Logo

李松挺和周栋焯教授最新PNAS论文:关于神经元树突计算的理论模型研究Dendritic computations captured by an effective point neuron model

Modeling single-neuron dynamics is the first step to quantitatively understand brain computation. Yet, the existing point neuron models fail to capture dendritic effects. Using realistic neuronal simulations, theoretical analyses, and electrophysiological experiments, INS faculty Songting Li and Douglas Zhou together with their collaborators have derived an effective point neuron model, which incorporates an additional synaptic integration current arising from the nonlinear interaction between synaptic currents across spatial dendrites. Their model captures the somatic voltage response of a neuron with complex dendrites and is capable of performing rich dendritic computations.

近日,上海交通大学自然科学研究院、数学科学学院李松挺、周栋焯及其合作者通过理论建模分析、数值计算模拟、并结合生物学实验的方式发展了一个简洁的神经元模型,可以有效刻画神经元的树突计算功能。其研究成果Dendritic computations captured by an effective point neuron model于2019年7月10日在美国科学院院刊Proceedings of the National Academy of Sciences(PNAS)在线发表。

大脑中的神经元的树突具有复杂的几何形态和生物物理特性,目前较为流行的神经元理论模型通常不考虑树突结构,将神经元的几何形态简化为一个点来描述神经元的细胞体(点神经元模型),而从树突上接收的空间输入信号则被简化描述成输入电流在细胞体处的线性加和。通过数学理论分析、数值计算模拟、以及生物学实验,本项研究首先阐明了传统点模型中关于输入电流线性加和的假设过于简化,无法刻画真实具有树突结构的神经元的输入电流之间的非线性作用,随后提出了一个全新的整合电流形式来修正传统的点神经元模型,该修正的模型可以模拟原始点神经元模型无法描述的树突计算功能,如方向性选择、同步性检测等,同时模型较低的数值计算复杂度和较高的生物真实性特征使其能够突破大尺度真实神经元网络动力学的计算瓶颈。

该工作的理论分析和数值模拟部分由上海交通大学的李松挺、周栋焯、蔡申瓯教授以及纽约大学的David McLaughlin教授完成,实验部分由北京师范大学章晓辉教授实验室完成。文章的第一作者是上海交通大学自然科学研究院、数学科学学院的李松挺教授,通讯作者为上海交通大学自然科学研究院及数学科学学院周栋焯教授、纽约大学的David McLaughlin教授、和北京师范大学认知神经科学与学习国家重点实验室的章晓辉教授。该工作受到国家自然科学基金等资助。

论文链接: https://www.pnas.org/content/early/2019/07/09/1904463116