本期特刊的研究文章在多个尺度上分析神经系统的模型。细胞内钙信号对突触到核的通信很重要,可以以Breit和Queisser(2018)在钙传播的反应扩散模型中研究的波的形式出现[7]. 在神经元水平上,Mokhtari等人(2018)研究了短期可塑性如何影响神经信息在突触间的传播,探索毒蕈碱治疗对海马神经元的影响[6]. 在微电路层面,Ferrario等人(2018年)在一个简单的爪蟾蝌蚪脊髓中央模式发生器[8]. 转向大规模网络,Barrero和Ly(2018)推导了异质网络中成对峰计数相关性和放电率之间的关系,扩展了线性响应理论[5]. 最后,Hedrick和Zhang(2018)使用局部稳定性分析来研究空间工作记忆吸引子神经网络模型的操作模式,显示输出模式如何依赖于冲突的外部输入[9]. 这些研究表明,为了理解神经系统的动力学和编码过程,正在开发一系列广泛的数学技术。
细胞内钙的传播对信号转导、突触传递和动作电位的动力学至关重要[21]. 通过内质网(ER)上的ryanodine受体(RyR)通道产生的钙诱导的钙释放促进了这种钙的增殖[22]. Breit和Queisser(2018)专门研究了树枝状结构和内质网如何相互作用影响钙波动力学[7],将树枝晶内的ER建模为另一电缆层覆盖的电缆。有趣的是,他们发现需要最小的RyR密度,该密度与ER表面积成反比,以确保行波传播的条件。沿着这些线,随着RyR密度的增加,钙波的速度也会增加。在未来的研究中,作者计划探索具有异质RyR分布的系统,并提出可以使用平均化和均匀化来分析波传播故障[23]. 另外,作者建议研究薄枝晶的渐近极限,因此该模型可以被视为一维模型。
基于钙在神经加工中的作用这一主题,Mokhtari等人(2018年)研究了一个突触动态模型的信息处理特性,该模型基于钙对小泡释放和恢复概率的依赖性调节,受到短期突触可塑性的影响[6]. 海马GABA能突触数据验证了该模型[24]它为应用毒蕈碱抑制突触前钙通道对突触信息传递的影响提供了一个试验台。通过简化突触前钙动力学,作者导出了钙浓度、囊泡释放概率和可释放池中囊泡浓度的非线性映射。这些囊泡动力学促进短期抑制,在泊松峰列上起到频率依赖性滤波器的作用,如之前使用线性响应技术的工作所示[25,26]. Mokhtari等人(2018年)通过使用互信息度量分析编码,扩展了这些先前的发现,并观察到毒蕈碱应用减少了跨输入频率的信息传递。毒蕈碱的作用是通过减少胞间钙内流来模拟的,以反映毒蕈碱与乙酰胆碱受体结合并抑制突触前钙通道的事实。在未来的工作中,作者建议使用连续时间马尔可夫链模型来考虑随机绑定过程。此外,简单的释放概率模型可以嵌入到微电路模型中,以了解短期塑性如何塑造振荡和节奏。
Ferrario等人(2018)在简化模型的背景下研究了振荡和同步爪蟾蝌蚪中心模式发生器[8]. CPG通过在没有周期性强迫的情况下自主产生节律性活动,在运动生物体中发挥着重要作用。这个爪蟾CPG包含多个细胞,它们的自然节奏模式从游泳时理想的反相位振荡转变为肢体运动时理想的同相振荡[27]. 为了分析这种转换,作者考虑了CPG电路的简化两单元模型。每个单元由兴奋性和抑制性霍奇金-赫胥黎细胞组成。单位内的耦合主要由缓慢的NMDA产生的复发性兴奋所主导,单位之间的耦合主要由从抑制细胞到兴奋细胞的甘氨酸能突触所主导。通过改变突触耦合的强度,系统在反相和同相(游动vs.同步)振荡状态之间切换。这些分岔可以通过识别Neimark–Sacker的数值延拓技术和约束多稳定状态的倍周期分岔来揭示。当这两种行为都通过亚稳态存在时,不同的初始条件可以揭开其中一种振荡行为,并且可以通过对电压方程和选通变量的随机扰动实现跃迁。系统的反射对称性可以用来简化分岔分析,尽管结果对轻微的对称破缺是稳健的。总的来说,他们的分析使用一个具有可访问分叉结构的简化模型,为节奏行为中基于发展的转变提供了直觉。
剩下的文章主要分析大型网络的模型,这些模型可以展示网络架构和由此产生的时空动态之间的复杂关系。尖峰计数相关性将尖峰序列同步的概念推广到更长的时间尺度。Barrero和Ly(2018)研究了两个神经元的尖峰计数之间的相关性如何与它们在广泛参数范围内的放电率共同调制[5]. 单神经元动力学的非线性以一种敏感地依赖于神经元动态状态的方式将相关性和放电率交织在一起,因此依赖于控制单神经元动力学和神经元输入统计的参数。他们使用从线性反应理论导出的基本关系,其中两个神经元的峰计数之间的相关性与突触输入电流与敏感函数几何平均值之间的相关性成正比,它测量神经元对输入电流调制的反应有多灵敏。这种关系允许使用福克-普朗克方程来研究神经元膜电位密度演化的相关率关系。虽然之前的工作使用相同的方法得出结论,相关性可以随着发射率的增加而增加[28]Barrero和Ly(2018)发现,相关率关系比之前认为的更丰富,并且敏感地取决于哪些参数被调制以及如何调制。这些发现对依赖于速率和相关性的神经群体编码有启示。
大规模神经元网络动力学的动力学也可以用空间组织的神经场模型来解释。这些模型适用于局部和弱非线性稳定性分析,特别是当网络连接呈现对称性或近对称性时[29]. Hedrick和Zhang(2018)分析了空间导航下的海马网络模型,其中单个细胞可以拥有多个位置场[9]. 当大鼠在大型环境中航行时,在大鼠海马体的记录中观察到了这种位置场的多样性[30]. 为了研究这种多重性的出现及其对模型网络动力学的影响,作者确定了随着空间域大小的增加,模型平衡点的稳定性。在小型环境中,当两个冲突的位置作为模型的输入时,网络在winner-take-all(WTA)机制下运行,因此单个输入位置由单个活动的碰撞表示。随着环境规模的增加,存在一个临界大小,超过该临界大小,两个冲突的输入可以由两个不同的凹凸来表示。通过数值模拟和局部稳定性分析来表征这种相变,该局部稳定性分析将神经场模型简化为跟踪两个可能凸起高度的两个单元模型。然后可以使用相平面和分岔分析来识别WTA和组合模式的边界以及滞后。作者还展示了如何将此类分析扩展到与感知和决策模型相关的多个输入[31]。
这些文章中的建模和分析将细胞和网络属性、观察到的神经活动模式和行为联系起来,并提出了分析神经系统中模型和数据的新数学技术。