《Journal of Computational Neuroscience》:Spike train entropy and information transmission for a mathematical model of a bursting neuron
编辑推荐:
针对神经元发放簇在信息编码中的潜在优势尚未充分量化的问题,本研究对circle/circle发放簇模型神经元在过滤白噪声刺激下产生的动作电位序列的熵与信息传输进行了计算分析。研究人员将发放簇视为整体单元,通过分析连续发放簇起始峰电位间隔估算熵值,并比较了考虑簇内所有峰电位及仅考虑起始与终止峰电位的情况。研究发现,当刺激频率与神经元固有发放簇频率匹配时,每发放簇熵最大化;考虑发放簇持续时间时,每峰电位熵显著增加。尤为重要的是,在特定噪声刺激下(确定性成分接近固有发放簇频率而噪声主要处于更高频段),发放簇神经元以比特/峰电位计的信息传输量显著超过由相似离子电导构建的发放(非簇状)模型神经元。这项研究为理解神经元发放簇的高效信息编码机制提供了定量依据,揭示了其在噪声环境中信息处理的潜在优势。
在我们的日常生活中,从感知外界光线、声音到控制肌肉运动,大脑的每一项功能都离不开数以亿计的神经元之间精准而高效的信息传递。神经元之间交流的主要“语言”是被称为动作电位或峰电位的电脉冲。这些峰电位大多是高度相似的,因此,神经信号主要蕴含在它们的数量和/或发放时间模式中。有趣的是,部分神经元具备一种特殊的“爆发”能力,即快速连续地产生一系列峰电位(称为一个“发放簇”),随后进入一段静息期,直至下一个发放簇产生。这种发放簇模式在从运动节律生成到感觉信息处理等众多神经功能中扮演着关键角色。与单个峰电位相比,发放簇被认为具有更高的可靠性,能克服突触传递失败,并可能编码更丰富的刺激信息。
然而,一个基础而重要的问题随之而来:与不产生发放簇的神经元相比,发放簇神经元在其峰电位序列中究竟能编码和传输多少信息?直观上,由于发放簇内的峰电位发放时间高度规律化,发放簇神经元每峰电位所能携带的熵(即信息容量)应该低于以相同频率发放单个峰电位的神经元。但发放簇内峰电位时间的变异,以及连续发放簇之间的时间相关性,对总熵有多大贡献?为了回答这些问题,并深入理解发放簇在神经编码中的潜力,研究人员展开了一项计算研究。
该研究聚焦于一个名为circle/circle的内源性发放簇模型神经元。这个模型因其能够很好地描述某些生物神经元(如海兔的R15神经元)的活动而闻名。研究人员向该模型神经元注入经过低通滤波的白噪声电流刺激,滤波频率范围覆盖0.1赫兹到1000赫兹。他们通过计算刺激响应产生的峰电位序列的熵和信息传输量,系统探究了刺激时间尺度、发放簇内部结构以及噪声特性对信息编码效率的影响。相关研究成果已发表于《Journal of Computational Neuroscience》。
为了开展这项研究,作者主要采用了以下关键技术方法:首先,构建并模拟了单室circle/circle发放簇模型神经元及其对应的非发放簇(spiking)版本,后者通过移除慢钠电导并调整慢钾电导获得,以确保在恒定刺激下与发放簇神经元具有相近的平均发放频率。其次,生成了包含不同频率成分(截止频率0.1-1000赫兹)的过滤白噪声电流作为刺激。接着,基于从模拟峰电位时间提取的峰间期序列,采用Rieke等人提出的方法,通过计算越来越高阶的条件概率分布来估算序列熵的上界,并利用有限数据集校正和外推技术获得对无限长数据熵的准确估计。最后,通过从总熵中减去噪声熵来计算信息传输量,其中噪声熵通过向神经元重复呈现一个由固定低频“信号”和高频随机“噪声”叠加而成的短时刺激,并分析多次试验的响应变异性来获得。
研究结果
3.1 发放簇的速率与时间
研究发现,在恒定电流刺激下,随着刺激幅度增加,模型神经元产生更频繁且包含更多峰电位的发放簇。发放簇周期与其逆数(平均发放簇速率)和刺激幅度之间并非一一对应,但发放簇间期通常能更唯一地确定刺激幅度。此外,神经元对短时兴奋性输入脉冲的响应高度依赖于该脉冲在发放周期内的施加时间。
3.2 由低通滤波白噪声产生的发放簇(周期)熵
熵的计算结果显示,当将发放簇视为整体单元(仅考虑其起始峰电位间的周期)时,峰电位序列的熵在刺激变化的时标与神经元的固有发放簇频率相匹配时达到最大。例如,对于滤波频率为30赫兹的刺激,熵达到峰值6.06比特/发放簇。当刺激变化过慢(如0.1赫兹)时,发放周期变化缓慢且存在长程相关性,熵较低;当刺激变化过快(如1000赫兹)时,发放周期分布很窄,熵也较低。
3.3 考虑额外峰电位时的熵
当在分析中不仅考虑发放簇的起始峰电位,还考虑其终止峰电位(即同时分析发放簇间期和发放簇持续时间)时,每峰电位熵显著增加,从仅考虑周期时的1.21比特/峰电位增至1.94比特/峰电位。当考虑发放簇内所有峰间期时,熵进一步增至约2.25比特/峰电位。分析表明,发放簇内部峰电位的时序变异对总熵有实质性贡献。
3.4 发放簇神经元与发放神经元的信息传输
最关键的发现来自于对信息传输的比较。研究构建了一个与发放簇模型具有相似离子电导但不产生发放簇的“发放”神经元作为对照。在多数刺激条件下,发放神经元的每峰电位熵高于发放簇神经元。然而,在一种精心设计的噪声刺激场景下,情况发生了逆转:当刺激的确定性(信号)部分(滤波频率3赫兹)接近神经元的固有发放频率,而大部分噪声处于高频(1000赫兹)时,发放簇神经元传输的信息量(0.53比特/峰电位)显著超过了发放神经元(0.16比特/峰电位)。这意味着,发放簇神经元能够更有效地从被高频噪声污染的刺激中提取低频信号信息。
研究结论与意义
本项计算研究系统量化了circle/circle发放簇模型神经元的熵与信息传输特性,得出三个主要结论:第一,将发放簇视为整体单元时,其熵在刺激变化时标与神经元固有节律匹配时最大化;第二,考虑发放簇持续时间能显著增加每峰电位熵;第三,也是最具启发性的一点,在特定噪声条件下,发放簇神经元能以高于传统发放神经元的效率传输信息。
这项研究的意义在于,它从信息论角度为理解神经元发放簇的编码优势提供了定量证据。结果表明,发放簇并不仅仅是多个峰电位的简单叠加,其内在的节律性和对刺激时间尺度的选择性响应,使其在嘈杂的神经环境中成为一种高效的信息编码策略。发放簇神经元能够充当一种“带通滤波器”,有效匹配并提取刺激中的相关低频成分,同时过滤掉不相关的高频噪声。这一发现深化了我们对神经信息处理基本机制的认识,并对理解感觉系统如何在复杂环境中实现可靠编码具有重要启示。未来的研究可以探索不同类型的发放簇模型、更生物真实的噪声谱以及网络环境中发放簇的信息传输特性,进一步揭示这种高效编码模式的普遍性与局限性。