搜索

x

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于抑制性突触可塑性的反馈神经回路兴奋性与抑制性动态平衡

王美丽 王俊松

基于抑制性突触可塑性的反馈神经回路兴奋性与抑制性动态平衡

王美丽, 王俊松
PDF
导出引用
  • 大脑皮层的兴奋性与抑制性平衡是维持正常脑功能的前提, 而其失衡会诱发癫痫、帕金森、抑郁症等多种神经疾病, 因此兴奋性与抑制性平衡的研究是脑科学领域的核心科学问题. 反馈神经回路是脑皮层网络的典型连接模式, 抑制性突触可塑性在兴奋性与抑制性平衡中扮演关键角色. 本文首先构建具有抑制性突触可塑性的反馈神经回路模型; 然后通过计算模拟研究揭示在抑制性突触可塑性的调控下反馈神经回路的兴奋性与抑制性可取得较高程度的动态平衡, 并且二者的平衡对输入扰动具有较强的鲁棒性; 其次给出了基于抑制性突触可塑性的反馈神经回路兴奋性与抑制性平衡机理的解释; 最后发现反馈回路神经元数目有利于提高兴奋性与抑制性平衡的程度, 这在一定程度上解释了为何神经元之间会存在较多的连接. 本文的研究对于理解脑皮层的兴奋性与抑制性动态平衡机理具有重要的参考价值.
    • 基金项目: 国家自然科学基金(批准号: 61473208)和国家自然科学基金重大研究计划(批准号: 91132722)资助的课题.
    [1]

    Hu H, Gan J, Jonas P 2014 Science 345 1255263

    [2]

    Yizhar O, Fenno L E, Prigge M, Schneider F, Davidson T J, O’Shea D J, Sohal V S, Goshen I, Finkelstein J, Paz J T, Stehfest K, Fudim R, Ramakrishnan C, Huguenard J R, Hegemann P, Deisseroth K 2011 Nature 477 171

    [3]

    Litwin-Kumar A, Oswald A M, Urban N N, Doiron B 2011 PLoS Comput. Biol. 7 e1002305

    [4]

    Lombardi F, Herrmann H J, Perrone-Capano C, Plenz D, de Arcangelis L 2012 Phys. Rev. Lett. 108 228703

    [5]

    Vogels T P, Sprekeler H, Zenke F, Clopath C, Gerstner W 2011 Science 334 1569

    [6]

    Atallah B V, Scanziani M 2009 Neuron 62 566

    [7]

    Lim S, Goldman M S 2013 Nat. Neurosci. 16 1306

    [8]

    Xia X F, Wang J S 2014 Acta Phys. Sin. 63 140503 (in Chinese) [夏小飞,王俊松 2014 物理学报 63 140503]

    [9]

    López-Huerta V G, Carrillo-Reid L, Galarraga E, Tapia D, Fiordelisio T, Drucker-Colin R, Bargas J 2013 J. Neurosci. 33 4964

    [10]

    van Vreeswijk C, Sompolinsky H 1996 Science 274 1724

    [11]

    Deco G, Corbetta M 2011 The Neuroscientist 17 107

    [12]

    Park H J, Friston K 2013 Science 342 1238411

    [13]

    Isaacson J S, Scanziani M 2011 Neuron 72 231

    [14]

    Maass W, Joshi P, Sontag E D 2007 PLoS Comput. Biol. 3 e165

    [15]

    Shu Y, Hasenstaub A, McCormick D A 2003 Nature 423 288

    [16]

    Luz Y, Shamir M 2012 PLoS Comput. Biol. 8 e1002334

    [17]

    Turrigiano G G 2008 Cell 135 422

    [18]

    Woodin M A, Ganguly K, Poo M M 2003 Neuron 39 807

    [19]

    Jansen B H, Rit V G 1995 Biol. Cybern. 73 357

    [20]

    Wang J S, Xu Y 2014 Acta Phys. Sin. 63 068701 (in Chinese) [王俊松, 徐瑶 2014 物理学报 63 068701]

    [21]

    Chacron M J, Longtin A, Maler L 2005 Phys. Rev. E: Stat. Nonlinear Soft Matter Phys. 72 051917

    [22]

    Dayan P, Abbott L F 2001 Theoretical Neuroscience (Cambridge, MA: MIT Press) pp195-250

  • [1]

    Hu H, Gan J, Jonas P 2014 Science 345 1255263

    [2]

    Yizhar O, Fenno L E, Prigge M, Schneider F, Davidson T J, O’Shea D J, Sohal V S, Goshen I, Finkelstein J, Paz J T, Stehfest K, Fudim R, Ramakrishnan C, Huguenard J R, Hegemann P, Deisseroth K 2011 Nature 477 171

    [3]

    Litwin-Kumar A, Oswald A M, Urban N N, Doiron B 2011 PLoS Comput. Biol. 7 e1002305

    [4]

    Lombardi F, Herrmann H J, Perrone-Capano C, Plenz D, de Arcangelis L 2012 Phys. Rev. Lett. 108 228703

    [5]

    Vogels T P, Sprekeler H, Zenke F, Clopath C, Gerstner W 2011 Science 334 1569

    [6]

    Atallah B V, Scanziani M 2009 Neuron 62 566

    [7]

    Lim S, Goldman M S 2013 Nat. Neurosci. 16 1306

    [8]

    Xia X F, Wang J S 2014 Acta Phys. Sin. 63 140503 (in Chinese) [夏小飞,王俊松 2014 物理学报 63 140503]

    [9]

    López-Huerta V G, Carrillo-Reid L, Galarraga E, Tapia D, Fiordelisio T, Drucker-Colin R, Bargas J 2013 J. Neurosci. 33 4964

    [10]

    van Vreeswijk C, Sompolinsky H 1996 Science 274 1724

    [11]

    Deco G, Corbetta M 2011 The Neuroscientist 17 107

    [12]

    Park H J, Friston K 2013 Science 342 1238411

    [13]

    Isaacson J S, Scanziani M 2011 Neuron 72 231

    [14]

    Maass W, Joshi P, Sontag E D 2007 PLoS Comput. Biol. 3 e165

    [15]

    Shu Y, Hasenstaub A, McCormick D A 2003 Nature 423 288

    [16]

    Luz Y, Shamir M 2012 PLoS Comput. Biol. 8 e1002334

    [17]

    Turrigiano G G 2008 Cell 135 422

    [18]

    Woodin M A, Ganguly K, Poo M M 2003 Neuron 39 807

    [19]

    Jansen B H, Rit V G 1995 Biol. Cybern. 73 357

    [20]

    Wang J S, Xu Y 2014 Acta Phys. Sin. 63 068701 (in Chinese) [王俊松, 徐瑶 2014 物理学报 63 068701]

    [21]

    Chacron M J, Longtin A, Maler L 2005 Phys. Rev. E: Stat. Nonlinear Soft Matter Phys. 72 051917

    [22]

    Dayan P, Abbott L F 2001 Theoretical Neuroscience (Cambridge, MA: MIT Press) pp195-250

  • 引用本文:
    Citation:
计量
  • 文章访问数:  2347
  • PDF下载量:  434
  • 被引次数: 0
出版历程
  • 收稿日期:  2014-11-02
  • 修回日期:  2014-12-09
  • 刊出日期:  2015-05-05

基于抑制性突触可塑性的反馈神经回路兴奋性与抑制性动态平衡

  • 1. 天津医科大学生物医学工程学院, 天津 300070
    基金项目: 

    国家自然科学基金(批准号: 61473208)和国家自然科学基金重大研究计划(批准号: 91132722)资助的课题.

摘要: 大脑皮层的兴奋性与抑制性平衡是维持正常脑功能的前提, 而其失衡会诱发癫痫、帕金森、抑郁症等多种神经疾病, 因此兴奋性与抑制性平衡的研究是脑科学领域的核心科学问题. 反馈神经回路是脑皮层网络的典型连接模式, 抑制性突触可塑性在兴奋性与抑制性平衡中扮演关键角色. 本文首先构建具有抑制性突触可塑性的反馈神经回路模型; 然后通过计算模拟研究揭示在抑制性突触可塑性的调控下反馈神经回路的兴奋性与抑制性可取得较高程度的动态平衡, 并且二者的平衡对输入扰动具有较强的鲁棒性; 其次给出了基于抑制性突触可塑性的反馈神经回路兴奋性与抑制性平衡机理的解释; 最后发现反馈回路神经元数目有利于提高兴奋性与抑制性平衡的程度, 这在一定程度上解释了为何神经元之间会存在较多的连接. 本文的研究对于理解脑皮层的兴奋性与抑制性动态平衡机理具有重要的参考价值.

English Abstract

参考文献 (22)

目录

    /

    返回文章
    返回