计算突触效率的模型

突触效率的概念是我们用直觉所定义的－突触前输入影响突触后输出的能力。我们也有一些

直觉上影响突触效率的因素，例如如果给定突触前量子释放增多，突触效率则会增加。尽管

这些信息非常有用，但对于突触效率较严格的定义和影响因子的详细分析对于我们了解突触

前信号如何影响突触后神经元是非常重要的。研究这个问题有几种途径，它们都各有利弊。

London et al.应用了一种新的方法来测量突触前和突触后的交互信息－SIE（synaptic inf

ormation efficacy）方法。



London et al.首先将突触后的输出考虑为连续的1和0的数据流，是1还是0依赖于细胞是否在

给定时间发生动作电位脉冲。在这种条件下，数据流的下一个符号是1还是0就有很大的不确

定性了。如果我们也知道一个给定的突触前输入在相同的时间段会做什么，这种不确定性就

会下降。因此如果突触前输入的信号强，数据流下一个符号是1的可能就上升。极端的情况下

，非常强的突触前输入能保证突触后输出一直为1，即突触后神经元一直发放动作电位，反之

则一直为0。研究者开发了一种压缩算法来利用突触前的知识简化突触后输出的数据流。因此

对于非常强的突触前输入，我们就能准确预言突触后的输出。SIE的测量就是测量这种压缩方

法节省了多少信息。



研究者用SIE测量不同的输入振幅，动力学和树突位置条件下突触的效率，他们用这个模型对

突触传递的效率有了一个定量的估计。为了保证模型的准确，他们还用真实的神经元来衡量

他们的分析。



这些分析虽然现在只是理论上的进展，但用SIE方法得到的信息无疑会越来越多。



　



相关文章及链接：



ORIGINAL RESEARCH PAPERS