スパイク生成時刻の予測に基づく新しい神経細胞のモデルの構築

基于尖峰生成时间预测的新型神经元模型构建

• 批准号: 08J00760
• 负责人: 小林 亮太
• 金额: $ 0.38万
• 依托单位: Kyoto University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2008
• 资助国家: 日本
• 起止时间: 2008 至 无数据
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-08J00760/
• 关键词: 神経細胞; スパイク; 予測; 積分発火モデル; 電気生理学実験; イオンチャネル; 時系列解析; brain simulation

神経細胞の入力(電流)と出力(スパイク)の関係を理解することは生物の情報処理機構を理解するうえで重要であるだけでなく、人工知能やBrain Machine Interfaceの実装など工学的な応用上も重要である。近年、神経細胞はおどろくほど「正確に」入力信号をスパイクに変換する素子であること、すなわち神経細胞は決定論的に入力からスパイクを生成することが示された。神経細胞はどのような機構でスパイクを生成するのだろうか?この疑問に答えるために、我々は、神経細胞の生成するスパイク時刻を入力電流のみから正確に予測できる数理モデルを構築した。まず、生理学分野の標準的モデルであるホジキンハクスレーモデルと理論神経科学で広く用いられている積分発火モデルを用いてスパイク時刻の予測を行った。しかし、これらのモデルでは神経細胞のスパイクの50-60%程度しか予測できなかった。我々は、積分発火モデルの定数閾値を時間変動閾値に拡張したモデルを構築し、神経細胞のスパイク時刻の予測を行った。我々のモデルは多様な神経細胞の生成するスパイクの90%程度を正確に予測することに成功した。さらに、閾値変動のダイナミクスの違いによって神経細胞のスパイク生成機構の多様性を説明できることが示された。我々の結果は神経細胞の多様なスパイク生成機構を解明した点で重要であるだけでなく、神経回路の計算機シミュレーションを行う上で重要なツールとなる。計算機シミュレーションは記憶、学習、脳の病気等のメカニズムを解明する重要な方法の1つである。先行研究には1)シミュレーションに莫大な計算量が必要となり、2)神経回路を構成する神経細胞の多様性を考慮に入れていないという問題点があった。我々の構築したモデルにより多様な神経細胞から構成される神経回路の高速かつ忠実なシミュレーションが可能になる。

God の 経 cells (current) into force と output (ス パ イ ク) の masato is を understand す る こ と は biological の intelligence 処 manage institution を understand す る う え で important で あ る だ け で な く, artificial can know や Brain Machine Interface の be loaded な ど engineering of な 応 using も important で あ る. In recent years, god 経 cell は お ど ろ く ほ ど を "correct に" into the force signal ス パ イ ク に variations in す る element child で あ る こ と, す な わ ち god 経 に は determinism cells into force か ら ス パ イ ク を generated す る こ と が shown さ れ た. The Shinto cell する <s:1> ような ような institution でスパ でスパ を を を を generate する だろう だろう する? こ の question answer に え る た め に, I 々 は, god の 経 cells generate す る ス パ イ ク moment を into force current の み か ら に right be で き る mathematical モ デ ル を build し た. ま ず, physiology eset の standard モ デ ル で あ る ホ ジ キ ン ハ ク ス レ ー モ デ ル と theory god 経 scientific で hiroo く with い ら れ て い る integral 発 fire モ デ ル を with い て ス パ イ ク moment の line to measure を っ た. A 50-60% degree <s:1> れら った った, <s:1> れら モデ モデ モデ で で で で で of った neural cells <s:1> スパ <s:1> <e:1> <s:1> <s:1> <s:1> test で で な な った った った. I 々 は, integral 発 fire モ デ ル の destiny threshold numerical を time variations on dynamic threshold numerical に company, zhang し た モ デ ル を constructing し, god 経 cells の ス パ イ ク moment の line to measure を っ た. I 々 の モ デ ル は many others な god の 経 cells generate す る ス パ イ ク の way を right 90% に be す る こ と に successful し た. さ ら に, threshold numerical variations の ダ イ ナ ミ ク ス の violations い に よ っ て god 経 cells の ス パ イ ク の many others in the generated orgnaization を illustrate で き る こ と が shown さ れ た. I 々 の results は god 経 cells の others more な ス パ イ ク production mechanism を interpret し た point で important で あ る だ け で な く, god 経 loop の computer シ ミ ュ レ ー シ ョ ン を line う で important な ツ ー ル と な る. Computer シ シ ュレ シ ショ ショ ショ ショ 脳 memory, learning, 脳 diseases, etc. Youdaoplaceholder4 メカニズムを explanation する important な methods である 1 である である. Leading research に は 1) シ ミ ュ レ ー シ ョ ン に great な computation necessary と が な り, 2) god 経 loop を す る god 経 cell の others more を consider に into れ て い な い と い う problem point が あ っ た. I 々 の build し た モ デ ル に よ り many others な god 経 cells か ら constitute さ れ る god 経 loop の high-speed か つ loyalty be な シ ミ ュ レ ー シ ョ ン が may に な る.

项目成果

変動閾値モデルは多様な神経細胞のスパイク時刻を正確に予測できる

可变阈值模型可以准确预测各种神经元的尖峰时间

• 发表时间: 2008
• 作者: 小林亮太;坪泰宏;篠本滋
• 通讯作者: 篠本滋

Predicting spike times of any cortical neuron

预测任何皮质神经元的尖峰时间

• 发表时间: 2009
• 作者: R. Kobayashi;Y. Tsubo;S. Shinomoto
• 通讯作者: S. Shinomoto

Influence of firing mechanisms on gain modulation

发射机制对增益调制的影响

• 发表时间: 2008
• 作者: R. Kobayashi;Y. Tsubo;S. Shinomoto;R. Kobayashi
• 通讯作者: R. Kobayashi

Dynamic threshold model may reproduce a variety of neuronal firing types

动态阈值模型可以重现多种神经元放电类型

• 发表时间: 2008
• 作者: R. Kobayashi;Y. Tsubo;S. Shinomoto
• 通讯作者: S. Shinomoto

The influence of firing mechanisms on gain modulation

发射机制对增益调制的影响

• 发表时间: 2009
• 期刊: J. Stat. Mech.
• 作者: 宮本佳明;竹見哲也;Yoshiaki Miyamoto;R. Kobayashi
• 通讯作者: R. Kobayashi