从下往上看--新皮层资料的读后感 第二部分:突触Synapses

为进一步了解这种连接性产生的差异,在认识soma这个独立的逻辑单元后,进化过程设计了一整套系统设计来使用这个逻辑单元。为促成细胞体之间发生连接构成系统dendrite和axon之间的连接需要引入新的功能单元Synapses。Synapse叫做突触,书上说得特别好,这玩意是特指细胞间通讯的部位,它本身不是一种细胞,而是细胞之间的连接点。

输入和输出的信号沿着神经纤维一直传递,这种单一材质内的活动(这种信号估计是离子迁移,我看的资料没咋说清楚)按照最快120m/s的速度在Dendrite和Axon中传递。 只观察神经微电路的场景下Dendrite和Axon就被统一,简化为连接(对我这种怕麻烦的人就视其为导线),整个连接结构就被简化为仅有cell Body和synapses的简单构成,这样我们就获得了细胞之间形成复杂网络的基础要素。这就算齐活了!下面是不是可以往上堆功能了?不急,我们再耐心听完synapase的故事。Synapses是在cell body之间的连接节 点,它本身不是简单的连接器,而是具备功能的处理单元。 对于普遍的情况信号的传递跑到synpase(接头处)就停了下来,信号通过synpase中的化学介质传递到下一个细胞体。这种叫做化学传递,这种信号传递方式细节有点小复杂,我这里就跳着简单说一下。

端上有一系列Ca+离子,当soma被激活时,产生的点位差会导致Ca+离子的活动。当Ca+离子浓度增加会导致vesicle跑到synpase的前端破壁而出(原来的说法更形象:vesicle向间隙"吐"递质),向细胞间隙中释放一些称作递质的化学物质(谷氨酸/多巴胺这一类的玩意,种类大于100我记不住),整体上就是这些递质会从synapses内跑到细胞间的接缝处形成聚集(对应下面右图中的小点)。接收端在对应的位置有一堆ions通道,在递质发生一通化学反应后,这些离子通道会被打开,(可认为递质的一个重要作用是打开离子通道的钥匙)离子通过接收信号的细胞的离子通道接收离子流。这些离子从而影响细胞的突触后电位(EPSP)。而一个细胞体所连接的输入是来自于多个输出的。用物理常识就能知道细胞体的电压特性是这些输入的总和结果。因此这些突触整体上表现出相加的关系。当累计电位小于阈值时(就是动作电位),细胞就不激活,反之,如果超过动作电位,而且本身不处于充电状态(Repolarization),这些输入就会触发axon发出一个动作脉冲。

貌似这段粗糙的解释就说明了synpase从电->化学->电的传递过程,深入进去这其中还包含一个递质的量子释放过程,和递质的回收、分解的过程。出于降低脑容量需求的目的,个人直接忽视这两个重要的环节。好在这部分不影响到后面要构建的基本内容,这就直接跳过拉倒。

这种诡异的方式使得信息传递只能单向进行,真真切切的起到了隔离的效果。同样的,由于传递本身是由于化学离子的移动进行,这些离子在传递完信息后会被回收。Ca+就来回跑圈,刺激递质的释放,就达到了传递信号的目的。同时也看到这里面存在两个延迟因素,一是信号传递的延迟和电压缓慢上升,第二是回收周期中延迟,电压的缓慢下降。按照书上的说法这种传递会产生1ms左右的延迟。另外一方面的影响是,Ca/Na/K离子的浓度会影响形成的电流(说白了就是离子通道内通过的正离子总数),离子浓度由synpase上的vesicle内的递质总量决定。对于一些特定的情况,前后的细胞间的synpase是存在物理的Gap Junction的。离子就直接跑过去这种情况就显得简单很多。对接收端而言,接收端提供了一条离子通道和间隙连接,而对于抑制脉冲(负脉冲的情况),CI离子会流入(就是盐巴里面的氯),这玩意是负离子从而拉低接收端的电位,整体上要求其他synpase需要输入更多的正离子,起到事实上拉高动作电位的作用,从而体现为抑制。

看到这里感觉补钙和吃盐都很重要啊。

从上面的这堆罗里吧嗦的描述可以总结synpase的几个特性。

首先,synapses具备类似二极管的特性,使得信号传递单向的进行,即是下一级单元的点位状态不要影响上一个信息输入单元。这让我们能在图上画出来具体的箭头方向。

第二: 对化学类synpase,会产生延迟。

第三: 对细胞体的电位而言,这些synpase的输入不是单个影响细胞整体,而是一系列输入的累加的总体表现。因此输入synpase之间总体上表现为加法输入(对负电位的脉冲输入则体现为加个负数嘛)。

第四:动作电位的影响能力决定于发送端的递质浓度和接收端的离子通道数量,这貌似是一个可以逻辑上调节连接拓扑的手段。

自于vesicle里面的递质从哪儿来的,这里简单说两嘴:

1.大分子的递质是细胞体自己合成的,合成好了以后会装到囊泡里面,慢慢(大概400m/天的速度)搬到端上的synpase。当然,运输的代价就是消耗ATP。搬过来以后如果遇到激活情况,一把就用掉。

2.小分子的递质就比较先进,细胞核把RNA从DNA上拷贝出来,把RNA直接带到synpase,在synpase再用RNA组装递质。显然这个模式比较先进,比较节能。

上面说的这些信息由于发现和确认都比较早普遍在90年代就全部考证玩了,在普通的神经学1年级教材都能找到。下面被迫引入点高级货,所谓高级货就是新搞出来的和还没看到人说清楚的,也不知道是不是普遍认可的东西,引入实在情非得已,后面我们需要啊。

核心问题是synpase拓扑连接的问题,如果只是往复信息传递玩激活游戏,无论怎么设计连接结构在拓扑结构上都会与冯式计算机陷入同样的问题、整个信息通路的基本连接关系是在这个基础上无法产生根本性改变,所有的处理通路在发育完成后就固定了能修改的只是信息的输入。

1973年Terje Lømo搞了个对兔头的研究,发现兔头海马体上的synpase存在一个叫做LTP的现象。这LTP具体是什么东西,简单的说就是通过长时间对兔子的特定输入通路上连续一段时间的加载人工产生的电信号(100Hz 脉冲),对细胞体反复激活,发现对应的synpase产生的等效输出竟然提高了(当然输出是无法测量的,他们是测量接收信号的细胞体上的EPSP).这现象说明synpase很可能具备"熟练度"的特性。这开启了对Synaptic可塑性的研究,过了几年日本人Masao Ito又发现了一个叫做LTD的现象.请看下图,基本就是激活时间越长,输出的电压越强烈。这些实验观察证明了一个可以理解为synpase可被特定情况调整的基本逻辑。而这个逻辑与40年代Donald Hebb 搞出来一套叫做Hebbian learning的假说-多用就变强基本符合。

--------------------------------------------------------------------------------------------------------------------------------

狂读一通后对这个LTP摸了基本情况,简单说LTP现象是这样的。对一个突触而言,突触可分为释放化学递质的突触前,和接收化学递质的突触后。突触后LTP在2000年左右似乎搞得比较清楚了,突触后接收递质的受体有两类NMDA和AMPA,NMDA是固定的离子通道,当多次信号输入后,其周边的正离子浓度会提高。在较高的离子浓度下会促成AMDA的产生,相当于在突出后添加了新的离子通道。在同等递质浓度下,离子穿透进入的可能性就得到提高,从而形成“熟练”减强的表现。由于一个通路(相同的两个soma间)上由具体多个synpase连接都发生类似的现象,因此可以观察到接收能力渐强的现象。

LTP对于突触前也确定观察到类似的反复发送后增强的机制,只是似乎目前没有完全搞清楚原理。2011年左右Nisticò et al倒是提了套机制,我本身不是他们这个圈的,不知道普遍认不认这套说法,我就不乱说了。贴个Nistico的图出来,有兴趣的可以瞄一眼。

LTD是个逆向的过程,整体面向抑制过程。与LTP类似,LTD好些材料都要有nature的会员才能看,没渠道也就了解个框架。按照J Physiol. 的说法LTP和LTD本质上就是激活离子通道和反激活离子通道的过程。

------------------------------------------------------------------------------------------------------------------------------

把横线中间的内容简单一归纳,就可以详细说下第四条特性的具体表现:

LTP效应:

激活细胞体,如果接受细胞也被激活的话,synpase的接收增益就会提高。

激活细胞体,synpase的发送增益也会提高

LTD

反之如果出现超极化,目标细胞在被抑制的情况下被激活的话,对应的synpase接收增益会降低。

LTD对发送增益的问题没搞清楚,不乱整。

简单总结为,synpase 会随着soma激活和接收soma的激活情况的而改变其电位信号的增益(其实是衰减比例了)。

由此我们总算在整个系统组织单元内找到一个可以将信息持久化的单元,这玩意对整体功能产生质的影响,简单说就是终于看到信息存储单元了。就像DDR和FLASH一样的存在。具体怎么搞,我们后面细说。

至此,在已经了解基本单元特性的前提下我们可以按照理解的特性开始对整体系统进行结构性的分析。话说正文开始,看官稍等。

时间: 2024-11-05 12:25:27

从下往上看--新皮层资料的读后感 第二部分:突触Synapses的相关文章

从下往上看--新皮层资料的读后感 第一部分:皮层细胞

第一部分:皮层细胞 皮层结构由的量的细胞体构成.其构成相对简单,按照现代的解剖学认知主要由pyramidal cell,granular cell和Fusiform Cell组成.尽管在性态上进行了详细的划分,但对于总体特性而言细胞都具备相类似的特性.下图是一个详细的分解图,但对于本次的阅读而言我们不打算深入细胞体内的详细结构和特性.先把整体封闭起来,再做下一步的观察. 简化下来就剩下三个东西,树突Dendrite,Cell Body(就是传说中的soma),和Axon.这样特性和功能就变得容易

从下往上看--新皮层资料的读后感 第三部分 NN-ANN 70年前的逆向推演

第三部分 NN-ANN 70年前的逆向推演 从这部分开始,调整一下视角主要学习神经网络算法,将其与生物神经网络进行横向的比较,以窥探一二. 现在基于NN的AI应用几乎是满地都是,效果也不错,这种貌似神奇的玩意怎么想出来的.个人不禁好奇,随后一通乱找.想理出来个线头,谁知一挖发现这线后面的故事太丰富,这里特意分享出来. 其实对神经元的认知是比较早的,在机制和功能方面多是偏向生物学解释,在这个领域最前面的自然是神经学和生物学家.在生物学框架下成果在二战前后推进速度飞快(二战期间德国和英美科研投入特别

从下往上看--新皮层资料的读后感 第四部分 第一代NN模型perceptron 感知机

直到50年代,perceptron算法被Frank Rosenblatt搞了出来.perceptron的想法和pitts的路子就不大一样,perceptron关注MC神经元(MCN)本身的,而不是神经元在大脑中存在的复杂拓扑,所以其中除了MCN以外,没有其他的生物学含义. 按照Pitts的证明,一个开环的正向网络是可以满足所有的计算需求的.Rosenblatt沿着这条思路挖下去,发明了一套直接使用神经元数学特性的方法---perceptron. 第一步得复习一下MCN,pitts画MCN的时候系

从下往上看--新皮层资料的读后感 第五部分 从perceptron 感知机学习自动调参开始

从上节已经知道perceptron 不是什么智能算法,在它的基础上我们需要去解决调参的问题.既然是调节参数,总要有个目标和手段吧,看看这些大神怎么搞的.首先建立目标,对于生活里面常常会面对分类的问题,比如:在人群中把流氓分子找出来,我们已经有3000个强奸犯和7000个普通的人的档案记录. 大家希望找到一个办法,给出新的档案,按照这个档案的情况识别第10001个人是不是是不是流氓.好吧,这很不道德,流氓好像也显得太多,但我们姑且这么干吧.首先我们先用人的模式干一次这个事情.先把应用题要求梳理一下

【坐在马桶上看算法】算法12:堆——神奇的优先队列(下)

接着上一Pa说.就是如何建立这个堆呢.可以从空的堆开始,然后依次往堆中插入每一个元素,直到所有数都被插入(转移到堆中为止).因为插入第i个元素的所用的时间是O(log i),所以插入所有元素的整体时间复杂度是O(NlogN),代码如下. n=0; for(i=1;i<=m;i++) {     n++;     h[ n]=a[ i];  //或者写成scanf("%d",&h[ n]);     siftup(); } 其实我们还有更快得方法来建立堆.它是这样的. 直接

【坐在马桶上看算法】算法11:堆——神奇的优先队列(上)

堆是什么?是一种特殊的完全二叉树,就像下面这棵树一样. 有没有发现这棵二叉树有一个特点,就是所有父结点都比子结点要小(注意:圆圈里面的数是值,圆圈上面的数是这个结点的编号,此规定仅适用于本节).符合这样特点的完全二叉树我们称为最小堆.反之,如果所有父结点都比子结点要大,这样的完全二叉树称为最大堆.那这一特性究竟有什么用呢? 假如有14个数分别是99.5.36.7.22.17.46.12.2.19.25.28.1和92.请找出这14个数中最小的数,请问怎么办呢?最简单的方法就是将这14个数从头到尾

谁说门户已死?从世界杯看新浪的四大优势

巴西世界杯即将尘埃落定,四大门户的世界杯报道大战也进入最后的"角逐"阶段.根据过去的案例分析,谁的资源整合能力强,谁就能成为世界杯报道的赢家.目前巴西世界杯赛程已接近尾声,这场门户之间的报道大战也将很快见分晓. 今天笔者先分析下新浪. 四大门户之中,新浪在重大事件报道方面应该是最有发言权的,不仅仅因为新浪在内容方面多年来的积累,更重要的是,新浪旗下有诸多产品资源和平台资源.从今年世界杯期间的表现来看,新浪在内容.移动.社交.营销四个方面都表现出明显的优势. 内容:老牌门户的积淀+微博新

你只管往前飞往上看

幼儿时候,你总是信誓旦旦的说自己要飞得多高,混得多好,但是事与愿违,很多人都没有实现儿时的愿望,但是,你只要不放弃飞翔,那么你总有一天能够达到你想要的高度.(本文来自e良师益友网) 工作的人,按资历的深浅,大致可以分为三种阶段:进入社会不久的新人.中层干部与高层主管. 在这三个阶段工作的人,可以比拟为三种动物. 刚进入社会不久的新人,像是一只鸟——刚刚孵化,开始学习飞翔的小鸟. 小鸟面对广阔的天地,好处是机会无穷,无限的空间任其展翅.但是小鸟也要明确自己到底要如何成长. 小鸟的优势,就是还没有被

【坐在马桶上看算法】算法9:开启“树”之旅

我们先来看一个例子. 这是什么?是一个图?不对,确切的说这是一棵树.这哪里像树呢?不要着急我们来变换一下. 是不是很像一棵倒挂的树,也就是说它是根朝上,而叶子朝下的.不像?哈哈,看完下面这幅图你就会觉得像啦. 你可能会问:树和图有什么区别?这个称之为树的东西貌似和无向图差不多嘛.不要着急,继续往下看.树其实就是不包含回路的连通无向图.你可能还是无法理解这其中的差异,举个例子,如下.          上面这个例子中左边的是一棵树,而右边的是一个图.因为左边的没有回路,而右边的存在1->2->5