Случайные электрические флуктуации в нейронах

Введение

Нейронный шум (или нейронный шум) — это случайные внутренние электрические колебания в нейронных сетях. Эти флуктуации не связаны с кодированием ответа на внутренние или внешние стимулы и могут варьироваться в пределах одного-двух порядков величины. В большинстве случаев шум возникает ниже порогового напряжения, необходимого для генерации потенциала действия, но иногда он может проявляться в форме потенциала действия; например, стохастические колебания в пейсмекерных нейронах супрахиазматического ядра частично ответственны за организацию циркадных ритмов.

Предыстория

Нейронная активность на микроскопическом уровне носит стохастический характер, обусловленный атомными столкновениями и флуктуациями, что можно назвать "шумом". Хотя неясно, на каком теоретическом основании нейронные реакции, участвующие в процессах восприятия, можно разделить на компоненты "нейронный шум" и "сигнал", и как такую предполагаемую дихотомию можно было бы эмпирически подтвердить, было разработано множество вычислительных моделей, включающих "шум" в качестве параметра. Отдельные нейроны демонстрируют различные реакции на специфические нейронные входные сигналы. Это обычно называют вариабельностью нейронного ответа. Если специфический входной сигнал инициируется в дендритах нейрона, то наблюдается гипервариабельность в количестве везикул, высвобождаемых из аксонного терминала в синапс. Эта характеристика справедлива и для волокон, не получающих нейронные входные сигналы, таких как пейсмекерные нейроны, как упоминалось ранее. Шум обычно снижает эффективность нейронной деятельности, но недавние исследования показывают, что в динамических нелинейных нейронных сетях это утверждение не всегда верно. Нелинейные нейронные сети – это сети из сложных нейронов, имеющих множество взаимосвязей, подобные нейронным системам в нашем мозге. В отличие от них, линейные сети представляют собой экспериментальный подход к анализу нейронной системы, при котором нейроны располагаются последовательно друг за другом. Изначально считалось, что шум в сложных компьютерных или нейронных схемах замедляет и негативно влияет на вычислительную мощность. Однако современные исследования показывают, что нейронный шум может быть полезен для нелинейных или сложных нейронных сетей вплоть до определенного оптимального значения. Теория Андерсона и его коллег подтверждает полезность нейронного шума. Согласно их теории, шум, генерируемый в зрительной коре, помогает линеаризовать или сгладить порог генерации потенциалов действия. Другая теория предполагает, что стохастический шум в нелинейной сети демонстрирует положительную корреляцию между степенью взаимосвязанности и шумоподобной активностью. Таким образом, основываясь на этой теории, Патрик Уилкен и его коллеги предполагают, что нейронный шум является основным фактором, ограничивающим емкость кратковременной зрительной памяти. Исследователи нейронных ансамблей, особенно сторонники теории распределенной обработки, полагают, что большие нейронные популяции эффективно снижают шум за счет усреднения шума в отдельных нейронах. Некоторые исследователи показали в экспериментах и моделях, что нейронный шум может быть механизмом, способствующим нейронной обработке. Наличие нейронного шума (или, точнее, синаптического шума) повышает чувствительность нейронов к более широкому диапазону входных сигналов, может выравнивать эффективность синаптических входов, расположенных в разных точках нейрона, и обеспечивать более точную временную дискриминацию. Существует множество теорий, объясняющих появление шума в нейронных сетях, однако многие неврологи не до конца понимают причины его возникновения. В общем плане можно выделить два типа влияния нейронного шума: он либо увеличивает вариабельность нейронного ответа, либо позволяет возникать динамическим явлениям, индуцированным шумом, которые невозможно наблюдать в системе, свободной от шума. Например, было показано, что канал шума вызывает колебания в стохастической модели Ходжкина-Хаксли.

Neuronal activity at the microscopic level has a stochastic character, with atomic collisions and agitation, that may be termed "noise." While it isn't clear on what theoretical basis neuronal responses involved in perceptual processes can be segregated into a "neuronal noise" versus a "signal" component, and how such a proposed dichotomy could be corroborated empirically, a number of computational models incorporating a "noise" term have been constructed. Single neurons demonstrate different responses to specific neuronal input signals. This is commonly referred to as neural response variability. If a specific input signal is initiated in the dendrites of a neuron, then a hypervariability exists in the number of vesicles released from the axon terminal fiber into the synapse. This characteristic is true for fibers without neural input signals, such as pacemaker neurons, as mentioned previously, Noise generally hinders neural performance, but recent studies show, in dynamical non linear neural networks, this statement does not always hold true. Non linear neural networks are a network of complex neurons that have many connections with one another such as the neuronal systems found within our brains. Comparatively, linear networks are an experimental view of analyzing a neural system by placing neurons in series with each other. Initially, noise in complex computer circuit or neural circuits is thought to slow down and negatively affect the processing power. However, current research suggests that neuronal noise is beneficial to non linear or complex neural networks up until optimal value. A theory by Anderson and colleagues supports that neural noise is beneficial. Their theory suggests that noise produced in the visual cortex helps linearize or smooth the threshold of action potentials. Another theory suggests that stochastic noise in a non linear network shows a positive relationship between the interconnectivity and noise like activity. Thus based on this theory, Patrick Wilken and colleagues suggest that neuronal noise is the principal factor that limits the capacity of visual short term memory. Investigators of neural ensembles and those who especially support the theory of distributed processing, propose that large neuronal populations effectively decrease noise by averaging out the noise in individual neurons. Some investigators have shown in experiments and in models that neuronal noise is a possible mechanism to facilitate neuronal processing. The presence of neuronal noise (or more specifically synaptic noise) confers to neurons more sensitivity to a broader range of inputs, it can equalize the efficacy of synaptic inputs located at different positions on the neuron, and it can also enable finer temporal discrimination. There are many theories of why noise is apparent in the neuronal networks, but many neurologists are unclear of why they exist. More generally, two types of impacts of neuronal noise can be distinguished: it will either add variability to the neural response, or enable noise induced dynamical phenomena which cannot be observed in a noise free system. For instance, channel noise has been shown to induce oscillations in the stochastic Hodgkin Huxley model.

Типы

Ионы существуют внутри и снаружи нейрона и подвержены воздействию множества физиологических факторов. Один из основных источников шума возникает из-за ионов или молекул в соответствии с третьим законом термодинамики. Этот закон утверждает, что энтропия системы стремится к постоянному значению при приближении температуры к абсолютному нулю. Поскольку температура тела поддерживается выше 0 K, молекулы подвергаются увеличению кинетической энергии, или движению. Стохастические, или случайные, движения порождают рецепторный шум, вызванный постоянной бомбардировкой ионов, как описано в броуновском движении. Ионы постоянно просачиваются через мембрану в попытках уравновесить ионный градиент, создаваемый АТФазными каналами, встроенными в мембрану. Эти просачивающиеся каналы обеспечивают перемещение ионов через мембрану, что приводит к небольшим флуктуациям, или шуму, в мембранном потенциале. Синапсы являются еще одним важным источником нейронного шума. Зачастую происходит случайный экзоцитоз везикул, содержащих нейротрансмиттеры, которые в конечном итоге связываются с постсинаптической мембраной, вызывая спонтанный потенциал действия посредством градуированных потенциалов в постсинаптическом нейроне. Он считается источником шума наибольшей амплитуды в коре головного мозга. Термический шум: шум Джонсона-Найквиста возникает из-за теплового движения ионов и других носителей заряда, вызывая колебания напряжения, пропорциональные температуре. Этот источник шума обусловлен третьим законом термодинамики, который гласит, что кинетическая энергия молекул увеличивается с повышением температуры. Термический шум является самым слабым источником шума и может считаться пренебрежимо малым. Ионный проводящий шум: ионные каналы в мембране претерпевают спонтанные изменения конформации между различными состояниями и могут открываться (или закрываться) из-за тепловых флуктуаций. Трансмембранные белковые каналы состоят из небольших субъединиц, которые претерпевают конформационные изменения и подвержены влиянию тепловых флуктуаций. При снижении температуры ниже 33 °C скорость активации или инактивации канала уменьшается. И наоборот, при повышении температуры выше 33 °C скорость активации или инактивации канала увеличивается. Шум ионного насоса: мембранные АТФазные ионные насосы генерируют флуктуирующие потенциалы, транспортируя ионы против их градиента концентрации. Многоступенчатый процесс транспортировки ионов через градиент требует АТФ. Этапы, участвующие в активном транспорте, имеют направленное движение, но небольшие стохастические шаги, движущиеся в обратном направлении, все же присутствуют в процессе конформации. В синапсах количество ионов кальция, входящих в постсинаптическую сторону после спайка, составляет около 250 ионов. Хаос: хаотическая динамика может возникать в отдельных клетках (из-за периодических входных сигналов или взрывной активности из-за внутренних токов). Простые нейронные сети также могут демонстрировать хаотическую динамику. Даже если хаос является детерминированным, он может усиливать шум из других источников до макроскопического уровня из-за чувствительной зависимости от начальных условий. Шум связности: шум, возникающий из-за количества связей и неоднородности, с которыми нейрон связан с другими нейронами в нейронной сети. Субпороговый шум более выражен при усилении взаимосвязей или увеличении количества связей с другими нейронами. Уровень CO2 в крови позволяет либо сужению, либо расширению сосудов, которые могут вторгаться или расширяться в близлежащие нейронные сети, генерируя шум.

Ions exist inside and outside of the neuron and are subject to many bodily conditions. One major source of noise arises from ions or molecules in response to the third law of thermodynamics. This law states that the entropy of a system approaches a constant value as the temperature approaches zero. Since the body maintains temperatures above 0K, the molecules are subjected to increased kinetic energy, or motion. The stochastic, or random, movements give rise to receptor noise produced by the constant bombardment of ions, as described by Brownian motion. Ions are constantly being leaked across the membrane in efforts to equalize the ionic gradient produced by ATPase channels embedded in the membrane. These leaky channels permit the movement of ions across the membrane leading to small fluctuations, or noise, in the membrane potential. Synapses are another major source of neural noise. More than often, there is random exocytosis of vesicles containing neurotransmitters, which eventually bind to the postsynaptic membrane, leading to a spontaneous action potential by graded potentials in the postsynaptic neuron. It is considered the largest amplitude noise source in the cerebral cortex. Thermal noise: Johnson–Nyquist noise occurs due to the thermal motions of ions and other charge carriers, producing voltage fluctuations proportional to temperature. This source of noise is attributed to the third law of thermodynamics, stating that kinetic energy of molecules increases with a raise in temperature. Thermal noise is the weakest source of noise and can be considered negligible. Ionic conductance noise: Ion channels in the membrane undergo spontaneous changes in conformation between different states and can open (or close) due to thermal fluctuations. The transmembrane embedded protein channels are made up of small subunits that undergo conformational changes and are affected by thermal fluctuations. When temperature drops below 33 °C, the rate at which the channel becomes active or inactive decreases. In contrast when the temperature is increased above 33 °C, the rate at which the channel becomes active or inactive increases. Ion pump noise: Membrane embedded ATPase ion pumps produce fluctuating potentials by transporting ions against their concentration gradient. The multistep process in which ions are transported across their gradient requires ATP. The steps involved in active transport have a net forward direction, but small stochastic steps still exist in the conformational process that move backwards. In synapses, the number of calcium ions that enter the postsynaptic side after a spike is on the order of 250 ions,
Chaos: Chaotic dynamics can occur in single cells (due to periodic inputs or bursting due to intrinsic currents). Simple networks of neurons can also exhibit chaotic dynamics. Even if the chaos is deterministic, it can amplify noise from the other sources to macroscopic levels due to sensitive dependence on initial conditions. Connectivity noise: Noise that arises from the number of connections and non uniformity that a neuron has with other neurons within a neuronal network. There is a stronger presence of sub threshold noise when the interconnectivity is strengthened, or the number of connection to other neurons is increased. The level of CO2 in the blood allows for either vasoconstriction or vasodilation, which can encroach, or expand, into nearby neural networks producing noise.

Глобальная регистрация

Парадигма внешнего шума постулирует существование "нейронного шума" и предполагает, что внешний шум должен мультипликативно увеличивать количество внутреннего шума в центральной нервной системе. Неясно, каким образом теоретически различаются "нейронный шум" и "нейронный сигнал". Сторонники этой парадигмы добавляют визуальный или слуховой внешний шум к стимулу и измеряют, как это влияет на время реакции или производительность испытуемого. Если производительность оказывается менее стабильной, чем без шума, считается, что у испытуемого присутствует "внутренний шум". Подобно тому, как в случае с "внутренним шумом", неясно, на каких теоретических основаниях исследователи различают "внешний шум" и "внешний сигнал" с точки зрения перцептивного ответа наблюдателя, который является реакцией на стимул в целом. Электроэнцефалограмма (ЭЭГ) может быть использована для измерения активности мозга, поскольку соотношение сигнал/шум в ней низкое, что позволяет обнаруживать шум, генерируемый мозгом, in vivo. Локальные полевые потенциалы можно использовать для оценки шума, присутствующего в крупных нейронных сетях. Это измерение напряжения может быть использовано для определения степени взаимосвязанности нейронов по уровню шума.

Местная запись

Местная запись сыграла значительную роль в обнаружении многих новых источников ионно-канального шума. Техника патч-клемпа оказалась решающей для определения шума выстрела, поскольку межклеточная запись не позволяла наблюдать движение или детектировать единичные ионы, проходящие через канал за один раз.