22、嗅觉系统信息处理与计算机制深度解析

嗅觉系统信息处理与计算机制深度解析

1. 嗅觉系统中的信息表示

化学气味包含身份和强度信息，这些信息由投影神经元通过不同编码逐层表示。下面从单个神经元和神经群体层面介绍气味信息的表示方式。

1.1 ORNs对信息的表示

在嗅觉系统中，气味信息首先由嗅觉受体神经元（ORNs）表示。相关研究对果蝇触角中ORNs对气味刺激的反应进行了系统研究，测量了约50种ORNs中24种在不同气味身份和强度下的反应，结果主要如下：
- 兴奋与抑制反应 ：气味刺激可引起ORNs的兴奋和抑制反应。由于不同类型ORNs的自发 firing 率差异很大，一些神经元在气味刺激时 firing 率升高，而自发 firing 率高的神经元则会降低。
- 调谐宽度差异 ：ORNs的调谐宽度从宽到窄连续变化。一些受体对多种测试气味有反应，而像对CO₂和信息素敏感的ORNs则只对一种气味有强烈反应。
- 强度编码机制 ：强度编码取决于单个受体的激活强度和激活的受体总数。浓度升高时，ORN的 firing 率变化更大，且一些ORNs会被激活。实验和建模表明，ORNs的动态可分为转导和 spike 生成过程。

1.2 OB（AL）对信息的表示

嗅觉信息汇聚到嗅觉系统的第一个中继站——嗅球（OB，昆虫中为触角叶AL），在该区域信息被重新编码以便下游神经元解码。以蝗虫触角叶为例，探讨以下几个问题：
- 单个神经元层面 ：Laurent实验室研究发现，气味刺激可在投影神经元（PNs）中引发快慢两种时间尺度调制的时间模式。慢时间尺度上，PNs在200 - 300 ms内表现出 firing 率增减的特征时期，该模式具有气味和神经元特异性，说明气味信息可能包含在PN活动的时间模式中。快时间尺度上，PN的 spiking 活动与其他PN和局部场电位（LFP）在20 Hz左右同步，且PN之间的同步发生在几个振荡周期内，表明气味可在神经元集合中引发特定序列活动。
- 神经元群体层面 ：O. Mazor和G. Laurent的实验发现，气味反应在PN状态空间中表现为具有三个主要阶段的轨迹：1 - 2 s的开启瞬态、至少8 s稳定的固定点和活动恢复到基线的关闭瞬态，这三个阶段都具有气味特异性。通过测量下游Kenyon细胞（KCs）的反应，发现KCs在PN群体活动处于瞬态动态时反应最强烈，说明群体瞬态信息被下游神经元解码，PN瞬态活动对嗅觉行为更重要。
- 重复呈现气味的表示 ：Stopfer等人的研究表明，PN的 firing 率随时间迅速降低，但在重复呈现相同气味时，spike 时间精度和神经元间约20 Hz的振荡相干性增加，这种增强的相关性一旦建立，精确反应可维持数分钟，被认为是一种短期记忆形式。
- 时间混合气味的表示 ：B.M. Broome等人的研究发现，PN群体表示会跟踪刺激变化，达到的状态既不对应于单一气味的表示，也不对应于两种气味的静态混合。

1.3 MB对信息的表示

经典损伤实验和基因阻断Kenyon细胞突触输出的研究表明，蘑菇体（MB）对记忆形成和检索至关重要。蝗虫和果蝇MB的研究显示，KCs的反应稀疏，即一个KC只对少数气味刺激有反应，一次试验中一种气味只能激活MB中的少数KCs。KCs在自发状态下很少产生 spike，对气味反应时产生几个 spike，每个 spike 都包含大量信息。

稀疏编码的产生机制与神经元内在特性、从AL到MB的神经元投射和网络振荡等有关。理论研究认为，从AL到MB的发散投射对稀疏编码的形成至关重要。由于MB中KCs的数量远多于其突触前神经元，气味刺激会在PNs中激活复杂空间模式并兴奋MB中的KCs，只有少数在时间窗口内接收到足够兴奋性突触后电流（EPSCs）的KCs会对气味刺激做出反应，从而形成稀疏编码。稀疏编码有利于记忆，因为每个记忆由少数活跃神经元表示，存储新气味记忆时只需修改少数突触连接权重，新记忆与其他记忆的干扰较小，使网络具有较大的记忆容量。

2. 从神经回路到神经计算

在理解神经回路如何导致行为之前，明确大脑执行的计算以及神经回路如何组织以实现这些计算是中间步骤。下面介绍嗅觉系统可能采用的几种计算及其生物物理机制。

2.1 嗅觉群体编码中的除法归一化

在感觉系统中，神经元对偏好刺激的反应常被非偏好刺激抑制，这种抑制可用除法归一化操作拟合。在该模型中，神经元对外部驱动的反应被一组神经元的总活动除法归一化，其对偏好刺激的反应曲线受其他神经元活动调制，达到饱和所需的外部输入量也受此影响。研究表明，PN对同源ORN输入的 firing 率可用除法归一化操作很好地拟合，分母由AL中PN的总活动决定。

这种操作在许多皮质区域广泛存在，被认为是神经系统采用的典型神经计算。它能有效减少刺激输入的冗余。在嗅觉系统中，除法归一化由AL中抑制性局部神经元（iLN）的GABA能侧向突触前抑制引起。

2.2 增益控制

增益控制在神经系统中广泛存在，可根据输入刺激或动物的行为状态改变，有助于神经系统利用有限的通道资源传输尽可能多的信息。

在嗅觉系统中，单个ORNs对广泛范围的气味刺激反应较弱，但对少数高浓度气味刺激反应强烈。为了最佳传输气味刺激信息，AL中的投影神经元应放大弱输入并抑制强输入，这种非线性转换强调了弱输入的差异并抑制强输入，可能主要由ORNs到PNs突触的短期抑制介导，实现了球内输入的增益控制。

在神经元群体层面，PNs的平均 firing 率随气味浓度变化不大，而进入PN的总传入随浓度增加，这意味着神经元群体中存在自适应控制机制。LNs中的抑制性和兴奋性突触连接可整合许多或所有球状体，自适应调节PN相对于进入AL的总输入的动态范围。在果蝇中，抑制性LNs的突触前和突触后抑制与来自ORNs的总输入成比例，兴奋性LNs也可整合多个球状体的输入并增加可被下游神经元检测到的PN输出，这两种形式的兴奋和抑制为神经群体反应的自适应控制提供了神经基础。

以下是嗅觉信息处理的主要步骤和关键机制的流程图：

graph LR
    A[气味刺激] --> B[ORNs检测]
    B --> C[OB（AL）处理]
    C --> D[MB编码]
    E[除法归一化] --> C
    F[增益控制] --> B
    F --> C
    G[轨迹表示] --> C
    H[信号与噪声相关] --> C
    I[振荡] --> C

表格总结嗅觉系统不同区域的信息表示特点：
|区域|信息表示特点|
|----|----|
|ORNs|兴奋与抑制反应、调谐宽度差异、强度编码取决于受体激活强度和数量|
|OB（AL）|单个神经元有快慢时间尺度模式，群体有特定轨迹阶段，重复刺激有短期记忆效应，时间混合气味有独特表示|
|MB|KCs反应稀疏，形成有利于记忆的稀疏编码|

2.3 轨迹

神经元群体如何表示输入信息是理论神经科学的基本问题。嗅觉系统的实验数据表明，气味产生的分布式时空模式具有气味和浓度特异性，这些连续的兴奋状态可在高维状态空间中表示为轨迹。实验还显示，轨迹信息被下游神经元解码，这说明瞬态动力学可能是大脑计算的基本形式，其轨迹由输入控制。

2.4 信号和噪声相关性

每个球状体中有2 - 5个PNs，它们从ORNs接收几乎相同的突触输入并相互电耦合，因此在自发状态和对气味刺激的反应中，spiking活动高度相关，同一球状体中的PNs被称为姐妹细胞。K. Padmanabuhan和N.N. Urban的研究发现，尽管姐妹细胞接收相同的刺激，但它们传递输入信息的部分既有共同之处也有不同之处，这主要是由于内在生物物理多样性，使PNs能够最大限度地传输信息。

为了揭示姐妹细胞中信号和噪声相关性的计算作用，需要了解PN活动被下游神经元解码的形式。气味信息在KCs中以稀疏编码表示，每种气味由少数KCs的spikes表示。推测姐妹细胞可能增强KCs稀疏编码的鲁棒性。

以下是信号和噪声相关性对信息编码影响的表格：
|相关性情况|决策边界错误情况|
|----|----|
|独立响应|较大比例的椭圆位于决策边界“错误”一侧|
|相关响应|较小比例的椭圆位于决策边界“错误”一侧|

2.5 振荡

在蝗虫触角叶的气味诱发局部场电位（LFP）中观察到20 - 30 Hz的振荡。体内对蝗虫触角叶投影神经元（PNs）的细胞内记录显示，单个PNs的活动与群体活动相位锁定，具体时间取决于刺激，应用GABAA拮抗剂荷包牡丹碱可消除群体活动的精细结构。这种振荡同步与精细气味辨别有关。

大量建模工作模拟了GABAA抑制对网络振荡动力学的影响，结果表明抑制性LNs和PNs之间的慢抑制性连接负责PNs时间模式的产生，而快速抑制动力学使PNs能够振荡同步。

总结

嗅觉系统在信息处理和计算方面具有独特的机制和特点，以下是对其的总结列表：
1. 信息表示 ：
- ORNs通过兴奋与抑制反应、调谐宽度差异和强度编码表示气味信息。
- OB（AL）在单个神经元和群体层面以不同模式和轨迹表示气味信息，重复刺激有短期记忆效应，时间混合气味有独特表示。
- MB中KCs反应稀疏，形成有利于记忆的稀疏编码。
2. 神经计算 ：
- 除法归一化通过iLN的GABA能侧向突触前抑制减少刺激输入冗余。
- 增益控制在单个神经元和群体层面实现输入的自适应调节。
- 轨迹作为大脑计算的基本形式，由输入控制。
- 信号和噪声相关性使PNs最大限度传输信息，可能增强KCs稀疏编码的鲁棒性。
- 振荡同步与精细气味辨别有关，由抑制性连接的动力学产生。

这些机制相互作用，使嗅觉系统能够有效地识别和区分不同的气味，为生物的生存和行为提供重要的信息支持。

下面是整个嗅觉系统信息处理和计算机制的综合流程图：

graph LR
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;
    A(气味刺激):::process --> B(ORNs检测):::process
    B --> C(OB（AL）处理):::process
    C --> D(MB编码):::process
    B --> E{除法归一化}:::process
    E --> C
    B --> F{增益控制}:::process
    F --> C
    C --> G{轨迹表示}:::process
    C --> H{信号与噪声相关}:::process
    C --> I{振荡}:::process
    D --> J(记忆形成与检索):::process

通过对这些机制的深入理解，我们可以更好地认识嗅觉系统的工作原理，为相关领域的研究和应用提供理论基础。例如，在神经科学研究中，可以进一步探索这些机制在疾病状态下的变化；在生物传感器设计中，可以借鉴这些原理提高传感器的性能和选择性。