大脑模式分离机制的新发现

奥地利科学技术研究所(IST)通过使用大脑齿状回的真实尺度计算机模型，发现了一种新的模式分离机制。模式激活的抑制性神经元会抑制所有相邻的神经元，然后关闭与之竞争的相似模式。相关研究成果近日发表在《自然计算科学》杂志上。

人类可以分辨非常相似的东西。例如，一只黑猫和一只黑豹几乎一样，但大小不同。区分这种差异是至关重要的。由于所谓的模式分离，大脑可以区分非常相似的模式，并触发不同的行为。比如抚摸黑猫，从黑豹身边跑开。然而，模式分离是如何发生的还没有完全弄清楚。

在早期的研究中，由IST彼得乔纳斯教授领导的研究团队测量了突触的关键参数、神经元的连接点和连接规则。这些对于理解信息在小鼠和大鼠的海马网络中是如何处理的是必要的。在新的研究中，他们使用这些真实世界的参数建立了一个包含50万个兴奋性神经元的全尺寸计算机模型，并测试了关于模式分离如何工作的各种假设。

过去，神经科学家认为模式分离是基于扩展的：模式在下一层处理中从少量神经元投射到大量神经元。这将扩大模式，更容易看出差异。虽然扩张在小脑中是一种可能的机制，但在海马中不太可能发生，在海马中，颗粒细胞将其信号传递给下一层较少的CA3神经元。

乔纳斯解释说：“我们的真实模型表明，抑制在其中起着重要作用，即活跃的神经元阻止其他神经元放电。”从数学的角度来看，已经表明通过抑制网络中的活动更容易看出模式之间的差异。利用海马模型，乔纳斯检查了抑制效果。当模型的一部分被抑制时，图案被牢固地分离。这一结果支持了模式分离的观点从扩展变为抑制的机制。

新的数据也解释了齿状回局部抑制的功能和作用。被激活的神经元只抑制半径300微米内的其他细胞。这种抑制可以比全局抑制更好地分离模式。这在速度分离中非常重要，而焦点抑制可以减少延迟：一种模式下的神经元会非常快地打开并抑制周围的细胞，确保其他模式不会打开。