脑神经环路稀疏编码和信息存储的网络和突触学习机制

A host of experimental evidences demonstrated that neural information representations in the circuits of different cortical regions and species have a common sparse response property. Sparse spiking augments coding and memory capacity of neural systems and enable the efficient signal feature extraction and representation in a minimal metabolic costs of generating action potentials. This efficient code approach may be a general coding strategy employed by neural systems. Hence to reveal the network mechanism supporting sparse code is valuable to understand the ways how cortical circuit process information. The goal of this research is to construct a large-scale neuronal network model to examine the common canonical microcircuit modality and dynamic synaptic balance mechanism for sparse coding and information storage. A combination of multidisciplinary approaches including neural computational approaches, supercomputer simulation, information theory and patch clamp electrophysiological techniques, will be used to examine how the synaptic learning rules, synaptic excitatory and inhibitory balance, and variable network connectivity patterns play the critical roles in formulation network sparse response, as well as to reveal the underlying biophysical mechanisms of information storage. These studies may help to understand the basic principles how the b rain works, which may eventually provide solid theoretical foundation to produce brain-like chip that works like real brain circuits and to improve brain-machine interface technology.

大量实验证据表明不同动物物种的不同脑区神经环路表征感知信号具有共同的稀疏响应特征。稀疏响应扩充了系统编码和记忆容量使其以小能耗产生神经电活动来高效编码和提取输入信号特征，这可能是神经系统处理感知信号普遍采用的编码策略，揭示其产生机制对理解神经系统如何处理和存储信息具有重要价值。研究目标：产生稀疏编码的神经环路基本构型和突触学习机制，以及编码信息在神经环路中存储的模式和对应生物物理机制。研究手段：构建基于神经生物学实验数据的神经环路生物物理模型；通过超级计算机大规模仿真模拟实验、多尺度数据分析、信息理论、神经电生理实验等进行综合交叉研究。研究内容：突触学习法则、兴奋性和抑制性突触链接强度在编码过程的动态平衡变化、以及突触网络构型在神经环路形成稀疏编码中的重要作用和神经信息存储的生物物理机制。意义：将为理解大脑工作原理，为研发基于生物脑神经信息处理方式的神经芯片，发展脑机接口技术提供理论依据。

究竟是哪些生物脑神经元的特性和神经环路的突触链接特性通过什么样的作用机制使神经环路产生了稀疏编码方式，并如何对编码信息进行存储？是本项目关键科学问题。我们从神经元、到神经网络、到神经-胶质细胞网络,再到全脑几个层次来通过计算和实验交叉研究神经系统稀疏编码的机制和特点。在这个基金资助下共发表22篇SCI文章（18篇第一作者/通讯作者）。我们构建了神经元动作电位产生和传输的Hodgkin-Huxley电缆能量理论模型，发现存在最佳钠钾离子通道电导率密度使得动作电位产生过程能量效率最高，也预测并验证了中间神经元轴突具有高出椎体神经元数倍大小的钾通道电导密度。我们先后构建了数种神经环路基本构型，如建立了一个普适性的并行传入传出神经网络模型，阐明了对应不同背景噪声强度，网络存在着最佳的神经元数量，使得神经系统能够以最小的能量消耗传递最大的信息量；构建了普适性的兴奋-抑制皮层神经元规则全连接网络，发现网络中存在最佳的E / I突触电流比，使得网络神经信息传输能以相对较低的能量成本获得最大的信息传输率；我们还首次构建了神经-胶质细胞网络模型，进一步阐明了胶质细胞的kir4.1通道和间隙连接（Gap junction）强度的异常变化可能会诱发神经网络的癫痫放电活动。最后我们还构建了大尺度嗅球神经网络模型，发现持续的学习经验会影响神经网络的兴奋-抑制突触连接模式，可能对应了神经网络对学习经验的记忆，使网络对任何输入信号都具备了更高效的信息处理能力。我们还构建了人脑能量预算模型，证明了人脑皮层神经元平均放电率应该在0.8-1.5赫兹这个区间，并预测人脑在静息态其实并不遵循稀疏放电模式。我们的脑能量分析模型指出，皮层大部分脑区在静息态时都呈现出了较活跃的放电率和较低的稀疏性，这可能意味着大脑在静息态的脑电活动可能消耗了大量能量在执行一些可能和自我意识维持相关的重要功能。我们应用脑电64通道实验记录技术，发现人脑在静息态和音乐聆听状态是远离脑电稀疏态，而在工作记忆状态脑功能网络则呈现了脑电稀疏增强特征。