51、生物物理原理的计算神经网络建模

生物物理原理的计算神经网络建模

1. 模型成果与验证

在模型中，树突产生的偶极波形围绕零对称振荡，这与实验数据一致。模型数据会乘以一个缩放因子，以模拟与脑磁图（MEG）数据量级相同的信号。该模型通过两个随机且近乎同步的约10 Hz前馈（FF）和反馈（FB）驱动，准确再现了体感μ节律的许多特征，还能准确再现触觉诱发反应中依赖于刺激前节律功率的差异。模型显示，锥体神经元（PNs）和抑制性神经元（INs）持续去极化水平的μ依赖变化，会导致MEG信号中观察到的峰值反应的特定变化。

此模型还对健康衰老以及与功能相关的提示性注意力转移时，μ节律和触觉诱发反应的起源变化做出了具体的原理性预测。具体而言，模型预测随着年龄增长（对比22 - 32岁组和33 - 45岁组），节律性的FF和FB输入会变强，且FB输入会更同步。这些模拟的神经生理变化足以解释MEG测量到的刺激前μ节律和触觉诱发反应的年龄相关差异。虽然该模型尚未直接用于模拟提示性选择性注意力下MEG活动的观察变化，但模型推断表明，提示性注意力下体感表征中μ - α的局部降低是由提供FFα驱动的丘脑回路变化介导的。此外，提示性注意力下触觉诱发反应的变化可以由刺激前μ节律的特定变化来解释。

尽管模型和实验结果在多个领域有显著的一致性，但关于体感μ节律起源，特别是人类新皮质β活动的理论，尚未通过颅内记录进行测试。颅内记录在临床环境中可行，但存在明显的困难。由于皮质生理的一般特征在不同物种中得以保留，在动物模型中进行测试具有吸引力。此外，光遗传学技术的最新进展能够对特定细胞群体进行靶向刺激，为测试模型预测提供了理想方法。目前已开始在啮齿动物制备中使用光遗传学刺激体感投射丘脑皮质并同时进行初级体感皮质（SI）记录，对体感μ节律起源的预测进行初步测试