神经元树突在大脑计算处理信息能力中的作用出乎意料| Neuron

当特定神经元的胞体活动时，该神经元的树突也是激活的，即使当动物并非执行认知要求高的任务时也是如此。

麻省理工学院的神经科学家们发现，被称为树突的神经延伸体在神经计算中发挥着比以前想象的更积极的作用，树突起着类似天线的作用，帮助神经元监听邻近神经元发出的指令。图片： Lou Beauliu-Laroche

大多数神经元有许多分支延伸称为树突，接受输入数以千计的其他神经元发出的“指令”。然而，树突不仅仅是被动的信息转运体。根据 MIT 的一项新研究，它们似乎在将传入信号转化为电活动的方面发挥了惊人的巨大作用。

神经科学家此前曾怀疑，树突可能很少活跃，仅仅在特定情况下。但麻省理工学院的研究小组发现，当神经元的主细胞体活跃时，树突几乎总是活跃的。

"看起来树突棘是我们大脑中神经元如何实现计算处理信息的内在属性。 这种情况并不是罕见的事件，"Lou Beaulieu-Laroche 说，他是麻省理工学院的研究生，也是该论文的主要作者。 "我们所观测的神经元都有树枝状的棘，而且树枝状的棘分布很多。"

McGovern 大脑研究所的成员、Fred 与 Carole Middleton 大脑与认知科学职业发展助理教授，Mark Harnett 说，研究结果表明，树突在大脑计算处理信息能力中的作用比以前想象的要大得多。

他说："该研究结果与一直以来对这一问题的看法完全不同。" "这证明树突积极参与了神经元输出的产生和塑造。"

研究生 Enrique Toloza 和技术助理 Norma Brown 也是该论文的作者，该论文将于6月6日在 Neuron 上发表。

“遥远的天线”

树突接受来自许多其他神经元的输入，并将这些信号传递到细胞体，也称为胞体。 如果受到足够的刺激，神经元就会激发动作电位——一种传播到其他神经元的电脉冲。 这些神经元的大型网络彼此通信以执行复杂的认知任务，例如产生语音。

通过成像和电生理记录，神经科学家已经了解了大脑皮质不同类型神经元之间的解剖和功能差异，但对它们如何整合树突输入，并决定是否激发动作电位知之甚少。 树突赋予神经元特有的分枝树形状，"树突"的大小远远超过胞体的大小。

Harnett 说："这是一个巨大的、遥远的天线，它能‘听到’数以千计的突触输入信号，这些信号分布在网络中其他神经元的分支结构上。"

一些神经科学家假设树突很少活动，而另一些人则认为树突可能在神经元的整体活动中扮演更重要的角色。 Harnett 说，到目前为止，很难测试这些想法中哪一个更准确。

为了探索树突在神经计算处理信息中的作用，麻省理工学院的研究小组利用钙成像技术，同时测量了大脑视皮层单个神经元胞体和树突的活动。钙在神经元电活动时流入神经元，因此这项测量使研究人员能够比较同一神经元的树突和胞体的活动。 成像是在小鼠执行简单任务时完成的，例如在跑步或观看影像。

出人意料的是，研究人员发现胞体中的活性与树突活性高度相关。 也就是说，当特定神经元的胞体活动时，该神经元的树突大部分时间也是激活的。 这是特别令人惊讶的，因为动物没有执行任何形式的认知需求的任务，Harnett 说。

"他们没有从事一项必须真正调用认知过程或记忆的任务。 他说："这是一个非常简单的低级处理，我们已经有证据表明，几乎所有的神经元中树突都有活跃的过程。" 

演进模式

研究人员还不清楚树突输入如何影响神经元的整体活动，也不知道他们研究的神经元究竟在做什么。

"我们知道有些神经元对视觉刺激有反应，但我们不一定知道这些神经元代表的是什么。" 我们只能说，无论神经元代表什么，树突都在积极地参与其中，"Beauliu-Laroche 说。

虽然还需要更多的工作来确定树突和胞体中的活动是如何联系在一起的，但正是这些体内测量，对于明确检测神经元电信号的假设至关重要，“加州大学伯克利分校的神经生物学教授 Marla Feller 说道，他没有参与这项研究。

麻省理工学院的研究小组现在计划通过操控树突活动，然后测量它如何影响胞体的活动，来研究树突活动对整体神经元功能的贡献，Harnett 说。 他们还计划研究他们观察到的活动模式是否随着动物学习新任务而演变。

Harnett 说："一个假设是，树突活动实际上会增强，以表示你教给动物的某一项任务的特征，而所有其他树突和其他胞体的活动，都会在其他没有参与的皮质细胞中受到抑制。"

该研究由加拿大自然科学和工程研究委员会和美国国立卫生研究院资助。

参考资料：

“Widespread and Highly Correlated Somato-dendritic Activity in Cortical Layer 5 Neurons”. Lou Beaulieu-Laroche, Enrique H.S. Toloza, Norma J. Brown, Mark T. Harnett.Neuron. doi:10.1016/j.neuron.2019.05.014

作者信息

 

编译作者：Ben（brainnews创作团队）

校审：Simon （brainnews编辑部）

题图：geekwire.com

前 文 阅 读

 

---