权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

能動的な樹状突起におけるシナプスの棲み分けと情報表現

活性树突中的突触分离和信息表达

基本信息

批准号：
10164208
负责人：
中尾光之
金额：
$ 0.9万
依托单位：
Tohoku University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research on Priority Areas (A)
财政年份：
1998
资助国家：
日本
起止时间：
1998 至无数据
项目状态：
已结题

项目摘要

我々はアクティブな樹状突起をもつニューロンのコンパートメントモデルの入出力特性に基づいた形式ニューロンを定式化した。形式ニューロンの基となった海馬CA1錐体ニューロンのコンパートメントモデルは、等価円柱で近似した細胞体、基底樹状突起と尖頭樹状突起、および軸索小丘が電気的に結合されたものである。各コンパートメントの膜電位ダイナミクスはHodgkin-Huxley方程式を拡張した微分方程式で記述されている。樹状突起の能動性を表現するモデルパラメータは、最新の生理学的知見に基づいて設定した。また、ニューロンは多種の興奮性および抑制性シナプス入力を受容するが、これらはその入力系統に応じて細胞体や樹状突起の上を整然と「棲み分け」ていることが知られている。そこで「シナプスの棲み分け」を考慮して形式ニューロンを構築した。具体的には、興奮性(x)および抑制性(y)シナプス入力をそれぞれ尖頭樹状突起の中央に配置されたものをx_m,y_m,末端に置されたものをX_d,y_d,および基底樹状突起に配置されたものをX_b,y_b)と記す。同時に与えられる1組のシナプス入力(X_b,y_b,X_m,y_m,X_d,y_d)に対するニューロンの出力ζ(1または0の値をとり、ニューロンの興奮をζ=1で表す)が次の様に定式化できるものと仮定した。ζ=θ[I_<dendrite>(x_b,y_b,x_m,y_m,X_d,y_d)-h]。ここにI_<dendrite>は樹状突起によるシナプス入力の統合特性を表すスカラー関数(シナプス入力統合関数),hはニューロンの発火閾値、またθ=[z]はヘビサイドステップ関数(z【less than or equal】0でθ=1、z<0でθ=0)である。シナプス入力統合の局所性と階層性を考慮し、コンパートメントモデルのシミュレーション結果に基づいて、I_<dendrite>の構造を同定した。構築された形式ニューロンは、古典ニューロンで構成された多層神経回路網と相似な構造を有していた。ここでは以上のように、シナプス入力間の相互作用の特性に基づき、アクティブな樹状突起を有するニューロンモデルの入出力特性を定量的に近似する形式ニューロンを開発した。この形式ニューロンは多層神経回路網と相似な見通しのよい構造をしており、大規模なネットワークモデルの構築に適するものである。また、このモデルは生物学的に知られている樹状突起のアクティブな性質とシナプスの棲み分けの機能的意義を理解する上でも有用である。さらにモデルを改良して行くとともに、回路網を構成しそのダイナミクスを調べることにより樹状突起の能動性の機能的意義を明らかにして行く。

The structure of the tree structure is characterized by the basic structure of the tree structure. The form of the hippocampus CA1 pyramid is similar to that of the cell body, basal dendrites, pointed dendrites, and axonal hillocks. The membrane potential of each component is described in the Hodgkin-Huxley equation. Dendritic motility is based on the latest physiological knowledge. A variety of excitatory and inhibitory forces are contained in the cell body and dendrites. The first step is to consider how to build a new structure. The specific excitation (x) and inhibition (y) are recorded in the central position of the pointed dendrites and in the terminal position of the base dendrites. At the same time, the force (X_b,y_b,X_m,y_m,X_d,y_d) corresponding to the first group of excitation forces (X_b,Y_b,X_m, Y_d,Y_d) is determined by the second group of excitation forces (X_b,Y_b, X_m, Y_d, Y_d).ζ=θ[I_<dendrite>(x_b,y_b,x_m,y_m,X_d,y_d)-h]。The <dendrite>integrated characteristics of the tree-like protrusions are expressed as follows: the fire threshold value of h, θ=[z], θ=1, z<0, θ=0. The structure of the structure of the system is the same as that of the system<dendrite>. The structure of multi-layer neural network is similar to that of classical neural network. The characteristics of the interaction between the above forces are based on the shape of the dendrites and the shape of the dendrites. This type of network is similar to the multilayer network, and it is suitable for large-scale network construction. It is useful to understand the biological significance of dendrites, their properties and their functions. The meaning of tree activity function is clear.