х. Себастьян Сунг, Кейт Т. Силлар, Джеффри С. Смит, Дэвид Л. Спаркс, Д. . Джеймс Сурмайер, Эёрс Сатмари, Джеймс М. Теппер, Джефф Р. Виккенс, Рафаэль Юсте

Принципы кодирования канонической корковой микросхемы в головном мозге птиц

Значение

Шестислойный неокортекс является отличительной чертой мозга млекопитающих.Связи между слоями и прогрессивные изменения в свойствах нейронного кодирования каждого слоя определяют микросхему, которая, как предполагается, выполняет вычисления, лежащие в основе сложного поведения. У птиц отсутствует шестислойная кора головного мозга. Тем не менее, они демонстрируют сложное познание и поведение. Недавние анатомические исследования предполагают, что прилегающие области птичьего паллия являются гомологами неокортикальных слоев. Здесь мы показываем, что слуховой покров птиц демонстрирует те же принципы обработки информации, которые определяют неокортикальную микросхему млекопитающих.Результаты предполагают, что кортикальная микросхема возникла у общего предка млекопитающих и птиц, и дают физиологическое объяснение нейронным процессам, которые приводят к сложному поведению в отсутствие кортикального ламинирования.

Abstract

Неокортекс млекопитающих характеризуется многоуровневой архитектурой и общей или «канонической» микросхемой, управляющей потоком информации между слоями. Считается, что эта микросхема лежит в основе вычислений, необходимых для сложного поведения.Несмотря на отсутствие шестиуровневой коры, птицы способны к сложному познанию и поведению. Кроме того, слуховой покров птиц состоит из смежных областей обработки информации с генетически идентифицированными типами нейронов и выступами среди областей, сопоставимых с таковыми в неокортексе. Здесь мы показываем, что слуховой покров птиц демонстрирует те же принципы обработки информации, которые определяют каноническую корковую микросхему, которая долгое время считалась развившейся только у млекопитающих.Эти результаты предполагают, что каноническая кортикальная микросхема эволюционировала у общего предка млекопитающих и птиц, и обеспечивают физиологическое объяснение эволюции нервных процессов, которые приводят к сложному поведению в отсутствие кортикального ламинирования.

Когнитивные способности птиц предполагают, что птичий мозг содержит сложные схемы обработки информации. Недавние исследования показали, что врановые животные, такие как вороны, грачи и сойки, демонстрируют новаторское производство орудий (1), референциальные жесты (2), причинно-следственные рассуждения (3, 4), зеркальное самопознание (5) и планирование на будущее. необходимо использовать недавний опыт (6).Другие птицы могут выполнять сложное распознавание образов (7), долгосрочное запоминание (8) и численное различение (9), параллельно с работой приматов. Певчие птицы, такие как зебровые зяблики ( Taeniopygia guttata , вид, изучаемый здесь), учатся производить и распознавать сложные вокализации для социальной коммуникации, с многочисленными параллелями с обучением и восприятием речи (10).

Хотя когнитивные навыки птиц и млекопитающих часто сравнимы, паллиумы птиц и млекопитающих имеют очень разную анатомическую организацию.Хотя организация восходящих сенсорных путей и субпаллиальных структур схожа в головном мозге птиц и млекопитающих (11), птичий паллий (называемый в дальнейшем корой головного мозга) лишен характерной шестислойной структуры неокортекса млекопитающих (12). Вместо ламинарной структуры кора головного мозга птиц состоит из взаимосвязанных ядер и полос нейронов, которые образуют отдельные области обработки. Первичная слуховая кора птиц (птичий А1) организована в смежные обрабатывающие области, в совокупности называемые комплексом поля L / CM (каудальный мезопаллий), которые расположены друг над другом в дорсоростральной и вентрокаудальной ориентации (13, 14) (рис.1 и рис. S1). Области птичьего A1 разграничены различиями в цитоархитектуре и связности (13, 15) ( SI Materials and Methods ) и организованы на поверхностные (поле L1 и латеральный каудальный мезопаллий, CML), промежуточные (поля L2a и -b), и глубокие (поле L3) области, подобные слоям неокортекса. Задний отдел, каудальный нидопаллий (NC), здесь называется «вторичной» корой. Рис. 2 A показывает схематическую диаграмму основных соединений между регионами (изменено по сравнению с исх.16).

Рис. 1.

Области слуховой коры певчих птиц. ( слева, ) парасагиттальный срез, окрашенный по Нисслю, на котором показаны тела и пластинки клеток. ( Правый ) Рисунок того же сечения с окрашенными и помеченными областями. Пунктирными линиями обозначены границы, определяемые переходами в цитоархитектуре. Области L поля L1, L2, L3 и боковой каудальный мезопаллий (CM) образуют первичную слуховую кору у птиц (13, 14). Поле L2a и L2b являются промежуточными (таламореципиентными) областями.Поле L1 и CML — это поверхностные области, а поле L3 — глубокая область. Хвостовой нидопаллий (NC) — вторичная слуховая зона. Область L (13) имеет цитоархитектуру, аналогичную L2b, но, как известно, не получает таламический вход. CStr, хвостовое полосатое тело; Hp, гиппокамп; HVC, (имя собственное) премоторное ядро ​​песенной системы; ПМЖВ, lamina arcopallialis dorsalis; LaM, lamina mesopallialis.

Рис. 2.

Иерархическая обработка информации в слуховой коре певчих птиц. ( A , Left ) Схема основных выступов слуховой коры певчих птиц (изменено из исх.16). Заштрихованная область указывает схему, соответствующую первичной слуховой коре млекопитающих. Вход таламуса в основном заканчивается в поле L2 (промежуточная область) и редко — в поле L3 (глубокая область). Дорсальные выступы от L2 заканчиваются в L1, а L1 проецируется на CML (поверхностные области). Вентральные выступы из L2 заканчиваются в L3. Поле L3 проецируется на NC (вторичный), таламус и ствол мозга. ( Right ) Средние задержки ответа в различных областях слуховой микросхемы и вторичной области NC.Задержки самые короткие в промежуточной области и значительно дольше в поверхностных и вторичных областях. ( B , Left ) Гистологическое изображение, используемое для определения местоположения политрода при одном проникновении записи. Четыре оранжевые дорожки показывают расположение четырех стержней политрода с маркировкой DiI. Зеленая стрелка указывает предполагаемое расположение наконечника стержня электрода. ( Правый ) Схема политрода. ( C ) Пример спайковых поездов и рецептивных полей (RF) одиночных нейронов в поверхностных, промежуточных, глубоких и вторичных областях.Спектрограмма стимула (2 с мл шума) показана над последовательностью спайков. ( D ) Вызванная частота срабатывания (разреженность отдельных ячеек). ( E ) Редкость населения. ( F ) Избирательность. ( G ) Индекс разделимости RF. ( H ) Радиочастотная линейность. На гистограммах столбцы ошибок указывают SEM. Звездочки имеют цветовую кодировку в зависимости от региона и указывают на значимые сравнения ( P <0,05, критерий Краскела – Уоллиса с поправкой на сравнение нескольких групп).

Несмотря на крупномасштабные различия в организации коры головного мозга птиц и неокортекса млекопитающих, сходство в этих областях мозга недавно было обнаружено на круговом (14), клеточном (11) и молекулярном уровнях (17-19). Анатомические исследования предоставляют доказательства сходной связи между поверхностными, промежуточными и глубокими процессинговыми областями в птичьем A1 и соответствующих слоях неокортекса (11, 14, 15, 20, 21). Например, птичий А1 организован в столбцы радиально расположенных внутренних связей, охватывающих все регионы, подобно столбцам, соединяющим слои неокортекса (14).Кроме того, одни и те же генетически идентифицированные типы нейронов обнаруживаются в промежуточных, поверхностных и глубоких слоях неокортекса и в отдельных областях птичьего A1 (17, 18).

Слои неокортекса млекопитающих и характерные связи между слоями определяют «каноническую» кортикальную микросхему, которая, как считается, лежит в основе вычислений, необходимых для сложного познания и поведения (22). Основываясь на недавних демонстрациях значительных когнитивных навыков у птиц и параллелях в анатомических схемах между корой головного мозга птиц и млекопитающих, мы выдвинули гипотезу, что птичий A1 демонстрирует принципы кодирования отдельных нейронов и популяции, которые характеризуют каноническую корковую микросхему в неокортексе млекопитающих.Путем одновременной регистрации активности 2–38 отдельных нейронов в каждой обрабатывающей области птичьего A1 и анализа возбуждающих свойств мы обнаружили, что кора головного мозга птиц демонстрирует характерные особенности обработки информации канонической кортикальной микросхемы, обеспечивая функциональные доказательства для общей корковой микросхемы. у млекопитающих и птиц. Сходства обработки информации, описанные здесь, предполагают, что птицы и млекопитающие имеют гомологичные корковые микросхемы, и обеспечивают физиологическое объяснение эволюции нейронных процессов, которые приводят к сложному поведению в отсутствие ламинирования.

Результаты

Иерархическая обработка в слуховой коре птиц.

Определяющей особенностью микросхемы неокортекса млекопитающих в основном являются прямые связи, которые образуют иерархию этапов обработки информации. Сенсорная информация от таламуса в основном нацелена на промежуточный слой 4 и редко нацелена на границу слоя 5/6 (23, 24). Из слоя 4 аксональные проекции переходят в поверхностные слои 2/3, а затем в глубокие слои 5/6, где информация распространяется на другие корковые и подкорковые мишени (23, 25).В первичной слуховой (A1), зрительной (V1) и соматосенсорной (S1) корке рецептивные поля простые и разделимые в слое 4 и более сложные и нелинейные в поверхностных и глубоких слоях (26-29). Сенсорные вызванные ответы, как правило, более разрежены и более избирательны в слоях ниже по потоку от слоя 4 (30–32), хотя частота возбуждения в слоях 4 и 5 аналогична в некоторых системах (30, 33, 34).

Как и в сенсорной коре головного мозга млекопитающих, таламические проекции на птичий A1 заканчиваются в основном в промежуточной области и редко в глубокой области (15, 20) (рис.2 А ). Информация из поля L2 промежуточной области распространяется на поверхностные области (поле L1 и CML) и поле глубокой области L3 (14, 15, 20). Чтобы проверить, является ли иерархическая обработка информации главной особенностью слуховой микросхемы птиц, мы использовали многоэлектродные массивы для одновременной записи слуховых ответов от отдельных нейронов в промежуточных ( n = 94), поверхностных ( n = 219) и глубоких. ( n = 237) области птичьего A1 у неанестезированных взрослых самцов зебра ( n = 6) (рис.2, рис. S1 и S2 и таблица S1). Мы также записали NC вторичной слуховой коры ( n = 273), которая получает входные данные от глубоких и поверхностных областей птичьего A1 (15, 20).

Мы обнаружили, что слуховая кора птиц демонстрирует иерархические особенности обработки информации, которые характеризуют неокортекс млекопитающих (рис. 2). Задержки отклика на представление ограниченного модуляцией (ml) шума (коррелированный гауссов шум, соответствующий песне зебрового зяблика в частотном диапазоне и максимальных частотах спектральной и временной модуляции) (35) (материалы и методы , ) были самыми короткими в промежуточной области и значительно более длинными. в поверхностной и вторичной областях (рис.2 A ) ( P <0,05, критерий Краскела – Уоллиса с поправкой на множественные сравнения). На рис. 2 C показаны последовательности спайков, записанные от одиночных нейронов в каждой области до, во время и после представления ml-шума, а также рецептивные поля ( SI Materials and Methods ) для этих нейронов. Редкость отдельных клеток, измеряемая как вызванная звуком интенсивность активации, и разреженность популяции, вычисляемая как доля клеток, которые не смогли произвести значительный ответ на каждый предъявленный стимул ( SI Materials and Methods ), различались по регионам; активность была наиболее высокой в ​​промежуточной области и значительно реже в поверхностной, глубокой и вторичной областях ( P <0.05) (Рис.2 D и E ). Селективность стимула (доля стимулов, которые не вызывали значительного ответа нейрона) была самой низкой в ​​промежуточной области и значительно выше на последовательных этапах обработки ( P <0,05, рис. 2 F ). Разделимость и линейность рецептивного поля (RF), два показателя простоты RF ( SI Materials and Methods ), были самыми высокими в промежуточной области, ниже в поверхностной области, еще ниже в глубокой области и самыми низкими во вторичной коре (рис. .2 G и H ) ( P <0,05). Эти результаты согласуются с анализом сенсорной обработки в неокортексе млекопитающих (26–28, 31, 32) и предоставляют доказательства того, что иерархическая обработка информации также является определяющей особенностью слуховой микросхемы птиц. Мы обнаружили одно различие в сравнении обработки корковых микросхем птиц и млекопитающих. Исследования A1 и S1 показывают, что активность более редкая и более избирательная в поверхностных слоях, чем в глубоких (28, 30).Мы обнаружили, что разреженность и селективность были выше у глубокой птицы A1, чем у поверхностной A1 (рис. 2 C E ). Это наблюдение согласуется с недавними открытиями (36) у европейского скворца и может быть различием микросхем между птицами и млекопитающими.

Два основных класса нейронов в слуховой коре птиц.

Определяющей характеристикой неокортекса млекопитающих является наличие двух основных классов нейронов. Возбуждающие основные клетки (ПК) активируют широкие (также называемые широкими или регулярными) потенциалами действия с относительно низкими скоростями, а тормозящие интернейроны (ИН) активируют узкие (т.е., тонкие или быстрые) потенциалы действия с более высокими скоростями (23, 25, 37). PC производят гетерогенные, сравнительно редкие и избирательные сенсорные ответы, тогда как IN реагируют на те же стимулы с меньшей разреженностью и избирательностью, что приводит к плотным сенсорным репрезентациям (30, 38-40). У A1 млекопитающих PC и IN также различаются по структуре RF; ПК имеют более сложные RF, чем IN (41). Чтобы проверить, группируются ли нейроны птичьего A1 в два основных класса, мы подвергли все зарегистрированные клетки ( n = 823) кластерному анализу на основе формы потенциала действия (AP) (30, 36, 37) (рис.3 A , рис. S3 и SI Материалы и методы ). Нейроны сгруппированы в два класса, и оба класса были обнаружены в поверхностных, промежуточных и глубоких областях, а также во вторичной слуховой коре (рис. 3 B и рис. S3 и S4). Потенциалы действия предполагаемых IN (пИН, n = 235/823) были значительно уже (0,33 ± 0,05 мс), чем потенциалы действия предполагаемых ПК (pPC, n = 588/823) (0,77 ± 0,13 мс) ( P <1e − 10, двухвыборочный критерий Колмогорова – Смирнова).Как и в неокортексе (38), частота стрельбы и ширина AP были отрицательно коррелированы; нейроны с более высокой частотой активации обычно имели более узкие AP (коэффициент корреляции Пирсона (R) = -0,58) (рис. 3 A и рис. S3). На рис. 3 B показаны примерные последовательности импульсов и RF для pIN и pPC в каждой области. Как и в неокортексе млекопитающих (30, 38, 39), pPCs обладают более гетерогенными ответами и RF-структурами, чем pINs, внутри и между регионами (Fig. 3). На рис. S5 показаны цепочки импульсов pPC и RF, организованные по ширине AP.Подобно неокортикальным IN и PC внутри слоя, pPC птиц демонстрировали более низкую частоту вызванных импульсов и более высокую селективность стимулов, чем pIN в той же области (рис.3 C E , сравните синий и красный на каждой панели, P <0,01 двухвыборочный критерий Колмогорова – Смирнова). Также, как и в неокортексе, RFs pPCs были менее линейными и более сложными, чем RFs pINs (Fig. 3 F и G ). Свойства ответа и РЧ-структуры pIN и pPC также различались в зависимости от региона.В целом, следуя иерархической организации, показанной на рис.2, разреженности отклика (рис.3 C и D ), избирательности (рис.3 E ) и сложности RF (рис.3 F и G ) увеличивается на последовательных стадиях обработки за пределами таламореципиентной области как в pPC, так и в pIN (сравните столбцы одного цвета на каждой панели). Результаты показывают, что различия в свойствах кодирования отдельных нейронов в разных областях обработки и между классами нейронов сходны в первичной коре головного мозга птиц и млекопитающих.

Рис. 3.

Свойства ответа pPCs и pIN в слуховой коре певчих птиц. ( A ) Идентификация предполагаемых основных клеток (pPCs, n = 588) и предполагаемых интернейронов с быстрым выбросом (pIN, n = 235) по форме пикового сигнала. Единицы с сортировкой по пикам были классифицированы на основе средней ширины пикового сигнала и сгруппированы в два класса с использованием модели смеси Гаусса (рис. S3). Предполагаемые IN (синий) имеют узкую форму волны спайка, тогда как pPC (красный) имеют более широкую форму волны.Ширина потенциала действия отрицательно коррелирует с вызванной скоростью стрельбы; частота возбуждения выше у нейронов с более узкими спайками ( n = 823 нейрона), коэффициент корреляции Пирсона R = -0,58. ( B ) Спайк-поезд откликается на 30 повторений ml-шума для восьми примеров нейронов. Нейроны 1, 3, 5 и 7 — контакты (синие). Нейроны 2, 4, 6 и 8 — pPC (красные). Заштрихованная область обозначает период предъявления стимула. Приемные поля (RF) для каждого примера нейрона находятся справа от растровых графиков.( C ) Ящичковые диаграммы вызванной частоты срабатывания для pIN (синий) и pPC (красный) показаны по регионам. ( D ) Редкость населения. ( E ) Избирательность. ( F ) RF разделимость. ( G ) ВЧ линейность. Черные звездочки указывают на достоверные различия между pPC и pIN внутри региона (** P <0,01; * P <0,05; двухвыборочный тест Колмогорова-Смирнова). Цветные звездочки указывают на значительные различия между регионами для pIN и pPC отдельно ( P <0.05, критерий Краскала – Уоллиса с поправкой на сравнение нескольких групп).

Популяционные различия кодирования по регионам, типам нейронов и анатомическому расстоянию.

Нейрональные популяции в неокортексе демонстрируют различные паттерны связности в разных слоях и между классами нейронов (например, PC или IN) в популяции. Корреляции во времени спайков, производимых разными нейронами, отражают силу и специфичность связей между нейронами в популяции и измеряются как корреляции количества спайков между одновременно зарегистрированными нейронами.Вызванные стимулами и спонтанные корреляции шума (связанные с общим входом или прямыми синаптическими связями) различаются по слоям и в популяциях ПК и ИН в зависимости от паттернов связности в каждом слое и классе нейронов (23, 31, 42, 43). Во-первых, связность в таламореципиентном слое 4 является локальной и однородной (44), а отдельные нейроны обладают различными возбуждающими свойствами (43, 45, 46). Эти характеристики согласуются с наблюдением слабых парных корреляций в слое 4 по сравнению с таковыми в поверхностных и глубоких слоях (31, 43).В отличие от слоя 4, нейроны в глубоких выходных слоях имеют длительные, повторяющиеся связи и сильные корреляции шума (43, 46). Во-вторых, попарные корреляции различаются в популяциях ПК и ИН; корреляции между IN с быстрыми всплесками сильнее, чем между ПК как на поверхностном, так и на глубоком уровнях, что согласуется с более плотной и более широкой связью между IN, чем между ПК (30, 42, 47). Кроме того, разреженные отклики и локальная связь в ПК на поверхностном уровне по сравнению с ПК на глубине лежат в основе более слабых корреляций между ПК в поверхностных слоях по сравнению с таковыми в глубоких слоях (30, 42, 48).В-третьих, плотность связей между нейронами в популяции влияет на то, насколько сенсорная стимуляция контролирует активность популяции; парные корреляции вызванной и спонтанной активности значительно более сходны в сильно взаимосвязанных популяциях ИН, чем в популяциях ПК с более редкой связностью (23, 42). В-четвертых, корреляция вызванной и спонтанной активности зависит от анатомического расстояния и зависит от пространственной степени связи. Связи между нейронами более локализованы в поверхностных слоях, чем в глубоких, что обеспечивает анатомическую основу для зависимости силы парной корреляции от пространственного расстояния между нейронами в поверхностных, но не глубоких популяциях (30).Возбуждающие связи в поверхностных слоях значительно разрушаются, когда расстояние между нейронами приближается к 150 мкм (49, 50), тогда как возбуждающие связи в глубоких слоях обычно широко распространены (47, 49–52). Эти структурные различия поддерживают локальную кластеризацию всплесковой активности в поверхностных слоях и большие разбросы коррелированного возгорания в глубоких слоях.

Чтобы проверить, показывает ли птичий A1 различия в кодировании популяции по регионам, классам нейронов и анатомическим расстояниям, которые соответствуют таковым в неокортексе, мы сравнили вызванные и спонтанные попарные корреляции в () промежуточных, поверхностных и глубоких областях ( Инжир.4 и рис. S6), ( ii ) pPCs и pIN (рис. 4 и 5 и рис. S6), ( iii ) поверхностные и глубокие pPC (рис. 4 B ) и ( iv ) ) пары с короткими и большими пространственными расстояниями между нейронами (рис. 5). Мы вычислили попарные корреляции количества спайков между всеми одновременно зарегистрированными нейронами в каждой области (рис. S1 и S2 и SI Материалы и методы ) и обнаружили, что различия в популяционном кодировании в регионах, в классах нейронов и на пространственном расстоянии были поразительно похожими. тем, кто находится в неокортексе.Во-первых, как и у млекопитающих, общие корреляции шума (все пары вместе) в вызванной активности были слабыми в промежуточной области и сильнее в поверхностных и глубоких областях (рис. 4 A ) ( P <0,05, критерий Краскала-Уоллиса с коррекция множественных сравнений). Во-вторых, вызванные и спонтанные корреляции между парами pPC были значительно слабее, чем между парами pIN, что подтверждает преобладающий вывод о том, что IN более плотно связаны, чем ПК (рис.4 B ) ( P <0.05, критерий Краскала – Уоллиса с поправкой на множественные сравнения; На рис. S6 показаны пары pPC / pIN). Корреляции в парах pPC / pPC также были сильнее в глубокой области, чем в поверхностной (рис. 4 B , P <0,05, сравните красные столбцы на каждой панели). Эти результаты являются физиологическим доказательством того, что, как и в неокортексе, глубокие pPC более тесно взаимосвязаны, чем поверхностные pPC. В-третьих, корреляции спонтанной активности были сильнее, чем корреляции вызванной активности во всех регионах (сравните шкалы на рис.4 B ), указывая на то, что стимул-драйв декоррелирует активизацию популяции как у птиц, так и у млекопитающих (30, 53). Мы также обнаружили более сильную взаимосвязь между спонтанными и вызванными корреляциями в парах pIN, чем в парах pPC, как в поверхностных, так и в глубоких областях, что является дополнительным доказательством того, что связь между IN более плотна, чем между PC у птиц, как и у млекопитающих (рис. 4 C ). сравните красные и синие точки на каждой панели; для поверхностных пар R IN , P = 3.55e − 10 и R PC , P = 8.1e − 06; для глубоких пар R IN , P = 1,86e − 38 и R PC , P = 1,35e − 20). На рис. S6 показаны корреляции промежуточных областей, а в таблице S2 показаны средние значения силы корреляции для каждой области и класса нейронов, измеренные отдельно по вызванной и спонтанной активности. В-четвертых, мы обнаружили, что сила корреляции значительно больше зависела от пространственного расстояния между зарегистрированными нейронами в поверхностных популяциях, чем в глубоких (рис.5 и SI Материалы и методы ). Растровые графики многоэлементной (без сортировки по спайкам) активности на Рис. 5 A демонстрируют сходную пиковую активность при регистрации контактов в глубокой области, но не в поверхностной области, что указывает на более дальние связи между нейронами глубокой области. При спонтанной активности корреляции между поверхностными нейронами были значительно слабее в парах «дистальных» (≥300 мкм друг от друга) нейронов, чем в парах «локальных» (≤150 мкм) нейронов (рис. 5 B и C ). ( P <0.01). Корреляции в глубокой области не уменьшались с анатомическим расстоянием, что соответствует результатам у млекопитающего A1 (30). Сила корреляции вызванной активности также уменьшалась с увеличением расстояния в верхней, но не глубокой области (рис. 5 B , справа ) ( P <0,05). Корреляции, вычисленные для пар pPC и пар pIN по отдельности, показали, что корреляции не уменьшаются с анатомическим расстоянием в парах pIN (Рис. глубокая область (рис.5 C , справа ) ( P <0,05, критерий Краскала – Уоллиса с поправкой на множественные сравнения). Эти анализы демонстрируют, что свойства коррелированной активности в обрабатывающих регионах и классах нейронов слуховой коры птиц близко соответствуют тем, о которых сообщается для соответствующих слоев и классов нейронов в неокортексе млекопитающих.

Рис. 4.

Корреляция шума по регионам и типам нейронов. ( A ) Парные корреляции шума во время вызванной активности для поверхностных, промежуточных и глубоких областей.Звездочки указывают на достоверные различия в корреляциях между регионами ( P <0,05, критерий Краскела – Уоллиса с поправкой на сравнение нескольких групп). Столбцы представляют собой медианы населения, а полосы ошибок указывают 95% доверительные интервалы для медиан. ( B ) Парные корреляции для pIN и pPC в поверхностных и глубоких областях для вызванной ( слева, ) и спонтанной ( справа, ) активности. Обратите внимание, что оси y находятся в разных масштабах на панелях Left и Right .( C ) Отношения между нормализованными (по шкале z) спонтанными и вызванными корреляциями в парах pIN (синий) и парах pPC (красный) в поверхностной ( слева, ) и глубокой ( справа, ) областях. И в поверхностных, и в глубоких областях вызванные корреляции масштабируются со спонтанными корреляциями для пар pIN, но не для пар pPC. Графики показывают спонтанные парные корреляции вызванными парными корреляциями. Каждая точка представляет одну пару. Коэффициенты корреляции Пирсона (R), определяющие взаимосвязь между спонтанными и вызванными корреляциями для пар pIN / pIN и pPC / pPC, показаны в правом нижнем углу каждого графика.Красные и синие линии соответствуют линейному соответствию данным.

Рис. 5.

Связь между попарными корреляциями и анатомическим расстоянием по регионам и типам нейронов. ( A ) Пример одновременной записи многоэлементной (без сортировки спайков) активности от нескольких контактов электродов в поверхностной ( вверху справа, ) и глубокой ( внизу справа, ) областях. Растры организованы путем увеличения расстояния от контакта с черной записью. Цветные точки слева от растров соответствуют цветам, обозначающим контакты записи на политроде ( Left ).Черный «x» указывает на нефункциональный контакт. ( B ) Пространственная зависимость нормализованных корреляций шума в поверхностных и глубоких областях для спонтанной ( слева, ) и вызванной ( справа, ) активности. Локальные пары — это те, в которых зарегистрированные нейроны находились на расстоянии ≤150 мкм. Дистальными парами были те, в которых зарегистрированные нейроны находились на расстоянии ≥300 мкм друг от друга. Парные корреляции в каждом регионе были нормализованы путем деления на медианное значение локальных корреляций в этом регионе, чтобы поместить корреляции во всех регионах в одну шкалу, что позволяет сравнивать корреляции между регионами.Столбцы показывают медианы населения, а полосы ошибок показывают 95% доверительные интервалы. Звездочки указывают на достоверные сравнения (критерий Краскала – Уоллиса с поправкой на сравнение нескольких групп, * P <0,05, ** P <0,01). Корреляции в поверхностной области затухали с анатомическим расстоянием больше, чем корреляции в глубокой области. ( C ) То же, что и в B , но с корреляциями для пар контактов и пар pPC, показанных отдельно.

Обсуждение

Анализ активности отдельных нейронов и популяций во всех регионах слуховой коры птиц показывает, что свойства кодирования информации птичьего A1 очень похожи на те, которые определяют «каноническую кортикальную микросхему» у млекопитающих.Во-первых, смежные и связанные области слуховой коры птиц образуют иерархию обработки информации. Во-вторых, одни и те же два класса нейронов обнаруживаются в коре головного мозга млекопитающих и птиц. В-третьих, нейроны в неокортексе и коре головного мозга птиц демонстрируют сопоставимые одноклеточные и популяционные стратегии кодирования в областях / слоях коры, между типами нейронов и на анатомическом расстоянии. Сходство между этими данными и тем, что известно о сенсорной обработке в неокортексе млекопитающих, подтверждает гипотезу гомологии эволюции мозга (54) и предполагает, что каноническая кортикальная микросхема возникла у общего предка млекопитающих и птиц (11, 14, 17).Если это так, то микросхема эволюционировала в стволовых амниотах и ​​предшествовала кортикальному расслоению по крайней мере на 100 миллионов лет (12). Альтернативная возможность состоит в том, что эволюция паллия у птиц и млекопитающих сходилась в одной и той же организации цепи обработки информации (11). Независимо от этих альтернатив, это исследование обеспечивает физиологическое объяснение эволюции нервных процессов, которые приводят к сложному поведению в отсутствие ламинации.

Материалы и методы

Полные методы представлены в SI «Материалы и методы» .

Группы слуховых нейронов были зарегистрированы в поверхностных ( n = 219), промежуточных ( n = 94) и глубоких ( n = 237) областях первичной слуховой коры шести подголовников без анестезии. , самцы зебровых амадин (Таблица S1). Все процедуры с участием животных были рассмотрены и одобрены Комитетом по уходу и использованию животных Колумбийского университета. Записи были сделаны у тех же птиц в хвостовом нидопаллии (NC), вторичной слуховой области коры ( n = 273).Нейронные отклики вызывались представлением 10 различных образцов (каждый = 2 с длительностью) ограниченного модуляцией (ml) шума. Шум Ml — это коррелированный гауссов шум, отфильтрованный для соответствия частотному диапазону (250–8000 Гц) и максимальным частотам спектральной и временной модуляции песни зебрового вьюрка (35, 55). Каждый из 10 стимулов предъявлялся 30–40 раз в псевдослучайном порядке. Анализ данных проводился в MATLAB (Mathworks). Спайки были отсортированы в автономном режиме (56⇓⇓ – 59). Все зарегистрированные единичные единицы ( n = 823) были классифицированы как предполагаемые интернейроны (pIN) или предполагаемые основные клетки (pPC) на основе ширины потенциала действия (рис.3 и рис. S3). Для каждой области обработки и каждого класса нейронов разреженность отдельных клеток вычислялась как вызванная звуком частота срабатывания импульсов. Редкость популяции рассчитывалась как доля клеток, которые не давали значимого ответа на данный стимул. Селективность рассчитывалась как доля различных стимулов, которые не вызывали значительного ответа от данного нейрона. Спектрально-временные рецептивные поля (STRF) были рассчитаны путем подбора обобщенной линейной модели к звуковым ответам каждого нейрона (60).Латентность ответа для каждого нейрона вычислялась из STRF при наилучшей частоте возбуждения (61) ( SI Materials and Methods ). Разделимость рецептивного поля была вычислена путем выполнения разложения по сингулярным значениям на STRF. Линейность рецептивного поля измерялась с помощью STRF для прогнозирования ответов на новые стимулы. Спонтанные и вызванные корреляции количества спайков были получены путем вычисления коэффициента корреляции Пирсона между подсчетами спайков (скользящее окно 50 мс) из последовательности спайков всех одновременно записанных нейронов (за исключением пар, записанных с одного контакта электрода).Корреляции шума измерялись с использованием предиктора сдвига для корректировки корреляций, вызванных стимулом (53, 62). На рис. 5 B и C парные корреляции в одном регионе были нормализованы путем деления на медианное значение локальных корреляций в этом регионе, так что корреляции во всех регионах были в одном масштабе, что позволяет сравнивать корреляции в поверхностных корреляциях. и глубокие регионы.

Благодарности

Мы благодарим Дж. Мура и Дж. Шумахера за комментарии к рукописи и их вклад в дизайн экспериментов и анализ данных, а также Р.Бруно и С. Розис за комментарии к рукописи. A.C. был поддержан Международной преддипломной стипендией Медицинского института Говарда Хьюза и S.M.N.W. был поддержан грантом NIH R01-DC009810.

Сноски

  • Вклад авторов: A.C. and S.M.N.W. спланированное исследование; A.C. провел исследование; A.C. проанализировал данные; A.C. и S.M.N.W. написал статью; и S.M.N.W. курировал проект.

  • Авторы заявляют об отсутствии конфликта интересов.

  • Эта статья представляет собой прямое представление PNAS.H.K. является приглашенным редактором редакции журнала.

  • См. Комментарий на странице 3184.

  • Эта статья содержит вспомогательную информацию на сайте www.pnas.org/lookup/suppl/doi:10.1073/pnas.1408545112/-/DCSupplemental.

Модель индивидуализированных канонических микросхем, поддерживающих когнитивные операции

Abstract

Считается, что основные когнитивные функции, такие как язык, память и принятие решений, зависят от распределенных сетей из большого количества базовых элементов, называемых каноническими микросхемами.В этом теоретическом исследовании мы предлагаем новую каноническую модель микросхемы и обнаруживаем, что она поддерживает две основные вычислительные операции: стробирующий механизм и рабочую память. С помощью бифуркационного анализа мы систематически исследуем динамическое поведение канонической микросхемы в отношении параметров, которые управляют балансом локальной сети, то есть отношения между возбуждением и торможением, а также ключевыми внутренними архитектурами обратной связи канонических микросхем. Мы связываем локальное поведение канонической микросхемы с когнитивной обработкой и демонстрируем, как сеть взаимодействующих канонических микросхем позволяет устанавливать пространственно-временные последовательности в контексте синтаксического анализа во время понимания предложения.Это исследование обеспечивает основу для использования индивидуализированных канонических микросхем для построения биологически реалистичных сетей, поддерживающих когнитивные операции.

Образец цитирования: Kunze T, Peterson ADH, Haueisen J, Knösche TR (2017) Модель индивидуализированных канонических микросхем, поддерживающих когнитивные операции. PLoS ONE 12 (12): e0188003. https://doi.org/10.1371/journal.pone.0188003

Редактор: Томас Веннекерс, Плимутский университет, СОЕДИНЕННОЕ КОРОЛЕВСТВО

Поступило: 29 мая 2017 г .; Одобрена: 25 октября 2017 г .; Опубликовано: 4 декабря 2017 г.

Авторские права: © 2017 Kunze et al.Это статья в открытом доступе, распространяемая в соответствии с условиями лицензии Creative Commons Attribution License, которая разрешает неограниченное использование, распространение и воспроизведение на любом носителе при условии указания автора и источника.

Доступность данных: Все соответствующие данные находятся в документе и его файлах с вспомогательной информацией. Исходный код доступен по адресу https://github.com/TiKunze/CanMics.

Финансирование: Эта работа финансировалась Обществом Макса Планка и поддерживалась программой совместных исследований DAAD-Go8-Германия в рамках гранта № 57061157.A.D.H.P был поддержан исследовательским сообществом сэра Джона Эклза. J.H. получил частичное финансирование от Министерства науки Тюрингии в рамках гранта № 2015 FGR 0085.

Конкурирующие интересы: Авторы заявили, что конкурирующих интересов не существует.

Введение

Большинство современных нейробиологических теорий основаны на коннекционистском подходе, в котором высшие когнитивные функции закреплены в распределенной сети из большого числа схожих базовых элементов, часто называемых каноническими микросхемами [1–7].Эти относительно простые элементы усложняют когнитивную обработку данных в силу (i) их взаимодействия в большом количестве в рамках организованной сетевой топологии и (ii) индивидуальной настройки их свойств. Хотя более высокие когнитивные операции обязательно связаны с объединением и распределением больших объемов информации и, следовательно, должны полагаться на соединительную структуру более широкой сети, канонические микросхемы могут играть важную роль, обеспечивая набор из базовых операций [2, 8 , 9].В этом исследовании мы предлагаем общую вычислительную структуру для кортикальной канонической микросхемы. Мы систематически исследуем способность этой модели представлять важные базовые операции, количественно оценивать влияние фундаментальных структурных особенностей и физиологических переменных и демонстрируем ее способность сотрудничать в более крупных сетях для реализации когнитивных функций.

Две из самых фундаментальных базовых операций на локальном уровне — это стробирование потока сигналов и рабочая память .Стробирование потока сигналов контролирует передачу нейронных сигналов. Вероятно, это будет зависеть (i) снизу-вверх от свойств, в частности, значимости, самого входного сигнала и (ii) от нисходящей модуляции канонической микросхемы глобальной сетью. Выбор ввода в соответствии с его значимостью, то есть его значимостью с точки зрения величины и продолжительности, например, связан с управлением зрительным вниманием [10], избирательной реакцией на сенсорный ввод и определением путей обработки [11].

Для обработки временно структурированной информации требуется механизм быстрой рабочей памяти, который не полагается на структурные (например, синаптические) изменения [12]. Бистабильная динамика в канонической микросхеме — одна из возможных реализаций такого механизма.

В отличие от других частей мозга, таких как ствол мозга, мозжечок или таламус, схема коры в основном характеризуется повторяющимися возбуждающими и тормозящими петлями обратной связи на локальном уровне и двунаправленной разреженной возбуждающей связью на глобальном уровне [ 13].Таким образом, модель локальной корковой микросхемы должна включать пирамидные клетки с длинными аксонами, выступающими в отдаленные области коры, а также локальные возбуждающие и тормозные петли обратной связи. Такие базовые архитектуры, обнаруженные в различных пространственных масштабах, были представлены в скупой форме моделей нейронной массы / поля [14–18]. Исследования стационарного поведения таких моделей показали, что они действительно могут обеспечить основу для вышеупомянутых основных операций, показывая бистабильность и бифуркации [19–21].Здесь мы распространяем эти результаты на реакции на кратковременные стимулы и тем самым оцениваем реализацию стробирования сигнала и операций с рабочей памятью. В этом контексте мы исследуем влияние следующих структурных и физиологических проблем, которые ранее не изучались в моделях нейронной массы канонических микросхем:

  • Непрямая и прямая возбуждающая обратная связь. Большинство моделей нейронной массы и поля рассматривают только одну возбуждающую нейронную популяцию [e.ж., 17], где петля возбуждающей обратной связи моделируется как рекуррентная (прямая) обратная связь. Другие подходы [например, 16] различают пирамидные ячейки, которые обеспечивают выходную связь на большие расстояния, и возбуждающие интернейроны, которые являются основными приемниками восходящего входа [2, 22]. В этих трехпопуляционных моделях возбуждающая обратная связь с пирамидными клетками является непрямой, опосредованной возбуждающими интернейронами. Гарнье и его коллеги [23] исследовали последствия прямой и косвенной возбуждающей обратной связи и сообщили, что путь косвенной обратной связи обеспечивает дополнительную динамику.Однако уместность этой дополнительной динамики должна быть сбалансирована с затратами на увеличение сложности модели и должна быть оценена с учетом конкретных требований моделирования [2]. Поэтому оценим чувствительность основных операций канонической микросхемы по отношению к этому выбору.
  • Повторяющаяся тормозящая обратная связь. Аксоны тормозных интернейронов образуют коллатерали, которые нацелены на те же или другие тормозные нейроны. Это «подавление торможения» включено в некоторые модели [17], в то время как в других оно игнорируется [16].Нелинейный эффект этого растормаживания по отношению к основным операциям микросхемы будет исследован с помощью численного моделирования.
  • Баланс локальной сети. Было показано, что взаимосвязь между торможением и возбуждением в нейронной сборке имеет центральное значение для ее способности обрабатывать информацию [24]. Как следствие, он опосредует функции мозга более высокого порядка [25], а его нарушение нарушает механизмы обработки коры головного мозга и может привести к серьезным нарушениям и расстройствам мозга, таким как эпилепсия [26, 27], аутизм [28–30], шизофрения [31, 30]. 32] и эксайтотоксичность [33].Здоровый мозг автоматически устанавливает динамический баланс возбуждения и торможения. Это было показано теоретически [34] и экспериментально в исследованиях in vitro, [35] и in vivo, [26, 36]. Поэтому в рамках этого исследования изучается, как баланс локальной сети влияет на функциональные возможности локальных микросхем и как можно индивидуализировать канонические микросхемы.

Сети, состоящие из множества канонических микросхем, реализованных с помощью моделей нейронной массы, недавно были использованы для объяснения экспериментальных данных в нейрокогнитивных экспериментах, особенно в рамках динамического каузального моделирования (DCM) [37, 38].Однако мало внимания было уделено двум аспектам: (i) взаимосвязи между сетевым поведением и внутренними свойствами микросхем и (ii) механистическим объяснением поведения, а не данными изображений мозга. Здесь мы описываем в качестве простого примера сеть обработки предложений, состоящую из канонических микросхем, которая гибко обрабатывает расположение слов и позволяет различать альтернативные интерпретации неоднозначных предложений. Мы показываем, что точная настройка баланса локальной сети имеет решающее значение для функционирования предлагаемой модели обработки предложений.

Методы

Описание канонической модели нейронной популяции

Далее мы представляем модель нейронной массы, которая используется в этом исследовании. Модели нейронной массы представляют собой устоявшийся подход для объяснения данных электроэнцефалографии [16, 38, 39], выяснения эпилептогенных процессов [40, 41] и электрической стимуляции мозга [42, 43], а также исследования динамического поведения ограниченной нервной области [19–19]. 21]. В этом исследовании мы используем модель нейронной массы, которая имеет три нейронные массы или популяции, представляющие пирамидные клетки (Py), возбуждающие интернейроны (EIN) и тормозящие интернейроны (IIN).Две популяции интернейронов образуют петли обратной связи на Py (Fig 1A). Каждая из этих нервных масс описывается средним мембранным потенциалом V (t), который связан со средней интенсивностью возбуждения φ (t) популяции через нелинейную функцию активации S (V (t)). Для определения и параметризации синаптического ответа и функций активации мы следуем подходу Шпиглера [20], который основан на более ранних описаниях [16, 39]. В каждой нервной массе афферентная средняя частота возбуждения φ (t), достигающая дендритного дерева нейронной популяции, преобразуется в соответствующий средний мембранный потенциал V (t) путем свертки частоты возбуждения с ядром синаптического ответа h e, i (t) как в (1) где индекс e ( i ) обозначает ядро ​​синаптического ответа возбуждающей (тормозной) нервной массы.Ядро синаптического ответа моделируется как альфа-функция. (2) где θ (t) обозначает функцию Хевисайда, H e, i — синаптическое усиление, отражающее количество и эффективность синаптических контактов, а τ e , i — характерная постоянная времени любого возбуждающего или тормозящие действующие нервные массы. Тогда средний мембранный потенциал V c (t), c ∈ [P, E, I] соответствующих нейронных масс зависит от суммы всех входящих компонентов.Используя функцию Грина, это можно выразить как: (3) где D — временной дифференциальный оператор второго порядка, который имеет вид (4) где уравнение (2) представляет собой функцию Грина этого дифференциального оператора. Затем этот оператор разделяется на два дифференциальных уравнения первого порядка. Преобразование среднего мембранного потенциала в среднюю частоту возбуждения, представляющую процессы, происходящие на аксональном бугорке нейрона, моделируются сигмоидальной функцией активации, в данном случае логистической функцией (5)

Рис 1.Обобщенная архитектура модели нейронной массы.

A) Модель нервной массы учитывает возбуждающие интернейроны (EIN), тормозные интернейроны (IIN) и пирамидные клетки (Py). Параметр архитектуры b 1 управляет развертыванием прямой и косвенной возбуждающей обратной связи, а также популяцией, принимающей входные данные, тогда как учет тормозящих коллатералей регулируется параметром архитектуры b 2 . Эта параметризация позволяет провести сравнительное исследование соответствующих изменений в динамическом поведении трех различных архитектур: B) модель трех популяций, C) модель двух популяций и D) модель двух популяций с повторяющейся тормозной обратной связью. ИИН.Передаваемые средние скорости возбуждения φ (t) масштабируются с помощью увеличения связности N ab между исходной совокупностью, b , и целевой совокупностью, a , соответственно. Мембранный потенциал пирамидных клеток, V py (t) = V 2 (t) -V 3 (t), представляет собой результат модели (обозначен красными стрелками), который можно обнаружить, например, по ЭЭГ.

https://doi.org/10.1371/journal.pone.0188003.g001

В то время как e 0 представляет половину максимально достижимой скорости стрельбы, r — максимальный наклон сигмовидной функции и v 0 обозначает мембранный потенциал, для которого задействована половина максимальной скорости воспламенения.Средний мембранный потенциал Py, объединяющий как положительную, так и отрицательную обратную связь, формирует наблюдаемый сигнал цепи (например, посредством ЭЭГ) и, в то же время, вызывает выходной сигнал в отдаленные области через функцию активации. Следовательно, описание наблюдаемой динамики сосредоточено на этой основной клеточной популяции.

Мы строим общий формализм модели, который учитывает различные топологии локальной обратной связи: (i) трехпопуляционная модель с косвенным путем возбуждающей обратной связи через EIN (рис. 1B), (ii) двухпопуляционная модель с прямой возбуждающей обратной связью через самосоединения Py (рис. 1C) и (iii) двухпопуляционная модель с прямой возбуждающей обратной связью и повторяющейся тормозной обратной связью IIN (рис. 1D).Локальные топологии управляются двумя параметрами: b 1 и b 2 . Первый параметр (b 1 ) допускает постепенный переход между моделями с двумя популяциями с внешним входом p ext , полученным возбуждающим населением (Py), и трехпопуляционной моделью с внешним входом, p доб , полученный возбуждающими интернейронами (ЭИН). Важно отметить, что можно смоделировать промежуточные ситуации, когда обе возбуждающие популяции получают внешнюю информацию и сосуществуют как прямые, так и косвенные петли возбуждающей обратной связи (0 1 <1).Этот подход позволяет рассматривать выбор принципа в структуре модели (модель с двумя или тремя популяциями) как непрерывный параметр, который может быть подвергнут, например, бифуркационному анализу. См. «Файл S1» для получения более подробной информации о сопоставлении трех популяций с моделью двух популяций. Второй параметр (b 2 ) контролирует наличие рекуррентной петли обратной связи для IIN. Согласно схеме, изображенной на рис. 1А, система управляющих уравнений канонической микросхемы имеет следующий вид: (6)

Параметры N ab обозначают прирост связности между исходной популяцией b и целевой популяцией a , где a , b ∈ [P, E, I].Для численного интегрирования этой системы нелинейно связанных линейных обыкновенных дифференциальных уравнений используется метод Гойна. Операторы D e , i и S (∙) обозначают возбуждающий (тормозящий) временной дифференциальный оператор и сигмоидальную функцию активации, соответственно (см. Уравнения (4) и (5)). Проверялась стабильность интегрирования на интервале интегрирования 1 мс. Система изначально параметризована в соответствии с ранее использованной конфигурацией [16, 39], см. Таблицу 1.Кроме того, прирост связности N PP и N II определяется как N PP = 113,4 (см. Файл S1) и N II = 33,25, аналогично другим силам подавления соединения.

Определение и параметризация баланса сети

Взаимосвязь торможения и возбуждения, часто называемая сетевым балансом, в нейронной сборке регулирует взаимодействие нейронных единиц, влияет на динамику состояний мозга и связана с тяжелыми заболеваниями головного мозга, такими как эпилепсия [26, 27], аутизм [28–30] или шизофрения [31, 32].Концепция баланса сети неоднозначна, и ее трудно измерить просто как соотношение возбуждения и торможения в нейронной системе. Это связано с множеством пространственных и временных масштабов в мозге [24, 28] и множеством структурных и функциональных аспектов, которые можно было бы рассмотреть. Описание баланса сети на мезоскопическом уровне взаимодействующих нейронных популяций может быть сосредоточено на структурных влияниях, таких как топология, количество и эффективность синаптических контактов, или функциональных характеристиках, таких как передаваемая частота возбуждения или факторы синаптического ответа.В вычислительных моделях других исследований предложенные подходы связывают возбуждающие и тормозные заряды, проводимость [27, 28, 36] или мембранные потенциалы [24] друг с другом. Часто сетевой баланс определяется в сетевом контексте как отношение повторяющегося торможения к возбуждению [44, 45]. Однако это ограничивается двумя моделями населения и становится неоднозначным для моделей нескольких популяций, таких как те, которые используются в нашем исследовании.

В нашей модели подходящие параметры, которые потенциально имеют отношение к возбуждению и торможению, включают: (i) функцию синаптического ответа (постоянные времени, синаптический прирост), (ii) внешний вход для всех трех популяций, (iii) параметры сигмоидальная активационная функция и (iv) усиление связи между популяциями.Среди этих параметров синаптические приросты H e, i , прирост связности, то есть N EP , N PE , N PI , N IP N PP и N II , и внешние воздействия оказывают наиболее прямое и биологически правдоподобное воздействие на возбуждение и торможение системы. Однако обратите внимание на формальную избыточность, но концептуальную разницу между синаптическими усилениями и связями в уравнениях системы. Согласно основным уравнениям модели, т.е.е. Уравнения (1) — (6), H i , N PI и N II отражают усиление тормозной обратной связи только с другим масштабированием. Кроме того, изменение H e эквивалентно синхронному изменению N EP , N PE , N IP и N PP . Таким образом, в интересах управляемости для исследования модулирующего влияния возбуждения и торможения на локальную динамику достаточно рассмотрения скупого набора параметров. Следовательно, мы фокусируем наш анализ на влиянии H e и H i , которые интерпретируются как отражающие эффективность и плотность возбуждающего вещества, т.е.г. AMPA и ингибиторы, например ГАМК А , рецепторы нейромедиаторов. Это эквивалентно количеству и силе синаптических весов.

Бифуркационный анализ, моделирование и карта динамических функций

Уравнения модели были смоделированы в безразмерной форме в Matlab (The MathWorks, Inc., Натик, Массачусетс, США), а бифуркационный анализ был выполнен с использованием инструмента численного продолжения DDE-BIFTOOL [46]. Были использованы стандартные методы для расчета кривых с фиксированной точкой, т.е.е. вычисление неподвижных точек, вывод матрицы Якоби, линеаризация системы вокруг неподвижных точек и оценка собственных значений для определения локальной устойчивости. Синаптические коэффициенты усиления H e, i служили параметрами бифуркации в соответствующих локальных топологиях. Продолжительность моделирования составляла 5 секунд, а переменные состояния инициализировались нулевым вектором. Из-за инициализации системы с внешним входным уровнем p ext = 0s -1 , система постоянно находилась на нижней ветви S-образной кривой с фиксированной точкой в ​​случае бистабильного режима.

В каждом моделировании модель стимулировалась прямоугольным импульсом определенной интенсивности в диапазоне от 50 с -1 до 250 с -1 и длительностью от 500 до 1500 мс, начиная с времени установления 1 с. Поведение динамической реакции канонической микросхемы на эту стимуляцию было классифицировано в трех различных временных окнах путем сравнения максимальных мембранных потенциалов популяции пирамидных клеток с порогом срабатывания. Временными окнами были: i) окно предварительного стимула (0.5 с – 1 с), ii) окно немедленного отклика (от 1,1 до 3,5 с) и iii) асимптотическое окно (от 4 до 5 с), см. Рис. 2A. Порог срабатывания u th = 4 мВ был определен относительно максимальной скорости срабатывания 5 с -1 , так что на пороге достигается около 25% максимальной скорости срабатывания. В каждом временном окне система считалась активной, если максимальная активация превышала порог, и неактивной, если максимальная активация была ниже порога. Наблюдались три общих типа поведения (см. Рис. 2B): i) поведение памяти, когда система остается постоянно активной после прекращения ввода, ii) поведение передачи, когда активность выше порога во время окна немедленного ответа, но ниже в остальных случаях. и iii) невосприимчивое поведение, когда максимальная активность постоянно выше или ниже порога во всех трех окнах.Обратите внимание, что в некоторых случаях активность колеблется около порогового значения. В этих случаях популяция может активировать постсинаптические популяции, по крайней мере, на некоторое время, и поэтому считается, что она превышает пороговую величину. Возникновение этого поведения в зависимости от управляющих параметров суммировано в так называемых картах динамических функций , которые типичны для репертуара динамических откликов соответствующей параметризации.

Рис. 2. Принцип стимуляции и категоризация поведения динамической реакции.

A) Модель получала прямоугольную стимуляцию различной интенсивности и продолжительности (зеленая линия). Максимум среднего мембранного потенциала популяции пирамидных клеток (синяя линия) регистрировали в трех временных окнах, то есть в окне предварительного стимула, окне немедленного ответа и асимптотическом окне (серые заштрихованные области). Для классификации поведения реакции эти значения активации сравнивались с порогом 4 мВ (красная горизонтальная линия, u ) в каждом окне — «0» обозначает подпороговую активацию, а «1» обозначает активацию, превышающую пороговое значение.Б) Комбинированная оценка действий (например, «0-1-1») привела к трем различным классам ответного поведения: запоминание, передача и невосприимчивое поведение. Для построенных кривых мы использовали b 1 = 1, b 2 = 1, H e = 3,25 мВ и H i = 22 мВ.

https://doi.org/10.1371/journal.pone.0188003.g002

Оценка модели

В этом разделе мы описываем оценку предложенной канонической модели микросхемы в отношении (i) учета косвенной или прямой возбуждающей обратной связи, (ii) периодической обратной связи с IIN и (iii) баланса локальной сети, с помощью бифуркационных графиков и карт динамических функций.Мы показываем, что и при каких условиях модель поддерживает механизмы стробирования потока сигналов и рабочей памяти.

Основная динамика

Далее мы описываем ключевые особенности стробирующего механизма для трехпопуляционной модели, которая имеет косвенную возбуждающую обратную связь (рис. 1B). Эта конфигурация рассматривает отдельные нейронные массы для ввода и вывода. К популяции возбуждающих интернейронов (EIN) применялись прямоугольные всплески с различной интенсивностью и продолжительностью.Эти всплески имитировали входные данные из вышестоящих источников, таких как сенсорная информация, исходящая из первичных областей коры головного мозга, или информация более высокого уровня, такая как произнесенные слова или фонемы. Рис. 3A суммирует различные варианты поведения реакции: система реагирует на слабые и краткие стимулы небольшим отклонением мембранного потенциала Py (невосприимчивое поведение), но на более сильные, хотя и короткие, стимулы с большим переходным процессом, превышающим порог срабатывания 4 мВ. (поведение передачи). В обоих случаях система возвращается в исходное состояние вскоре после выключения стимула.Напротив, для более продолжительных стимулов система успокаивается в стабильном состоянии более высокой активации и остается нечувствительной к дальнейшим стимулам или шуму (поведение памяти). Находясь в этом селективном по стимулам высокоактивном состоянии, кратковременный ввод в IIN может активно сбросить систему в более низкое активированное состояние (S2, рис.). Независимо от того, является ли ответ неотзывчивым, переносным или запоминающимся, зависит от выраженности применяемого стимула с точки зрения интенсивности и продолжительности, см. Рис. 3B. Диаграмма на рис. 3B служит характерным отпечатком пальца и отображает наблюдаемую динамику отклика.Соответствующие базовые операции стробирования и хранения могут служить строительными блоками для более сложных механизмов, таких как принятие решений, на основе нейронного взаимодействия в единственной нейронной области. Полосатые узоры в переходной зоне между областями передачи и поведения памяти на рис. 3В означают зависимость от времени выключения стимула относительно фазы собственных колебаний системы (см. S3 рис.).

Рис. 3. Аспекты реакции моделей на афферентные стимулы, поступающие на EIN трех популяционных моделей.

A) В зависимости от выраженности применяемых стимулов с точки зрения продолжительности и интенсивности наблюдались три различных поведения реакции: (1) невосприимчивое поведение после слабой и краткой стимуляции, когда мембранный потенциал Py, V Py , реагирует только с небольшим отклонением ниже порога срабатывания, см. импульс (i), (2) переходное поведение после сильной и краткой стимуляции, где V Py превышает порог срабатывания, см. импульс (ii) и (3) a поведение памяти после более продолжительной стимуляции средней интенсивности, см. импульс (iii), для которого система может установить стабильное состояние более высокой активации.В этом состоянии система нечувствительна к дальнейшим стимулам или шуму (см. Импульс (iv)), но может быть активно сброшена с помощью слабого и короткого импульса на IIN, очищающего след памяти, см. Импульс (v). Обратите внимание, что этот импульс IIN был увеличен в 20 раз для улучшения четкости. Б) Реакция на поведение зависит от важности ввода. Невосприимчивое поведение показано для интенсивностей ниже 78 с -1 (зеленая область). Превышая эту интенсивность, более длинный стимул может надежно вызвать поведение памяти (оранжевая область).Чем короче стимул, тем более вероятно переходное поведение (серая область), где полосообразные узоры означают зависимость поведения (перенос или память) от фазового соотношения между временем выключения стимула и внутренними колебаниями системы. Для построенных кривых мы использовали b 1 = 1, b 2 = 1, H e = 3,25 мВ и H i = 22 мВ.

https://doi.org/10.1371/journal.pone.0188003.g003

Если посмотреть на базовую структуру пространства состояний, становится очевидным, что наблюдаемое поведение основано на довольно простом механизме.На рис. 4A визуализирована кривая с фиксированной точкой устойчивого состояния модели с тремя популяциями с параметризацией по умолчанию. Бифуркация складок была идентифицирована в каждой точке поворота кривой неподвижной точки — одной типа седло-узел (неустойчиво-стабильная) и одной типа седло-седло (нестабильная-неустойчивая). Кроме того, подкритическая бифуркация Хопфа идентифицируется на p ext = -5.9s -1 . Получившаяся сепаратриса отмечает неустойчивое многообразие, которое отталкивает локальные траектории в близком к нему пространстве состояний.Если в систему не поступает входной сигнал (p ext = 0s -1 ), система находится на нижней ветви кривой с фиксированной точкой с V Py ≈ -2 мВ, см. Рис. 4A. Если к EIN приложен слабый импульс (p ext <78s -1 , см. Рис. 4B), система не сможет пройти бифуркацию нижней складки и снова установится на нижней ветви кривой фиксированной точки. . Если входной сигнал p ext > 78s -1 , система проходит бифуркацию нижней складки и устанавливается на верхней ветви кривой с фиксированной точкой, таким образом превышая порог срабатывания 4 мВ.Наличие пары отрицательных сопряженных комплексных собственных значений приводит к затухающим колебаниям. Когда стимул выключен, вход системы возвращается к исходному значению (p ext = 0s -1 ). Если траектория системы расположена за пределами сепаратрисы Хопфа (т.е. система не была достаточно демпфирована), система устанавливается на нижней ветви кривой фиксированной точки, реализуя переходное поведение (рис. 4C). Однако, если траектория системы находится внутри сепаратрисы Хопфа (т.е. колебания достаточно затухают из-за достаточного времени установления), система останавливается на верхней ветви кривой с фиксированной точкой, демонстрируя, таким образом, поведение памяти (рис. 4D). Таким образом, отличительными признаками описанного механизма являются (i) бистабильная активация популяции Py (высокое и низкое состояние), (ii) избирательность в отношении ярких стимулов, (iii) пониженная чувствительность к дальнейшим стимулам в высоком состоянии, (iv) относительная устойчивость к шумным колебаниям внешнего входа в каждом состоянии, и (v) фазовая зависимость смещения стимула, когда определенные фазы позволяют системе успокоиться в состоянии высокой активации, а другие фазы — нет (см. S3 Рис. Информация).

Рис. 4. Динамика различного поведения отклика в проекции пространства состояний.

A) S-образная кривая с фиксированной точкой показывает стабильные (сплошная линия) и нестабильные (пунктирная линия) фиксированные точки для различных входных значений EIN. Выявлены две бифуркации кратности (седло-узел и седло-седло) и докритическая бифуркация Хопфа. B-D) Проекции поведения отклика на бифуркационных диаграммах с входами, иллюстрирующими траектории в пространстве состояний и соответствующие временные ходы: неотзыв (B), переход (C) и поведение памяти (D).Обратите внимание, что V Py (t) = V 2 (t) -V 3 (t). Цветовое кодирование различает престимульный (красный), ответный (синий) и асимптотический (зеленый) средние мембранные потенциалы.

https://doi.org/10.1371/journal.pone.0188003.g004

В следующих подразделах мы оценим влияние структур положительной и отрицательной обратной связи на описанное поведение реакции. Для этого мы варьировали возбуждающее и тормозное синаптические усиления H e, i (контроль баланса сети).Для каждого варианта был сгенерирован характерный отпечаток пальца (см. Рис. 3B) и квалифицирован в пространстве состояний. Мы оценили три различные архитектуры в отношении баланса локальной сети: (i) архитектура с непрямой возбуждающей обратной связью без повторяющейся самопроверки IIN (рис. 1B), (ii) архитектура с прямой возбуждающей обратной связью без рекуррентной самопроверки IIN (рис. 1C). и (iii) архитектура прямой возбуждающей обратной связи с рекуррентной обратной связью IIN (рис. 1D).

Архитектура с косвенной возбуждающей обратной связью

Если оба параметра b 1 и b 2 установлены на единицу, контур обратной связи возбуждения становится чисто косвенным (т.е.е., выходной сигнал Py подается в EIN, которые, в свою очередь, проецируются обратно на Py), и рекуррентная петля с обратной связью IIN исчезает (то есть трехпопуляционная модель, см. рис. 1B). На рис. 5 показана карта динамических функций, набор характерных отпечатков пальцев (рис. 3В). Карта динамической функции отображает классифицированное поведение отклика в пространстве параметров, охватываемом H e и H i , и показывает области, где в системе преобладают неотвечающие (ярко-зеленые, антрацитовые и голубые области), перенос (серые области) и поведение памяти (оранжевые и розовые области), а также их состав.Соотношение возбуждения и торможения по умолчанию (H e = 3,25 мВ и H i = 22 мВ) [16], обозначающее баланс сети, расположено как раз на кончике большей области с преобладанием памяти (оранжевая область), соответствующей до уровней сильного торможения и близко к региону, где преобладает переносное поведение. Такая близость состояния системы к основным переходным зонам поведения системы (т. Е. Бифуркациям) была названа критичностью и считается благоприятной для способности системы обрабатывать информацию, поскольку небольшие изменения параметров могут привести к большим изменениям в поведении [47, 48 ].Следовательно, баланс локальной сети представляет собой очень чувствительный детерминант поведения канонической микросхемы в том смысле, что она настраивает критичность. Кроме того, баланс локальной сети контролирует перцептивную чувствительность системы в отношении интенсивности афферентных стимулов, которые воспринимаются или нет, путем настройки расстояния между рабочей точкой и бифуркацией нижней складки (сравните, например, S5G и S5H Fig). В параметризации по умолчанию (H e = 3,25 мВ и H i = 22 мВ) этот порог составлял примерно p ext = 78s -1 .Порог повышается при уменьшении H e , что означает снижение чувствительности к внешним раздражителям. В свою очередь, чувствительность увеличивается, когда этот порог понижается за счет увеличения H e . Обратите внимание, однако, что чистое увеличение H и приведет к поведению с преобладанием переноса, тогда как увеличение чувствительности в пользу поведения памяти требует одновременного уменьшения ингибирования (рис. 5).

Рис. 5. Карта динамических функций для архитектуры с непрямой возбуждающей обратной связью (см. Рис. 1B).

Коллекция характерных отпечатков пальцев для различных возбуждающих (H e ) и тормозных (H i ) синаптических усилений. Цвета кодируют наблюдаемое поведение реакции: отсутствие реакции (ярко-зеленые, антрацитовые и голубые области), передача (серые области) и память (оранжевые и розовые области). Баланс локальной сети контролирует преобладание поведения и настраивает критичность системы. См. S4 Fig для дублирования этого рисунка, дополненного пояснительными диаграммами пространства состояний.

https://doi.org/10.1371/journal.pone.0188003.g005

Чтобы лучше понять механизм, лежащий в основе того, как баланс сети меняет поведение ответа, мы дополнительно охарактеризовали систему в ее рабочей точке p ext = 0 Мы поддерживали внешний вход на нуле, систематически меняли H и и H и и отслеживали соответствующие бифуркации, как показано на рис. 6А. Фон графика окрашен в светло-красный цвет для колебательного поведения в низком состоянии при p ext = 0s -1 , светло-синий для не колебательного поведения и моностабильности и темно-синий для отсутствия колебаний и бистабильности.Значения параметров по умолчанию для H e и H i указаны на осях. Обратите внимание, что появляющиеся графики поразительно отражают границы областей поведения отклика с рис. 5. Синяя линия на рис. 6A указывает нижнюю бифуркацию складки для p ext = 0. Под этой линией эта бифуркация будет расположена по адресу p ext > 0 и выше на p ext <0 относительно p ext , сравните рис. 6D и 6C. Точно так же голубая линия указывает верхнюю бифуркацию складки для p ext = 0s -1 , которая расположена на p ext <0 над этой линией и на p ext > 0 под линией, сравните Рис. 6D и 6G.Следовательно, только для области между двумя ветвями бифуркации складок точка p ext = 0s -1 будет расположена между двумя бифуркациями складок — необходимое условие для бистабильности в этой точке. Для поведения памяти необходимо, чтобы бистабильность существовала без ввода. Следовательно, две линии разветвления ограничивают область в плоскости H e -H i , где возможно поведение памяти. Это согласуется с наблюдаемым поведением, показанным на рис.5.Кроме того, между этими линиями расстояние между верхней и нижней разветвлениями складки на оси p ext (см. Рис. 6B – 6G) определяет устойчивость системы к шуму путем масштабирования ширины бистабильности. Более того, расположение системы относительно разветвления нижней складки определяет ее чувствительность к раздражителям. Однако не вся область между двумя ветвями бифуркации складок действительно проявляет бистабильность. Это связано с тем, что в какой-то момент, когда H и увеличивается, бифуркация верхней складки, переключение между нестабильными и стабильными фиксированными точками (бифуркация седло-узел, сплошная голубая линия на рис. 6A), разделяется на бифуркацию складки между двумя нестабильными фиксированными точками. точки (бифуркация седло-седло, пунктирная голубая линия) и докритическая бифуркация Хопфа, обозначенная пунктирной оранжевой кривой.Слева от этой кривой происходит докритическая бифуркация Хопфа при p ext <0, приводящая к бистабильности для p ext = 0 в виде устойчивого фокуса на верхней ветви кривой с фиксированной точкой, а справа от нее. Кривая бифуркации Хопфа находится при p ext > 0. Вследствие последнего верхняя ветвь кривой с фиксированной точкой нестабильна для p ext = 0, и бистабильность отменяется (рис. 6B). В какой-то момент вдоль этой ветви докритической бифуркации Хопфа докритическая бифуркация Хопфа превращается в суперкритическую бифуркацию Хопфа, обозначенную сплошной фиолетовой кривой на рис. 6A.Вместо стабильного фокуса устойчивый предельный цикл, связанный со сверхкритической бифуркацией Хопфа, затем учитывает бистабильность при p ext = 0. Следовательно, имеется также бистабильность вдоль узкой полосы на правой стороне сверхкритического значения Хопфа. бифуркация на рис. 6А, где верхнее состояние является колебательным.

Рис. 6. Двухпараметрический бифуркационный график трехпопуляционной модели.

A) График характеризует существующие бифуркации (относительно p ext ) в p ext = 0 для архитектуры непрямой возбуждающей обратной связи и отслеживает их через пространство параметров, охватываемое возбуждающим и тормозным синаптическим усилением H e и H i .Фон окрашен в светло-красный цвет для колебательного поведения в низком состоянии при p ext = 0s -1 , светло-синий для не колебательного поведения и моностабильности и темно-синий для отсутствия колебаний и бистабильности. Коричневые метки на оси обозначают значения параметров по умолчанию для H e и H i . Область между верхней (голубая линия) и нижней (синяя линия) бифуркациями складок и бифуркацией Хопфа (пурпурная / оранжевая кривая) демонстрирует бистабильность, где возможно поведение памяти, и H e и H i настраивают надежность и чувствительность система.Знаки + и – указывают, находится ли конкретная бифуркация складки в положительных или отрицательных значениях относительно рабочей точки. Сплошная фиолетовая линия обозначает закритическую ветвь бифуркации Хопфа. Пунктирная оранжевая линия обозначает подкритическую ветвь бифуркации Хопфа, которая важна для переходного поведения системы. Вместе эти ветви обозначают границу между доминирующими областями памяти и поведения передачи (сравните S4 рис.). B) -G) Бифуркационные диаграммы, характеризующие стабильные и нестабильные фиксированные точки для широкого диапазона входных значений.

https://doi.org/10.1371/journal.pone.0188003.g006

Обратите внимание, что упомянутые докритические и сверхкритические бифуркации Хопфа сталкиваются при положительных / отрицательных значениях p ext в небольшой области, близкой к пунктирной / сплошной пурпурной линии соответственно (здесь не показаны). Это столкновение приводит к стабильному предельному циклу, который либо окружает небольшие биты перекрывающейся части кривой с фиксированной точкой (см. S5F рис.), Вызывая бистабильность и, следовательно, поведение памяти, либо достигает только нижней кратности, отменяя бистабильность и что приводит к поведению передачи (см. S5I рис.).В случае перекрытия, колебания этого глобального предельного цикла действительно пересекают порог срабатывания (классифицируется как роза на рис. S5F) или не пересекает порог срабатывания (обозначен оранжевым на рис. S5G), и оба указывают на поведение памяти. Таким образом, темно-синяя область в плоскости H e -H i на рис. 6 демонстрирует бистабильность и допускает поведение памяти, но также является частью светло-синей области (из-за стабильных предельных циклов), что подтверждается рис. 5. Для настройки баланса сети за пределами этой бистабильной области каноническая микросхема больше не имеет поведения памяти и, таким образом, теряет неотъемлемую часть основных операций.

Архитектура с прямой возбуждающей обратной связью

Как объяснено в Методиках , мы можем легко транспонировать архитектуру непрямой возбуждающей обратной связи в архитектуру прямой возбуждающей обратной связи без каких-либо качественных изменений лежащей в основе корковой микроархитектуры. Для этой двухпопуляционной модели параметры равны b 1 = 0 и b 2 = 1 (см. Рис. 1C). Переход ограничен сохранением общего количества нейронов в системе, суммы текущих токов и всех соединений между отдельными нейронами, как описано в файле S1.Двухпопуляционная модель не разделяет возбуждающие нейроны на входной и выходной слой. Для параметризации со значениями по умолчанию для H e и H i не наблюдалось бистабильности (см. Рис. 8A и 8E, в рабочей точке есть только одна стабильная фиксированная точка).

Карта динамических функций для архитектуры прямой возбуждающей обратной связи была получена и изображена на рис. 7. Поскольку колебательное поведение не наблюдается (в текущей рабочей точке p ext = 0, см. Рис. 8), эта карта демонстрирует меньше вариантов, так как по сравнению с архитектурой непрямой обратной связи (рис. 5), но по-прежнему содержит все типы классифицированного ответного поведения, но для более низкого тормозящего синаптического усиления.Однако мы не смогли найти параметризацию, при которой все три типа поведения ответа устойчиво присутствуют в одном отпечатке пальца. Память и невосприимчивое поведение по-прежнему возникают в рамках одной параметризации и больше зависят от интенсивности, но не от продолжительности стимула. Кроме того, теряется способность реагировать затухающими колебаниями на дальнейший ввод, находясь в высоком состоянии. Теперь система немедленно успокаивается. Как и в случае непрямой возбуждающей обратной связи, система в целом более чувствительна к изменениям возбуждающего синаптического усиления, чем к изменениям тормозного синаптического усиления.Это отражается в соответствующих диапазонах синаптических усилений, необходимых для получения желаемого поведения отклика.

Рис. 7. Карта динамических функций для архитектуры с прямой возбуждающей обратной связью (см. Рис. 1C).

Коллекция характерных отпечатков пальцев для различных возбуждающих (H e ) и тормозных (H i ) синаптических усилений. Цвета кодируют наблюдаемое поведение реакции: отсутствие реакции (ярко-зеленый и антрацитовый), передача (серый) и память (оранжевый). Разнообразие наблюдаемого поведения сокращается по сравнению со случаем с тремя популяциями (рис. 5).Однако можно наблюдать все три основных типа. См. S5 Fig для дублирования этого рисунка, дополненного пояснительными диаграммами пространства состояний.

https://doi.org/10.1371/journal.pone.0188003.g007

Рис. 8. Двухпараметрический бифуркационный график модели двух популяций.

График характеризует существующие бифуркации в p ext = 0s -1 для архитектуры прямой возбуждающей обратной связи и отслеживает их через пространство параметров, охватываемое возбуждающими и тормозными синаптическими усилениями H e и H i .Область между верхней (голубая линия) и нижней (синяя линия) ветвью бифуркации сгиба ограничивает область, где получается бистабильная кривая с фиксированной точкой. Однако докритическая бифуркация Хопфа (фиолетовая линия) делает части кривой с фиксированной точкой нестабильными и предотвращает фактическую бистабильность при p ext = 0s -1 , Это подавляет поведение памяти в пользу поведения передачи (см. Рис. ).

https://doi.org/10.1371/journal.pone.0188003.g008

Что касается архитектуры косвенной возбуждающей обратной связи, существование бифуркаций было исследовано в рабочей точке p ext = 0s -1 и изображено на Фиг.8А.Опять же, ветви бифуркации отражают границы областей поведения реакции в расширенной карте динамических функций с рис. 7. Как описано для архитектуры косвенной обратной связи, поведение бистабильности и памяти обычно существует в области между ветвями бифуркации верхней и нижней складок, пока они отражают бифуркации седло-узел. Однако, также как и в случае косвенной обратной связи, примерно при H i = 6 мВ верхняя бифуркация складки (голубая кривая на рис. 8A) разделяется на седло-седло и докритическую бифуркацию Хопфа, и только слева от этой бифуркации Хопфа. бистабильность существует, сравните рис. 8C и 8D.В общем, мембранные потенциалы в высоком состоянии довольно высоки (> 10 мВ) и близки к порогу насыщения сигмовидной функции около 14,8 мВ. Эфферентные скорости возбуждения таких высоких мембранных потенциалов, следовательно, будут приводить к почти неизменно передаваемым скоростям возбуждения 5 с -1 . Как следствие, ступенчатые эфферентные скорости возбуждения, как и в случае архитектуры непрямой возбуждающей обратной связи, являются довольно исключительными.

Таким образом, двухпопуляционная модель демонстрирует все типы ответного поведения, но для более низких диапазонов тормозящего синаптического усиления.Одновременного существования всех типов поведения ответа для одного значения баланса локальной сети не наблюдалось.

Архитектура прямой возбуждающей обратной связи с растормаживанием

Свойство нейронной архитектуры, которым часто пренебрегают, — это наличие повторяющихся тормозных коллатералей, приводящих к тормозящей само-обратной связи и приводящих к эффекту растормаживания. В то время как ингибирование ослабляет возбужденную систему, растормаживание уменьшает это демпфирование и снижает эффективность тормозного пути обратной связи.Это способствует насыщению возбуждающего тракта обратной связи и может привести к стационарной динамике, при которой мембранный потенциал Py может возрастать в линейной зависимости от внешнего входа. Этот эффект еще больше усиливается при высоком возбуждающем (усиление положительной обратной связи) и тормозящем (усиление растормаживания) синаптических усилиях.

Мы ввели растормаживание в двухпопуляционную модель, установив архитектурный параметр b 2 равным нулю, при этом оставив b 1 = 0 (см. Рис. 1D), медленно увеличили растормаживание, контролируя прирост связности N II , и отследили существующие бифуркации. в пространстве состояний для двухпопуляционной модели (см. S1 рис.).Поскольку динамика существенно не изменилась для больших уровней растормаживания, мы зафиксировали N II и N II = 33,25, что соответствует уровню ингибирующих соединений, нацеленных на возбуждающие популяции.

Карта динамических функций для архитектуры прямой возбуждающей обратной связи с тормозящей рекуррентной обратной связью была получена и показана на рис. 7. Опять же, наблюдались все типы классифицированного ответного поведения. Для некоторых параметризаций наблюдались два поведения в зависимости от интенсивности стимула.Опять же, система была более чувствительна с точки зрения различного поведения реакции к изменениям возбуждающего синаптического усиления, чем к изменениям тормозного синаптического усиления. Как и прежде, бифуркации в рабочей точке p ext = 0 в -пространстве H e -H i , отражающие границы областей ответного поведения на карте динамических функций для двухпопуляционной модели с растормаживанием. (Рис. 7), были исследованы и изображены на Рис. 8. Он показывает, что для увеличения тормозящего синаптического усиления бифуркации верхней и нижней складок, которые ограничивают диапазон мультистабильности кривой с фиксированной точкой, больше напоминают трехпопуляционную модель, чем две -популяционная модель без растормаживания.Более того, бифуркация верхней складки остается бифуркацией седлового узла для увеличения тормозных синаптических усилений и сохраняет стабильность верхней части кривой фиксированной точки. Это контрастирует с обеими альтернативными моделями, для которых бифуркация седло-узел расщепляется на седло-седло и докритическую бифуркацию Хопфа (рис. 8). Сохранившаяся бистабильность и отсутствие сепаратрисы (отфильтровывающей краткие стимулы, см. Рис. 6) объясняют значительно больший диапазон рабочей памяти в двухпопуляционной модели с растормаживанием.Что касается стробирования потока сигнала, модель с двумя популяциями с растормаживанием фильтрует стимулы в соответствии с их интенсивностью, но игнорирует их временную согласованность и быстротечность.

Рис. 9. Карта динамической функции для двухпопуляционной модели с растормаживанием (см. Рис. 1D).

Коллекция характерных отпечатков пальцев для различных возбуждающих (H e ) и тормозных (H i ) синаптических усилений. Наблюдаемое поведение реакции обозначено цветом: отсутствие реакции (ярко-зеленый и антрацитовый), перенос (серый) и память (оранжевый).Разнообразие наблюдаемого поведения сокращается по сравнению со случаем с тремя популяциями (рис. 5). Однако можно наблюдать все три основных типа. См. S6 Fig для дублирования этого рисунка, дополненного пояснительными диаграммами пространства состояний.

https://doi.org/10.1371/journal.pone.0188003.g009

Рис. 10. Двухпараметрический бифуркационный график для двухпопуляционной модели с растормаживанием (см. рис. 1D).

A) График характеризует существующие бифуркации в p ext = 0 для архитектуры прямой возбуждающей обратной связи с растормаживанием и отслеживает их через пространство параметров, охватываемое возбуждающими и тормозными синаптическими усилениями H e и H i .Область между верхней (голубая линия) и нижней (синяя линия) бифуркацией складки ограничивает диапазон параметров для бистабильной кривой с фиксированной точкой. Эти диапазоны ветвей бифуркации отражают границы поведения невосприимчивости, передачи и памяти на рис. 7). B) -D) Однопараметрические бифуркационные графики показывают кривую с фиксированной точкой (V Py ) и локальные бифуркации вдоль p ext для различных значений баланса локальной сети.

https://doi.org/10.1371/journal.pone.0188003.g010

Приложение для обработки предложений

Мы использовали каноническую микросхему для моделирования когнитивной функции обработки предложений. Во время восприятия предложения непрерывный поток слов постепенно преобразуется в иерархически организованное нейронное представление, отражающее значение воспринимаемого предложения. Воспроизведение предложения через некоторое время требует локального представления, в котором хранятся слова и их отношение друг к другу.В этой части исследования мы показываем, как сеть, состоящая из канонических микросхем, может анализировать предложение на основе его синтаксической информации. Выборочная активация нейронных областей, представляющих слова, и определенное сохранение локальной информации основываются на основных операциях, рассмотренных выше. Далее мы показываем, как изменение баланса сети нарушает процесс построения структуры восприятия предложения.

Далее мы рассмотрим вопрос, как неоднозначная словесная информация в примерном предложении « Я ударил вора дубинкой » может быть представлена ​​в распределенной нейронной сети канонических микросхем.Это предложение неоднозначно по синтаксису: фразу « with the club » можно интерпретировать как наречную фразу, то есть дополнительно определяющую « hit» , или как прилагательную фразу, дополнительно определяющую « the thief» . Мы предполагаем, что эта неоднозначность разрешается доступной контекстной информацией, то есть просодической информацией или конкретными знаниями, касающимися дискурса или темы. В предлагаемой сетевой модели, изображенной на рис.9, каждое слово представлено одной нейронной областью (т.е.е., позиционное кодирование см. [49]), смоделированное через единую каноническую микросхему. Эти микросхемы, представляющие слова, подразделяются на модули в соответствии с их синтаксической ролью, то есть субъектами, глаголами, объектами и их модификаторами. Значения внешних межмодульных и внутримодульных соединений были оптимизированы вручную, чтобы дать разумные ответы. Эти значения можно найти на рис. 10. Далее, мы предполагаем, что временной порядок слов предоставляет информацию о назначении субъекта и объекта [49].Предлагаемый расчет построения структуры основан на управляемой вводом последовательной активации канонических микросхем. Активированная микросхема, принадлежащая определенному словарному модулю, передает свою увеличенную частоту срабатывания тем модулям, которые, вероятно, последуют, и по-разному предварительно активирует соответствующие слова посредством взвешенных соединений, создавая ожидания. В модели эта ступенчатая предварительная активация соответствует сдвигу в базовой активации микросхемы и приближает систему к соответствующей бифуркации складок (см. Раздел «Основная динамика», и рис. 4).В этом смысле активация слова « съесть » в модуле глагола предварительно активирует слова в модуле глаголов-модификаторов и в модуле объектов, но не активирует снова слова в модуле глаголов ( см. рис. 9). Информация о последующих афферентных словах может затем полностью активировать соответствующую микросхему и продолжить процесс построения структуры. Модули модификации глагола и объекта (см. Рис. 9) допускают конкурирующие интерпретации предложения. Их взаимное подавление в сочетании с текущим уровнем контекстной информации гарантирует, что единовременно поддерживается одна конкретная интерпретация.Сетевая топология включает в себя данные о фразовой структуре предложений, принципах синтаксического анализа (например, позднее закрытие, [50]) и отражает предсказательный характер обработки предложений.

Рис. 11. Сеть обработки предложений для понимания предложений.

Информация об афферентном слове выборочно возбуждает каноническую микросхему, представляющую слово, когда соответствующее слово распознается в первичных слуховых областях. Активированная микросхема, например, представляющая слово « I » и принадлежащая предметному модулю (S), предварительно активирует слова в подключенном глагольном модуле (V) и вместе с выборочной информацией афферентного слова активирует другую микросхему. (« есть »).Теперь слова как в модуле глаголов-модификаторов (V мод.), Так и в модуле объектов (O) дифференцированно предварительно активируются взвешенными связями. Контекстная информация предлагается для управления этим управляемым вводом процессом построения структуры путем модуляции возбудимости целевой микросхемы, например, в нашем случае, посредством ингибирования.

https://doi.org/10.1371/journal.pone.0188003.g011

Рис. 12. Нейронное представление воспринимаемого предложения распределенной сетью из шести взаимодействующих канонических микросхем.

A) Топология сети включает модули (пунктирные прямоугольники), содержащие шесть соответствующих канонических микросхем, представляющих слова (сплошные прямоугольники), которые связаны между собой посредством возбуждающих и тормозящих связей индивидуальной силы (B). Цвета линий последовательно отражают соответствующие слова на всех панелях. C) Интерпретация, в которой фраза « with the club » относится к фразе прилагательного, руководствуется контекстной информацией (например, знанием о том, что вор носит дубинку), которая запрещает модуль модификаторов глаголов.D) Для второй интерпретации, интерпретации « with the club » как наречной фразы, контекстная информация невысока, и модуль изменения глагола остается активным. E, F) В случае, если баланс локальной сети микросхем смещен в пользу тормозящих влияний, точное построение структуры не будет выполнено для обеих интерпретаций (E и F) и приведет к неверным интерпретациям, то есть к дефектным следам активации слов (верхние графики), или потеря памяти, т.е. отсутствие длительного следа активации (нижние графики).

https://doi.org/10.1371/journal.pone.0188003.g012

Для представления образцового предложения « Я ударил вора дубинкой » мы сосредоточились на соответствующих словах и игнорировании связи с не задействованными микросхемами. . Следовательно, мы создали сеть из шести взаимодействующих канонических микросхем (см. Рис. 10A), каждая из которых моделируется трехпопуляционной моделью (рис. 1B), и их соответствующих соединений, см. Рис. 10B. Параметры см. В таблице 1. Неопределенность, т.е.е. вопрос о том, служит ли фраза « with the club » прилагательным или наречным, решается путем отделения модулей модификации глагола от модулей модификации объекта. Оба модуля взаимно подавляют друг друга через асимметричные соединения, см. Рис. 10B. Кроме того, текущий уровень контекстной информации направляет процесс построения структуры. При моделировании контекстная информация моделировалась как тормозящий шумовой сигнал с постоянным смещением, которое ухудшает афферентный вход целевой области, представленный как p ext (см. Рис. 1).Наблюдались две интерпретации одного и того же афферентного слова. Для первой интерпретации (см. Фиг. 10C) словесная информация активирует « I », а затем « hit ». Это предварительно активирует как объектный модуль, так и модуль глагола-модификатора. Информация по афферентному слову теперь активирует « the thief », который предварительно активирует модуль объектного модификатора. Затем информация афферентного слова активирует « на » как в модуле изменения глагола, так и в модуле изменения объекта, что приводит к конкурентному взаимодействию, которое устраняет двусмысленность.Во время соревнований контекстная информация блокирует модуль изменения глаголов. Дополнительная информация о словах активирует « the club» и завершает процесс построения структуры. Для второй интерпретации (см. Рис. 10D) конкретная контекстная информация отсутствует, поэтому интерпретация происходит в соответствии с опытом слушателя, то есть индивидуальным соотношением взаимного торможения между модификаторами. Следовательно, модификация глагола запрещает модуль модификации объекта, и « с дубиной » интерпретируется как наречивая фраза.

Некоторые неврологические расстройства связаны с нарушением баланса сети на уровне взаимодействующих нейронных популяций [26, 29, 32]. Кроме того, известно, что лекарства, анестетики и другие химические вещества изменяют количество или эффективность доступных рецепторов нейромедиаторов. Валенсуэла [51] сообщает о нарушении баланса сети в пользу тормозящих влияний после употребления алкоголя. В модели с тремя популяциями мы воспроизвели этот сценарий, немного увеличив тормозной синаптический прирост с H i = 22 мВ до H i = 23 мВ (H i = 24 мВ) и наблюдали дефектное представление предложения (см. Рис. 10E и 10F).Хотя представляющие канонические микросхемы получают информацию о соответствующем афферентном слове, они не могут проявлять необходимую устойчивую активность.

Таким образом, сеть взаимодействующих канонических микросхем способна преобразовывать поток информации афферентных слов в репрезентативную трассировку нейронной активности посредством управляемой вводом последовательной активации. Однако, если канонические микросхемы не могут выполнять необходимые базовые операции, например, из-за расстройки баланса сети, этот процесс построения структуры завершится неудачей.

Обсуждение

В этом исследовании мы демонстрируем, как локальная архитектура коры, представленная канонической микросхемой, реализует основные операции обработки информации стробирования потока сигналов и рабочей памяти. Эти базовые операции формируют основные предпосылки для корковых вычислений более высокого порядка, таких как построение структуры. Мы исследовали, в какой степени локальный топологический выбор ограничивает эти основные операции. Мы продемонстрировали, что только модели с отдельными возбуждающими входными и выходными популяциями (т.е., трехпопуляционная модель с косвенной возбуждающей обратной связью) одновременно учитывают все соответствующие ответные реакции для единой параметризации. Важно отметить, что баланс локальной сети оказался решающим фактором для доступности основных операций и, следовательно, функциональной индивидуализации микросхемы. Мы продемонстрировали, как сеть, состоящая из нескольких индивидуальных канонических микросхем, может реализовать сложную когнитивную операцию, а именно синтаксический анализ при обработке предложений.

Далее мы обсудим, как наш выбор основных операций и канонической модели микросхемы может рассматриваться как общий знаменатель для различных других утверждений, встречающихся в литературе. Мы будем утверждать, что модели нейронной массы являются подходящим выбором для представления канонической микросхемы, и укажем, как наши исследования выходят за рамки предыдущих исследований моделей нейронной массы. Более того, мы разъясним сильные стороны и ограничения представленного примера в свете нейролингвистики, а также других вычислительных моделей обработки предложений.

Базовые операции в канонических микросхемах

Представление о разнообразных когнитивных функциях, основанных на относительно однородной локальной архитектуре нижележащего нейронного субстрата, поддерживает идею канонических микросхем [6, 52], эффективное взаимодействие которых составляет вычислительную мощность коры головного мозга [1–3]. На данный момент нейробиологические исследования согласуются с такими характеристиками коры головного мозга, как ламинация, биофизические свойства доминирующих типов нейронов, а также целевые и исходные слои передаваемых сигналов [6, 53].Заметим, однако, что эта концепция не совсем бесспорна [54, 55].

Канонические микросхемы ранее были связаны с базовыми операциями или стереотипными функциями [9], такими как регулировка усиления и восстановление сигнала [56], линейными (например, суммирование, деление и инверсия знака) и нелинейными операциями (например, победитель получает- все, инвариантность и мультистабильность) [7], усиление и нормализация сигнала [55, 57], а также селективность и вычисление коэффициента усиления [2]. Крупномасштабные импульсные нейронные сети, явно имитирующие ламинарную архитектуру кортикального столба, широко используются для изучения связи между стереотипной структурой и базовыми операциями в вычислительных моделях канонических микросхем [8, 58–60].Наличие таких операций также исследовалось в моделях среднего поля [61–63], которые составляют основу большинства попыток моделирования нейрокогнитивных экспериментов (например, DCM; [37, 64]). В настоящем исследовании мы продвигаем понимание канонических операций, предоставляя доказательства фундаментальных базовых операций даже в очень простой модели обратной связи канонической микросхемы. Из-за своего фундаментального характера идентифицированные базовые операции (стробирование потока сигналов и рабочая память) подразумевают другие ранее описанные канонические операции (см. Выше), которые являются более сложными и были обнаружены в очень специфических архитектурах кортикального столба.Установлено, что модели среднего поля могут надежно описывать коллективное поведение большого числа нейронов [65]. Важно отметить, что пространственная абстрактность выбранного нами типа модели, гибко отражающей взаимодействие нескольких нейронов, нейронных популяций или целых областей коры, позволяет интерпретировать эту базовую функциональность, которая актуальна на различных уровнях нейронной организации, потенциально превышая уровень коркового столба.

Тем не менее, мезоскопический пространственный масштаб нейронных популяций, в котором, возможно, устанавливается однородность канонических микросхем, хорошо отражается концепцией моделей нейронной массы [20, 65].Здесь мы исследуем его динамику в ответ на переходный вход в свете изменений основного пространства состояний, что наиболее актуально для обработки информации, управляемой стимулами.

Наше внимание к отдельной микросхеме дополняет недавние разработки в области сетевых технологий, которые также обращаются к идее моделирования канонических микросхем с помощью моделей нейронных масс. Было изучено, как очевидное различие межсхемных соединений на прямые и обратные связи, с ламинарно-специфическим происхождением и целями [22, 38, 66], мотивирует расположение канонических микросхем в иерархических моделях [37, 67, 68] .Что еще не изучено в этих моделях, так это основные операции на уровне микросхемы и их чувствительность к топологическим особенностям и уровням возбуждения и торможения. В этом исследовании мы исследовали поведение реакции, вызванной стимуляцией, в трех репрезентативных локальных топологиях: (i) трехпопуляционная модель (рис. 1B), (ii) двухпопуляционная модель (рис. 1C) и (iii) двухпопуляционная модель (рис. 1C) и (iii) двухпопуляционная модель. популяционная модель с повторяющейся тормозной обратной связью (рис. 1D). Среди исследованных архитектур обратной связи и соответствующих диапазонов параметров мы обнаружили, что только модель с тремя популяциями (с входными данными для возбуждающих интернейронов, таким образом, с отдельными входными и выходными популяциями) демонстрирует сосуществование всех трех вариантов поведения ответа для фиксированного значения баланса сети. .То есть только трехпопуляционная архитектура способна выборочно блокировать, передавать или запоминать стимул на основе его свойств. Кроме того, поведение переноса моделей с двумя популяциями зависит только от силы применяемых стимулов, а не от их продолжительности, в отличие от модели с тремя популяциями, где оно зависит от обоих. В этом смысле наши результаты демонстрируют, что рассмотрение косвенной возбуждающей петли обратной связи очень важным образом увеличивает разнообразие и биологический реализм динамики модели.Поскольку более сложные архитектуры моделей обычно демонстрируют более богатый динамический репертуар, мы ожидаем, что такое поведение также будет иметь место в более детальных моделях канонических микросхем. В частности, в нашей модели не учитывается прямое взаимодействие между возбуждающими и тормозными интернейронами, а также саморегуляция между возбуждающими интернейронами. Обе эти связи, безусловно, существуют [58]. Эти особенности являются одними из важных расширений модели, которые необходимо изучить в будущих исследованиях.

В нашей модели канонической микросхемы мы описали поведение локальной памяти на основе бистабильности. Повторяющаяся и самоподдерживающаяся активность модулируется балансом сети и инициируется и прекращается афферентными входами, поведение, которое было продемонстрировано in vitro и [35]. В отличие от долговременной памяти, которая опирается на синаптическую пластичность, краткосрочная (или рабочая) память, как полагают, полагается на механизмы, которые не изменяют основную структуру связности. В качестве альтернативы было предложено, что рабочая память может быть основана на задержках и постоянных времени [12, 69], таких как цепочек синфайров [70], повторяющихся возбуждающих сетях [71] или клеточных свойствах [72].В этих механизмах период хранения (время забывания) зависит от относительно фиксированных структурных аспектов сети, тогда как при бистабильности элемент может храниться в памяти в принципе в течение любого периода, пока он не будет активно выключен (например, с помощью импульса к ингибирующая популяция, см. S2 фиг.).

Нейронные функции должны быть устойчивы к шуму, но в то же время чувствительны к афферентному входу. Сигналы можно отличить от шума по более высокой амплитуде и плавности во времени.В нашей модели по амплитуде расстояние между рабочей точкой и бифуркацией складки должно быть больше шума и меньше сигнала. Мы продемонстрировали, что это расстояние эффективно контролируется балансом локальной сети, который, следовательно, является ключевым параметром для управления компромиссом между устойчивостью к шуму и чувствительностью к стимулам (например, S4 Fig). Что касается временной гладкости, только трехпопуляционная модель предлагает механизм отбора. Мы установили, что модель сохраняет стимул в памяти только в том случае, если он длится достаточно долго, то есть демонстрирует большую степень временной плавности.

В дополнение к концепции функциональной диверсификации по топологии [3], мы показали, что изменение баланса локальной сети также является биологически правдоподобным средством индивидуализации локальной функциональности. Эта локальная настройка определяет, будет ли нейронная область выборочно пересылать импульс (поведение передачи), переключаться на более высокую постоянную активацию (поведение памяти) или вообще не реагировать на импульс (невосприимчивое поведение). Отметим, что в этом случае мы рассматривали баланс локальной сети как сосредоточенный параметр, который фактически включает в себя большое количество физиологических и анатомических свойств и механизмов, таких как кинетика нейротрансмиттеров и плотности нейрорецепторов, дендритное ветвление, синаптическая и внеклеточная ионная динамика и подключения к локальной и нелокальной сети, и это лишь некоторые из них [73, 74].Из-за этой двусмысленности и, как обсуждалось ранее, концепцию сетевого баланса очень трудно дать количественной оценке. В этом исследовании мы использовали простое определение, чтобы продемонстрировать в качестве доказательства концепции, что баланс локальной сети действительно обеспечивает фундаментальное средство индивидуализации функциональности локальной микросхемы.

Применение канонической микросхемы для обработки предложений

Идея обширной сети подобных микросхем, поддерживающих корковые функции, была выдвинута в специализированных нейрокогнитивных теориях.Например, было выдвинуто несколько предложений, чтобы обеспечить механистическое понимание обработки языка [1, 49, 61, 62, 75]. Это также было связано с организационными принципами, такими как кодирование места, где нейронная область представляет собой абстрактный элемент обработки [49]. В этом исследовании мы использовали канонические микросхемы для представления составляющих воспринимаемых предложений, отражая принцип кодирования мест. Канонические микросхемы, представляющие одно слово, были сгруппированы в модули в соответствии с их синтаксической ролью (например,g., субъект, объект), а не их словесную категорию (например, существительное, местоимение). Мы описываем вычислительный механизм управляемой вводом функциональной привязки дискретных элементов. Это позволяет генерировать бесконечные последовательности из ограниченного числа дискретных элементов, концепция, называемая бесконечной рекурсией [3]. Предлагаемый механизм построения генеративной структуры можно было бы назвать динамического набора , чтобы подчеркнуть свободу структуры в отношении ее количества и порядка элементов.

Предложенный вычислительный механизм применяется для синтаксического анализа, то есть группирования непрерывного потока слов в иерархическую структуру составных частей предложения. Мы ограничиваем механизм построения структуры, фиксируя лежащую в основе проводку взаимодействующих нейронных областей. Характеристики сети, то есть ее топология и веса соединений, отражают правила синтаксиса, которые, вероятно, будут установлены во время изучения языка. Базовые операции, обеспечиваемые канонической микросхемой, имеют решающее значение для этого механизма построения структуры.Ясно, что для реализации временной интеграции последовательностей в реальном времени необходим эффективный механизм краткосрочной памяти. Механизм рабочей памяти нашей канонической микросхемы обеспечивает быстрое кодирование и гибкое время хранения. Последнее особенно актуально для учета разной скорости речи и разной длины предложений. Стробирование потока сигналов гарантирует, что слова активируются только в том случае, если они были предварительно активированы (ожидаемы) структурой предложения и распознаны из входного потока.Поскольку было показано, что эти базовые операции в значительной степени зависят от баланса сети, изменение этого параметра приводит к сбою работы глобальной сети. В текущей реализации языковой сети сосуществование памяти и поведения передачи, которое является отличительной чертой модели трех популяций, не является необходимым ингредиентом. Таким образом, также могла быть использована модель двух популяций. Однако для дальнейшей разработки модели могут стать актуальными специфические свойства модели трех популяций.Например, из-за неспецифической информации афферентного слова отдельные слова в принципе могут встречаться несколько раз (например, слово пить как субъект, глагол, объект). Чтобы предотвратить одновременную устойчивую активацию нескольких канонических микросхем (которая приведет к насыщению узлов и сделает их недоступными для последующей активации), локальный канал должен иметь поведение передачи, обеспечиваемое моделью трех популяций.

Предлагается, чтобы в процессе понимания предложения за первоначальным синтаксическим анализом, рассматриваемым в данном исследовании, следовало тематическое распределение ролей и коллективная оценка синтаксической и семантической информации [76].Помимо прагматической информации, предлагается также просодическая информация для руководства пониманием предложения [77]. В нашей модели мы объединяем все типы такой дополнительной информации в более общее понятие контекстной информации.

Предлагаемая сетевая модель отражает характеристики серийного номера , синтаксис-первой модели путем построения простейшей синтаксической структуры на основе информации категории слова, независимой от лексико-семантической информации [76]. Модель также отражает характеристики моделей удовлетворения ограничений [78] за счет включения неструктурных факторов в топологию сети.К таким факторам относятся частота конкретной структуры или ее семантическая правдоподобность. В соответствии с концепцией моделей удовлетворения ограничений предложенная сетевая модель способна учитывать синтаксические неоднозначности (см. Рис. 10). Мы также предполагаем, что восприятие и идентификация словесной информации информирует, но концептуально отличается от вычислений построения структуры. Входящая слуховая информация распознается как слово [79], которое затем вводится в нейронные области, которые задействуются во время синтаксического анализа.

В дополнение к аналогичной модели [49] наша модель рассматривает модификаторы глаголов и объектов. Однако в предложенном здесь механизме построение структуры все еще сильно опирается на временные порядки слов, то есть субъект-глагол-объект. Помимо информации о категории слов, успешный синтаксический анализ также должен учитывать морфосинтаксические особенности, такие как пол, префиксы или падежи. Каким образом эти функции встроены — вопрос открытый и требует дальнейшего изучения.

Одной из целей нашего исследования было проложить путь к механистическому пониманию обработки предложений в соответствии с нейропсихологическими теориями.Это противоположно области компьютерной лингвистики, которая направлена ​​на оптимизацию разговорного взаимодействия человека и машины, жертвуя при этом биологической достоверностью. Кроме того, мы хотели бы подчеркнуть характер развития нашей модели и осознаем несколько недостатков, некоторые из которых мы устраняем здесь:

На уровне слов.

Трудно справиться с многократным упоминанием одного и того же слова в предложении. Как только слово в отдельном модуле активируется, его необходимо деактивировать, прежде чем его снова можно будет активировать.Хотя механизм деактивации неявно включен в нашу модель, через короткий импульс к IIN, деактивация в режиме онлайн одного слова прервала бы репрезентативную трассировку активации. Кроме того, суммирующий эффект нескольких предварительных активаций в конечном итоге приведет к активации области, даже если слово отсутствует на входе. Расширение модели могло бы масштабировать уровень предварительной активации относительно порога активации, так что слово «на кончике языка», но еще не активировано.

На уровне предложения.

Опять же, представления необходимо деактивировать, прежде чем можно будет представить следующее предложение. Чтобы следить за разговором, необходимо активировать последовательность слов и связанные с ними словесные сети [80]. Эти сети медленно распадаются, так что информация, охватывающая несколько предложений, может быть связана вместе посредством ассоциативных процессов. Наконец, ранее было показано, что сети со слишком большим количеством активированных узлов имеют тенденцию становиться нестабильными и тем самым уничтожать информацию, хранящуюся в состоянии сети [42], которая может иметь отношение к длинным или сложным предложениям.

Заключение

Наши результаты подтверждают концепцию вычислительных примитивов [7] или стереотипных функций [9] и определяют минимальную структуру модели для канонической микросхемы, которая поддерживает эти функции. Они также подтверждают на локальном уровне решающую роль баланса сети для способности нейронных сетей обрабатывать информацию. Мы пришли к выводу, что наши результаты подтверждают коннекционистскую идею о том, что более высокая функция мозга возникает из сетей относительно похожих, хотя и настраиваемых индивидуально, канонических микросхем.

Вспомогательная информация

S1 Рис. Увеличение повторяющейся тормозящей самовозвратной связи в двухпопуляционной модели.

A) Двухпараметрический график бифуркации отслеживает возникающие бифуркации вдоль p ext , когда увеличивается повторяющаяся тормозящая самовозвращающая обратная связь N II (то есть b 2 устанавливается на ноль, см. Рис. 1D). Баланс сети поддерживался постоянным при значениях H e = 3,25 мВ и H i = 22 мВ. B-E) Однопараметрический график бифуркации показывает кривую с фиксированной точкой (V Py ) и локальные бифуркации вдоль p ext для различных значений N II .F) Кривые с фиксированной точкой для скорости срабатывания Py, φ (t), вдоль p ext для различных значений баланса локальной сети.

https://doi.org/10.1371/journal.pone.0188003.s001

(TIF)

S3 Рис. Фазовая зависимость между собственными колебаниями системы и временем выключения стимула.

На диаграмме показан набор ответов системы на стимулы постоянной интенсивности (100 с -1 ) и длительностью стимула в диапазоне 600-750 мс, где время смещения стимула отмечено вертикальными линиями.Синие линии обозначают ответы на стимулы, для которых система в конечном итоге вернется в неактивное состояние после выключения стимула (то есть поведение передачи). Красные линии обозначают стимулы и ответы, при которых система могла оставаться активированной (то есть поведение памяти). Останется ли система в активированном состоянии, зависит от момента времени смещения стимула относительно фазы колебательного ответа. Такое поведение возникает из-за четкой траектории системы в пространстве состояний при включенном стимуле.Как только стимул выключен, фазовая точка системы оказывается либо внутри области притяжения устойчивого фокуса верхней ветви кривой с фиксированной точкой, либо будет притягиваться к устойчивому узлу нижней ветви кривой с фиксированной точкой. (сравните с рис. 4). Обе области притяжения разделены сепаратрисой неправильной формы, возникающей в результате нестабильной бифуркации Хопфа (см. Проекцию на рис. 4A). Чем больше длительность стимула, тем больше времени у системы есть для того, чтобы успокоиться до кривой фиксированной точки, что увеличивает вероятность пребывания в зоне притяжения фиксированной точки верхней ветви (поведение памяти) и вызывает более широкую полосы для большей продолжительности стимула на рис. 3В.

https://doi.org/10.1371/journal.pone.0188003.s003

(TIF)

S4 Рис. Карта динамических функций для архитектуры с непрямой возбуждающей обратной связью (см. Рис. 1B).

A) Набор характерных отпечатков пальцев для различных возбуждающих (H e ) и тормозных (H i ) синаптических усилений. Цвета кодируют наблюдаемое поведение реакции: отсутствие реакции (ярко-зеленые, антрацитовые и голубые области), передача (серые области) и память (оранжевые и розовые области).Баланс локальной сети контролирует преобладание поведения и настраивает критичность системы. BJ) Примерные параметризации, показывающие отпечатки пальцев, временные ходы и их проекции на бифуркационном графике.

https://doi.org/10.1371/journal.pone.0188003.s004

(TIF)

S5 Рис. Карта динамических функций для архитектуры с прямой возбуждающей обратной связью (см. Рис. 1C).

A) Набор характерных отпечатков пальцев для различных возбуждающих (H e ) и тормозных (H i ) синаптических усилений.Цвета кодируют наблюдаемое поведение реакции: отсутствие реакции (ярко-зеленый и антрацитовый), передача (серый) и память (оранжевый). Разнообразие наблюдаемого поведения сокращается по сравнению со случаем с тремя популяциями (S4, рис.). Однако можно наблюдать все три основных типа. B) -G) Выбранные параметризации, показывающие отпечатки пальцев, временные ходы и их проекции на бифуркационном графике.

https://doi.org/10.1371/journal.pone.0188003.s005

(TIF)

S6 Рис. Динамическая функциональная карта для двухпопуляционной модели с растормаживанием (см. Рис. 1D).

A) Набор характерных отпечатков пальцев для различных возбуждающих (H e ) и тормозных (H i ) синаптических усилений. Наблюдаемое поведение реакции обозначено цветом: отсутствие реакции (ярко-зеленый и антрацитовый), перенос (серый) и память (оранжевый). Разнообразие наблюдаемого поведения сокращается по сравнению со случаем с тремя популяциями (рис. 5). Однако можно наблюдать все три основных типа. B) -E) Выбранные параметризации с отпечатками пальцев, временными курсами и их проекциями на бифуркационном графике.

https://doi.org/10.1371/journal.pone.0188003.s006

(TIF)

Благодарности

Мы благодарим Йенса Брауэра за полезные комментарии к рукописи.

Ссылки

  1. 1. Friederici AD, Singer W. Основание языковой обработки на основных нейрофизиологических принципах. Тенденции когнитивных наук. 2015; 19 (6): 329–38. Epub 2015/04/22. pmid: 258.
  2. 2. Миллер К.Д. Канонические вычисления коры головного мозга.Современное мнение в нейробиологии. 2016; 37: 75–84. Epub 2016/02/13. pmid: 26868041; Идентификатор PubMed Central PMCID: PMCPmc4944655.
  3. 3. Тревес А. Фронтальные защелкивающиеся сети: возможная нейронная основа бесконечной рекурсии. Когнитивная нейропсихология. 2005. 22 (3): 276–91. Epub 2005/01/01. pmid: 21038250.
  4. 4. Mountcastle VB. Модальность и топографические свойства одиночных нейронов соматической сенсорной коры кошек. Журнал нейрофизиологии. 1957. 20 (4): 408–34. Epub 1957/07/01.pmid: 13439410.
  5. 5. Lubke J, Feldmeyer D. Поток возбуждающего сигнала и связь в корковом столбце: фокус на коре головного мозга. Структура и функции мозга. 2007. 212 (1): 3–17. Epub 2007/08/25. pmid: 17717695.
  6. 6. Дуглас Р.Дж., Мартин К.А. Нейронные цепи неокортекса. Ежегодный обзор нейробиологии. 2004. 27: 419–51. Epub 2004/06/26. pmid: 15217339.
  7. 7. Дуглас Р.Дж., Мартин К.А. Картирование матрицы: пути неокортекса. Нейрон.2007. 56 (2): 226–38. Epub 2007/10/30. pmid: 17964242.
  8. 8. Haeusler S, Maass W. Статистический анализ свойств обработки информации пластинчатых моделей кортикальных микросхем. Кора головного мозга (Нью-Йорк, Нью-Йорк: 1991). 2007. 17 (1): 149–62. Epub 2006/02/17. pmid: 16481565.
  9. 9. Зильберберг Г., Гупта А., Маркрам Х. Стереотипия в неокортикальных микросхемах. Тенденции нейробиологии. 2002. 25 (5): 227–30. Epub 2002/04/26. pmid: 11972952.
  10. 10. Видьясагар TR.Нейронная модель акцента внимания: теменная направляет височное. Исследования мозга Обзоры исследований мозга. 1999. 30 (1): 66–76. Epub 1999/07/17. pmid: 10407126.
  11. 11. Иса Т., Кобаяши Ю. Переключение между корковыми и подкорковыми сенсомоторными путями. Прогресс в исследованиях мозга. 2004. 143: 299–305. Epub 2003/12/05. pmid: 14653174.
  12. 12. Джонсон С., Марро Дж., Торрес Дж. Дж. Устойчивая кратковременная память без синаптического обучения. ПлоС один. 2013; 8 (1): e50276. Epub 2013/01/26.pmid: 23349664; Идентификатор PubMed Central PMCID: PMCPmc3551937.
  13. 13. Шуз А., Брайтенберг В. Белое вещество коры головного мозга человека: количественные аспекты кортико-корковой связи на больших расстояниях. Корковые области: единство и разнообразие. 5. Лондон и Нью-Йорк: Тейлор и Фрэнсис; 2002. с. 377.
  14. 14. Лопеш да Силва Ф. Х., Хукс А., Смитс Х., Зеттерберг Л. Х. Модель ритмической активности мозга. Альфа-ритм таламуса. Кибернетик. 1974. 15 (1): 27–37. Epub 1974/05/31. pmid: 4853232.
  15. 15. Фриман WJ. Массовое воздействие на нервную систему. Нью-Йорк: Academic Press; 1975.
  16. 16. Jansen BH, Rit VG. Электроэнцефалограмма и генерация визуального вызванного потенциала в математической модели связанных столбцов коры. Биологическая кибернетика. 1995. 73 (4): 357–66. Epub 1995/09/01. pmid: 7578475.
  17. 17. Лили Д.Т., Кадуш П.Дж., Дафилис депутат. Пространственно-непрерывная теория среднего поля электрокорковой активности. Сеть (Бристоль, Англия).2002. 13 (1): 67–113. Epub 2002/03/07. pmid: 11878285.
  18. 18. Робинсон PA, Ренни CJ, Роу DL. Динамика масштабной мозговой активности при нормальных состояниях возбуждения и эпилептических припадках. Физический обзор E, Статистическая, нелинейная физика и физика мягкой материи. 2002; 65 (4 Пт 1): 041924. Epub 2002/05/15. pmid: 12005890.
  19. 19. Touboul J, Wendling F, Chauvel P, Faugeras O. Активность нейронных масс, бифуркации и эпилепсия. Нейронные вычисления. 2011. 23 (12): 3232–86. Epub 2011/09/17.pmid: 21

    7.

  20. 20. Spiegler A, Kiebel SJ, Atay FM, Knosche TR. Бифуркационный анализ моделей нейронной массы: влияние внешних входов и дендритных постоянных времени. NeuroImage. 2010. 52 (3): 1041–58. Epub 2010/01/05. pmid: 20045068.
  21. 21. Гримберт Ф., Фогерас О. Бифуркационный анализ модели нейронных масс Янсена. Нейронные вычисления. 2006. 18 (12): 3052–68. Epub 21.10.2006. pmid: 17052158.
  22. 22. Феллеман ди-джей, Ван Эссен, округ Колумбия. Распределенная иерархическая обработка в коре головного мозга приматов.Кора головного мозга (Нью-Йорк, Нью-Йорк: 1991). 1991; 1 (1): 1–47. Epub 1991/01/01. pmid: 1822724.
  23. 23. Гарнье А., Видаль А., Юно С., Бенали Х. Модель нейронной массы с прямыми и косвенными петлями возбуждающей обратной связи: идентификация бифуркаций и временной динамики. Нейронные вычисления. 2015; 27 (2): 329–64. Epub 2014/12/17. pmid: 25514111.
  24. 24. Малагаррига D, Вилла AE, Гарсия-Охалво J, Понс AJ. Мезоскопическое разделение возбуждения и торможения в сетевой модели мозга.Вычислительная биология PLoS. 2015; 11 (2): e1004007. Epub 2015/02/12. pmid: 25671573; Идентификатор PubMed Central PMCID: PMCPmc4324935.
  25. 25. Рудольф М., Поспишил М., Тимофеев И., Дестекс А. Ингибирование определяет динамику мембранного потенциала и контролирует генерацию потенциала действия в коре головного мозга бодрствующей и спящей кошки. Журнал неврологии: официальный журнал Общества неврологии. 2007. 27 (20): 5280–90. Epub 2007/05/18. pmid: 17507551.
  26. 26. Дехгани Н., Пейраш А., Теленчук Б., Ле Ван Куен М., Халгрен Э., Кэш С.С. и др.Динамический баланс возбуждения и торможения в неокортексе человека и обезьяны. Научные отчеты. 2016; 6: 23176. Epub 2016/03/17. pmid: 26980663; Идентификатор PubMed Central PMCID: PMCPmc47

    .
  27. 27. Цибуркус Дж., Крессман Дж. Р., Шифф С. Дж. Припадки как состояния дисбаланса: возбуждающая и тормозящая проводимость во время припадков. Журнал нейрофизиологии. 2013. 109 (5): 1296–306. Epub 2012/12/12. pmid: 23221405; PubMed Central PMCID: PMCPmc3602838.
  28. 28. Ваттикути С., Чау СС.Вычислительная модель дисфункции коры головного мозга при расстройствах аутистического спектра. Биологическая психиатрия. 2010. 67 (7): 672–8. Epub 2009/11/03. pmid: 19880095; Идентификатор PubMed Central PMCID: PMCPmc3104404.
  29. 29. Буржерон Т. Синаптический путь к аутизму. Современное мнение в нейробиологии. 2009. 19 (2): 231–4. Epub 2009/06/24. pmid: 19545994.
  30. 30. Gogolla N, Leblanc JJ, Quast KB, Sudhof TC, Fagiolini M, Hensch TK. Дефект общей цепи возбудительно-тормозного баланса в мышиных моделях аутизма.Журнал нарушений психического развития. 2009. 1 (2): 172–81. Epub 2010/07/29. pmid: 20664807; PubMed Central PMCID: PMCPmc22.
  31. 31. Ижар О., Фенно Л. Е., Пригге М., Шнайдер Ф., Дэвидсон Т. Дж., О’Ши Д. Д. и др. Неокортикальный баланс возбуждения / торможения при обработке информации и социальная дисфункция. Природа. 2011. 477 (7363): 171–8. Epub 29.07.2011. pmid: 21796121; Идентификатор PubMed Central PMCID: PMCPmc4155501.
  32. 32. Сигурдссон Т. Дисфункция нервной цепи при шизофрении: выводы на животных моделях.Неврология. 2016; 321: 42–65. Epub 2015/07/08. pmid: 26151679.
  33. 33. Роуэн М.С., Неймотин С.А., Литтон У. Электростимуляция для уменьшения прогрессирования болезни Альцгеймера, вызванного синаптическим масштабированием. Границы вычислительной нейробиологии. 2014; 8: 39. Epub 2014/04/26. pmid: 24765074; Идентификатор PubMed Central PMCID: PMCPmc3982056.
  34. 34. ван Фрисвейк C, Сомполинский Х. Хаос в нейронных сетях со сбалансированной возбуждающей и тормозящей активностью. Наука (Нью-Йорк, Нью-Йорк).1996. 274 (5293): 1724–6. Epub 1996/12/06. pmid: 8

    6.
  35. 35. Шу Y, Hasenstaub A, McCormick DA. Включение и выключение периодической сбалансированной корковой активности. Природа. 2003. 423 (6937): 288–93. Epub 2003/05/16. pmid: 12748642.
  36. 36. Хайдер Б., Дуке А., Хазенштауб А. Р., Маккормик Д. А.. Активность неокортикальной сети in vivo создается за счет динамического баланса возбуждения и торможения. Журнал неврологии: официальный журнал Общества неврологии.2006. 26 (17): 4535–45. Epub 2006/04/28. pmid: 16641233.
  37. 37. Бастос А.М., Литвак В., Моран Р., Босман К.А., Фрис П., Фристон К.Дж. DCM-исследование спектральной асимметрии в связях прямой и обратной связи между визуальными областями V1 и V4 у обезьяны. NeuroImage. 2015; 108: 460–75. Epub 2015.01.15. pmid: 25585017; Идентификатор PubMed Central PMCID: PMCPMC4334664.
  38. 38. Дэвид О., Кибель С.Дж., Харрисон Л.М., Мэттаут Дж., Килнер Дж. М., Фристон К.Дж. Динамическое причинно-следственное моделирование вызванных ответов на ЭЭГ и МЭГ.NeuroImage. 2006. 30 (4): 1255–72. Epub 2006/02/14. pmid: 16473023.
  39. 39. Jansen BH, Zouridakis G, Brandt ME. Математическая модель вспышек зрительных вызванных потенциалов, основанная на нейрофизиологии. Биологическая кибернетика. 1993. 68 (3): 275–83. Epub 1993/01/01. pmid: 8452897.
  40. 40. Wendling F, Bartolomei F, Bellanger JJ, Chauvel P. Быстрая эпилептическая активность может быть объяснена моделью нарушенного ГАМКергического торможения дендритов. Европейский журнал нейробиологии.2002. 15 (9): 1499–508. Epub 25.05.2002. pmid: 12028360.
  41. 41. Гудфеллоу М., Шиндлер К., Байер Г. Самоорганизованные переходные процессы в модели нейронной массы динамики эпилептогенной ткани. NeuroImage. 2012. 59 (3): 2644–60. Epub 29.09.2011. pmid: 21945465.
  42. 42. Кунце Т., Хунольд А., Хауэйзен Дж., Джирса В., Шпиглер А. Транскраниальная стимуляция постоянным током изменяет функциональную связность состояния покоя: крупномасштабное исследование моделирования сети мозга. NeuroImage. 2016. Epub 2016/02/18.pmid: 26883068.
  43. 43. Мерле I, Бирот Дж., Сальвадор Р., Молаи-Ардекани Б., Меконнен А., Сориа-Фриш А. и др. От осцилляторной стимуляции транскраниального тока до изменений ЭЭГ кожи головы: биофизическое и физиологическое моделирование. ПлоС один. 2013; 8 (2): e57330. Epub 2013/03/08. pmid: 23468970; Идентификатор PubMed Central PMCID: PMCPmc3585369.
  44. 44. Меффин Х., Беркитт А.Н., Грейден Д.Б. Аналитическая модель «большого колеблющегося состояния синаптической проводимости», типичного для нейронов неокортекса in vivo.Журнал вычислительной нейробиологии. 2004. 16 (2): 159–75. Epub 2004/02/06. pmid: 14758064.
  45. 45. Брюнель Н. Динамика слабосвязанных сетей возбуждающих и тормозных нейронов. Журнал вычислительной нейробиологии. 2000. 8 (3): 183–208. Epub 2000/05/16. pmid: 10809012.
  46. 46. Энгельборгс К. Численный бифуркационный анализ дифференциальных уравнений с запаздыванием с использованием DDE-BIFTOOL. Сделки по математическому программному обеспечению. 2002. 28 (1): 1–21.
  47. 47.Беггс Дж. Гипотеза критичности: как локальные корковые сети могут оптимизировать обработку информации. Философские труды Серия A, Математические, физические и инженерные науки. 2008. 366 (1864): 329–43. Epub 2007/08/04. pmid: 17673410.
  48. 48. Гессе Дж., Гросс Т. Самоорганизованная критичность как фундаментальное свойство нейронных систем. Границы системной нейробиологии. 2014; 8: 166. Epub 2014/10/09. pmid: 25294989; PubMed Central PMCID: PMCPmc4171833.
  49. 49.Rolls ET, Deco G. Сети для памяти, восприятия и принятия решений, а также до того, как синтаксис языка может быть реализован в мозгу. Исследование мозга. 2015; 1621: 316–34. Epub 2014/09/23. pmid: 25239476.
  50. 50. Фрейзер Л. О понимании предложений: стратегии синтаксического анализа [докторская диссертация]. докторская диссертация: Университет Коннектикута; 1979.
  51. 51. Валенсуэла, CF. Взаимодействие алкоголя и нейротрансмиттеров. Здоровье алкоголя и мир исследований.1997. 21 (2): 144–8. Epub 1997/01/01. pmid: 15704351.
  52. 52. Дуглас Р.Дж., Мартин К.А. Функциональная микросхема зрительной коры головного мозга кошки. Журнал физиологии. 1991; 440: 735–69. Epub 1991/01/01. pmid: 1666655; Идентификатор PubMed Central PMCID: PMCPmc1180177.
  53. 53. Харрис К.Д., пастырь GM. Неокортикальный контур: темы и вариации. Природа нейробиологии. 2015; 18 (2): 170–81. Epub 2015/01/28. pmid: 25622573; Идентификатор PubMed Central PMCID: PMCPmc4889215.
  54. 54. Петерс Дж. Ф., Тоцци А., Раманна С.Тесселяция мозговой ткани показывает отсутствие канонических микросхем. Письма о неврологии. 2016; 626: 99–105. Epub 2016/05/26. pmid: 27222926.
  55. 55. Beul SF, Hilgetag CC. К «канонической» агранулярной кортикальной микросхеме. Границы нейроанатомии. 2014; 8: 165. Epub 2015/02/03. pmid: 25642171; Идентификатор PubMed Central PMCID: PMCPmc42

    .

  56. 56. Дуглас Р.Дж., Мартин К.А. Рекуррентные нейронные цепи неокортекса. Современная биология: CB. 2007; 17 (13): R496–500. Epub 2007/07/06.pmid: 17610826.
  57. 57. Carandini M, Heeger DJ. Нормализация как каноническое нейронное вычисление. Обзор Nature Neuroscience. 2011. 13 (1): 51–62. Epub 2011/11/24. pmid: 22108672; Идентификатор PubMed Central PMCID: PMCPMC3273486.
  58. 58. Haeusler S, Schuch K, Maass W. Распределение мотивов, динамические свойства и вычислительная производительность двух шаблонов кортикальных микросхем на основе данных. Журнал физиологии, Париж. 2009. 103 (1–2): 73–87. Epub 2009/06/09. pmid: 19500669.
  59. 59. Маасс В., Джоши П., Зонтаг ЭД. Вычислительные аспекты обратной связи в нейронных цепях. Вычислительная биология PLoS. 2007; 3 (1): e165. Epub 2007/01/24. pmid: 17238280; Идентификатор PubMed Central PMCID: PMCPMC1779299.
  60. 60. Потянс Т.С., Дисманн М. Кортикальная микросхема, специфичная для клеточного типа: взаимосвязь между структурой и активностью в полномасштабной модели импульсной сети. Кора головного мозга (Нью-Йорк, Нью-Йорк: 1991). 2014. 24 (3): 785–806. Epub 2012/12/04. pmid: 23203991; Идентификатор PubMed Central PMCID: PMCPMC3

    8.

  61. 61. Пульвермюллер Ф., Гарагнани М., Веннекерс Т. Мышление схемами: к нейробиологическому объяснению в когнитивной нейробиологии. Биологическая кибернетика. 2014; 108 (5): 573–93. Epub 2014.06.19. pmid: 24

    0; Идентификатор PubMed Central PMCID: PMCPMC4228116.

  62. 62. Веннекерс Т., Гарагнани М., Пульвермюллер Ф. Языковые модели, основанные на сборках геббийских ячеек. Журнал физиологии, Париж. 2006. 100 (1–3): 16–30. Epub 2006/11/04. pmid: 17081735.
  63. 63. Каин Н., Айер Р., Кох С., Михалас С.Вычислительные свойства упрощенной модели кортикального столба. Вычислительная биология PLoS. 2016; 12 (9): e1005045. Epub 2016/09/13. pmid: 27617444; Идентификатор PubMed Central PMCID: PMCPMC5019422.
  64. 64. Фристон К.Дж., Харрисон Л., Пенни В. Динамическое причинно-следственное моделирование. NeuroImage. 2003. 19 (4): 1273–302. Epub 2003/09/02. pmid: 12948688.
  65. 65. Деку Г., Джирса В.К., Робинсон П.А., Брейкспир М., Фристон К. Динамический мозг: от импульсных нейронов до нейронных масс и корковых полей.Вычислительная биология PLoS. 2008; 4 (8): e1000092. Epub 2008/09/05. pmid: 18769680; Идентификатор PubMed Central PMCID: PMCPmc2519166.
  66. 66. Бастос А.М., Усрей В.М., Адамс Р.А., Манган Г.Р., Фрис П., Фристон К.Дж. Канонические микросхемы для прогнозирующего кодирования. Нейрон. 2012. 76 (4): 695–711. Epub 2012/11/28. pmid: 23177956; Идентификатор PubMed Central PMCID: PMCPMC3777738.
  67. 67. Босман К.А., Абоитиз Ф. Функциональные ограничения в эволюции мозговых цепей. Границы неврологии. 2015; 9: 303.Epub 2015/09/22. pmid: 26388716; Идентификатор PubMed Central PMCID: PMCPMC4555059.
  68. 68. Пиноцис Д.А., Шварцкопф Д.С., Литвак В., Рис Г., Барнс Г., Фристон К.Дж. Динамическое каузальное моделирование латеральных взаимодействий в зрительной коре. NeuroImage. 2013; 66: 563–76. Epub 2012/11/07. pmid: 23128079; Идентификатор PubMed Central PMCID: PMCPMC3547173.
  69. 69. Durstewitz D, Seamans JK, Sejnowski TJ. Нейровычислительные модели рабочей памяти. Природа нейробиологии. 2000; 3 Suppl: 1184–91. Epub 2000/12/29.pmid: 11127836.
  70. 70. Абелес М. Кортиконикс, Нейронные цепи коры головного мозга: Издательство Кембриджского университета; 1991.
  71. 71. Хебб ДО. Организация поведения: нейропсихологическая теория. Нью-Йорк: Уайли; 1949.
  72. 72. Ройер С., Мартина М., Паре Д. Бистабильное поведение тормозных нейронов, контролирующих импульсный трафик через миндалину: роль медленно деинактивирующего тока K +. Журнал неврологии: официальный журнал Общества неврологии.2000. 20 (24): 9034–9. Epub 2000/01/11. pmid: 11124979.
  73. 73. Мардер Э., Гоайярд Дж. М.. Вариабельность, компенсация и гомеостаз нейронных и сетевых функций. Обзор Nature Neuroscience. 2006; 7 (7): 563–74. Epub 2006/06/23. pmid: 167

    .
  74. 74. Лю Г. Локальный структурный баланс и функциональное взаимодействие возбуждающих и тормозных синапсов в дендритах гиппокампа. Природа нейробиологии. 2004. 7 (4): 373–9. Epub 2004/03/09. pmid: 15004561.
  75. 75.Markert H, Knoblauch A, Palm G. Моделирование синтаксической обработки в коре головного мозга. Биосистемы. 2007. 89 (1–3): 300–15. Epub 2007/02/06. pmid: 17276587.
  76. 76. Friederici AD. К нейронной основе обработки слуховых предложений. Тенденции когнитивных наук. 2002. 6 (2): 78–84. Epub 2005/05/04. pmid: 15866191.
  77. 77. Сэммлер Д., Коц С.А., Экштейн К., Отт Д.В., Фридеричи А.Д. Просодия соответствует синтаксису: роль мозолистого тела. Мозг: журнал неврологии.2010. 133 (9): 2643–55. Epub 2010/08/31. pmid: 20802205.
  78. 78. Марслен-Уилсон В., Тайлер Л.К. Временная структура понимания разговорной речи. Познание. 1980; 8 (1): 1–71. Epub 1980/03/01. pmid: 7363578.
  79. 79. Йылдыз И.Б., фон Кригштейн К., Кибель С.Дж. От пения птиц до распознавания речи человека: байесовский вывод об иерархии нелинейных динамических систем. Вычислительная биология PLoS. 2013; 9 (9): e1003219. Epub 2013/09/27. pmid: 24068902; Идентификатор PubMed Central PMCID: PMCPmc3772045.
  80. 80. Пульвермюллер Ф. Взгляд мозга на языковые механизмы: от дискретных нейронных ансамблей до последовательного порядка. Успехи нейробиологии. 2002. 67 (2): 85–111. Epub 2002/07/20. pmid: 12126657.

Дендритная возбудимость и контроль усиления в рекуррентных кортикальных микросхемах | Кора головного мозга

Аннотация

Слой 5 толстых пирамидных клеток (ПТК) в неокортексе особенно электрически сложен из-за их очень возбудимых дендритов.Взаимодействие между дендритной нелинейностью и повторяющейся активностью кортикальной микросхемы в формировании сетевой реакции в значительной степени неизвестно. Мы смоделировали детальные основанные на проводимости модели TTC, образующие повторяющиеся микросхемы, которые были связаны между собой, как было обнаружено экспериментально; сеть была встроена в реалистичную фоновую синаптическую активность. Микросхемы ТТС значительно усиливали кратковременные таламокортикальные входы; это усиление коры головного мозга было опосредовано активированной обратным распространением деполяризации N -метил-d-аспартата и активированным обратным распространением дендритов Ca 2+ спайков, вызванных совпадением активируемого таламом соматического спайка и локальных дендритных синаптических входов , происходящие из корковой микросхемы.Удивительно, но дендритная нелинейность в микросхемах TTC линейно умножала таламические входы — усиливая их, сохраняя при этом входную селективность. Наши результаты показывают, что дендритные нелинейности имеют решающее значение в управлении усилением и вычислительными функциями микросхем TTC, которые служат в качестве основного выходного источника для неокортекса.

Введение

Ответ нейронов в неповрежденном мозге динамически зависит как от активности локальной рекуррентной цепи, так и от нелинейных дендритных свойств (Ben-Yishai et al.1995; Лю и др. 2007; Такахаши и Маги 2009; Buesing et al. 2011; Larkum 2012; Xu et al. 2012; Ли, Ли и др. 2013; Ли, Ибрагим и др. 2013; Reimann et al. 2013; Вайдья и Джонстон 2013). Это особенно верно для важного класса кортикальных нейронов, слоя 5 (L5) толстых пирамидных клеток (TTC), поскольку их дендритное дерево очень возбудимо (см. Ниже). Тем не менее, взаимодействие между сетевой активностью из-за повторяющихся соединений и дендритной нелинейности, а также их комбинированное влияние на динамику сети, изучено недостаточно.

Предыдущие исследования модуляции ответа на сенсорный стимул из-за повторяющейся сетевой активности рассматривали сеть клеток L4, которые считались основными мишенями таламокортикальных аксонов (Gilbert and Wiesel 1979; Douglas and Martin 2004). Однако в последние годы эксперименты in vivo продемонстрировали существенное прямое воздействие таламуса на перисоматическую область TTC, что привело к появлению постсинаптических потенциалов (PSP) и спайковых латентностей, которые были такими же ранними, как и зарегистрированные в клетках L4 (Heimel et al.2005; de Kock et al. 2007; Meyer et al. 2010; Константинополь и Бруно 2013). Таким образом, исследование реакции сети TTC на прямое таламическое воздействие очень актуально и в настоящее время отсутствует. Несколько недавних экспериментальных исследований возбуждающих клеток в L4 in vivo показывают, что во время слуховых или зрительных ощущений рекуррентная корковая сеть усиливает ответ этих клеток на таламический вход без изменения их селективности к стимулам (Liu et al.2007; Li, Li et al. 2013; Ли, Ибрагим и др.2013; Lien and Scanziani 2013). Предыдущие теоретические исследования показали, что повторяющаяся активность среди клеток, которые аналогичным образом настроены на свойство стимула, такое как зрительная ориентация, может увеличить усиление ответа клеток, тем самым усиливая ответ на таламический вход, а также повышая избирательность ответа или увеличивая сигнал. отношение к шуму (Ben-Yishai et al. 1995; Douglas et al. 1995; Suarez et al. 1995; Chance et al. 1999). Как в экспериментальных, так и в теоретических исследованиях, упомянутых выше, вклад дендритной возбудимости в модуляцию отклика не учитывался.

Основные дендритные нелинейности в TTC связаны с шипами Ca 2+ в главном бифуркации апикальных дендритов (Helmchen et al. 1999; Larkum and Zhu 2002; Xu et al. 2012) и N -метил-d- шипы аспартата (NMDA) в тонких ветвях апикальных и базальных дендритных деревьев (Schiller et al. 2000; Rhodes 2006; Larkum et al. 2009; Polsky et al. 2009). Предыдущие исследования показали, что спайки NMDA могут усиливать реакцию клетки, а также повышать ее избирательность (Lavzin et al.2012; Smith et al. 2013; Palmer et al. 2014). Проводимость NMDA, в целом, может действовать более локально, снижая порог для генерации спайков Ca 2+ (Schiller and Schiller 2001; Polsky et al. 2004; Larkum et al. 2009). Спайки Ca 2+ длиннее и имеют большую амплитуду, чем спайки NMDA. Недавние экспериментальные исследования in vivo показали, что растормаживание апикальных дендритов в TTC резко увеличивает усиление их ответа на соматосенсорную стимуляцию в корреляции с дендритным сигналом Ca 2+ (Murayama et al.2009; Palmer et al. 2012). Эти находки дополняют ранее полученные in vitro доказательства влияния дендритных спайков Ca 2+ на усиление частота-ток (Larkum et al. 2004). Влияние дендритных спайков Ca 2+ на выходное (аксональное) возбуждение клетки особенно очевидно при совпадающих входах в сому и дистальный апикальный дендрит, которые соответствуют, соответственно, таламическому (снизу вверх) входу и кортикальному ( сверху вниз или локально), которые эти клетки получают в неповрежденном мозге (Felleman and Van Essen 1991; Constantinople and Bruno 2013).Совпадение этих двух входных источников запускает активированный обратным распространением спайк Ca 2+ (BAC) in vitro (Larkum et al. 1999), который, как предполагалось, используется для нейронных вычислений, таких как корковые ассоциации (Larkum 2012). .

Участие дендритных спайков Ca 2+ при совпадении различных потоков входов было экспериментально продемонстрировано и в других областях мозга. В гиппокампе исследования in vitro показали, что совпадающие стимулы, поступающие в разные области дендритов, запускают потенциал плато Ca 2+ , продолжительность которого коррелирует с синаптической потенциацией (Takahashi and Magee 2009).Во время активного взбивания совпадение моторных и сенсорных входных потоков в пирамидных клетках L5 запускает дендритные сигналы Ca 2+ , которые коррелируют с потенциалами дендритных плато (Xu et al. 2012).

Несколько недавних исследований показали, что корковые сети можно рассматривать как состоящие из относительно небольших функциональных микросхем, от десятков до сотен клеток (Perin et al. 2011). Связность в коре головного мозга не случайна, а скорее связана с более частым возникновением взаимосвязанных микросхем (или мотивов), чем ожидалось случайно (Song et al.2005; Perin et al. 2011), а также более высокая вероятность соединения между клетками, которые имеют общие входы (Yoshimura et al. 2005; Kampa et al. 2006) или имеют сходные предпочтения стимулов (Ko et al. 2011). Более того, исследования показали, что корковые связи также зависят от типа клеток (Yoshimura and Callaway 2005; Anderson et al. 2010). Эти исследования показали существование отдельных микросхем, которые могут действовать как функциональные модули. Понимание того, как работают такие локальные корковые модули, способствует пониманию вычислительных возможностей и функций более крупных сетей, состоящих из таких модулей (Traub et al.2005; Дуглас и Мартин 2007; Heinzle et al. 2007, 2010; Буономано и Маасс 2009; Литвак и Ульман 2009; Папуци и др. 2013).

Чтобы исследовать комбинированный вклад как рекуррентной активности корковой сети, так и дендритной возбудимости в модуляцию таламокортикальных входов, мы смоделировали корковые микросхемы, состоящие из детальных TTC, используя новую детальную модель для TTC, которую мы недавно разработали (Hay и др. 2011). Эти локальные корковые сети были погружены в контекст фоновой активности, подобной in vivo.Мы показываем, что модуляция ответа в микросхемах TTC посредством повторяющейся активности после соматического («снизу вверх») ввода в значительной степени зависит от повышения потенциала обратного распространения (BAP) дендритных возбуждающих постсинаптических потенциалов (EPSP), запуска токов NMDA и активации BAC. . А именно, дендритные свойства TTC играют важную роль в формировании динамического ответа локальной возбуждающей сети. Используя настройку ориентации в качестве примера, мы проиллюстрировали возможное функциональное значение этих двух механизмов для модуляции реакции возбуждающих корковых сетей.

Материалы и методы

Однокамерная модель

Каждый TTC в микросхеме был представлен с использованием детальной модели на основе проводимости, которую мы недавно разработали (Hay et al. 2011). Эта модель продемонстрировала соматический спайк Na + , дендритный спайк Ca 2+ , БАТ из-за дендритных каналов Na + и всплеск соматических спайков Na + в ответ на совпадающую деполяризацию в соме и апикальной части. пучок (обжиг BAC, см. Larkum et al.1999). Смоделированная микросхема в настоящем исследовании состояла из N = 1–150 смоделированных ячеек, идентичных по своей морфологии и биофизическим свойствам.

Фоновый синаптический ввод

Чтобы смоделировать схему в контексте активности in vivo, мы случайным образом распределили 10 000 возбуждающих синапсов и 2500 тормозных синапсов на каждой модели TTC, как было предложено предыдущими тщательными оценками в нейронах кошек (Binzegger et al. 2004).Отметим, что возможное различие в оценках нейронов крысы из-за разницы в размере клеток не было критическим для нашего исследования, так как оно могло быть компенсировано изменением соотношения тормозной и возбуждающей проводимости. Каждый возбуждающий синапс включает комбинацию NMDA- и AMPA-зависимой проводимости, а также единую динамику краткосрочной пластичности (Ramaswamy et al. 2012) с равной максимальной проводимостью (Sarid et al. 2007). Постоянная времени нарастания проводимости NMDA составляла 2 мс, а постоянная времени спада составляла 65 мс (Rhodes 2006).Постоянная времени нарастания проводимости AMPA составляла 0,3 мс, а постоянная времени спада составляла 3 мс (Hestrin 1992). Тормозящие синапсы относились к типу GABA A . Постоянная времени нарастания проводимости GABA A составляла 1 мс, а постоянная времени спада составляла 20 мс (Salin and Prince 1996; Gidon and Segev 2012). Реверсивные потенциалы возбуждающих и тормозных синапсов составляли 0 и -80 мВ соответственно (Destexhe et al. 1994), а потенциал покоя смоделированных клеток составлял -80 мВ.И тормозные, и возбуждающие синапсы обладают вероятностным высвобождением с кратковременной пластичностью (Ramaswamy et al. 2012). Механизм, учитывающий комбинированные токи AMPA и NMDA, имел кратковременную депрессию с вероятностью высвобождения ( U ), равной 0,6, постоянной времени выхода из депрессии ( D ), равной 800 мс, и постоянной времени восстановления после облегчения. ( F ) 0 мс (Цодыкс и Маркрам, 1997; Фурманн и др., 2002). Тормозящие синапсы тоже угнетали, U = 0.25, D = 800 мс и F = 0 мс (Гупта и др., 2000).

Мы установили максимальную тормозную проводимость синапсов равной 1 нСм, что дает среднюю амплитуду соматического ингибирующего постсинаптического потенциала (IPSP) -0,6 мВ при удерживающем мембранном потенциале -70 мВ для тормозного соединения, состоящего из 12 синаптических контактов (Silberberg and Markram 2007 ). Максимальная проводимость для NMDA- и AMPA-рецепторов составляла 0,4 нСм, что давало среднюю амплитуду ВПСП 0,6 мВ при потенциале покоя (Song et al.2005; Томсон и Лами 2007; Perin et al. 2011) для возбуждающего соединения (одиночный аксон TTC), создающего 5 синаптических контактов на единственном целевом дендрите TTC (Markram et al. 1997). Фоновые пресинаптические последовательности потенциалов действия (AP) следовали распределению Пуассона со средней частотой возбуждения 0,72 Гц для возбуждающих синапсов (Heimel et al. 2005) и 7 Гц для тормозных синапсов (Gentet et al. 2010). Эти настройки дали частоту самопроизвольного срабатывания 3,1 ± 0,5 Гц в неподключенных TTC (размер микросхемы N = 1), и 4.3 ± 1,5 Гц в ТТС, составляющих микросхемы размером N = 150, оба по порядку величины, обнаруженные in vivo (Heimel et al. 2005; Olsen et al. 2012). Кроме того, эта настройка дала нормальное распределение подпорогового мембранного потенциала со средним значением -63 мВ и стандартным отклонением 3 мВ, что согласуется с экспериментальными измерениями на бодрствующих животных (Константинополь и Бруно, 2011).

Подключение микросхем

Между собой было подключено

ТТС с вероятностью P = 0.13 для однонаправленных соединений и вероятность P rcp = 0,06 для взаимных соединений (Song et al. 2005). Реципрокные связи были в 1,5 раза сильнее (большая синаптическая проводимость), чем однонаправленные (Song et al. 2005). Задержка между началом пресинаптического AP в соме и началом постсинаптического EPSP составляла 1 мс (Markram et al. 1997). Каждое соединение состояло из 5 синаптических контактов типа NMDA / AMPA (смоделированных, как для соединений возбуждающего фона, описанных выше), за исключением того, что эти синапсы были вспомогательными, с U = 0.25, D = 0 мс, F = 0 мс (Рейес и Сакманн 1999; Фрик и др. 2007; Уильямс и Аткинсон 2007). Хотя исследования показали, что синаптические местоположения между TTCs имеют тенденцию контактировать с базальными и наклонными дендритами, они могут встречаться по всему дендритному дереву постсинаптической клетки (Markram et al. 1997). Таким образом, мы распределили различные синаптические контакты из пресинаптических ячеек микросхемы случайным образом на каждой постсинаптической ячейке. При сборе статистики срабатывания микросхем размером N мы моделировали 4 разные случайные микросхемы для каждого случая.Микросхемы различались связностью между TTC, синаптическим расположением соединений между TTC и пресинаптическими цепочками фонового входа, воздействующего на каждую TTC. Микросхемы размером больше N = 150 ячеек не анализировали, так как в условиях настоящего исследования спонтанная частота в таких микросхемах существенно расходилась с экспериментально измеренной спонтанной частотой.

Гистограмма времени после стимула

При создании временной гистограммы после стимула (PSTH) мы разбили смоделированные кривые напряжения всех ячеек в сети на интервалы по 5 мс.Каждый бункер получил значение 1, если он содержал начало всплеска, или значение 0 в противном случае.

Избирательность визуальной ориентации

Мы имитировали стимулы с разной зрительной ориентацией, используя разные амплитуды короткого (5 мс) деполяризующего импульса, вводимого в сому всех смоделированных клеток, от 0 нА (что соответствует отсутствию восходящего таламического входа или «нулевой ориентации») до 1,4 нА (наша амплитуда по умолчанию в этом исследовании, которая вызвала ровно 1 дополнительный всплеск во всех ячейках микросхемы и соответствовала «предпочтительной ориентации»).Частота реакции спайков в нулевой и предпочтительной ориентациях была порядка величины, наблюдаемой экспериментально (Van Hooser 2007). Промежуточные амплитуды импульсов составляли 0,2, 0,4 и 0,6 нА, что давало скорости отклика в цепи, которые охватывали диапазон между откликами на нулевую и предпочтительную ориентации. Затем мы вывели соответствующие углы ориентации стимула, используя гауссову кривую отклика, которая имела полуширину на полувысоте 29 °, в соответствии с экспериментальной статистикой (Van Hooser 2007).Центр кривой отклика соответствовал предпочтительной ориентации, которая была произвольно назначена равной 90 °. Для количественной оценки селективности ориентации мы использовали 2 показателя: полуширину на полувысоте и индекс селективности, который представляет собой отношение между второй и первой составляющими Фурье кривой ориентации (Ringach et al. 2002). Мы отмечаем, что выбор имитации стимулов короткими токами, а не детального синаптического ввода служил для (i) надежного запуска соматического всплеска и (ii) сохранения анализа на фундаментальном уровне тока реакции ( f – I ), тем самым позволяя нашим выводам быть общими и не привязанными к конкретным предположениям относительно синаптического входа.

Все симуляции проводились с использованием NEURON (Carnevale and Hines, 2006), работающего на сетке из 60 Sun X4100 AMD, 64-битных двухъядерных процессорах Opteron (всего 240 ядер), под управлением Linux 2.6. Среднее время работы моделирования каждой микросхемы ( N нейронов с использованием N ядер) составило 30 мин. Код моделирования доступен на ModelDB (Hines et al. 2004).

Результаты

Чтобы изучить динамику сети в реалистичной повторяющейся сети TTC, мы соединили микросхемы, состоящие из 1–150 детальных моделей TTC (см. Материалы и методы).Рис. 1 A иллюстрирует пример микросхемы из 50 ячеек с вероятностями однонаправленного (черные линии) и обратного (красные линии) соединения, как обнаружено экспериментально (см. Материалы и методы). В дополнение к соединениям от микросхемы, каждая ячейка получала случайные пуассоновские фоновые тормозящие и возбуждающие синаптические входы, которые заставляли ее спонтанно срабатывать с приемлемым диапазоном частот для всех размеров микросхем, которые мы исследовали (рис. 1 B ). Несоединенные ячейки (размер микросхемы N = 1) спонтанно сработали на 3.1 ± 0,5 Гц, а клетки в микросхемах размером N = 150 спонтанно запускались с частотой 4,3 ± 1,5 Гц, как в экспериментальном диапазоне, так и в неокортексе (см. Материалы и методы). Пример самовозгорания показан на Рисунке 1 C .

Рисунок 1.

Имитация микросхем ТТС. ( A ) Образец микросхемы на 50 ячеек. Вероятность соединения между ячейками составляла 0,13 для однонаправленных соединений (черные края) и 0.06 для ответных соединений (красные края). Реципрокные возбуждающие синаптические связи в 1,5 раза сильнее однонаправленных. ( B ) Пример смоделированной TTC с ее подробной морфологией, получающей фоновый пуассоновский вход от 10 000 возбуждающих синапсов (красный) и 2500 тормозных (синий) синапсов (см. Материалы и методы). В дополнение к этому фоновому входу все клетки в микросхеме одновременно стимулировались кратковременным соматическим током 1,4 нА и длительностью 5 мс (черный электрод), имитирующим кратковременный перисоматический таламический вход.В дополнение к запуску соматических AP Na + , модель TTC была способна генерировать дендритные шипы Ca 2+ в апикальной «горячей зоне» (заштрихованный красный эллипс). ( C ) Самопроизвольное срабатывание типового одиночного (изолированного) TTC в ответ на фоновый синаптический ввод. ( D ) Следы напряжения другой примерной ячейки, от микросхемы из 150 ячеек, срабатывающих спонтанно (2 пика, слева) и в ответ на одновременный соматический ввод во все ячейки сети (4 пика, справа).Стимул обозначается черной полосой под кривой напряжения.

Рисунок 1.

Имитация микросхем ТТС. ( A ) Образец микросхемы на 50 ячеек. Вероятность соединения между ячейками составляла 0,13 для однонаправленных соединений (черные края) и 0,06 для взаимных соединений (красные края). Реципрокные возбуждающие синаптические связи в 1,5 раза сильнее однонаправленных. ( B ) Пример смоделированной TTC с ее подробной морфологией, получающей фоновый пуассоновский вход от 10 000 возбуждающих синапсов (красный) и 2500 тормозных (синий) синапсов (см. Материалы и методы).В дополнение к этому фоновому входу все клетки в микросхеме одновременно стимулировались кратковременным соматическим током 1,4 нА и длительностью 5 мс (черный электрод), имитирующим кратковременный перисоматический таламический вход. В дополнение к запуску соматических AP Na + , модель TTC была способна генерировать дендритные шипы Ca 2+ в апикальной «горячей зоне» (заштрихованный красный эллипс). ( C ) Самопроизвольное срабатывание типового одиночного (изолированного) TTC в ответ на фоновый синаптический ввод.( D ) Следы напряжения другой примерной ячейки, от микросхемы из 150 ячеек, срабатывающих спонтанно (2 пика, слева) и в ответ на одновременный соматический ввод во все ячейки сети (4 пика, справа). Стимул обозначается черной полосой под кривой напряжения.

Сначала нас интересовала активность клеток после единственного соматического спайка, индуцированного синхронно во всех клетках. Поэтому мы применили кратковременный (5 мс) надпороговый соматический ввод 1,4 нА ко всем клеткам в цепи (пример кривой показан на рис.1 D ). Одиночные (несвязанные) клетки ответили на этот соматический ввод одиночным спайком, привязанным к времени стимула, t = 0, без последующего увеличения частоты активации выше базовой (рис. 2 A ). Напротив, в микросхемах из 150 клеток соматические стимулы запускали повышенную активность в цепи на продолжительность ~ 70 мс, после чего активность возвращалась к исходному уровню (рис. 2 B ). Мы сосредоточили анализ на временном окне 50 мс после начала стимула ( t = 0–50 мс) и рассчитали, что средняя частота срабатывания в микросхемах N = 150 ячеек равна 47.1 ± 3,9 Гц для этого временного окна. Средняя частота срабатывания ответа в одиночных неподключенных ячейках в течение окна 50 мс составляла 22,1 ± 0,7 Гц.

Рисунок 2.

Модуляция скорости ответа за счет повторяющейся активности и дендритной возбудимости. ( A ) Примерный растровый график (вверху) и PSTH (внизу) активации одиночных (несвязанных) клеток в ответ на кратковременный надпороговый соматический / таламический вход при t = 0 (стимул, как на рис. 1 B ).( B ) Примерный растровый график (вверху) и PSTH (внизу) для ответа на соматический ввод в микросхемах из N = 150 клеток, все получают кратковременный надпороговый соматический ввод при t = 0. ( C ) То же, что и в ( B ), за исключением того, что были удалены апикальные дендритные каналы Na + в смоделированных клетках (обозначены: -a.Na). ( D ) Частота ответа клеток в микросхемах размером N = 1–150 клеток, в контрольных условиях, как в ( B ) (черная кривая), и при удалении определенных апикальных дендритных каналов (высоковольтно-управляемые Ca 2+ каналов, зеленая кривая; Ca 2+ каналов, управляемые высоким и низким напряжением, красная кривая; каналы Na + , фиолетовая кривая) или рецепторов NMDA на базальных и апикальных дендритах (синяя кривая) .Мгновенную скорость измеряли во временном окне 50 мс после появления стимула.

Рисунок 2.

Модуляция скорости ответа за счет повторяющейся активности и дендритной возбудимости. ( A ) Примерный растровый график (вверху) и PSTH (внизу) активации одиночных (несвязанных) клеток в ответ на кратковременный надпороговый соматический / таламический вход при t = 0 (стимул, как на рис. 1 B ). ( B ) Примерный растровый график (вверху) и PSTH (внизу) для ответа на соматический ввод в микросхемах из N = 150 клеток, все получают кратковременный надпороговый соматический ввод при t = 0.( C ) То же, что в ( B ), за исключением того, что были удалены апикальные дендритные каналы Na + в смоделированных клетках (обозначены: -a.Na). ( D ) Частота ответа клеток в микросхемах размером N = 1–150 клеток, в контрольных условиях, как в ( B ) (черная кривая), и при удалении определенных апикальных дендритных каналов (высоковольтно-управляемые Ca 2+ каналов, зеленая кривая; Ca 2+ каналов, управляемые высоким и низким напряжением, красная кривая; каналы Na + , фиолетовая кривая) или рецепторов NMDA на базальных и апикальных дендритах (синяя кривая) .Мгновенную скорость измеряли во временном окне 50 мс после появления стимула.

Чтобы определить степень влияния дендритной возбудимости на активность микросхемы, мы исследовали аналогичные микросхемы, в которых были удалены определенные дендритные каналы или рецепторы NMDA. Мы отмечаем, что удаление рецепторов NMDA было выполнено путем установки постоянных времени нарастания и затухания компонента NMDA в механизме возбуждающего синапса как бесконечно малые. Кроме того, когда мы удалили рецепторы NMDA, мы увеличили максимальную возбуждающую проводимость, чтобы спонтанные скорости оставались неизменными.Удаление дендритных каналов Na + существенно снизило длительное увеличение сетевой активности после первого индуцированного спайка, так что средний ответ в микросхемах N = 150 клеток составил 24,7 ± 1 Гц (рис. 2 C ), только немного выше, чем отклик неподключенных ячеек (22,1 ± 0,7 Гц). Удаление дендритных каналов Ca 2+ снизило ответ микросхемы до 41,1 ± 2,8 Гц (рис. 2 D , красная кривая), что на 13% меньше скорости по сравнению с контрольными условиями (см. Выше).Удаление только высоковольтно-активированных дендритных каналов Ca 2+ привело к аналогичному эффекту (рис.2 D , зеленая кривая), тогда как удаление низковольтно-активированных дендритных каналов Ca 2+ не имело значительного эффекта ( не показано). Блокирование каналов Na + или рецепторов NMDA имело аналогичный эффект, отменяя длительное увеличение сетевой активности после второго спайка (рис. 2 D , фиолетовый и синий, соответственно). Эта ограниченная повторяющаяся активность в микросхемах с невозбужденными дендритами ожидается из-за их небольшого размера и низкой вероятности соединения между клетками, а также поскольку все TTC в подключенной сети получают одновременный соматический ввод (как один дополнительный всплеск), который не может эффективно распространяться через сеть из-за рефрактерности во всех клетках после этого всплеска.Отметим, что удаление дендритных каналов Ca 2+ и Na + уменьшало спонтанное возбуждение (2,6 ± 0,5 Гц по сравнению с 4,3 ± 1,5 Гц в контрольных условиях в микросхемах из 150 клеток). Однако оба эти показателя находились в пределах физиологического диапазона (см. «Материалы и методы»). Мы также отмечаем, что вариабельность реакции или скорости спонтанного возбуждения наблюдалась in vivo (Heimel et al. 2005).

Повторяющаяся активность и дендритная возбудимость в микросхемах N = 150 клеток с полностью возбудимыми дендритами привели к частоте ответа, равной 2.В 3 раза больше, чем скорость отклика одиночных (несвязанных) клеток без дендритных каналов Na + (47,1 ± 3,9 Гц против 20,3 ± 0,4 Гц, рис. 2 D ). Скорость отклика увеличивалась сверхлинейно в зависимости от количества ячеек в микросхеме (рис. 2 D , черная кривая), но лишь немного увеличивалась с увеличением количества ячеек в микросхемах с невозбужденными дендритами (рис. 2 D , рис. фиолетовые или синие кривые). Взятые вместе, эти результаты демонстрируют, что как возбудимость дендритов, так и рекуррентная активность микросхем вносят свой вклад в наблюдаемую модуляцию скорости ответа.Из Рисунка 2 D очевидно, что дендритная нелинейность играет главную роль в усилении сетевой активности после одновременной надпороговой соматической стимуляции (имитирующей кратковременный перисоматический таламический сигнал).

Мы дополнительно исследовали участие дендритных потенциал-зависимых ионных каналов и NMDA-рецепторов в формировании ответной реакции сети, исследуя следы дендритного и соматического напряжения в микросхемах из N = 150 клеток. Для образцовой ячейки (рис.3 A ) в контрольных условиях после кратковременного соматического / таламического воздействия наблюдалась большая деполяризация на главной апикальной бифуркации, которая длилась ~ 70 мс после окончания соматического стимула. Эта дендритная деполяризация обычно сопровождалась всплеском 2 дополнительных спайков в соме. Деполяризация дендритов соответствует порядку величины и продолжительности спайков Ca 2+ во время срабатывания BAC, наблюдаемых in vitro (Larkum et al. 1999, 2004; Hay et al. 2011). Добавление 2 соматических спайков с коротким интервалом между спайками (<30 мс) также было типичным для активации ВАС.Когда дендритные каналы Ca 2+ были удалены, дендритная деполяризация была значительно снижена, как и один из дополнительных соматических всплесков Na + (рис.3 B ), тем самым подтверждая, что дендритная деполяризация и увеличение соматического ответа частично опосредованы потенциалозависимыми дендритными каналами Ca 2+ . Когда NMDA-рецепторы также были удалены, дендритная деполяризация исчезла, а вместе с ней и дополнительный соматический спайк Na + (рис.3 С ). Оставшаяся деполяризация дендритов произошла из-за ВПСП, исходящих от микросхемы. Удаление только дендритных каналов Na + было достаточным для устранения дендритной деполяризации и соматических шипов (Рис. 3 D ). Взятые вместе, эти результаты показывают, что в контрольных условиях BAP (опосредованный дендритными Na + каналами) запускает деполяризацию NMDA и срабатывание BAC, что согласуется с недавними исследованиями (Larkum et al. 2009).

Рисунок 3.

Отклик микросхемы связан с сильной дендритной нелинейностью. ( A ) Следы напряжения на соме (черный) и на апикальной главной бифуркации (650 мкм от сомы, красный цвет, см. Схему на рис. 1 B ) образца ячейки. Ячейка была частью микросхемы размером N = 150 ячеек, получая кратковременный надпороговый соматический ввод на все ячейки схемы в контрольных условиях. Соматический стимул при t = 0 обозначен черной полосой под кривой. Область под ответом дендритного напряжения для t = 0–50 мс заштрихована красным.( B D ) То же, что ( A ), но для случаев, когда были удалены дендритные каналы Ca 2+ ( B ), а также были удалены рецепторы NMDA ( C ), или были удалены только дендритные каналы Na + ( D ). ( E ) Распределение интеграла деполяризации мембраны в апикальной главной бифуркации во временном окне 50 мс во всех ячейках из микросхем из 150 ячеек из 4 различных рандомизированных симуляций ( n = 600 ячеек для каждой кривой, см. Материалы и методы), получая одновременный соматический ввод, в контрольных условиях (сплошная черная кривая), когда были удалены дендритные каналы Ca 2+ (красная кривая), когда также были удалены каналы NMDA (синяя кривая) или когда был удален только дендритный Na + каналов удалены (фиолетовая кривая).Распределение неподключенных ячеек в контрольных условиях показано пунктирной черной кривой ( n = 400 ячеек). Бимодальное распределение для сплошной черной кривой указывает на нелинейные дендритные события.

Рисунок 3.

Отклик микросхемы включает сильную дендритную нелинейность. ( A ) Следы напряжения на соме (черный) и на апикальной главной бифуркации (650 мкм от сомы, красный цвет, см. Схему на рис. 1 B ) образца ячейки. Ячейка была частью микросхемы размером N = 150 ячеек, получая кратковременный надпороговый соматический ввод на все ячейки схемы в контрольных условиях.Соматический стимул при t = 0 обозначен черной полосой под кривой. Область под ответом дендритного напряжения для t = 0–50 мс заштрихована красным. ( B D ) То же, что ( A ), но для случаев, когда были удалены дендритные каналы Ca 2+ ( B ), а также были удалены рецепторы NMDA ( C ), или были удалены только дендритные каналы Na + ( D ). ( E ) Распределение интеграла деполяризации мембраны в апикальной главной бифуркации во временном окне 50 мс во всех ячейках из микросхем из 150 ячеек из 4 различных рандомизированных симуляций ( n = 600 ячеек для каждой кривой, см. Материалы и методы), получая одновременный соматический ввод, в контрольных условиях (сплошная черная кривая), когда были удалены дендритные каналы Ca 2+ (красная кривая), когда также были удалены каналы NMDA (синяя кривая) или когда был удален только дендритный Na + каналов удалены (фиолетовая кривая).Распределение неподключенных ячеек в контрольных условиях показано пунктирной черной кривой ( n = 400 ячеек). Бимодальное распределение для сплошной черной кривой указывает на нелинейные дендритные события.

Характеризовать вклад и нелинейную природу дендритных явлений труднее в условиях синаптического шума, чем в условиях покоя. Тем не менее, распределение интеграла дендритного напряжения по t = 0–50 мс в микросхемах из 150 клеток, получающих одновременный соматический ввод, иллюстрирует дендритные события во время сетевой активности (рис.3 E ). В контрольных условиях наблюдалась большая дендритная деполяризация, величина которой в разных клетках имела бимодальное распределение с одним пиком ∼500 мВ мс и другим пиком ∼1300 мВ мс, что указывает на сильное надлинейное дендритное событие в некоторых клетках (рис. 3). E , черная кривая). Особенно большие интегральные значения (> 800 мВ мс) наблюдались в 55% клеток и отражали дендритную деполяризацию с продолжительностью и величиной, типичными для спайков Ca 2+ , таких как показано на рисунке 3 A .По-видимому, для этих клеток входные условия (как пространственные, так и временные) оказались благоприятными для запуска сильных дендритных нелинейностей. Когда дендритные каналы Ca 2+ были удалены, распределение дендритного интеграла напряжения было унимодальным и в среднем 700 мВ мс (рис. 3 E , красная кривая). Когда также были удалены рецепторы NMDA или когда были удалены только дендритные ионные каналы Na + , среднее значение деполяризации дендритов снизилось до 100 мВ мс и никогда не было> 700 мВ мс, что указывает на слабое и по существу линейное электрическое поведение дендритов (рис.3 E , синие и фиолетовые кривые соответственно). Для несвязанных клеток, где не было значительной активности за пределами индуцированного соматического спайка (рис. 2 A ), большинство клеток демонстрировали одномодальное распределение интеграла дендритного напряжения с центром в ~ 100 мВ мс. Большая дендритная деполяризация происходила лишь в редких случаях в несвязанных клетках (в <3% клеток), когда самого фонового ввода оказывалось достаточно для запуска активации ВАС (рис. 3 E , пунктирная черная кривая).

Поскольку не все клетки в корковой цепи, вероятно, будут получать таламический вход в одно и то же время, мы исследовали влияние временного шума во входных данных на наши результаты, применив случайный джиттер в 10 мс к началу соматического стимула. (т.е. начало может быть в любой момент времени между t = 0 и t = 10 мс). Рисунок 4 A показывает растровый график и PSTH в микросхемах из 150 ячеек в этом зашумленном состоянии. Явное отличие от состояния отсутствия шума (рис.2 B ) было отсутствие равномерного пика по всем клеткам в момент времени t = 0 мс, поскольку соматический стимул мог произойти где угодно между 0 и 10 мс. Скорость ответа в микросхемах из 150 клеток была в 2,1 раза больше, чем скорость ответа изолированных клеток без дендритных каналов Na + (43,2 ± 2,8 Гц против 20,5 ± 0,4 Гц, рис. 4 B ). Следовательно, даже при временном шуме на входе таламуса модуляция скорости отклика из-за дендритных нелинейностей и повторяющейся сетевой активности оставалась устойчивой и аналогичной по величине усилению в контрольных условиях (без джиттера).Как и прежде, вклад как дендритной возбудимости, так и рекуррентной связности был необходим для наблюдаемой модуляции, поскольку ответ был низким в отдельных клетках или в микросхемах клеток с невозбудимыми дендритами (сравните Фиг.2 D и 4 B ). Дендритные нелинейности и срабатывание BAC также происходили в условиях зашумленного входа, что продемонстрировано бимодальным распределением интеграла дендритной деполяризации (рис. 4 C , сплошная черная кривая). Доля клеток, демонстрирующих большую дендритную деполяризацию (дендритный интеграл> 800 мВ мс), была немного уменьшена, 44% по сравнению с 55% в случае отсутствия дрожания (см. Выше).Как и в случае отсутствия дрожания, удаление дендритных каналов Ca 2+ устраняет срабатывание БАХ в связанных клетках (рис. 4 C , красная кривая), а удаление дендритных каналов Na + устраняет дендритную деполяризацию (рис. 4 C). , пурпурная кривая). Точно так же для нестабильного входа неподключенные ячейки (размер микросхемы N = 1) показали лишь незначительную модуляцию скорости ответа из-за дендритной возбудимости (рис.4 B ) и обычно не демонстрировали срабатывание BAC или деполяризации NMDA (рис.4 C , пунктирная черная кривая).

Рисунок 4.

Модуляция отклика сети за счет повторяющейся активности и возбудимости дендритов устойчива к временному шуму на входе таламуса. ( A ) Растровый график (вверху) и PSTH (внизу) для микросхем из 150 клеток, получающих кратковременный надпороговый соматический ввод, со случайным джиттером 0–10 мс в начале соматического стимула. ( B ) Ответ клеток в микросхемах размером N = 1–150, получающих соматический ввод с джиттером 0–10 мс, в контрольных условиях (черная кривая) и при дендритных каналах Ca 2+ или Na + были удалены (красная и пурпурная кривые).( C ) Распределение интеграла напряжения на главной апикальной бифуркации во всех ячейках от микросхем из 150 ячеек ( n = 600), получающих колебательный соматический вход, в контрольных условиях (сплошная черная кривая) и при дендритных Ca 2+ или Na + каналов были удалены (красные и фиолетовые кривые). Распределение дендритного интеграла для несвязанных ячеек показано пунктирной черной кривой ( n = 400).

Рисунок 4.

Модуляция отклика сети за счет повторяющейся активности и дендритной возбудимости устойчива к временному шуму на входе таламуса.( A ) Растровый график (вверху) и PSTH (внизу) для микросхем из 150 клеток, получающих кратковременный надпороговый соматический ввод, со случайным джиттером 0–10 мс в начале соматического стимула. ( B ) Ответ клеток в микросхемах размером N = 1–150, получающих соматический ввод с джиттером 0–10 мс, в контрольных условиях (черная кривая) и при дендритных каналах Ca 2+ или Na + были удалены (красная и пурпурная кривые). ( C ) Распределение интеграла напряжения на главной апикальной бифуркации во всех ячейках от микросхем из 150 ячеек ( n = 600), получающих колебательный соматический вход, в контрольных условиях (сплошная черная кривая) и при дендритных Ca 2+ или Na + каналов были удалены (красные и фиолетовые кривые).Распределение дендритного интеграла для несвязанных ячеек показано пунктирной черной кривой ( n = 400).

Мы также исследовали случай, когда только часть микросхем из 150 клеток получила таламический ввод (рис. 5). В полностью возбудимой сети скорость ответа линейно увеличивалась с числом активированных клеток (рис. 5 B ). Рисунок 5 B также показывает, что дендритная нелинейность проявляется даже тогда, когда небольшой процент клеток активируется через таламический вход (сравните черные и цветные линии).

Рисунок 5.

Ответ микросхемы на частичный таламический ввод. ( A ) Примерный растровый график (вверху) и PSTH (внизу) для ответа на соматический / таламический вход, заданный 60% клеток в микросхемах, состоящих из 150 клеток. ( B ) Скорость ответа в микросхемах из 150 клеток в зависимости от процента стимулированных клеток в контрольных условиях (черная кривая) и при удалении дендритных каналов Ca 2+ или Na + (красный и фиолетовый кривые).

Рисунок 5.

Ответ микросхемы на частичный таламический ввод. ( A ) Примерный растровый график (вверху) и PSTH (внизу) для ответа на соматический / таламический вход, заданный 60% клеток в микросхемах, состоящих из 150 клеток. ( B ) Скорость ответа в микросхемах из 150 клеток в зависимости от процента стимулированных клеток в контрольных условиях (черная кривая) и при удалении дендритных каналов Ca 2+ или Na + (красный и фиолетовый кривые).

Вычислительные последствия модуляции ответа из-за дендритной возбудимости и повторяющейся активности, изображенные выше, могут быть использованы для усиления и / или формирования селективности ответа кортикальных клеток на вход таламуса (Douglas et al. 1995; Liu et al. 2007; Ли, Ли и др., 2013 г .; Ли, Ибрагим и др., 2013 г .; Лиен, Сканциани, 2013 г.). Мы исследовали эти возможности, используя нашу сеть TTCs, имитируя визуальный ввод различных ориентаций, поступающих из таламуса. Различные визуальные ориентации моделировались путем изменения амплитуды короткого (5 мс) импульса, представляющего таламический вход (см. Материалы и методы).В контрольных условиях с возбудимыми дендритами ответ в микросхемах из 150 клеток был усилен в 2,3 раза по сравнению с ответом отдельных несвязанных клеток (рис. 6 A , сплошные и пунктирные черные кривые). Однако не было изменений в селективности (в форме настроечной кривой) ячеек (рис. 6 B , сплошные и пунктирные черные кривые). А именно, сеть имела мультипликативный эффект, который масштабировал кривую настройки одинаково для всех входных углов.

Рисунок 6.

Дендритная возбудимость и повторяющаяся активность усиливают ответ на таламический вход, сохраняя при этом избирательность. ( A ) Средний ответ в микросхемах из 150 клеток (сплошные кривые) или в несвязанных клетках (пунктирная черная кривая) на разные амплитуды соматических импульсов, отражающих разные ориентации стимулов (см. Материалы и методы). Контрольные условия изображены черными кривыми, тогда как цветные кривые соответствуют случаям, когда дендритные каналы Ca 2+ или Na + , а также рецепторы NMDA были удалены.( B ) Нормированные кривые отклика взяты из ( A ). ( C ) Вероятность больших дендритных деполяризаций в микросхемах из 150 клеток увеличивалась с ориентацией стимула в сторону предпочтительной ориентации (90 °). Большая дендритная деполяризация была определена как случай, когда интеграл дендритного напряжения на главной апикальной бифуркации составлял> 800 мВ мс. ( D ) Прогнозируемая скорость ответа в микросхемах из 150 ячеек, основанная на вероятности получения большой дендритной деполяризации, как функция ориентации (приведенная в C ) показана зеленой линией.Пурпурная и черная кривые как в ( A ).

Рисунок 6.

Дендритная возбудимость и рекуррентная активность усиливают ответ на таламический вход, сохраняя при этом избирательность. ( A ) Средний ответ в микросхемах из 150 клеток (сплошные кривые) или в несвязанных клетках (пунктирная черная кривая) на разные амплитуды соматических импульсов, отражающих разные ориентации стимулов (см. Материалы и методы). Контрольные условия изображены черными кривыми, тогда как цветные кривые соответствуют случаям, когда дендритные каналы Ca 2+ или Na + , а также рецепторы NMDA были удалены.( B ) Нормированные кривые отклика взяты из ( A ). ( C ) Вероятность больших дендритных деполяризаций в микросхемах из 150 клеток увеличивалась с ориентацией стимула в сторону предпочтительной ориентации (90 °). Большая дендритная деполяризация была определена как случай, когда интеграл дендритного напряжения на главной апикальной бифуркации составлял> 800 мВ мс. ( D ) Прогнозируемая скорость ответа в микросхемах из 150 ячеек, основанная на вероятности получения большой дендритной деполяризации, как функция ориентации (приведенная в C ) показана зеленой линией.Пурпурная и черная кривые как в ( A ).

Мы количественно оценили селективность в каждом случае, используя полуширину на полувысоте, которая характеризует селективность вокруг предпочтительной ориентации; а также использовали индекс селективности, который является более глобальным показателем селективности (см. Материалы и методы). В обоих случаях ячейки имели среднюю полуширину настройки на полувысоте 29 °, вокруг предпочтительного угла (произвольно назначенного равным 90 °). Индекс селективности был несколько меньше в неподключенных ячейках по сравнению с микросхемами из 150 ячеек (0.45 против 0,53 соответственно) из-за уменьшения разницы между нормализованными ответами на предпочтительную и нулевую ориентации.

Интересно, что когда дендритные каналы Na + были удалены, усиление было отменено, а средняя кривая настройки в ячейках микросхем 150 была расширена неоднородным образом (Рис. 6 A , B , фиолетовая кривая). Центральная часть кривой (вокруг предпочтительной ориентации) выровнялась, в результате чего микросхема реагировала одинаково на все углы от 70 ° до 110 °.Полуширина перестройки на полувысоте увеличилась с 29 ° до 39 °. Общий индекс селективности в этом случае снизился лишь незначительно (0,48 по сравнению с 0,53 в контроле) из-за резкости кривой. Следовательно, удаление возбудимых каналов из дендритов в микросхемах из 150 ячеек привело к общему снижению селективности на 35%, а также к полному устранению селективности для углов в пределах 20 ° от исходной предпочтительной ориентации. Напротив, удаление дендритных каналов в отдельных несвязанных клетках не изменило их селективности (не показано).Небольшое и широкое усиление из-за повторяющейся активности микросхемы в случае удаленных дендритных каналов Na + выравнивается на ∼22 Гц (рис. 6 A , фиолетовая кривая). Таким образом, повторяющаяся активность привела к пороговому значению всех клеток, в которых нежелательные углы (более слабые таламические стимулы) были недостаточны для запуска возбуждения, в результате все клетки микросхемы запускали один AP (что эквивалентно средней скорости ответа ~ 20 Гц в Временное окно 50 мс) для широкого диапазона углов от предпочтительной ориентации.Как отмечалось выше, одна рекуррентная активность (без дендритной возбудимости) не была эффективной для запуска более одного спайка на клетку по причинам рефрактерности спайков и низкой вероятности соединений между клетками в микросхеме. Следовательно, при усилении ответа кортикальными микросхемами дендритная возбудимость имела решающее значение для увеличения скорости ответа таким образом, чтобы поддерживать селективность стимула, индуцированную в отдельных клетках. Удаление дендритных каналов Ca 2+ частично уменьшило усиление и увеличило ширину перестройки (рис.6 A , B , красная кривая), тогда как удаление рецепторов NMDA еще больше расширило ширину настройки до такой же степени, что и при удалении дендритных каналов Na + (Рис.6 A , B , синяя кривая ). В этом случае верхняя часть кривой не была плоской, что указывает на то, что дендритные каналы Na + вносят непосредственный вклад в усиление соматического ответа вблизи предпочтительных ориентаций.

Участие дендритной возбудимости в противодействии широкой амплификации из-за рекуррентной активности также было очевидно из связи между вероятностью достижения большой дендритной деполяризации (интеграл дендритного напряжения> 800 мВ мс, либо через возбуждение NMDA или BAC) и ориентацией стимула в микросхемы из 150 ячеек (рис.6 С ). При предпочтительной ориентации (90 °) вероятность достижения большой дендритной деполяризации составляла 55% и почти линейно падала до низкой вероятности 1% при ориентациях дальше 45 ° от предпочтительной ориентации. Это указывало на то, что возбудимость дендритов усиливала ответ в большей степени, поскольку ориентация стимула была ближе к предпочтительной ориентации. Действительно, если предположить, что во время срабатывания BAC произойдет выброс из 3 AP, прогнозируемая скорость реакции из-за этого увеличения вероятности большой дендритной деполяризации хорошо учитывала резкую селективность по сравнению с таковой в случае невозбудимых дендритов (рис.6 D , зеленая линия против фиолетовой).

Моделирование таламического входа с использованием соматического тока в форме ВПСП (а не короткого импульса тока) с постоянной времени затухания 5 мс (Константинополь и Бруно, 2013) или замена соматического стимула комбинацией соматического стимула и дендритного стимула в основная бифуркация существенно не изменила результаты (не показано). Мы отмечаем, что, поскольку эффект усиления примерно пропорционален изменению усиления между максимальным и минимальным откликом, величина усиления должна изменяться в зависимости от размера микросхемы, так как скорости отклика показаны на рисунке 2 D .

Обсуждение

Путем анализа повторяющихся микросхем подробных взаимосвязанных клеток с толстыми пучками L5, получающих таламический вход, мы предоставили первое указание на то, что дендритная возбудимость вносит значительный вклад в сетевую модуляцию ответа на восходящий (таламический) вход. Мы показали, что значительная часть этой модуляции опосредована BAP, запускающим нелинейности NMDA, а также активацией BAC (Larkum et al.1999; Stuart and Hausser 2001) из-за совпадения спайка, вызванного таламическим входом и интракортикальным (дендритным) вход, возникающий из локальной корковой микросхемы клеток с одинаковым предпочтением стимулов.Мы показываем, что этот усиленный ответ из-за дендритной нелинейности может служить механизмом для линейного умножения таламокортикальных сигналов — усиления ответа на восходящий вход при сохранении селективности клеток (формы их настраиваемой кривой).

Кортикальная амплификация была оценена экспериментально только в возбуждающих клетках из L4. Эти клетки, как известно, не генерируют феномен активации BAC, однако они демонстрируют дендритные шипы NMDA и рекуррентно связаны аналогично L5 TTC (Thomson and Lamy 2007; Lavzin et al.2012). Недавние экспериментальные исследования показали, что повторяющаяся корковая активность увеличивает скорость ответа клеток L4 на таламический вход в 2-3 раза без изменения селективности ответа (Li, Li et al., 2013; Li, Ibrahim et al., 2013; Lien and Scanziani 2013). Вовлечет ли это усиление в L4 всплески NMDA и / или точно настроенное ингибирование (см. Ниже) в дополнение к повторяющейся возбуждающей активности микросхемы, еще предстоит определить. Наше моделирование показывает, что повторяющаяся активность в микросхемах 150 TTC привела к аналогичному увеличению скорости ответа (коэффициент 2.3, неизменная селективность стимула), и что режим по умолчанию этого усиления основан на дендритной нелинейности (срабатывание NMDA и BAC). Микросхемы такого размера были способны обеспечивать дендритный вход, необходимый для запуска BAC-импульса после одиночного соматического импульса, вызванного таламическим входом. И NMDA, и дендритные каналы Na + были необходимы для амплификации. Таким образом, соматический спайк Na + распространялся обратно в дендриты и суммировался с дендритным входом, поступающим от других клеток микросхемы, вызывая опосредованную NMDA деполяризацию и локальный дендритный спайк Ca 2+ , который, в свою очередь, приводил к высокочастотный всплеск дополнительных всплесков Na + в соме, как ранее было охарактеризовано in vitro (Larkum et al.1999, 2004). Без дендритной возбудимости небольшие сети из нескольких сотен кортикальных клеток были способны лишь к незначительному и неспецифическому усилению одноклеточного ответа в изолированном состоянии, что увеличивало селективность ответа почти на 40% (рис. 6). Таким образом, наши результаты показывают, что дендритная возбудимость увеличивает вычислительную мощность корковых сетей и, в частности, имеет решающее значение для повышения активности микросхем с аналогичным предпочтением стимулов при сохранении избирательности ответа.

Участие активной дендритной проводимости в корковой динамике также предсказано недавними исследованиями потенциала локального поля в смоделированном крупномасштабном кортикальном контуре (Reimann et al. 2013). Будущие достижения в экспериментальных методах должны позволить избирательно блокировать дендритную возбудимость в неповрежденном мозге и, таким образом, проверить наши прогнозы относительно мультипликативной роли дендритной возбудимости. Мы отмечаем, что этот режим корковой модуляции может быть эффективно настроен с помощью целевого дендритного ингибирования, например, ингибирования, которое предпочтительно блокирует дендритный спайк Ca 2+ (Gidon and Segev 2012).

Важная роль токов NMDA в модуляции клеточного ответа согласуется с предыдущими исследованиями (Schiller et al. 2000; Losonczy and Magee 2006; Lavzin et al. 2012; Smith et al. 2013). Хотя подавление с прямой связью было достаточным для ограничения микросхем, возможно, что повторяющееся подавление в моделируемой микросхеме может ограничить активность схемы в достаточной степени, что потребует еще большего вовлечения нелинейностей NMDA для усиления срабатывания ВАС (Larkum et al.2009 г.). В будущих исследованиях следует изучить эту возможность путем включения повторяющегося ингибирования, такого как интернейроны Мартинотти, которые образуют дисинаптическую петлю с пирамидными клетками (Silberberg and Markram 2007). Мы ожидаем, что основной эффект такого включения потребует активации микросхем большего размера для достижения того же усиления, которое мы наблюдали здесь. В самом деле, большие микросхемы при наших упрощенных симуляциях имели аномально большую частоту спонтанных действий, которая, следовательно, лучше сдерживалась бы повторяющимся торможением.Вдобавок, клетки Мартинотти, нацеленные на пучки, позволят четко модулировать вклад NMDA по сравнению с активацией BAC в вычисления микросхемы.

Детальное понимание сетевой динамики в реальных биологических цепях в значительной степени отсутствует. По этой причине в настоящем исследовании мы построили более простой сетевой модуль, состоящий из локальной возбуждающей микросхемы L5, реально подключенной, при этом упростив вклад более крупной сети, допуская стохастический фоновый вход с разумными возбуждающими и тормозящими фоновыми синапсами, который воспроизводит экспериментально наблюдали самовозгорание в ТТК.В нашем моделировании, как и в предыдущих исследованиях повторяющихся микросхем (Дуглас и др., 1995), фоновое прямое ингибирование было достаточным, чтобы ограничить уровень активности в микросхемах, включающих до 150 клеток. Анатомические и функциональные исследования показывают, что корковая сеть действительно содержит кластеры клеток такого размера (Perin et al. 2011). Поскольку наши микросхемы из 150 клеток производили амплификацию, аналогичную наблюдаемой экспериментально в L4, возможно, что эффективная локальная корковая активация включает такое же количество клеток.Следует изучить участие точно настроенного целевого ингибирования, растормаживания или даже нейромодуляции (Palmer et al. 2012; Haider et al. 2013; Pfeffer et al. 2013; Polack et al. 2013). Будущие теоретические исследования, следовательно, должны увеличить сложность сети, чтобы включить ингибирование обратной связи с помощью смоделированных тормозных клеток (Druckmann et al. 2007). Особый интерес представляют ингибирующие клетки, которые нацелены на дистальные дендриты в TTC и, таким образом, влияют на сцепление между соматическими и дендритными шипами (Murayama et al.2009; Гидон, Сегев 2012). Кроме того, включение рецепторов GABA B , которые, как было показано, модулируют управляемые по напряжению каналы Ca 2+ (Chalifoux and Carter 2011), позволит провести дальнейшие исследования средств точной настройки усиления и вычислений микросхемы для Например, переключением с полной амплификации на частичную только с помощью NMDA, аналогично тому, что мы показали, блокируя каналы Ca 2+ и рецепторы NMDA.

Модуляция ответа была устойчивой к временному дрожанию (10 мс) таламического стимула.Этот таламический джиттер по порядку величины наблюдается в большинстве корковых слоев во время ответа in vivo (Heimel et al. 2005). Действительно, предыдущие исследования показывают, что высокосинхронный вход таламуса (Bruno and Sakmann, 2006) приводит к синхронному внутрикортикальному входу (Bruno 2011) и не должен вызывать большого дрожания. Устойчивость наших результатов в реалистичных шумных условиях указывает на устойчивость усиления ВПСП с помощью BAP, а также срабатывания BAC в таких ожидаемых нестабильных условиях в неповрежденном мозге и дополняет экспериментальные оценки временного окна 20-30 мс, в котором совпадающие ( соматические плюс дендритные) стимулы снижают порог генерации дендритного спайка Ca 2+ (Larkum et al.1999, 2004).

Было высказано предположение, что совпадение восходящего (таламического) входа и дендритного входа (происходящего как из локального контура, так и из других областей коры головного мозга, Феллеман и Ван Эссен, 1991) в TTCs лежит в основе когнитивных ассоциаций и перцептивного связывания внешних сенсорных сигналов. входы и внутренние корковые представления через дендритные нелинейности (Felleman and Van Essen 1991; Larkum 2012). Наше моделирование показывает, что повторяющаяся активность в локальных кортикальных микросхемах, состоящих из 50–150 TTC, обеспечивает достаточный совпадающий дендритный вход для запуска дендритных нелинейностей и, таким образом, значительно модулирует восходящий сигнал.Более того, замена соматического стимула комбинацией соматического стимула и дендритного стимула в основной бифуркации не изменила наши результаты (не показаны). В будущих исследованиях следует изучить, как нисходящий дендритный вход из других областей коры может способствовать этой модуляции, возможно, за счет снижения порога срабатывания дендритной нелинейности (Larkum et al. 2009) и, таким образом, увеличения мощности усиления для данного размера микросхемы.

Финансирование

Это исследование финансировалось Израильским научным фондом, проектным фондом EPFL для проекта Blue Brain, внутренней стипендией Э.Хэй из Междисциплинарного центра нейронных вычислений и Благотворительного фонда Гэтсби. Средства на оплату публикации этой статьи в открытом доступе были предоставлены из вышеуказанных источников.

Банкноты

Конфликт интересов : Не объявлен.

Список литературы

.

2010

.

Подслойные микросхемы кортикоспинальных и кортикостриатных нейронов моторной коры

.

Nat Neurosci

.

13

:

739

744

.

.

1995

.

Теория настройки ориентации зрительной коры

.

Proc Natl Acad Sci USA

.

92

:

3844

3848

.

.

2004

.

Количественная карта цепи первичной зрительной коры кошки

.

Дж. Neurosci

.

24

:

8441

8453

.

.

2011

.

Синхронность в ощущении

.

Curr Opin Neurobiol

.

21

:

701

708

.

.

2006

.

Кора головного мозга управляется слабыми, но синхронно активными таламокортикальными синапсами

.

Наука

.

312

:

1622

1627

.

.

2011

.

Нейронная динамика как выборка: модель для стохастических вычислений в рекуррентных сетях импульсных нейронов

.

PLoS Comput Biol

.

7

:

e1002211

.

.

2009

.

Вычисления, зависимые от состояния: пространственно-временная обработка в корковых сетях

.

Нат Рев Neurosci

.

10

:

113

125

.

.

2006

.

Книга НЕЙРОН

.

Кембридж, Великобритания

/

Нью-Йорк

:

Cambridge University Press

.

.

2011

.

Модуляция рецептора GABAB чувствительных к напряжению кальциевых каналов в шипах и дендритах

.

Дж. Neurosci

.

31

:

4221

4232

.

.

1999

.

Сложные клетки как простые клетки с кортикальной амплификацией

.

Nat Neurosci

.

2

:

277

282

.

.

2013

.

Глубокие корковые слои активируются непосредственно таламусом

.

Наука

.

340

:

1591

1594

.

.

2011

.

Эффекты и механизмы бодрствования на локальные корковые сети

.

Нейрон

.

69

:

1061

1068

.

.

2007

.

Слоистая и специфичная для клеточного типа надпороговая репрезентация стимула в первичной соматосенсорной коре крыс

.

Дж. Физиол

.

581

:

139

154

.

.

1994

.

Синтез моделей возбудимых мембран, синаптической передачи и нейромодуляции с использованием общего кинетического формализма

.

Дж. Comput Neurosci

.

1

:

195

230

.

.

1995

.

Рекуррентное возбуждение в контурах неокортекса

.

Наука

.

269

:

981

985

.

.

2007

.

Картирование матрицы: способы неокортекса

.

Нейрон

.

56

:

226

238

.

.

2004

.

Нейронные цепи неокортекса

.

Анну Рев Neurosci

.

27

:

419

451

.

.

2007

.

Новая структура многоцелевой оптимизации для ограничения моделей нейронов на основе проводимости экспериментальными данными

.

Фронт Neurosci

.

1

:

7

18

.

.

1991

.

Распределенная иерархическая обработка в коре головного мозга приматов

.

Cereb Cortex

.

1

:

1

47

.

.

2007

.

Постнатальное развитие синаптической передачи в локальных сетях пирамидных нейронов L5A соматосенсорной коры крыс

.

Дж. Физиол

.

585

:

103

116

.

.

2002

.

Кодирование временной информации синапсами, зависящими от активности

.

Дж Нейрофизиол

.

87

:

140

148

.

.

2010

.

Динамика мембранного потенциала ГАМКергических нейронов в бочкообразной коре головного мозга мышей

.

Нейрон

.

65

:

422

435

.

.

2012

.

Принципы действия синаптического торможения в дендритах

.

Нейрон

.

75

:

330

341

.

.

1979

.

Морфология и интракортикальные проекции функционально охарактеризованных нейронов зрительной коры головного мозга кошки

.

Природа

.

280

:

120

125

.

.

2000

.

Принципы организации разнообразных ГАМКергических интернейронов и синапсов в неокортексе

.

Наука

.

287

:

273

278

.

.

2013

.

Торможение доминирует над сенсорными реакциями в бодрствующей коре головного мозга

.

Природа

.

493

:

97

100

.

.

2011

.

Модели пирамидных клеток неокортикального слоя 5b, обладающие широким спектром дендритных и перисоматических активных свойств

.

PLoS Comput Biol

.

7

:

e1002107

.

.

2005

.

Ламинарная организация свойств ответа в первичной зрительной коре серого белка ( Sciurus carolinensis )

.

Дж Нейрофизиол

.

94

:

3538

3554

.

.

2010

.

Биологически реалистичная корковая модель управления движением глаз при чтении

.

Psychol Rev

.

117

:

808

830

.

.

2007

.

Модель микросхемы лобных полей глаза

.

Дж. Neurosci

.

27

:

9341

9353

.

.

1999

.

Динамика дендритного кальция in vivo в пирамидных нейронах глубокого слоя коры

.

Nat Neurosci

.

2

:

989

996

.

.

1992

.

Активация и десенсибилизация активированных глутаматом каналов, обеспечивающих быстрые возбуждающие синаптические токи в зрительной коре

.

Нейрон

.

9

:

991

999

.

.

2004

.

ModelDB: база данных для поддержки вычислительной нейробиологии

.

Дж. Comput Neurosci

.

17

:

7

11

.

.

2006

.

Кортикальные сети прямой связи для связывания различных потоков сенсорной информации

.

Nat Neurosci

.

9

:

1472

1473

.

.

2011

.

Функциональная специфика локальных синаптических связей в неокортикальных сетях

.

Природа

.

473

:

87

91

.

.

2012

.

Клеточный механизм корковых ассоциаций: принцип организации коры головного мозга

.

Trends Neurosci

.

36

:

141

151

.

.

2009

.

Синаптическая интеграция в пучковые дендриты пирамидных нейронов слоя 5: новый объединяющий принцип

.

Наука

.

325

:

756

760

.

.

2004

.

Нисходящий дендритный вход увеличивает усиление пирамидных нейронов слоя 5

.

Cereb Cortex

.

14

:

1059

1070

.

.

2002

.

Передача сигналов слоя 1 и вызванных усами потенциалов действия Ca 2+ и Na + в дистальных и концевых дендритах пирамидных нейронов неокортекса крысы in vitro и in vivo

.

Дж. Neurosci

.

22

:

6991

7005

.

.

1999

.

Новый клеточный механизм для связывания входов, поступающих в разные слои коры

.

Природа

.

398

:

338

341

.

.

2012

.

Нелинейная дендритная обработка определяет угловую настройку нейронов бочкообразной коры in vivo

.

Природа

.

490

:

397

401

.

.

2013

.

Линейное преобразование таламокортикального входа путем внутрикортикального возбуждения

.

Nat Neurosci

.

16

:

1324

1330

.

.

2013

.

Интракортикальное умножение таламокортикальных сигналов в слуховой коре мышей

.

Nat Neurosci

.

16

:

1179

1181

.

.

2013

.

Настроенное таламическое возбуждение усиливается зрительными корковыми цепями

.

Nat Neurosci

.

16

:

1315

1323

.

.

2009

.

Кортикальная схема, реализующая графические модели

.

Нейронные вычисления

.

21

:

3010

3056

.

.

2007

.

Определение настройки корковой частоты с помощью схемы рекуррентного возбуждения

.

Nat Neurosci

.

10

:

1594

1600

.

.

2006

.

Интегративные свойства радиальных косых дендритов в пирамидных нейронах СА1 гиппокампа

.

Нейрон

.

50

:

291

307

.

.

1997

.

Физиология и анатомия синаптических связей между толстыми пучками пирамидных нейронов в развивающейся неокортексе крысы

.

Дж. Физиол

.

500

(Pt 2)

:

409

440

.

.

2010

.

Тип клеток таламической иннервации в колонке вибриссальной коры крыс

.

Cereb Cortex

.

20

:

2287

2303

.

.

2009

.

Дендритное кодирование сенсорных стимулов, контролируемых глубокими кортикальными интернейронами

.

Природа

.

457

:

1137

1141

.

.

2012

.

Усиление контроля на шестом уровне в корковых цепях зрения

.

Природа

.

483

:

47

52

.

.

2012

.

Клеточная основа межполушарного ингибирования, опосредованного ГАМК (В)

.

Наука

.

335

:

989

993

.

.

2014

.

Шипы NMDA усиливают генерирование потенциала действия во время сенсорного ввода

.

Nat Neurosci

.

17

:

383

390

.

.

2013

.

Индукция и модуляция постоянной активности в слое V микросхемы PFC модели

.

Передние нейронные цепи

.

7

:

161

.

.

2011

.

Принцип синаптической организации групп корковых нейронов

.

Proc Natl Acad Sci USA

.

108

:

5419

5424

.

.

2013

.

Ингибирование торможения в зрительной коре: логика связей между молекулярно различными интернейронами

.

Nat Neurosci

.

16

:

1068

1076

.

.

2013

.

Клеточные механизмы модуляции усиления в зависимости от состояния мозга в зрительной коре

.

Nat Neurosci

.

16

:

1331

1339

.

.

2004

.

Вычислительные субъединицы в тонких дендритах пирамидных клеток

.

Nat Neurosci

.

7

:

621

627

.

.

2009

.

Кодирование и декодирование пакетов с помощью пиков NMDA в базальных дендритах пирамидных нейронов 5 слоя

.

Дж. Neurosci

.

29

:

11891

11903

.

.

2012

.

Внутреннее морфологическое разнообразие пирамидных нейронов слоя 5 с толстыми пучками обеспечивает устойчивые и инвариантные свойства in silico синаптических связей

.

Дж. Физиол

.

590

:

737

752

.

.

2013

.

Биофизически подробная модель неокортикальных локальных потенциалов поля предсказывает критическую роль активных мембранных токов

.

Нейрон

.

79

:

375

390

.

.

1999

.

Переключатель развития при кратковременной модификации унитарных ВПСП, вызванных в пирамидных нейронах 2/3 и 5 слоя неокортекса крысы

.

Дж. Neurosci

.

19

:

3827

3835

.

.

2006

.

Свойства и значение шипов NMDA в пирамидных клетках неокортекса

.

Дж. Neurosci

.

26

:

6704

6715

.

.

2002

.

Ориентационная селективность у макаки V1: разнообразие и ламинарная зависимость

.

Дж. Neurosci

.

22

:

5639

5651

.

.

1996

.

Электрофизиологическое картирование опосредованного рецепторами ГАМК-ингибирования в соматосенсорной коре взрослых крыс

.

Дж Нейрофизиол

.

75

:

1589

1600

.

.

2007

.

Моделирование модуля слой 4-слой 2/3 одного столбца в неокортексе крысы: переплетение экспериментальных наблюдений in vitro и in vivo

.

Proc Natl Acad Sci USA

.

104

:

16353

16358

.

.

2000

.

NMDA-шипы в базальных дендритах кортикальных пирамидных нейронов

.

Природа

.

404

:

285

289

.

.

2001

.

Опосредованные рецептором NMDA дендритные шипы и совпадающее усиление сигнала

.

Curr Opin Neurobiol

.

11

:

343

348

.

.

2007

.

Дисинаптическое ингибирование пирамидных клеток неокортекса, опосредованное клетками Мартинотти

.

Нейрон

.

53

:

735

746

.

.

2013

.

Дендритные шипы повышают избирательность стимулов в корковых нейронах in vivo

.

Природа

.

503

:

115

120

.

.

2005

.

Сильно неслучайные особенности синаптической связности в локальных корковых цепях

.

ПЛоС Биол

.

3

:

e68

.

.

2001

.

Обнаружение дендритных совпадений ВПСП и потенциалов действия

.

Nat Neurosci

.

4

:

63

71

.

.

1995

.

Моделирование направленной селективности простых клеток полосатой зрительной коры в рамках канонической микросхемы

.

Дж. Neurosci

.

15

:

6700

6719

.

.

2009

.

Взаимодействия путей и синаптическая пластичность в дендритных областях пучка пирамидных нейронов CA1

.

Нейрон

.

62

:

102

111

.

.

2007

.

Функциональные карты локальной схемотехники неокортекса

.

Фронт Neurosci

.

1

:

19

42

.

.

2005

.

Модель таламокортикальной сети с одной колонкой, демонстрирующая гамма-колебания, сонное веретено и эпилептогенные всплески

.

Дж Нейрофизиол

.

93

:

2194

2232

.

.

1997

.

Нейронный код между пирамидными нейронами неокортекса зависит от вероятности высвобождения нейромедиатора

.

Proc Natl Acad Sci USA

.

94

:

719

723

.

.

2013

.

Временная синхрония и преобразование мощности гамма-тета в дендритах пирамидных нейронов CA1

.

Nat Neurosci

.

16

:

1812

1820

.

.

2007

.

Сходство и разнообразие зрительной коры: существует ли объединяющая теория корковых вычислений?

Невролог

.

13

:

639

656

.

.

2007

.

Зависящая от пути динамика возбуждающей синаптической передачи во внутрикортикальных цепях крыс

.

Дж. Физиол

.

585

:

759

777

.

.

2012

.

Нелинейная дендритная интеграция сенсорных и моторных входов во время задачи активного зондирования

.

Природа

.

492

:

247

251

.

.

2005

.

Мелкомасштабная специфичность корковых сетей зависит от типа тормозных клеток и связности

.

Nat Neurosci

.

8

:

1552

1559

.

.

2005

.

Возбуждающие корковые нейроны образуют мелкомасштабные функциональные сети

.

Природа

.

433

:

868

873

.

© Автор, 2014. Опубликовано Oxford University Press

Это статья в открытом доступе, распространяемая в соответствии с условиями некоммерческой лицензии Creative Commons Attribution (http://creativecommons.org/licenses/by-nc/4.0/) , который разрешает некоммерческое повторное использование, распространение и воспроизведение на любом носителе при условии правильного цитирования оригинальной работы. По вопросам коммерческого повторного использования обращайтесь в журналы[email protected]

Высокопроизводительный анализ микросхем человеческого мозга с помощью мультинейронного патч-зажима нового поколения

Существенных изменений:

1) Одной из основных проблем является система очистки пипеток, адаптированная авторами. Основываясь на исходном протоколе CR Forest, необходим дополнительный этап для очистки остаточного детергента, приставшего к внешней поверхности наконечника пипетки с помощью ACSF, перед перемещением пипеток в записывающую камеру для попытки пластыря, однако Пэн и его коллеги пропустили этот шаг.Авторы заявляют, что есть веская практическая причина для пропуска этого шага, но данных в поддержку этой практики предоставлено мало или они отсутствуют. Они утверждают, что не было различий в качестве записи или электрофизиологических свойствах между пипетками вначале и после очистки, но эти утверждения должны быть подтверждены данными. В частности, было бы важно сообщить, как мембранный потенциал, входное сопротивление, синаптические события и параметры потенциала действия (амплитуда, ширина и др.) Изменяются со временем после исправления и повторного сопоставления.

Благодарим вас за понимание нашего обоснования отказа от дополнительной очистки. Мы согласны с тем, что эта практика и наше заявление о неизменной физиологии нейронов должны быть подтверждены дополнительными данными. Чтобы оценить возможное влияние нашего протокола очистки на качество записи и электрофизиологические свойства, мы провели дополнительные эксперименты на острых срезах мозга из моторной коры головного мозга крыс. Мы зарегистрировали 81 нейрон в 12 срезах мозга от 2 животных (P21, P22) с помощью 28 пипеток с двумя последовательными циклами очистки и сравнили клеточную и синаптическую физиологию.Мы исключили 4 интернейрона, кроме того, были исключены 9 клеток с деполяризованным мембранным потенциалом, которые были зарегистрированы на свежих и очищенных пипетках с равной вероятностью (3/28 клеток со свежими пипетками, 2/28 клеток после первой очистки и 4/28 клеток после второй очистки. ), подробнее см. в разделе «Материалы и методы».

Мы построили график распределения клеточных и синаптических свойств свежих и очищенных пипеток на рисунке 3. Кроме того, мы рассчитали среднее относительное изменение и его доверительный интервал для всех запрошенных параметров.Мы обнаружили, что относительное изменение среднего значения этих параметров находится в пределах 10%. Мы также рассчитали доверительный интервал этих относительных средних изменений, который представляет собой границы статистически значимой эквивалентности. В целом, мы не нашли доказательств систематического воздействия нашего подхода к очистке на клеточную или синаптическую физиологию. Мы включили статистические результаты в качестве исходных данных на рис. 3 и соответствующим образом адаптировали раздел «Материалы и методы».

2) В статье слишком много внимания уделяется анализу связности и игнорируются его ограничения, например.г., ложные негативы. Вместо этого авторы могут пожелать подчеркнуть, что мультипатч-запись в настоящее время является единственным доступным методом для анализа прочности и краткосрочной пластичности моносинаптической связи.

Мы благодарим рецензента за то, что он поднял этот вопрос, и соглашаемся с тем, что существуют ограничения в отношении анализа связности с использованием мультипатч-записей. Мы включили параграф, посвященный потенциальным причинам ложноотрицательных результатов в Обсуждение.

Мы также согласны с тем, что синаптическая сила и краткосрочная пластичность являются важными параметрами этих связей.Несмотря на то, что парная конфигурация записи с фиксацией фиксации представляет собой оптимальный подход к анализу этих параметров, их также можно определить, комбинируя записи с фиксацией фиксации с двухфотонной фиксацией глутамата или оптогенетической стимуляцией. Однако надежность пресинаптической стимуляции может быть ниже, чем при использовании метода патч-кламп. Мы подчеркнули важность этих параметров и технические преимущества мультипатч-подхода в соответствующем разделе «Обсуждение».

3) Важные отсутствующие экспериментальные детали включают указание на возможность исправления ячеек во время записи из других ячеек, время, необходимое для проверки возможности подключения, и анализ распределения расстояний между записанными ячейками (например,g., является ли распределение ячеек по расстояниям, полученным для продления записи, таким же, как полученное изначально?).

Хотя проверка возможности подключения одновременно с установкой исправлений сэкономила бы время, мы воздержались от этого по нескольким практическим причинам, которые мы изложили в новом абзаце в разделе «Результаты». Мы также включили время, необходимое для проверки возможности подключения и измерения внутренних свойств ячеек (раздел «Результаты»).

Мы благодарим рецензента за то, что он поднял важный вопрос о том, что межсоматические расстояния могут влиять на вероятность соединения и что расположение репатриированных ячеек следует контролировать, чтобы предотвратить возможное смещение.Как и предполагалось, мы проанализировали влияние очистки с расширением на межсоматическое расстояние в наших предыдущих экспериментах с предубикулумом крыс и обнаружили аналогичное распределение между кластерами, полученными с очисткой с расширением и без нее. Мы построили распределение расстояний на Рисунке 5 — в приложении 1 к рисунку и обсудили их в разделе «Результаты».

4) Авторы подчеркивают некоторые преимущества полуавтоматического подхода, но не определяют другие аспекты мультипатч-экспериментов, которые могут выиграть от автоматизации — например, сбор данных и онлайн-контроль качества, а также обнаружение соединения в реальном времени.Учитывая потенциал для сбора такого большого объема данных, следует рассмотреть формат данных (например, нейроданные без границ), совместное использование данных, автоматизацию обнаружения и анализа соединений.

Мы согласны с тем, что есть несколько аспектов экспериментов, которые можно автоматизировать в дальнейшем, и мы также убеждены, что увеличение объема данных требует стандартизации анализа и формата данных. Однако мы видим компромисс между экспериментальной гибкостью и автоматизацией сбора и анализа данных.Поскольку мы хотели максимизировать применимость для других групп и их конкретных вопросов в этом отчете, мы использовали коммерчески доступное программное обеспечение для сбора данных, в то время как автоматический анализ трассировки для обнаружения соединений, безусловно, важен и является постоянной задачей. Хотя программное обеспечение Signal может также выполнять онлайн-анализ, мы считаем, что это необходимо только для экспериментов с замкнутым циклом. Мы включили новый абзац по этим вопросам в раздел «Обсуждение». Мы также поддерживаем усилия открытой науки и разработки стандартизированного формата данных для облегчения сотрудничества.Мы предоставили предложения по этой теме в разделе «Обсуждение».

5) Несмотря на то, что использование редких живых тканей человека и, особенно, для увеличения объема данных по каждому образцу является веским основанием для разработки систем с несколькими заплатками, возможно, еще не известно, будет ли этого достаточно, чтобы исследовать разницу между частные лица. Какие различия наблюдались при обсуждении различий между людьми? Типы ячеек, связи? Я бы посоветовал авторам смягчить это утверждение.

Мы понимаем озабоченность автора обзора относительно статистической силы наших размеров выборки для выявления значимых различий между людьми. Мы хотим подчеркнуть, что наша основная цель получения больших выборок от отдельных пациентов состоит не в том, чтобы определить эти различия между отдельными людьми, а, скорее, в том, чтобы получить возможность оценивать индивидуальную изменчивость. Мы считаем, что это очень важно, поскольку ткань получена от очень разнородной группы пациентов.Анализ данных на индивидуальном уровне может помочь нам определить инвариантные параметры, которые могут указывать на общие принципы коры головного мозга человека. С другой стороны, параметры с высокой индивидуальной вариабельностью следует анализировать с осторожностью и проводить дальнейшие исследования. Поэтому мы считаем, что получение статистически значимых наборов данных у одиноких пациентов является важным шагом для мотивации и руководства будущими исследованиями. Мы перефразировали и детализировали нашу претензию в рукописи, чтобы лучше отразить этот аспект (Аннотация; Введение; Обсуждение).

В нашем предварительном анализе мы не обнаружили существенных различий во взаимосвязи пирамидных клеток между пациентами, в то время как мы определили, что доверительный интервал различий в вероятности соединения находился в диапазоне от -5% до 9,5%. В целом, мы полагаем, что полный анализ и обсуждение потенциальных инвариантных и вариантных параметров выходят за рамки этого технического отчета, и их лучше рассмотреть в отдельной исследовательской статье. Мы добавили статистический анализ в соответствующие разделы «Результаты» и «Материалы и методы».

[Примечание редакции: до принятия были запрошены дополнительные исправления, как описано ниже.]

Рукопись была значительно улучшена, но остается одна проблема, которую необходимо решить перед принятием, как указано ниже:

Относительно новых экспериментов по повторному связыванию после обработки Alconox без промывки Alconox (подраздел «Окончательная последовательность удаления не требует дополнительных лунок, содержащих aCSF»). Они убедительны и показывают, что в тканях мозга молодых крыс в целом наблюдается небольшой кумулятивный эффект процесса очистки на последующее здоровье нейронов.Здесь необходимо прояснить два момента.

1) Ожидают ли авторы, что результаты со зрелой тканью мозга человека будут эквивалентны результатам с тканью мозга молодой крысы? Есть ли какие-либо ограничения, о которых нам следует знать в этом валидационном эксперименте.

2) Были ли когда-либо одни и те же нейроны репатриированы после очистки? Это позволит провести прямое сравнение свойств нейронов до и после очистки патч-пипетки.

Мы провели первые ревизионные эксперименты на крысах, потому что у нас редко есть человеческие ткани и мы не получали их во время ревизии.Мы также не пытались перепатчить одни и те же нейроны. Однако нам повезло, и мы дважды получали человеческую ткань за последние две недели, и теперь мы провели дополнительные эксперименты, чтобы оценить влияние очистки на электрофизиологические свойства нейронов человека.

Мы сравнили свойства нейронов, покрытых свежими (n = 24) или очищенными пипетками (n = 9, рисунок 3 — приложение к рисунку 1). Мы также перепрограммировали те же нейроны той же очищенной пипеткой (n = 9, рисунок 3 — приложение к рисунку 2) или другой свежей пипеткой (n = 5, рисунок 3 — приложение к рисунку 3).Мы могли показать, что внутренние электрофизиологические свойства человеческих нейронов были и оставались одинаковыми в разных условиях (статистические данные и тесты на рисунке 3 — исходные данные 1). Хотя мы действительно наблюдали значительное снижение входного сопротивления в клетках, повторно исправленных с помощью очищенной пипетки, несколько дополнительных факторов могли способствовать изменчивости в этих нейронах, например, эффект самовоспроизведения или прошедшее время. Эти не зависящие от очистки изменения отражаются в вариабельности, обнаруженной также в нейронах, повторно обработанных свежими пипетками (Рисунок 3 — приложение к рисунку 3).

Поскольку мы показали, что сама пипетка не оказывает систематического влияния на внутренние свойства, мы также рассмотрели возможность того, что внеклеточный раствор, в котором были промыты пипетки, мог иметь эффект (Рисунок 3 — рисунок Приложение 4). Поэтому мы исправили кластеры нейронов (n = 19) и сравнили их свойства и синаптические связи (n = 7) до и после очистки других пипеток, чтобы смоделировать изменения во внеклеточном растворе после промывания.Опять же, мы обнаружили, что потенциал мембраны покоя и кинетика потенциала действия оставались очень стабильными (средняя относительная разница в пределах 2%), в то время как входное сопротивление и сопротивление доступа увеличивались. Мы также не наблюдали особой тенденции в постсинаптических амплитудах между этими двумя состояниями, которые демонстрировали как небольшое увеличение, так и уменьшение (n = 7, Рисунок 3 — приложение к рисунку 5, Рисунок 3 — исходные данные 2). Мы соответствующим образом скорректировали разделы «Результаты» и «Материалы и методы» в рукописи.

В целом, мы смогли показать, что результаты наших экспериментов по очистке нейронов человека аналогичны тем, которые мы показали на нейронах крысы, даже когда та же самая клетка была репатриирована.Мы действительно увидели, что входное сопротивление уменьшилось в клетках, повторно обработанных с помощью очищенной пипетки, и увеличилось в клетках, зарегистрированных в ACSF после промывки. Хотя повторная синхронизация, время записи и нейронная изменчивость могут повлиять на эти параметры, мы не можем исключить эффект очистки пипетки в этом случае. Поэтому мы подчеркиваем, что эти валидационные эксперименты ограничиваются нашими настройками и вопросами исследования и что любая реализация нашей процедуры очистки другими должна быть тщательно проверена на параметры и в интересующей модели организма.Тем более, что прилипший детергент на пипетке может зависеть от множества факторов, которые необходимо учитывать и настраивать для каждой экспериментальной установки (подраздел «Окончательная последовательность изгнания не обязательно требует дополнительных лунок, содержащих aCSF»).

Кроме того, поскольку каждый патч-электрод использовался более одного раза, возможно, релевантным статистическим сравнением здесь является дисперсионный анализ повторных измерений, а не статистика групповой популяции, как, по-видимому, показано на рис. 3J, K и L.

Спасибо за полезный совет. Мы выполнили повторные измерения ANOVA для 14 пипеток, с помощью которых были получены три успешных записи пирамидных клеток (свежие, 1x очистка, 2x очистка). Он не показал значительной тенденции, и мы включили результаты в Рисунок 3 — исходные данные 2. Мы также соответствующим образом адаптировали разделы «Результаты» и «Материалы и методы».

https://doi.org/10.7554/eLife.48178.sa2

Введение в нейроны и нейронные сети | Раздел 1, Вступительная глава | Neuroscience Online: Электронный учебник для неврологии | Кафедра нейробиологии и анатомии

Три фунта желеобразного материала, обнаруженные в наших черепах, — это самая сложная машина на Земле и, возможно, во Вселенной.Его феноменальные свойства были бы невозможны без сотен миллиардов нейронов, из которых он состоит, и, что важно, без связей между этими нейронами. К счастью, многое известно о свойствах отдельных нейронов и простых нейронных сетей, и аспекты сложных нейронных сетей начинают разгадываться. Эта глава начнется с обсуждения нейрона, элементарного узла или элемента мозга, а затем перейдет к обсуждению способов, которыми отдельные нейроны общаются друг с другом.Что делает нервную систему таким фантастическим устройством и отличает мозг от других органов тела, так это не то, что в ней есть 100 миллиардов нейронов, а то, что нервные клетки способны взаимодействовать друг с другом таким высокоструктурированным образом, что формируют нейронные сети. . Чтобы понять нейронные сети, необходимо понять способы, которыми один нейрон общается с другим через синаптические связи, и процесс, называемый синаптической передачей. Синаптическая передача бывает двух основных видов: возбуждение и торможение.Всего несколько взаимосвязанных нейронов (микросхема ) могут выполнять сложные задачи, такие как опосредовать рефлексы, обрабатывать сенсорную информацию, генерировать движения и опосредовать обучение и память. Более сложные сети ( макросхем, ) состоят из множества встроенных микросхем. Макросхемы опосредуют высшие функции мозга, такие как распознавание объектов и познание. Итак, в нервной системе повсеместно встречаются сети нескольких уровней. Сети также преобладают в пределах нейронов.Эти наноцепей и составляют базовый биохимический механизм, обеспечивающий ключевые нейронные свойства, такие как обучение и память, а также генезис нейрональной ритмичности.

Нейрон

Основные морфологические признаки нейронов
100 миллиардов нейронов мозга имеют ряд общих черт (рис. 1). Нейроны отличаются от большинства других клеток тела тем, что они поляризованы и имеют различные морфологические области, каждая из которых выполняет определенные функции. Дендриты — это область, где один нейрон получает связи от других нейронов. Тело клетки или сомы содержит ядро ​​и другие органеллы, необходимые для клеточной функции. Аксон , — ключевой компонент нервных клеток, по которому информация передается от одной части нейрона (например, тела клетки) к концевым областям нейрона. Аксоны могут быть довольно длинными, достигая метра или около того в некоторых сенсорных и двигательных нервных клетках человека.Синапс является конечной областью аксона, и именно здесь один нейрон образует соединение с другим и передает информацию посредством процесса синаптической передачи . Нейрон цвета морской волны на Рисунке 1 (щелкните «Нейрон, связанный с постсинаптическим нейроном») называется постсинаптическим нейроном. Терминал коричневого цвета слева, следовательно, называется пресинаптическим нейроном. Один нейрон может получать контакты от множества разных нейронов.На рисунке 1 (щелкните «Нейрон, получающий синаптический ввод») показан пример трех пресинаптических нейронов, контактирующих с одним постсинаптическим нейроном коричневого цвета, но было подсчитано, что один нейрон может получать контакты до 10 000 других клеток. Следовательно, потенциальная сложность сетей огромна. Точно так же любой нейрон может контактировать до 10 000 постсинаптических клеток. (Обратите внимание, что нейрон коричневого цвета, который был пресинаптическим по отношению к нейрону цвета морской волны, является постсинаптическим по отношению к розовым, зеленым и синим нейронам.Таким образом, большинство «пресинаптических» нейронов являются «постсинаптическими» по отношению к некоторым другим нейронам.

Рисунок 1 (щелкните «Синапс») также показывает расширенный вид синапса. Обратите внимание, что пресинаптическая клетка не связана напрямую с постсинаптической клеткой. Они разделены промежутком, известным как синаптическая щель . Следовательно, чтобы общаться с постсинаптической клеткой, пресинаптический нейрон должен выпускать химический мессенджер. Этот мессенджер находится внутри везикул, содержащих нейротрансмиттер, (синие точки обозначают нейромедиатор).Потенциал действия, который проникает в пресинаптический терминал, заставляет эти пузырьки сливаться с внутренней поверхностью пресинаптической мембраны и высвобождать их содержимое посредством процесса, называемого экзоцитоз . Освободившийся передатчик диффундирует через промежуток между пре- и постсинаптической клеткой и очень быстро достигает постсинаптической стороны синапса, где связывается со специализированными рецепторами, которые «распознают» передатчик. Связывание с рецепторами приводит к изменению проницаемости ионных каналов в мембране и, в свою очередь, к изменению мембранного потенциала постсинаптического нейрона, известного как постсинаптический синаптический потенциал (PSP) .Таким образом, передача сигналов между нейронами связана с изменениями электрических свойств нейронов. Чтобы понять нейроны и нейронные цепи, необходимо понимать электрические свойства нервных клеток.

Потенциал покоя и потенциал действия

Потенциалы покоя. На рис. 2 показан пример идеализированной нервной клетки. Во внеклеточную среду помещен микроэлектрод. Микроэлектрод — это не что иное, как небольшой кусок стеклянной капиллярной трубки, который растягивается под действием тепла, образуя очень тонкий наконечник, порядка 1 микрона в диаметре.Микроэлектрод заполняется проводящим раствором, а затем подключается к подходящему записывающему устройству, например, осциллографу или самописцу. Когда электрод находится вне клетки во внеклеточной среде, регистрируется нулевой потенциал, поскольку внеклеточная среда является изопотенциальной. Однако, если электрод проникает в ячейку так, что кончик электрода теперь находится внутри ячейки, на записывающем устройстве наблюдается резкое отклонение. Регистрируется потенциал около -60 милливольт внутри отрицательного по отношению к внешней стороне.Этот потенциал называется потенциалом покоя и остается постоянным в течение неопределенных периодов времени при отсутствии какой-либо стимуляции. Если электрод вынуть, снова регистрируется нулевой потенциал. Потенциалы покоя — это не просто характеристики нервных клеток; все клетки тела обладают потенциалом покоя. Что отличает нервные клетки и другие возбудимые мембраны (например, мышечные клетки), так это то, что они способны изменять свой потенциал покоя. В случае нервных клеток для интеграции информации и передачи информации, а в случае мышечных клеток — для производства мышечных сокращений.

Потенциалы действия. На рис. 3 показан еще один эскиз идеализированного нейрона. Этот нейрон был пронзен одним электродом для измерения потенциала покоя и вторым электродом, называемым стимулирующим электродом. Стимулирующий электрод подключается через переключатель к батарее. Если батарея ориентирована так, что положительный полюс подсоединен к переключателю, замыкание переключателя сделает внутреннюю часть элемента несколько более положительной в зависимости от размера батареи.(Такое уменьшение поляризованного состояния мембраны называется деполяризацией , ). Фиг. 3 представляет собой анимацию, в которой переключатель многократно размыкается и замыкается, и каждый раз, когда он замыкается, в схему подключается батарея большего размера. Первоначально замыкание переключателя вызывает только небольшие деполяризации. Однако потенциалы становятся больше, и в конечном итоге деполяризация становится достаточно большой, чтобы вызвать потенциал действия , также известный как импульс или импульс .Потенциал действия связан с очень быстрой деполяризацией, позволяющей достичь пикового значения около +40 мВ всего за 0,5 миллисекунды (мс). За пиком следует столь же быстрая фаза реполяризации .

Напряжение, при котором деполяризация становится достаточной для запуска потенциала действия, называется порогом . Если для генерации надпороговой деполяризации используется батарея большего размера, единичный потенциал действия все равно генерируется, и амплитуда этого потенциала действия такая же, как и потенциал действия, запускаемый только пороговым стимулом.Простая запись на рисунке 3 иллюстрирует две очень важные особенности потенциалов действия. Во-первых, они вызываются методом «все или ничего» . Либо потенциал действия вызывается стимулами на уровне порога или выше, либо потенциал действия не вызывается. Во-вторых, потенциалы действия — это очень короткие события продолжительностью всего несколько миллисекунд. Запуск потенциала действия в некоторой степени аналогичен подаче спички на предохранитель. Определенная температура необходима для воспламенения предохранителя (т.е.е., предохранитель имеет порог). Спичка, выделяющая большее количество тепла, чем пороговая температура, не приведет к тому, что предохранитель будет гореть ярче или быстрее. Так же, как потенциалы действия вызываются по принципу «все или ничего», они также передаются , по принципу «все или ничего». Как только потенциал действия инициируется в одной области нейрона, такой как тело клетки, этот потенциал действия будет распространяться вдоль аксона (как горящий предохранитель) и в конечном итоге проникнет в синапс, где он может инициировать процесс синаптической передачи.

В примере на рисунке 3 был сгенерирован только один потенциал действия, потому что продолжительность каждого из двух надпороговых стимулов была настолько короткой, что было достаточно времени только для инициирования одного потенциала действия (т. Е. Стимул закончился раньше, чем потенциал действия завершил свой цикл деполяризации-реполяризации). Но, как показано в анимации на Рисунке 4, более продолжительные стимулы могут привести к инициированию множественных потенциалов действия, частота которых зависит от интенсивности стимула.Таким образом, очевидно, что нервная система кодирует информацию не в терминах изменения амплитуды потенциалов действия, а скорее в их частоте. Это очень универсальное свойство. Чем больше сила механического раздражителя на рецептор прикосновения, тем больше потенциалов действия; чем больше растягивается рецептор растяжения мышцы, тем больше количество потенциалов действия; чем больше интенсивность света, тем большее количество потенциалов действия передается в центральную нервную систему.Точно так же в двигательной системе, чем больше количество потенциалов действия в двигательном нейроне, тем сильнее будет сокращение мышцы, которая получает синаптическую связь от этого двигательного нейрона. Инженеры называют этот тип кодирования информации частотно-импульсной модуляцией .

Синаптические потенциалы и синаптическая интеграция

На рисунке 5 показаны три нейрона. Зеленый цвет будет называться возбуждающим нейроном по причинам, которые вскоре станут ясны.Он устанавливает связь с постсинаптическим нейроном синего цвета. Следы ниже (нажмите «Play») иллюстрируют последствия запуска потенциала действия в зеленом нейроне. Этот потенциал действия в пресинаптическом нейроне приводит к снижению мембранного потенциала постсинаптической клетки. Мембранный потенциал изменяется от значения покоя около -60 милливольт до более деполяризованного состояния. Этот потенциал называется возбуждающим постсинаптическим потенциалом (ВПСП) .Он является «возбуждающим», потому что перемещает мембранный потенциал к пороговому значению, и является «постсинаптическим», потому что это потенциал, зарегистрированный на постсинаптической стороне синапса. Обычно (и это важный момент) единичный потенциал действия в пресинаптической клетке не производит ВПСП, достаточно большого, чтобы достичь порога и запустить потенциал действия. Но, если в пресинаптической клетке запускаются множественные потенциалы действия, соответствующие множественные возбуждающие потенциалы могут суммироваться посредством процесса, называемого временным суммированием , для достижения порога и запуска потенциала действия.ВПСП можно рассматривать как «сигнал движения» постсинаптическому нейрону для передачи информации по сетевому пути.

Нейрон, окрашенный в красный цвет на рисунке 5, называется тормозным нейроном. Как и зеленый нейрон, он также устанавливает синаптический контакт с синим постсинаптическим нейроном. Он также высвобождает химический передатчик-мессенджер, но последствия связывания передатчика от голубой клетки с рецепторами на постсинаптической клетке противоположны последствиям передатчика, выпущенного зеленым нейроном.Следствием потенциала действия красного пресинаптического нейрона является увеличение мембранного потенциала синего постсинаптического нейрона. Мембранный потенциал более отрицательный, чем был раньше (гиперполяризация ), и поэтому мембранный потенциал дальше от порогового значения. Этот тип потенциала называется ингибирующим постсинаптическим потенциалом (IPSP) , потому что он предотвращает активацию постсинаптического нейрона потенциала действия. Это «стоп-сигнал» для постсинаптической клетки.Таким образом, зеленый нейрон говорит «вперед», а красный нейрон говорит «стоп». Что же делать постсинаптическому нейрону?

Нейроны похожи на счетные машины. Они постоянно суммируют возбуждающий и тормозящий синаптический вход во времени (временное суммирование) и по площади дендритов, получающих синаптические контакты ( пространственное суммирование) , и если это суммирование находится на пороговом уровне или выше, они запускают потенциал действия. Если сумма ниже порога, потенциал действия не инициируется.Этот процесс называется синаптической интеграцией и проиллюстрирован на рисунке 5. Первоначально два потенциала действия в зеленом нейроне производили суммирующие ВПСП, которые запускали потенциал действия в синем нейроне. Но если IPSP от тормозного нейрона возникает непосредственно перед двумя потенциалами действия в возбуждающем нейроне, сумма одного IPSP и двух EPSP ниже порогового значения, и в постсинаптической клетке не возникает никакого потенциала действия. Тормозящий нейрон (и ингибирование в целом) — это способ стробирования или регулирования способности возбуждающего сигнала запускать постсинаптическую клетку.

Нейронные сети

Мотивы микросетей

Как указывалось ранее в этой главе, нейрон может получать контакты до 10 000 пресинаптических нейронов, и, в свою очередь, любой нейрон может контактировать до 10 000 постсинаптических нейронов. Комбинаторная возможность может привести к чрезвычайно сложным нейронным цепям или сетевым топологиям , которые могут быть очень трудными для понимания. Но, несмотря на потенциально огромную сложность, многое можно узнать о функционировании нейронных цепей, исследуя свойства подмножества простых конфигураций цепей.На рисунке 6 показаны некоторые из этих мотивов микросхем или микросетей. Несмотря на простоту, они могут делать многое из того, что должна делать нервная система.

Возбуждение с прямой связью . Позволяет одному нейрону передавать информацию своему соседу. Их длинные цепочки можно использовать для передачи информации через нервную систему.

Запрещение прямой связи .Пресинаптическая клетка возбуждает тормозящий интернейрон (интернейрон — это нейрон, расположенный между двумя нейронами), и этот тормозной интернейрон затем подавляет следующую клетку-последователь. Это способ отключения или ограничения возбуждения в нейроне ниже по потоку в нейронной цепи.

Схождение / расхождение . Одна постсинаптическая клетка получает конвергентный вход от ряда различных пресинаптических клеток, и любой отдельный нейрон может создавать дивергентные связи со многими разными постсинаптическими клетками.Дивергенция позволяет одному нейрону общаться со многими другими нейронами в сети. Конвергенция позволяет нейрону получать входные данные от многих нейронов в сети.

Боковое торможение . Пресинаптическая клетка возбуждает тормозящие интернейроны, и они подавляют соседние клетки в сети. Как подробно описано ниже в этой главе, этот тип схемы может использоваться в сенсорных системах для улучшения контуров.

Обратная связь / запрет повторения .На панели E1 пресинаптическая клетка соединяется с постсинаптической клеткой, а постсинаптическая клетка, в свою очередь, соединяется с интернейроном, который затем подавляет пресинаптическую клетку. Этот контур может ограничивать возбуждение в пути. Некоторое начальное возбуждение будет отключено после того, как красный интернейрон станет активным. На панели E2 каждый нейрон в замкнутой цепи подавляет нейрон, с которым он связан. Казалось бы, эта схема ничего не делает, но, как будет показано далее в этой главе, она может привести к генерации сложных паттернов всплесковой активности.

Обратная связь / рекуррентное возбуждение . На панели F1 пресинаптический нейрон возбуждает постсинаптический нейрон, а этот постсинаптический нейрон возбуждает пресинаптический нейрон. Этот тип цепи может выполнять функцию переключателя, потому что, как только пресинаптическая клетка активируется, эта активация может сохраняться. Активация пресинаптического нейрона могла включить эту сеть, и она могла остаться. На панели F2 показаны варианты возбуждения по обратной связи, при которых пресинаптический нейрон возбуждает постсинаптический нейрон, который может по обратной связи возбуждать сам себя (a, аутапс , ) или другие нейроны, которые в конечном итоге имеют обратную связь (b) с самим собой.

Эти простые мотивы — вездесущие компоненты многих нейронных цепей. Давайте рассмотрим несколько примеров того, что могут делать эти сети.

Возбуждение с прямой связью и подавление с прямой связью

Одна из наиболее изученных микросхем — это схема, которая обеспечивает простое рефлекторное поведение. На рисунке 7 показана схема так называемого рефлекса рефлекса коленного рефлекса или растяжения. Невролог ударяет резиновым молоточком по колену, в результате чего нога разгибается.Этот тест используется как простой способ проверить целостность некоторых сенсорных и моторных путей в спинном мозге. Удар молотка растягивает мышцу и приводит к возникновению потенциалов действия в сенсорных нейронах, внутри мышцы, которые чувствительны к растяжению. (Потенциалы действия представлены маленькими яркими «огоньками» на анимации.) Потенциалы действия инициируются по принципу «все или ничего» и распространяются в спинной мозг, где аксон разделяется (раздваивается) на две ветви.

Давайте сначала обсудим ветвь слева, которая формирует синаптическую связь (зеленый треугольник) с Extensor (E) мотонейроном (окрашен в синий цвет). Потенциал действия сенсорного нейрона вторгается в синаптический терминал сенсорного нейрона, вызывая высвобождение медиатора и последующее возбуждение двигательного нейрона. Растяжение мышцы приводит к потенциалу действия в двигательном нейроне (МН), который затем распространяется по периферическому нерву и вторгается в синапс в мышце, вызывая высвобождение передатчика и потенциал действия в мышце.Потенциал действия в мышечной клетке приводит к сокращению мышцы и разгибанию конечности. Итак, здесь у нас есть простая схема возбуждения с прямой связью, которая опосредует поведение.

Теперь давайте рассмотрим правую ветвь аксона сенсорного нейрона на рисунке 7. Потенциал действия сенсорного нейрона вторгается в синаптический терминал сенсорного нейрона, вызывая высвобождение медиатора и последующее возбуждение постсинаптического интернейрона, окрашенного в черный цвет.Этот нейрон называется интернейроном , потому что он расположен между одним нейроном (здесь SN) и другим нейроном (здесь MN). Возбуждение интернейрона приводит к инициированию действия и последующему высвобождению передатчика из пресинаптического терминала интернейрона (черный треугольник), но для этой ветви цепи передатчик ведет к IPSP в постсинаптическом сгибателе (F ) мотонейрон (окрашен в красный цвет). Функциональные последствия этого подавления прямой связи заключаются в уменьшении вероятности того, что двигательный нейрон-сгибатель станет активным и вызовет несоответствующее сгибание ноги.

Сходимость и расхождение

Упрощенная схема, опосредующая рефлекс растяжения, представлена ​​на рисунке 8. Однако правильное функционирование схемы рефлекса растяжения также зависит от конвергенции и расхождения. У одного сенсора есть несколько ветвей, которые расходятся и образуют синаптические связи со многими отдельными моторными нейронами (щелкните «Дивергенция»). Следовательно, когда мышца сокращается в результате нажатия невролога, это происходит потому, что несколько мышечных волокон активируются одновременно несколькими двигательными нейронами.Кроме того, когда мышца растягивается, активируется не один, а несколько сенсорных нейронов, и все сенсорные нейроны проецируются в спинной мозг, где они сходятся к отдельным моторным нейронам-разгибателям (нажмите «Конвергенция»). Итак, рефлекс растяжения возникает из-за комбинированных эффектов активации нескольких сенсорных нейронов и моторных нейронов-разгибателей.

Боковое торможение

Улучшение края.Боковое торможение очень важно для обработки сенсорной информации. Одним из примеров является явление в зрительной системе, называемое усилением краев. На рисунке 9 показаны две полосы: темно-серая полоса слева и светло-серая полоса справа. Хотя темная полоса и светлая полоса имеют одинаковую яркость по всему полю, при внимательном рассмотрении обнаруживается, что светло-серая полоса кажется несколько светлее на границе темно-серой полосы, чем в других областях поля.Напротив, темно-серая полоса на границе выглядит несколько темнее, чем в других областях темного поля. Это явление улучшения границ, которое помогает визуальной системе извлекать важную информацию из визуальных сцен. Усиление краев опосредуется, по крайней мере частично, боковым торможением в сетчатке.

Давайте сначала рассмотрим схему без бокового торможения (Рисунок 10, щелкните «Без бокового торможения»). Свет падает на сетчатку (Часть A), а его интенсивность можно описать ступенчатым градиентом (Часть B).Для упрощения предположим, что темно-серая область имеет интенсивность пяти единиц, а светло-серая область имеет интенсивность десяти единиц. Градиент света активирует фоторецепторы, и фоторецепторы создают синаптические связи с нейронами второго порядка. Предположим, что интенсивность света 5 единиц приводит к 5 всплескам / с, а интенсивность света 10 единиц приводит к 10 всплескам / с (Часть C) в фоторецепторах, и что синаптическая сила достаточна (здесь обозначена как +1) так что интенсивность света 5 единиц приводит к 5 импульсам / с, а интенсивность света 10 единиц приводит к 10 импульсам / с (Часть C) соответственно в нейронах второго порядка.Если никакой дальнейшей обработки информации не происходит, воспринимаемый градиент будет точно таким же, как градиент интенсивности света (часть B, красный след). Но это не то, что воспринимается, и латеральное торможение объясняет разницу.

Теперь рассмотрим расширенную схему с боковым торможением (нажмите «С боковым торможением»). Каждый из фоторецепторов устанавливает тормозные синаптические связи со своим соседним нейроном второго порядка. Сила подавления (обозначается -0.2) меньше силы возбуждения (пожертвовано +1). Прежде чем смотреть на границу, рассмотрите выход схемы в однородных областях каждого поля. Далеко справа от границы все клетки получают одинаковое возбуждение и одинаковое торможение. Без бокового торможения интенсивность света в 10 единиц произвела бы 10 спайков в секунду в нейроне второго порядка. Но из-за тормозящего соединения со стороны соседних нейронов справа и слева выходная мощность снижается до 6 импульсов в секунду.То же самое верно для клеток далеко левее границы, но величина возбуждения меньше и, соответственно, величина торможения меньше. Ключевая обработка происходит на границе или краю. Обратите внимание, что нейрон справа от границы получает такое же подавление от нейрона справа от нее, но получает меньшее подавление от нейрона слева от него на другой стороне границы. Следовательно, он получает больше чистого возбуждения и имеет выходной сигнал 7 пиков / с, а не 6 пиков / с его соседа справа.Теперь посмотрите на нейрон слева от границы. Он получает слабое торможение от своего соседа слева, но более сильное торможение от своего соседа справа по другую сторону границы. Следовательно, он получает меньше чистого возбуждения и имеет выходной сигнал 2 пика / с, а не 3 пика / с его соседа слева. Таким образом, в результате бокового торможения информация, передаваемая в нервную систему, и воспринимаемый градиент будут версией исходной с усиленной границей или краем (рис. 10B)!

диапазонов Маха.Простая схема сетчатки с боковым торможением может объяснить феномен усиления краев. Этим также можно объяснить визуальную иллюзию, известную как полосы Маха. На рисунке 11 показан градиент светлых и темных вертикальных полос, поперек которых проходит тонкая горизонтальная линия. Создается впечатление, что горизонтальная линия имеет неравномерное распределение интенсивности: она темнее в области светлых вертикальных градиентов и светлее в области темных вертикальных градиентов. Это зрительная иллюзия .Иллюзию можно раскрыть, поместив маску поверх вертикального градиента. (Нажмите «Play», чтобы добавить маску.) Теперь вы можете видеть, что горизонтальная полоса имеет равномерную интенсивность. В некоторых областях он воспринимается более темным, потому что клетки сетчатки, которые реагируют на более темную область горизонтальной полосы, сильно подавляются клетками, реагирующими на яркую область вертикальной полосы. Напротив, полоса воспринимается ярче в некоторых областях, потому что клетки сетчатки, которые реагируют на более светлую область горизонтальной полосы, только слабо ингибируются клетками, реагирующими на темную область вертикальной полосы.

Обратная связь / повторное подавление

Запрет обратной связи в микросхемах. Подавление обратной связи играет общую роль в гашении возбуждения через нейронную цепь. Классическим примером является клетка Реншоу в спинном мозге. Аксон ветви спинномозгового мотонейрона. Одна ветвь иннервирует мышцу, как описано ранее (например, рис. 7), а другая ветвь создает возбуждающую синаптическую связь с интернейроном, называемым клеткой Реншоу.Интернейрон, в свою очередь, подавляет двигательный нейрон, замыкая петлю. Другой пример подавления обратной связи обнаружен в гиппокампе. Пирамидные клетки СА3-типа создают возбуждающие связи с клетками корзины и обратную связь с клетками корзины, чтобы ингибировать клетки СА3. Термин повторяющееся ингибирование применяется к простым схемам подавления обратной связи, таким как цепь Реншоу в спинном мозге и цепь корзиночных клеток в гиппокампе.

Подавление обратной связи в наноцепях.Подавление обратной связи распространено не только во многих нейронных цепях; он также распространен в биохимических цепях. Здесь он может служить подложкой для генерации колебаний. Они могут охватывать несколько временных масштабов от секунд до дней в зависимости от молекулярных компонентов схемы.

Рис. 12. Данные Byrne, Canavier, Lechner, Clark and Baxter, 1996.

  1. Эндогенное взрывное поведение в нейронах.Идеализированный нейрон, описанный ранее в этой главе, молчал в отсутствие стимуляции (например, рисунок 3). Однако некоторые нейроны активируют потенциалы действия в отсутствие стимуляции, и в некоторых случаях паттерны возбуждения могут демонстрировать взрывной паттерн, в котором последовательные высокочастотные всплески активности сменяются периодами покоя. Такие нейронные свойства могут быть важны для создания ритмического поведения, такого как дыхание. На рисунке 12 показан пример записи нейрона беспозвоночного, имеющего эндогенный импульсный ритм.Этот конкретный нейрон называется параболическим всплеском, потому что природа интервалов между спайками является длинными в начале и в конце цикла всплесков, но очень короткими в середине цикла. Клетка запускает всплеск потенциалов действия, а затем замолкает, но вскоре происходит еще один всплеск, и этот процесс продолжается бесконечно каждые десять-пятнадцать секунд. Взрыв происходит, даже если нейрон хирургическим путем удален из ганглия и помещен в культуру, чтобы не было синаптических связей с другими нейронами.Таким образом, для этого ритма не требуется нейронная сеть — она ​​эндогенная. Но это действительно связано с наноконтролем внутри клетки. На рисунке 13A показана очень упрощенная версия этой сети, в которой подчеркивается ключевой принцип работы. Критическим для этой сетевой функции является канал в мембрана (обозначена g SI ), проницаемая для Ca 2+ . Поскольку концентрация Ca 2+ относительно высока во внеклеточной среде и низка внутри клетки, Ca 2+ будет двигаться вниз по градиенту концентрации и тем самым деполяризует клетку.В конце концов, деполяризация достигает порога, и клетка начинает срабатывать. Обжиг приводит к дополнительному притоку Ca 2+ (зеленая стрелка) и накоплению Ca 2+ внутри клетки. Ключевым этапом является то, что накопление Ca 2+ подавляет (красная стрелка) дальнейший приток кальция и прекращает всплеск. Всплеск остается прекращенным, пока уровни внутриклеточного Ca 2+ остаются повышенными. Но уровни Ca 2+ не остаются повышенными надолго.Они восстанавливаются внутриклеточными буферами и удаляются из клетки с помощью насосов (I NaCa и I CaP ). Когда внутриклеточные уровни Ca 2+ снижаются, ингибирование канала снимается (растормаживание , ), и нейрон снова начинает деполяризоваться, и начинается новый всплеск. По сути, то, что мы видим здесь на уровне наносети, является повторением сети, препятствующей обратной связи (рис. 13B). Начальный процесс возбуждения приводит к активации тормозного процесса, который отключается, чтобы отключить процесс возбуждения.В такой сети возникнут колебания, если возбуждающее побуждение будет непрерывным, но тормозящий процесс будет терять свою эффективность.

  2. Рис. 14. По материалам Hastings et al., Nature Rev. Neurosci. , 2003.

    Циркадные ритмы. Второй пример подавления обратной связи — это наноцепь регуляции генов, лежащих в основе циркадных ритмов. Циркадный ритм позвоночных обусловлен работой группы нейронов в области мозга, называемой супрахиазматическим ядром, которая расположена чуть выше зрительного нерва. Эти нейроны оказывают сильное влияние как на высвобождение гормонов, таких как мелатонин, кортизол, так и на вегетативные функции, такие как температура тела (рис. 14).Несмотря на огромное влияние этого генератора, его работа сводится к очень простой схеме, и действительно, не к нейронной схеме, а к другой наноконтуре. Основной механизм, по-видимому, сохраняется у всех видов животных, включая человека. На рисунке 15 представлена ​​упрощенная принципиальная схема основных компонентов. Вовлечены несколько генов, но основной механизм включает ген под названием на , где на соответствует периоду. Этот ген был впервые идентифицирован у плодовой мухи Drosophila , но также присутствует у позвоночных.Ген на приводит к продукции на матричной РНК. на мРНК покидает ядро ​​и попадает в цитоплазму, где приводит к синтезу белка PER. PER диффундирует или транспортируется обратно в ядро, где репрессирует дальнейшую транскрипцию гена на . Концептуально эта система очень похожа на рассмотренный выше механизм разрывного нейрона. Ген активируется, он производит сообщение и белок, а белковая обратная связь подавляет экспрессию гена.Но как цикл повторяется? Ключевым механизмом является деградация PER. Белок PER разлагается и разлагается в течение 24 часов. Так как белок PER разрушается, подавление или подавление снимается (растормаживание), позволяя этому гену снова начать создавать информационную РНК и белок. Итак, как только этот цикл начинается, он повторяется снова и снова каждые 24 часа. Это основной механизм, лежащий в основе циркадных ритмов и мощного воздействия, которое они оказывают на ряд различных физиологических систем.По сути, все наши циркадные ритмы начинаются с сети подавления молекулярной обратной связи.

Запрет обратной связи в кольцевых цепях. Повторяющееся торможение может, по крайней мере в принципе, объяснить генерацию сложных двигательных паттернов, примером которых является передвижение на четвероногих ногах. Четвероногие животные интересны тем, что четвероногие способны не только двигать своими четырьмя ногами, но и генерировать различные типы циклов активности, называемые походками.На рисунке 16 показаны четыре аллюра. Первая панель — это прогулка (тап по собаке). Последовательность начинается с разгибания левой передней конечности. Затем следуют разгибания правой задней конечности, правой передней конечности и левой задней конечности. На рыси (вторая панель рисунка 16) (постучите по собаке) левая передняя и правая задние конечности находятся в фазе друг с другом и на 180 градусов не совпадают по фазе с правой передней и левой задней конечностями. В связке (третья панель) (постукивание по собаке) левая передняя и правая передние конечности находятся в фазе, но на 180 градусов не совпадают по фазе с левой задней и задней задними конечностями.Галоп (четвертая панель) (постукивание по собаке) — вариант скачек, в котором есть небольшая разница фаз между правой и левой передними и задними конечностями.

Как нервная система генерирует эти походки? И нужны ли для каждой отдельные нейронные цепи? К сожалению, нейробиологи не знают ответов на эти вопросы, но поучительно изучить некоторые возможности. Это подход в области нейробиологии под названием Вычислительная и теоретическая нейробиология .Один из способов создания походки проиллюстрирован на рисунке 17. Возьмите четыре отдельных нейрона, каждый с эндогенной импульсной активностью, подобной тому, который проиллюстрирован ранее на рисунке 12, и назначьте активность в каждом из этих нейронов контролю конкретной конечности. Нейроны могут быть «запущены» так, чтобы они имели соответствующие фазовые соотношения для генерации походки, такие как граница, показанная на рисунке 16. Трудность будет заключаться в запуске нейронов точно в точное время. Другой проблемой могут быть небольшие «дрейфы» в колебательных периодах четырех независимых нейронов, которые со временем приведут к тому, что паттерн станет несогласованным (рис. 18).Эта собака не выиграет ни одной гонки и, вероятно, не сможет ходить.

Итак, очевидно, что нейроны должны быть связаны. Один из способов сделать это — использовать рекуррентную схему подавления, состоящую из четырех связанных нейронов, чтобы сформировать так называемую «кольцевую» схему, где каждый нейрон в цепи имеет эндогенную импульсную активность, и каждый нейрон связан с другим с помощью тормозной синаптической связи ( Рисунок 19A).

Рис. 19. По материалам Canavier, Butera, Dror, Baxter, Clark and Byrne, 1997.

Чтобы получить правильные фазовые соотношения для походок, вместо того, чтобы назначать нейрон 3 правую переднюю конечность, он назначается для управления правой задней конечностью, а нейрон 4 назначается для управления правой передней конечностью (a простой поворот схемы) (Рисунок 19Б).При реализации с помощью компьютерного моделирования эта единственная схема способна генерировать четвероногие ворота. Более того, одна и та же схема с небольшими изменениями свойств отдельных нейронов может генерировать каждую из четырех походок, показанных на рисунке 17 (рисунок 20).

Этот результат указывает на важный момент в отношении нейронных сетей.Чтобы понять их, необходимо понимать не только топологию сети, но и природу связей между нейронами (являются ли они возбуждающими или тормозящими), а также свойства отдельных узлов (т. Е. нейроны). Кроме того, это моделирование иллюстрирует явление, называемое динамической реконфигурацией . Для генерации этих четырех разных походок не обязательно иметь четыре разные сети — все это можно сделать с помощью одной схемы.Фактическая схема, генерирующая четырехпедальную походку, более сложна, чем схема на рис. 19. Заинтересованный читатель может отсылать к недавнему обзору Оле Кейна (см. Дополнительную литературу).

Обратная связь / рекуррентное возбуждение

Периодическое возбуждение в наноцепях и микросхемах имеет решающее значение для процессов обучения и памяти. Обучение включает в себя изменения биофизических свойств нейронов и изменения синаптической силы. Накапливающиеся данные указывают на то, что положительная обратная связь внутри биохимических каскадов и генных сетей является важным компонентом для индукции и поддержания этих изменений.Более того, периодическое возбуждение обнаруживается по крайней мере в некоторых микросхемах, участвующих в процессах памяти. Яркий пример находится в области CA3 гиппокампа.

Рисунок 21. Изменено из Byrne and Roberts, 2009.

На рисунке 21 показаны основные характеристики рекуррентной возбуждающей цепи CA3. Шесть различных пирамидных нейронов гиппокампа обозначены как U , V , W , X , Y и Z .Каждый из этих нейронов получает синаптическую связь от пресинаптических нейронов, обозначенных a , b , c , d , e и f. Эти пресинаптические нейроны могут быть активными или неактивными: 0 и черный цвет представляют неактивный нейрон, а 1 и зеленый цвет указывают на активный. Важным аспектом этой схемы является то, что синаптические связи входного пути достаточно сильны, чтобы активировать (активировать) пирамидный нейрон, с которым они связаны.Например, если нейрон a активирован, будет активирован нейрон Z , который представлен как 1 на панели вывода. Эта топология — не что иное, как возбуждение с прямой связью. Взаимное возбуждение делает эту схему особенной. Например, нейрон Z и другие пирамидные нейроны имеют коллатерали аксонов, которые посредством обратной связи соединяются между собой. Но они не только устанавливают связь между собой. Каждый нейрон устанавливает связь с каждым из четырех других пирамидных нейронов в цепи.Таким образом, каждая пирамида получает сходящуюся информацию от всех других ячеек в сети, и, в свою очередь, выход каждого пирамидального нейрона расходится, чтобы установить синаптические связи со всеми другими пирамидными нейронами в цепи. (Следовательно, этот повторяющийся мотив возбуждения вложил в себя мотивы конвергенции и расхождения.) Матрица связности состоит из 36 элементов.

Чтобы эта сеть могла чему-либо научиться, в схему необходимо встроить правило обучения синаптической пластичности.Один из широко распространенных правил известен как «Правило обучения Хебба » . По сути, он заявляет, что синапс изменит свою силу, если этот синапс активен (то есть высвобождает передатчик), и в то же время активна постсинаптическая клетка. Комбинация этого правила обучения и повторяющегося возбуждающего контура приводит к некоторым интересным эмерджентным свойствам. Например, если нейрон Z активирован входом a, , сила его связи с самим собой (синапс 1 ) изменится, как показано зеленым синапсом на рисунке 21 (анимация находится в 2-секундном цикле, чтобы иллюстрируют контрольные и модифицированные синапсы).Однако синапс 1 не будет единственным синапсом, который будет усилен. Например, синапс 13 также будет усилен, потому что нейрон Z был активен в то время, когда нейрон X был активирован входом c . Напротив, синапс 7 не усиливается, потому что нейрон Y не был активен в то же время, что и нейрон Z . Конечный результат этой конвергенции и расхождения и правила обучения состоит в том, что исходный входной шаблон активности будет сохранен как изменения в элементах матрицы связности.Поэтому эта схема была названа сетью автоматической ассоциации . Важная концепция здесь заключается в том, что «память» находится не в каком-то одном синапсе; это распределено в сети .

Сводка

Значительный прогресс был достигнут в понимании того, как разные простые нейронные сети участвуют в обработке информации и опосредованном поведении. Возбуждение с прямой связью и торможение с прямой связью опосредуют рефлекторное поведение.Боковое торможение важно для усиления краев. Повторяющееся возбуждение — важный механизм памяти. Повторяющееся торможение может иметь важное значение для формирования локомоторного поведения. В этих микросхемах заложены сходимость и расхождение. Одни и те же типы сетевых мотивов воспроизводятся в биохимических и генных сетях.

Следующий уровень понимания находится на уровне нейронных сетей, которые опосредуют более сложные, так называемые функции мозга высшего порядка.Их понимание становится возможным благодаря использованию электрофизиологических и оптических методов записи и современных методов визуализации, таких как функциональная магнитно-резонансная томография (фМРТ) и диффузионно-тензорная визуализация (DTI) . ФМРТ позволяет исследователям идентифицировать области мозга, которые заняты когнитивными задачами, тогда как DTI позволяет визуализировать пути, связывающие одну область мозга с другой. Рисунок 22 (любезно предоставлено Тимом Элмором, доктором философии, отдел.из нейрохирургии, Медицинская школа Техасского университета в Хьюстоне) — вид сбоку человеческого мозга, показывающий пути, соединяющие корковые области, выявленные с помощью DTI !.

Рисунок 22. Предоставлено Тимом Элмором, доктором философии.

Распознавание объектов — это пример прогресса в понимании макросхем.Как показано на Рисунке 23, обработка визуальной информации начинается в сетчатке, а затем затрагивает несколько областей коры, таких как затылочная кора и височная кора. Внутри этой макросхемы находятся модули, извлекающие информацию более высокого порядка. Предположительно, каждый модуль включает в себя сотни, если не тысячи отдельных микросхем. Задача на будущее — определить, как эти модули работают и как они взаимодействуют с другими модулями. Хотя соединения с прямой связью присутствуют, соединения с обратной связью и боковые соединения широко распространены.Задача огромна, но, возможно, достижению цели будет способствовать использование преимуществ того, что было изучено о принципах работы наносхем и микросхем. Чтобы понять макросхемы, необходимо знать больше, чем топологию сетевых соединений. Необходимо будет знать, как работает каждый модуль, и о динамике межмодульных соединений.

Рисунок 23.Из Феллемана и Ван Эссена, 1991.

Проверьте свои знания

Общие мотивы контуров, которые опосредуют рефлекс растяжения позвоночника, включают все следующие, ЗА ИСКЛЮЧЕНИЕМ:

A. Возбуждение с прямой связью

B. Ингибирование с прямой связью

C. Подавление обратной связи

Д.Боковое торможение

E. Дивергенция

Общие мотивы контуров, которые опосредуют рефлекс растяжения позвоночника, включают все следующие, ЗА ИСКЛЮЧЕНИЕМ:

A. Возбуждение с прямой связью. Этот ответ НЕПРАВИЛЬНЫЙ.

B. Ингибирование с прямой связью

C. Подавление обратной связи

D. Боковое ингибирование

E.Дивергенция

Общие мотивы контуров, которые опосредуют рефлекс растяжения позвоночника, включают все следующие, ЗА ИСКЛЮЧЕНИЕМ:

A. Возбуждение с прямой связью

B. Запрещение прямой связи. Этот ответ НЕПРАВИЛЬНЫЙ.

C. Подавление обратной связи

D. Боковое ингибирование

E. Дивергенция

Общие мотивы контуров, которые опосредуют рефлекс растяжения позвоночника, включают все следующие, ЗА ИСКЛЮЧЕНИЕМ:

А.Прямое возбуждение

B. Ингибирование с прямой связью

C. Запрет обратной связи. Этот ответ НЕПРАВИЛЬНЫЙ.

D. Боковое ингибирование

E. Дивергенция

Общие мотивы контуров, которые опосредуют рефлекс растяжения позвоночника, включают все следующие, ЗА ИСКЛЮЧЕНИЕМ:

A. Возбуждение с прямой связью

Б.Запрещение с прямой связью

C. Подавление обратной связи

D. Боковое торможение. Ответ ПРАВИЛЬНЫЙ!

E. Дивергенция

Общие мотивы контуров, которые опосредуют рефлекс растяжения позвоночника, включают все следующие, ЗА ИСКЛЮЧЕНИЕМ:

A. Возбуждение с прямой связью

B. Ингибирование с прямой связью

С.Подавление обратной связи

D. Боковое ингибирование

E. Расхождение. Этот ответ НЕПРАВИЛЬНЫЙ.

Процесс, посредством которого нейрон суммирует синаптическое возбуждение и торможение, называется:

А.Пластичность

B. Интеграция

C. Конвергенция

D. Частотно-импульсная модуляция

E. Растормаживание

Процесс, посредством которого нейрон суммирует синаптическое возбуждение и торможение, называется:

A. Пластичность. Этот ответ НЕПРАВИЛЬНЫЙ.

B. Интеграция

С.Конвергенция

D. Частотно-импульсная модуляция

E. Растормаживание

Процесс, посредством которого нейрон суммирует синаптическое возбуждение и торможение, называется:

А. Пластичность

B. Интеграция. Этот ответ ПРАВИЛЬНЫЙ!

C. Конвергенция

D. Частотно-импульсная модуляция

E.Растормаживание

Процесс, посредством которого нейрон суммирует синаптическое возбуждение и торможение, называется:

А. Пластичность

B. Интеграция

C. Конвергенция Этот ответ НЕПРАВИЛЬНЫЙ.

D. Частотно-импульсная модуляция

E. Растормаживание

Процесс, посредством которого нейрон суммирует синаптическое возбуждение и торможение, называется:

А.Пластичность

B. Интеграция

C. Конвергенция

D. Частотно-импульсная модуляция. Этот ответ НЕПРАВИЛЬНЫЙ.

E. Растормаживание

Процесс, посредством которого нейрон суммирует синаптическое возбуждение и торможение, называется:

А. Пластичность

B. Интеграция

С.Конвергенция

D. Частотно-импульсная модуляция

E. Растормаживание Этот ответ НЕПРАВИЛЬНЫЙ.

Сетевой мотив, лежащий в основе циркадных ритмов:

A. Временное суммирование

Б.Пространственное суммирование

C. Подавление обратной связи

D. Возбуждение обратной связи

E. Боковое торможение

Сетевой мотив, лежащий в основе циркадных ритмов:

A. Временное суммирование. Этот ответ НЕПРАВИЛЬНЫЙ.

B. Пространственное суммирование

C. Подавление обратной связи

Д.Возбуждение обратной связи

E. Боковое торможение

Сетевой мотив, лежащий в основе циркадных ритмов:

A. Временное суммирование

B. Пространственное суммирование. Этот ответ НЕПРАВИЛЬНЫЙ.

C. Подавление обратной связи

D. Возбуждение обратной связи

E. Боковое торможение

Сетевой мотив, лежащий в основе циркадных ритмов:

А.Временное суммирование

B. Пространственное суммирование

C. Запрет обратной связи. Ответ ПРАВИЛЬНЫЙ!

D. Возбуждение обратной связи

E. Боковое торможение

Сетевой мотив, лежащий в основе циркадных ритмов:

A. Временное суммирование

B. Пространственное суммирование

С.Подавление обратной связи

D. Возбуждение обратной связи. Этот ответ НЕПРАВИЛЬНЫЙ.

E. Боковое торможение

Сетевой мотив, лежащий в основе циркадных ритмов:

A. Временное суммирование

B. Пространственное суммирование

C. Подавление обратной связи

D. Возбуждение обратной связи

E.Боковое торможение. Этот ответ НЕПРАВИЛЬНЫЙ.

Сеть с автоматической ассоциацией важна для:

А. Рефлексы

B. Улучшение кромки

C. Память

D. Передвижение

E.Нейронные колебания

Сеть с автоматической ассоциацией важна для:

A. Рефлексы. Этот ответ НЕПРАВИЛЬНЫЙ.

B. Улучшение кромки

C. Память

D. Передвижение

E. Нейронные колебания

Сеть с автоматической ассоциацией важна для:

А.Рефлексы

B. Улучшение кромки Этот ответ НЕПРАВИЛЬНЫЙ.

C. Память

D. Передвижение

E. Нейронные колебания

Сеть с автоматической ассоциацией важна для:

А. Рефлексы

B. Улучшение кромки

C. Память Этот ответ ПРАВИЛЬНЫЙ!

Д.Локомоция

E. Нейронные колебания

Сеть с автоматической ассоциацией важна для:

А. Рефлексы

B. Улучшение кромки

C. Память

D. Передвижение. Этот ответ НЕПРАВИЛЬНЫЙ.

E. Нейронные колебания

Сеть с автоматической ассоциацией важна для:

А.Рефлексы

B. Улучшение кромки

C. Память

D. Передвижение

E. Нейрональные колебания. Этот ответ НЕПРАВИЛЬНЫЙ.

Пожертвования Neuroscience Online помогут профинансировать разработку новых функций и контента.

Правило задания и его выбор отражены специфической обработкой в ​​микросхемах слуховой коры грызунов

Заявление о соответствии этическим нормам

Эксперименты проводились на взрослых самцах монгольских песчанок ( Meriones unguiculatus , возраст 4–8 месяцев, 70 лет) –90 г массы тела, всего n = 9). Все эксперименты, представленные в этом исследовании, проводились в соответствии с этическими стандартами исследований на животных, определенными законодательством Германии и одобренными этическим комитетом земли Саксония-Анхальт.

Хирургия и хроническая имплантация под электрофизиологическим контролем

Для хронических электрофизиологических записей in vivo в A1 был хирургическим путем имплантирован многоканальный электрод (NeuroNexus, A1x32-6 мм-50-177_h42_21 мм; линейный массив из 32 каналов с расстоянием 50 мкм каждый). Первоначально песчанок анестезировали внутрибрюшинной (ip) инъекцией (0,004 мл / г), состоящей из 45% кетамина (50 мг / мл, Ratiopharm GmbH), 5% ксилазина (Rompun 2%, Bayer Vital GmbH) и 50% изотонического вещества. раствор натрия хлорида (154 ммоль / л, B.Браун АГ). Анестезия во время операции поддерживалась примерно 0,15 мл / г кетамина в час внутрибрюшинно. настой. Анестезиологический статус регулярно (10–15 мин) проверяли по рефлексу отдергивания лапы и частоте дыхания. Температура тела постоянно измерялась и поддерживалась стабильной на уровне 34 ° C. Первичное поле A1 правой слуховой коры обнажалось небольшой трепанацией через височную кость (Ø 1 мм). Это позволяет избежать повреждения тканей и гарантирует стабильную фиксацию имплантированного электрода на черепе. Еще одно небольшое отверстие для исходной эталонной проволоки (нержавеющая сталь, Ø 200–230 мкм) просверлили в теменной кости на противоположной стороне.Голову животных фиксировали с помощью винтовой гайки, приклеенной к ростральной части обнаженной носовой костной пластинки с помощью УФ-отверждаемого клея (Plurabond ONE-SE и Plurafill flow, Pluradent), который временно прикрепляли к металлическому стержню. Регистрирующий электрод с гибкой связкой между стержнем и соединителем вводили перпендикулярно кортикальной поверхности в A1 через небольшое отверстие.

Во время имплантации животных помещали в экранированную по Фарадею и звукоизолированную камеру. Звуки подавались через громкоговоритель (спутник Tannoy arena КИ-8710-32) на расстоянии 1 м от животного.Для проверки места имплантации в A1 была представлена ​​серия чистых тонов, охватывающих диапазон не менее 7 октав (0,25–32 кГц; длительность тона 200 мс, межстимульный интервал (ISI) 800 мс, 50 ​​псевдослучайных повторений, уровень звука 65 дБ SPL). Стимулы генерировались в Matlab (MathWorks, R2006b), преобразовывались в аналоговый сигнал с помощью карты сбора данных (частота дискретизации 1 кГц, NI PCI-BNC2110, National Instruments), подавались через аттенюатор (gPAH Guger, Technologies) и усиливались ( Thomas Tech Amp75).Для калибровки акустических стимулов использовались измерительный микрофон и кондиционирующий усилитель (G.R.A.S. 26AM и B&K Nexus 2690-A, Bruel & Kjaer, Германия).

Тоновые LFP записывались с помощью многоканального массива, 500-кратного предварительного усиления и полосовой фильтрации (0,7–300 Гц) с помощью предварительного усилителя PBX2 (Plexon Inc.). Затем данные были оцифрованы с частотой дискретизации 1 кГц с помощью многоканального процессора сбора данных (Plexon Inc.). Записи вызванных тонами ответов производились примерно через 30 минут после имплантации и до окончательной фиксации электрода.После 30 минут ламинарной записи, чтобы обеспечить стабилизацию сигнала и проверку тонотопического местоположения, электрод и соединитель (h42-omnetics) были приклеены к черепу животного с помощью УФ-клея. Перед закрытием экспонированного A1 УФ-клеем на открытую кору наносили антисептическую смазку (KY-Jelly, Reckitt Benckiser-UK). После операции раны обрабатывали порошком местного антисептика тиротрицина (Tyrosur, Engelhard Arzneimittel GmbH & Co.KG). Непосредственно после операции и в течение следующих 2 дней животные получали обезболивающее лечение Метакамом (т.п. 2 мг / кг массы тела; Boehringer Ingelheim GmbH) заменен 5% раствором глюкозы (0,2 мл). Животным давали возможность выздороветь в течение по крайней мере 3 дней перед первым сеансом электрофизиологической записи в состоянии бодрствования.

Характеристика места записи в A1 во время бодрствования — пассивное слушание

После периода восстановления животных помещали в бокс с одним отделением в электрически экранированной и звукоизоляционной камере, чтобы повторно охарактеризовать настраиваемые свойства хронически имплантированных животных. электрод.Акустические стимулы представлялись в псевдослучайном порядке частот чистого тона, охватывающего диапазон 7 октав (0,25–16 кГц; длительность тона: 200 мс, ISI 800 мс, 50 ​​псевдослучайных повторений, уровень звука 70 дБ SPL), в то время как ламинарные LFP-сигналы были записано. Основываясь на измерениях, мы наблюдали довольно плоскую настройку частоты доминирующих ранних синаптических входов у пассивно слушающих песчанок до и после каждой фазы обучения 50 (обнаружение и различение), что указывает на то, что тонотопические пластические изменения не являются основным источником наших результатов. (Дополнительный рис.3).

Тренировка с челночным ящиком и поведенческая парадигма

Поведенческая парадигма: формирование оперантного кондиционирования было обучено в задаче с челночным ящиком двустороннего избегания (см. Рис. 1). Коробка-челнок (E15, Coulbourn Instruments) помещалась в акустически и электрически экранированную камеру и содержала два отсека, разделенных барьером (высота 3 см). Мы тренировали животных ( n = 9) дважды в день с перерывом не менее 5 часов между тренировками. На каждой тренировке испытуемым давали возможность привыкнуть в течение 3 минут в челночном боксе.На первом этапе обучения два чистых тона с частотами 1 и 4 кГц предъявлялись как условные стимулы «вперед» (CS +). Субъектам необходимо было обнаружить любое звуковое событие и отреагировать сменой отсека, чтобы избежать легкого индивидуального шока стопы (200–500 мкА), представленного как безусловный стимул (США). Поэтому мы называем эту фазу фазой обнаружения. В течение каждого испытания (12–15 с) тоны CS + многократно предъявлялись (длительность тона 200 мс, ISI 1,5 с, 70 дБ SPL) в 6-секундном окне наблюдения, в течение которого испытуемые должны были сменить отсек, чтобы сделать правильный ответ «попадание».Когда субъекты перемещались в другой отсек в ответ на CS до начала УЗИ, это считалось CR. В случае, если животные не показывали CR в пределах 6-секундного окна наблюдения, это определяло так называемое испытание с промахом. Здесь животное получало перекрывающиеся презентации CS + и US до тех пор, пока побег в другой отсек не завершил презентацию US / CS. Таким образом, испытуемые научились избегать аверсивного шока стопы за пару попыток 51 . В каждом сеансе мы представляли каждую CS + по 30 раз в псевдослучайном порядке. \ prime = Z (совпадения) — Z (ЕГО), $$

(1)

Когда животные достигли стабильной производительности d ′> 1 (порог критерия) в течение трех последовательных тренировок, мы ввели изменение правила задачи и переключились на задачу распознавания, назначив предыдущий тон 4 кГц «Go» с случай «Нет» (CS-) ( n = 8; один субъект исключен из-за эпилептического припадка во время тренировки).Субъекты должны были сообщить о состоянии «Нет», оставаясь в отсеке, чтобы избежать столкновения с США, которое мы называем «Корр. Rej. » В испытаниях «NoGo» животные должны были оставаться в отсеке в течение 12–15 с, в то время как CS- постоянно играли с ISI 1,5 с, чтобы животные не смогли выработать временную оценку длины окна наблюдения в течение длительного периода обучения. . Если испытуемые неправильно скрещивались в течение этих 12–15 с, выбор поведения засчитывался как «FA».

Условные стимулы (CS): В качестве CS мы использовали звуковые стимулы чистого тона, которые были сгенерированы в Matlab (MathWorks, R2012b), преобразованы в аналоговый сигнал с помощью карты сбора данных (NI PCI-6733, National Instruments) с корневым доступом. через аттенюатор (gPAH Guger, Technologies) и усиленный (Black Cube Linear, Lehman).Два электростатических динамика располагались на 5 см по обе стороны от шаттла. Для калибровки акустических стимулов использовались измерительный микрофон и кондиционирующий усилитель (G.R.A.S. 26AM и B&K Nexus 2690-A, Bruel & Kjaer, Германия).

Безусловные стимулы (США): Мягкий шок стопы (США) был условно доставлен сеткой и генерировался генератором стимулов (STG-2008, Multichannel Systems MCS GmbH). В зависимости от индивидуальной чувствительности и производительности животного интенсивность шока регулировалась (начиная с 200 мкА) с шагом 50 мкА до тех пор, пока латентность побега не стала ниже 2 с, чтобы добиться успешной ассоциации CS и US 51 .

Анализ данных: мы записали все изменения компартментов во время фазы привыкания и фазы обучения. Регистрировали время реакции CR, латентность побега и количество ITS. Результаты выбора были охарактеризованы как попадание, промах, FA и Corr. Rej. в зависимости от поведения животных и случайности раздражителя (см. рис. 1а, справа). Чтобы оценить прогресс обучения, мы вычисляем усредненную частоту CR как функцию сессий (рис. 1b) и кривые обучения d ′ (дополнительный рис.1).

Многоканальные записи во время обучения

Многоканальные записи выполнялись с подключением головного разъема животного к предусилителю (20-кратное усиление, полосовая фильтрация, HST / 32V-G20; Plexon Inc.) и системе сбора данных (Регистратор системы сбора нейронных данных Recorder / 64; Plexon Inc.). Жгут проводов был обернут металлической сеткой для защиты от укусов. Натяжение кабеля снимали с помощью пружины и поворотного моторизованного коммутатора (Plexon Inc.), который обеспечивает свободное движение и вращение животного в боксе.Широкополосные сигналы записывались непрерывно с помощью предварительного усилителя (Plexon REC / 64 Amplifier; 1 Гц — 6 кГц) во время тренировки с частотой дискретизации 12 кГц. LFP были отобраны с частотой 2 кГц, визуализированы онлайн (NeuroExplorer, Plexon Inc. 2}}, $$

(2)

, где Φ — потенциал поля, z — пространственная координата, перпендикулярная кортикальным пластинам, Δ z — интервал пространственной выборки, а n — дифференциальная сетка 52 .Профили LFP были сглажены средневзвешенным значением (окно Хэмминга) для девяти каналов, что соответствует пространственному фильтру ядра 400 мкм 21 .

Распределения CSD отражают локальный пространственно-временной поток положительных ионов из внеклеточного во внутриклеточное пространство, вызываемый синаптическими популяциями в ламинарных нейрональных структурах. Активность CSD, таким образом, выявляет пространственно-временную последовательность нейронной активации через корковые слои как ансамбли синаптической популяционной активности 21,53 .Одним из преимуществ преобразования CSD является то, что оно не содержит ссылок и, следовательно, меньше подвержено влиянию потенциалов дальнего поля и артефактов ссылок. Он позволяет наблюдать локальный поток синаптического тока с высокой пространственной и временной точностью 54 . Таким образом, сток тока соответствует активности возбуждающих синаптических популяций, тогда как источники тока в основном отражают уравновешивающие возвратные токи. Таким образом, CSD обеспечивает функциональное считывание функции кортикальной микросхемы, охватывая более широкое мезоскопическое поле зрения, чем, например, одно- или многоблочные подходы 55 .п \ влево | {CSD_i} \ right | (t)}} {n}, $$

(3)

, где n — количество каналов записи, а t — время. AVREC отражает временной общий локальный текущий поток столбчатой ​​активности 60,61 .

Предварительная обработка данных: данные единичного испытания были проанализированы с помощью специально написанного графического пользовательского интерфейса (MathWorks, R2016a и R2017b), который визуализировал LFP, CSD и поведенческие параметры для проверки и отметки двух типов артефактов: (1) затронутые записи каналы и (2) шок или движение стопы, вызванное ограничением и искажением сигнала.Затронутые каналы были заменены методом линейной интерполяции по соседним незатронутым каналам на уровне LFP 21 . Ограничение, вызванное ударом, было исключено из общих сигналов. Испытания с артефактами, вызванными экстремальными движениями, также были исключены из дальнейшего анализа.

Извлечение параметров сигнала: корковые слои были назначены каналам записи на основе усредненного вызванного слухом пространственно-временного потока тока CSD в ответ на первый CS, представленный во время сеанса, и по сравнению с измерением в состоянии бодрствования перед тренировкой (дополнительный рис.2). Ранние доминирующие стоки тока в слуховой коре указывают на таламические входы в зернистых слоях III / IV и инфрагранулярных слоях Vb / VI 21,56 и позволяют идентифицировать супрагранулярные слои I / II и инфрагранулярные слои Va и VI в записях CSD ( Рис. 1г). Мы определили среднеквадратичные значения усредненных следов CSD в каждой из пяти кортикальных глубин от начала тона каждого представления CS во временном окне 500 мс. Кроме того, мы рассчитали среднеквадратичное значение AVREC в тех же временных окнах для соответствующего общего столбчатого отклика.Мы не проверяли моменты времени после CR, так как презентация CS была прекращена. Для статистического анализа значения однократного испытания были z-нормой. через испытания.

Статистика и воспроизводимость

Статистический тест дисперсии: Статистическая разница между группами проверялась однофакторным rmANOVA для учета иерархической структуры данных с помощью R Studio (R 3.5.1.). Репликация была протестирована косвенно с использованием больших размеров выборки по повторяющимся измерениям и с использованием соответствующих статистических методов, которые явно контролируют внутри и по размеру выборки.2 \) ≥ 0,25 64 .

Логистическая регрессия со смешанными эффектами: для статистического сравнения между классами с двумя вариантами выбора интересующие параметры анализировали на уровне одного испытания с использованием GLMM с функцией логистической связи 23 . {th} \), \ ({\ boldsymbol {X}} _ {\ boldsymbol {i} } \) и \ ({\ boldsymbol {Z}} _ {\ boldsymbol {i}} \) — матрицы дизайна, \ ({\ boldsymbol {\ beta}} \) фиксированные эффекты и \ ({\ boldsymbol {\ upsilon}} _ {\ boldsymbol {i}} \) специфические для животных случайные эффекты.Параметры оцениваемой модели можно интерпретировать как логарифмические отношения шансов \ (log (\ pi _ {ij} / 1 — \ pi _ {ij}) \), где \ (\ pi _ {ij} \) соответствует вероятность исхода будет равна 1 для животного \ (i \) в испытании \ (j \). Таким образом, GLMM позволяет интуитивно интерпретировать свои предсказанные значения (вероятности выбора) и оценочные коэффициенты (логарифмические отношения шансов). Таким образом, GLM-модели оптимально подходят для сравнения данных на уровне испытания с учетом вариабельности внутри субъекта.Случайные перехваты были введены для учета общей изменчивости общей активности субъектов и случайных наклонов, чтобы фиксированный эффект варьировался между животными. У нас z-норма. значения AVREC RMS для GLMM, чтобы облегчить процедуру оценки.

Оценка модели: Расчет предельного ( R 2 м) и условного ( R 2 c) коэффициентов детерминации производился с использованием пакета MuMIn 65 . R 2 m представляет собой дисперсию зависимой поведенческой переменной (по шкале логистических связей), объясняемую фиксированным эффектом соответствующей переменной CSD (по субъектам), тогда как R 2 c отражает общую дисперсия объясняется фиксированными и случайными эффектами модели соответственно 66 .В двоичной GLMM R 2 м не зависит от размера выборки и безразмерен, что позволяет сравнивать подборки для разных наборов данных 66 . R 2 m 0,2, таким образом, означает, что 20% дисперсии бинарного результата можно объяснить переменной корковой активности, которая использовалась в качестве предиктора модели. Если соответствующий R 2 c равен 0,35, вся модель объясняет 35% дисперсии, а это означает, что дополнительные 15% дисперсии в результате могут быть объяснены вариабельностью между животными.

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *