高效编码预测突触电导

《Biological Cybernetics》：Efficient coding predicts synaptic conductance

　　

视网膜-丘脑与丘脑-皮质突触具有高效性，表现为每个突触每焦耳传递的比特数（bits per Joule）最大化，但当突触电导偏离其自然值时效率迅速下降。Harris等人（2015, 2019）观测到该现象，但效率随电导下降的方式此前未获解释。近期Malkin等人（2026）表明，在给定可用能量下突触噪声最小化，符合最小能量边界。研究人员将这一边界用Shannon信息论（Shannon and Weaver, 1949）表述，得到一个模型，可预测Harris等人（2015）在120倍突触电导变化范围内观测到的效率值（R2=0.769，p<0.001）。该模型还预测，处于自然电导的突触每次前突触脉冲向后突触神经元平均提供3.58比特信息，与生理值一致。关键在于，给定(a)突触效率在自然电导处最大化，(b)突触噪声方差依最小能量边界最小化这两个生物物理约束，所提模型不含自由参数，因此是预测性而非描述性的。结果支持中枢神经系统神经元最大化信息效率（bits per Joule）而非信息速率（bits per second）的普遍原则。

研究背景方面，Barlow（1959）提出的经典高效编码假说关注冗余最小化以最大化信息速率（bits per second），而Shannon信息论指出每比特能量的代价随信息速率指数上升，中枢神经系统受严苛能量约束，因此演化评估生物适应度的默认标尺更可能是信息效率（bits per Joule）而非信息速率。Harris等人（2015, 2019）在视网膜-外侧膝状体核（LGN）与LGN-初级视皮层第4层棘星状细胞突触上人为改变绝对电导，发现信息速率随电导单调上升，但信息效率在自然科学电导值处达峰。Malkin等人（2026）提出最小能量边界，表明能量预算决定突触噪声精度上限，但未解释效率随电导下降的函数形式。本文即在此背景下，将最小能量边界嵌入Shannon框架，推导预测效率-电导关系的无参模型。该研究发表于《Biological Cybernetics》。

关键技术方法上，研究人员以Harris等人（2015）报告的相对电导G∈[0.1,12]共10个数据点（取自图5E的百分比效率）为样本，以Malkin等人（2026）五套已发表神经元数据集所得最小能量边界（SNR∝E_Total⁵）为先验约束；借助Shannon信道互信息公式 I=log₂(1+μ²/σ²)^1/2 将信噪比（SNR）与能量预算挂钩，通过Ohm定律 E_Signal=V_RMS²G₀GΔt 将电导转为能量，再代入效率定义 ε=I/E_Total；以“G=1处效率最大”与“噪声方差最小”两约束数值求解常数b=142.32（精确模型）与c=8.315（高SNR近似），全程无拟合自由参数。

研究结果部分，各小节结论如下：

1 Introduction 小节指出，经典高效编码偏重信息速率，而能量代价论证了信息效率才是中枢系统的优化目标；Malkin等人（2026）的最小能量边界以SNR=μ²/σ²=kE_Total⁵ 给出能量预算 E_Total=(μ²/(kσ²))^1/5 J，为后续推导奠基。

2 Predicting synaptic efficiency 小节推导绝对效率 ε_Abs(G)=log₂(1+bG^γ)^1/2/(βG/λ) bits/Joule，相对效率 ε=ε_Abs(G)/ε_Abs(1)×100=log₂(1+bG^γ)×100/(G log₂(1+b))，由 dε/dG|_G=1=0 解得 γ=5、b=142.32，模型无自由参数。

3 Predicting synaptic efficiency: high SNR 小节在高信噪比下取近似 I≈log₂(1+cG^α)，α=γ/2=2.5，同理得 c=8.315，给出近似效率 ε_Approx。

4 Results 小节报告：精确模型对Harris数据 F(1,9)=29.91，R²=0.769，p=0.0004；高SNR模型 R²=0.724，p=0.0014；G=1时 I=log₂(1+142.32)^1/2=3.58 bits/脉冲，与Reinagel和Reid（2000）视网膜-LGN突触 3.6±0.6 bits/脉冲吻合。

5 Discussion 小节强调最小能量边界仅是效率最大的必要非充分条件；大电导（大突触）效率更低，可解释皮层突触尺寸对数正态分布及饥饿时选择性消减大突触的现象；近似式在低G区间仍成立是因 G=0 与 G=1 两端点被物理与最优性固定，曲线几何受约束。局限包括稳态抽象忽略短时程可塑性、均匀量子幅度假设及 E_Signal∝E_Total 假设。

结论部分翻译：通过将信息效率表述为突触电导的函数，本文模型在两条边界条件下合理预测效率随电导偏离自然值的下降速率——(1) 效率在自然电导（G=1）处最大（Harris等人，2015），(2) 突触噪声方差依Malkin等人（2026）最小能量边界最小化。模型预测每次前突触脉冲向后突触神经元平均传递3.58比特，接近Reinagel和Reid（2000）报道的3.6 bits/脉冲。效率函数（式22与27）满足两边界故无自由参数，属预测而非描述。整体结果支持如下普遍原则：外周感觉运动神经元有时需最大化信息速率（bits per second），但中枢神经系统神经元通常由演化驱动最大化信息效率（bits per Joule）（Stone, 2018）。