Probabilistic inference of short-term synaptic plasticity in neocortical microcircuits.
Probabilistic inference of short-term synaptic plasticity in neocortical microcircuits.
复制标题
DOI：
10.3389/fncom.2013.00075
复制
发表时间：
2013
影响因子：
3.2
通讯作者：
van Rossum MC
中科院分区：
文献类型：
--
作者：
Costa RP;Sjöström PJ;van Rossum MC
短期突触可塑性在大脑区域、皮质层、细胞类型和发育阶段是高度多样的。由于短期可塑性（STP）强烈塑造神经动力学，这种多样性表明在神经信息处理中的特定和重要作用。因此，正确表征短期突触可塑性是理解和建模神经系统的重要一步。现象学模型已经被开发出来，但它们通常使用最小均方方法来拟合实验数据。我们证明，对于典型的突触动力学，这种拟合可能会得到不可靠的结果。作为一种解决方案，我们引入了贝叶斯公式，它产生的后验分布的模型参数给定的数据。首先，我们表明，常见的STP协议产生广泛的分布在一些模型参数。利用我们的结果，我们提出了一个实验协议，以更准确地确定突触动力学参数。接下来，我们推断模型参数使用实验数据从三个不同的新皮层兴奋性连接类型。这揭示了连接特定的分布，我们用它来分类突触动力学。我们的方法来划分连接特定的突触动力学是一个重要的改进，最先进的，并揭示了新的功能，从现有的数据。
Short-term synaptic plasticity is highly diverse across brain area, cortical layer, cell type, and developmental stage. Since short-term plasticity (STP) strongly shapes neural dynamics, this diversity suggests a specific and essential role in neural information processing. Therefore, a correct characterization of short-term synaptic plasticity is an important step towards understanding and modeling neural systems. Phenomenological models have been developed, but they are usually fitted to experimental data using least-mean-square methods. We demonstrate that for typical synaptic dynamics such fitting may give unreliable results. As a solution, we introduce a Bayesian formulation, which yields the posterior distribution over the model parameters given the data. First, we show that common STP protocols yield broad distributions over some model parameters. Using our result we propose a experimental protocol to more accurately determine synaptic dynamics parameters. Next, we infer the model parameters using experimental data from three different neocortical excitatory connection types. This reveals connection-specific distributions, which we use to classify synaptic dynamics. Our approach to demarcate connection-specific synaptic dynamics is an important improvement on the state of the art and reveals novel features from existing data.
登录
查看更多内容
影响因子：
16.2
作者：
McGuinness, Lindsay;Taylor, Chanel;Emptage, Nigel J.
通讯作者：
Emptage, Nigel J.
影响因子：
64.8
作者：
Markram, H;Tsodyks, M
通讯作者：
Tsodyks, M
影响因子：
3
作者：
MILLIGAN, GW;COOPER, MC
通讯作者：
COOPER, MC
影响因子：
5.3
作者：
Cheetham, Claire E. J.;Fox, Kevin
通讯作者：
Fox, Kevin
影响因子：
4.5
作者：
Neal, RM
通讯作者：
Neal, RM