Как устроена микросхема: Поэлементный разбор внутренностей простейшей микросхемы — ULN2003 / Блог компании Zeptobars / Хабр

Поэлементный разбор внутренностей простейшей микросхемы — ULN2003 / Блог компании Zeptobars / Хабр

В предыдущих статьях с фотографиями кристаллов микросхем (1, 2, 3) — в комментариях писали о том, что было бы неплохо разобрать простую микросхему по деталям — чтобы было понятно «что есть что» на самом низком уровне, и где там «магический дым» прячется. Я долго не мог выбрать микросхему, в схеме которой можно было бы разобраться за несколько минут — но наконец решение было найдено: ULN2003 — массив транзисторов Дарлингтона.

Несмотря на свою простоту, микросхема до сих пор широко используется и производится. ULN2003 состоит из 21 резистора, 14 транзисторов и 7 диодов. Применяют её для управления относительно мощной нагрузкой (до 50 вольт / 0.5 ампер) от ножки микроконтроллера (или других цифровых микросхем). Каноническое применение — для управления мощными 7-и сегментными светодиодными индикаторами.

Выглядит следующим образом. Цвета несколько усилены относительно натуральных, под контактными площадками металл поврежден кислотой (и приобрел такой коричневый цвет):

Как видим, 7 каналов абсолютно идентичны, потому будем рассматривать только один. К счастью для нас, схема каждого канала нам известна — и мы можем в неё подглядывать:

А теперь 1 канал с отмеченными элементами. Сопоставление конкретных элементов схеме — оставляю как домашнее задание для читателя.

Но как же сделан сам транзистор? Известно, что внутренняя структура планарного биполярного npn транзистора при производстве получается следующая:

Тонкая база — «подныривает» под эмиттер. Не смотря на то, что и на коллекторе и на эмиттере — кремний легирован в тип n, отличается концентрация легирующей примеси и толщина: это делают для того, чтобы оптимизировать транзистор для «усиления тока» в одном направлении.

Зная это — мы можем внимательнее посмотреть на 1 транзистор, и понять где там что. Кремний, легированный в разный тип — немного отличается по цвету. Невооруженному взгляду это практически не заметно — но тут насыщенность цветов и контраст выкручены почти на максимум. Пусть 2 эмиттера включенных параллельно вас не смущают — они работают как 1 бОльшей площади.

Для того, чтобы соединения не «закорачивали» то, что не нужно — поверхность кремния покрыта слоем прозрачного стекла (SiO₂), в котором есть отверстия непосредственно над местами, где вывод соединяется с нужным местом на транзисторе. Это хорошо видно на следующей фотографии, т.к. глубина резкости на этом объективе меньше, и например соединение к базе — уже не в фокусе, т.к. расположено выше, над слоем стекла.

Коллекторы обоих транзисторов — это фактически единое целое, т.к. по схеме они соединены. Соседние каналы изолированы pn-переходом, можно увидеть прямоугольник немного отличающегося цвета вокруг каждого канала на общей фотографии высокого разрешения.

Как видим, никакой магии внутри нет 🙂

Как устроены интегральные схемы

Дата

Категория: it

Компьютеры строятся на основе двух типов интегральных схем: логической и ЗУ (запоминающее устройство). Логические микросхемы используются в арифметическом логическом модуле (АЛМ), где производятся вычисления, в то время как кристаллы ЗУ хранят данные и программы. Существует множество разновидностей логических микросхем, простых и сложных; микропроцессорная схема (нижняя правая иллюстрация на стр. 23) выполняет роль центральной нервной системы ПК и является ярким примером сложной логической схемы. Иногда функции логических схем и ЗУ комбинируются в одной схеме.

Микропроцессор служит центральным процессорным устройством (ЦПУ) компьютера, включающим контроллер и оперативную логическую схему. Другие, примыкающие к процессору схемы включают: генератор синхроимпульсов, который производит сигналы, обеспечивающие пошаговую деятельность компьютера; контроллер ввода/вывода, который координирует ввод и вывод данных; различные сопроцессоры – процессоры, специализированные для одного вида задач и выполняющие их с огромной скоростью. Дополнительные контроллерные схемы оперируют со связующими схемами, магнитными дисками и графическими терминалами.

Кристаллы ЗУ подразделяются на постоянные и оперативные запоминающие устройства (ПЗУ и ОЗУ). Схемы ПЗУ сохраняют данные, даже если машина выключена, они используются для хранения завершенных программ, которые не нуждаются в изменениях. Большинство схем ОЗУ не являются постоянными, то есть их содержимое стирается, если компьютер выключен или произошел сбой в напряжении. Компьютер может считывать с них информацию и записывать ее – вносить в них новые данные.

Устройство интегральной схемы

величенная в 2500 раз структура МОП – металл-оксид-полупроводник для отрицательного канала -является распространенным типом ИС транзистора. Обычно этот переключатель закрыт; ток (голубая стрелка) не может пройти от источника к стоку. Но напряжение (красная стрелка), примыкающее к логической схеме, притягивает электроны (точечки), образуя канал, который пропускает электрический ток.

Схемы ИС в корпусах

Прежде чем ИС будет смонтирована на печатной плате, она должна быть заключена в защитный футляр, или корпус, и снабжена внешними связующими штырями, или выводами. На иллюстрации справа представлено несколько разновидностей корпусов, получивших свое название по форме и организации выводов корпуса. DIP – переключатель, или двухрядный корпус, имеет два ряда выводов. PLP – это уплощенный корпус, с выводами по двум сторонам. LCC – керамический кристаллодержатель без выводов. ZIP – плоский корпус со штырьковыми выводами, расположенными зигзагообразно. QFP – это плоский корпус с четырьмя рядами выводов по бокам. SIP – корпус с однорядным расположением выводов.

Монолитный микропроцессор

Схема на изображении внизу включает микропроцессор, а также схемы ПЗУ, ОЗУ и контроллеры (регуляторы ввода/вывода). Эти компьютерные схемы широко применяются для управления машинным оборудованием и многими бытовыми приборами.

Ряды схем. Печатная плата на илл. слева, объединительная плата ПК, содержит несколько видов ИС, включая микропроцессор, контроллерные схемы и ЗУ.

Что такое интегральная микросхема (ИМС)

Всего лет двадцать пять назад радиолюбителям и специалистам старшего поколения пришлось заниматься изучением новых по тому времени приборов — транзисторов. Нелегко было отказываться от электронных ламп, к которым так привыкли, и переключаться на теснящее и все разрастающееся «семейство» полупроводниковых приборов.

А сейчас это «семейство» все больше и больше стало уступать свое место в радиотехнике и электронике полупроводниковым приборам новейшею поколения — интегральным микросхемам, часто называемым сокращенно ИМС.

Что такое интегральная микросхема

Интегральная микросхема – это миниатюрный электронный блок, содержащий в общем корпусе транзисторы, диоды, резисторы и другие активные и пассивные-элементы, число которых может достигать нескольких десятков тысяч.

Одна микросхема Может заменить целый блок радиоприемника, электронной вычислительной машины (ЭВМ) и электронного автомата. «Механизм» наручных электронных часов, например, — это всего лишь одна большей микросхема.

По своему функциональному назначению интегральные микросхемы делятся на две основные группы: аналоговые, или линейно-импульсные, и логические, или цифровые, микросхемы.

Аналоговые микросхемы предназначаются для усиления, генерирования и преобразования электрических колебаний разных частот, например, для приемников, усилителей, а логические — для использования в устройствах автоматики, в приборах с цифровым отсчетом времени, в ЭВМ.

Этот практикум посвящается знакомству с устройством, принципом работы и возможным применением самых простых аналоговых и логических интегральных микросхем.

На аналоговой микросхеме

Из огромного «семейства» аналоговых самыми простыми являются микросхемы-близнецы» К118УН1А (К1УС181А) и К118УН1Б (К1УС181Б), входящие в серию К118.

Каждая из них представляет собой усилитель, содержащий… Впрочем, об электронной «начинке» лучше поговорить позже. А пока будем считать их «черными ящичками» с выводами для подключения к ним источников питания, дополнительных деталей, входных и выходных цепей.

Разница же между ними заключается только в их коэффициентах усиления колебаний низких частот: коэффициент усиления микросхемы К118УН1А на частоте 12 кГц составляет 250, а микросхемы К118УН1Б — 400.

Рис. 1. Микросхема и схема на основе нее.

На высоких частотах коэффициент усиления этих микросхем одинаков — примерно 50. Так что любая из них может быть использована для усиления колебаний как низких, так и высоких частот, а значит, и для наших опытов. Внешний вид и условное обозначение этих микросхем-усилителей на принципиальных схемах устройств показаны на рис. 1.

Корпус у них пластмассовый прямоугольной формы. Сверху на корпусе — метка, служащая точкой отсчета номеров выводов. Микросхемы  рассчитаны на питание от источника постоянного тока напряжением 6,3 В, которое подают через выводы 7 (+Uпит) и

14 ( — Uпит).

Источником питания может быть сетевой блок питания с регулируемым выходным напряжением или батарея, составленная из четырех элементов 334 и 343.

Первый опыт с микросхемой К118УН1А (или К118УН1Б) проводи по схеме, приведенной на рис. 89. В качестве монтажной платы используй картонную пластинку размерами примерно 50X40 мм.

Микросхему выводами 1, 7, 8 и 14 припаяй к проволочным скобкам, пропущенным через проколы в картоне. Все они будут выполнять роль стоек, удерживающих микросхему на плате, а скобки выводов 7. и 14, кроме того, соединительными контактами с батареей GB1 (или сетевым блоком питания).

Между ними с обеих сторон от микросхемы укрепи еще по два-три контакта, которые будут промежуточными для дополнительных деталей. Смонтируй на плате конденсаторы

С1 (типа К50-6 или К50-3) и С2 (КЯС, БМ, МБМ), подключи к выходу микросхемы головные телефоны В2.

Ко входу микросхемы подключи (через конденсатор С1) электродинамический микрофон В1 любого типа или телефонный капсюль ДЭМ-4м, включи питание и, прижав поплотнее телефоны к ушам, постучи легонько карандашом по микрофону. Если ошибок в монтаже нет, в телефонах должны быть слышны звуки, напоминающие щелчки по барабану.

Попроси товарища сказать что-то перед микрофоном — в телефонах услышишь его голос. Вместо микрофона ко входу микросхемы можешь подключить радиотрансляционный (абонентский) громкоговоритель с его согласующим трансформатором. Эффект будет примерно таким же.

Продолжая опыт с телефонным устройством одностороннего действия, включи между общим (минусовым) проводником цепи питания и выводом 12 микросхемы электролитический конденсатор C3, обозначенный на схеме штриховыми линиями. При этом громкость звука в телефонах должна возрасти.

Телефоны станут звучать еще громче, если такой же конденсатор включить в цепь вывода 5 (на рис, 1 — конденсатор С4). Но если при этом усилитель возбудится, то между общим проводом и выводом 11 придется включить электролитический конденсатор емкостью 5 — 10 мкФ на. номинальное напряжение 10 В.

Еще один опыт: включи между выводами 10 и 3 микросхемы керамический или бумажный конденсатор емкостью 5 — 10 тыс. пикофарад. Что получилось? В телефонах появился непрекращающийся -звук средней тональности. С увеличением емкости этого конденсатора тон звука в телефонах должен понижаться, а с уменьшением повышаться. Проверь это.

Рис. 2. Внутренняя схема микросхемы.

А теперь раскроем этот «черный ящичек» и рассмотрим его «начинку» (рис. 2). Да, это двухкаскадный усилитель с непосредственной связью между его транзисторами. Транзисторы кремниевые, структуры n-р-

n. Низкочастотный сигнал, создаваемый микрофоном, поступает (через конденсатор С1) на вход микросхемы (вывод 3).

Падение напряжения, создающееся на резисторе R6 в эмиттерной цепи транзистора V2, через резисторы R4 и R5 подается на базу транзистора VI и открывает его. Резистор R1 — нагрузка этого транзистора. Снимаемый с него усиленный сигнал поступает на базу транзистора V2 для дополнительного усиления.

В опытном усилителе нагрузкой транзистора V2 были головные телефоны, включенные в его коллекторную цепь, которые преобразовывали низкочастотный сигнал в звук.

Но его нагрузкой мог бы быть резистор R5 микросхемы, если соединить вместе выводы 10 и 9. В таком случае телефоны надо включать между общим проводом и точкой соединения этих выводов через электролитический конденсатор емкостью в несколько микрофарад (положительной обкладкой к микросхеме).

При включении конденсатора между общим проводом и выводом 12 микросхемы громкость звука увеличилась, Почему? Потому что он, шунтируя резистор R6 микросхемы, ослабил действующую в ней отрицательную обратную связь по переменному току.

Отрицательная обратная связь стала еще слабее, когда ты второй конденсатор включил в базовую цепь транзистора V1. А третий конденсатор, включенный между общим проводом и выводом 11, образовал с резистором R7 микросхемы развязывающий фильтр, предотвращающий возбуждение усилителя.

Что получилось при включении конденсатора между выводами 10 и 5? Он создал между выходом и входом усилителя положительную обратную связь, которая превратила его в генератор колебаний звуковой частоты.

Итак, как видишь, микросхема К118УН1Б (или К118УН1А) — это усилитель, который может быть низ-кочастотным или высокочастотным, например, в приемнике. Но он может стать и генератором электрических колебаний как низких, так и высоких частот.

Микросхема в радиоприемнике

Предлагаем испытать эту микросхему в высокочастотном тракте приемника, собранного, например, по схеме, приведенной на рис. 3. Входной контур магнитной антенны такого приемника образуют катушка L1 и конденсатор переменной емкости С1. Высокочастотный сигнал радиостанции, на волну которой контур настроен, через катушку связи L2 и разделительный конденсатор С2 поступает на вход (вывод 3) микросхемы Л1.

С выхода микросхемы (вывод 10, соединенный с выводом 9) усиленный сигнал подается через конденсатор С4 на детектор, диоды VI и V2 которого включены по схеме умножения напряжения, а выделенный им низкочастотный сигнал телефоны В1 преобразуют в звук. Приемник питается от батареи GB1, составленной из четырех элементов 332, 316 или пяти аккумуляторов Д-01.

Рис. 3. Схема приемника на микросхеме.

Во многих транзисторных приемниках усилитель высокочастотного тракта образуют транзисторы, а в этом — микросхема. Только в этом и заключается разница между ними.

Имея опыт предыдущих практикумов, ты, надеюсь, сможешь самостоятельно смонтировать иг наладить такой приемник и даже, если пожелаешь, дополнить его усилителем НЧгдля громкоговорящего радиоприема.

На логической микросхеме

Составной частью многих цифровых интегральных микросхем является логический элемент И-НЕ, условное обозначение которого ты видишь на рис. 4, а. Его символом служит знак «&», помещаемый внутри прямоугольника, обычно в верхнем левом углу, заменяющий союз «И» в английском языке. Слева два или больше входов, справа — один выход.

Небольшой кружок, которым начинается линия связи выходного сигнала, символизирует логическое Отрицание «НЕ» на выходе микросхемы. На языке цифровой техники «НЕ» означает, что элемент И-НЕ является инвертором, то есть устройством, выходные параметры которого противоположны входным.

Электрическое состояние и работу логического элемента характеризуют уровнями сигналов на его входах и выходе. Сигнал небольшого (или нулевого) напряжения, уровень которого не превышает 0,3 — 0,4 В, принято (в соответствии с двоичной системой счисления) называть логическим нулем (0), а сигнал более высокого напряжения (по сравнению с логическим 0), уровень которого может быть 2,5 — 3,5 В, — логической единицей (1).

Например, говорят: «на выходе элемента логическая 1». Это значит, что в данный момент на выходе элемента появился сигнал, напряжение которого соответствует уровню логической 1.

Чтобы не углубляться в технологию и устройство элемента И-НЕ, будем рассматривать его как «черный ящичек», у которого для электрического сигнала есть два входа и один выход.

Логика же элемента заключается в том, что при подаче на один из его входов логического О, а на второй вход логической 1, на выходе появляется сигнал логической 1, который исчезает при подаче на оба входа сигналов, соответствующих логической 1.

Для опытов, закрепляющих в памяти это свойство элемента, потребуются наиболее распространенная микросхема К155ЛАЗ, вольтметр постоянного тока, свежая батарея 3336Л и два резистора сопротивлением 1…1,2 кОм.

Рис. 4. Логические элементы микросхемы К155ЛАЗ.

Микросхема К155ЛАЗ состоит из четырех элементов 2И-НЕ (рис. 4, б), питающихся от одного общего источника постоянного тока напряжением 5 В, но каждый из них работает как самостоятельное логическое устройство. Цифра 2 в названии микросхемы указывает на то, что ее элементы имеют по два входа.

Внешним видом и конструктивно она, как и все микросхемы серии К155, не отличается от уже знакомой тебе аналоговой микросхемы К118УН1, только полярность подключения источника питания иная. Поэтому сделанная ранее тобой картонная плата подойдет и для опытов с этой микросхемой. Источник питания подключают: +5 В — к выводу 7» — 5 В — к выводу 14.

Но эти выводы не принято обозначать на схематическом изображении микросхемы. Объясняется это тем, что на принципиальных электрических схемах элементы, составляющие микросхему, изображают раздельно, например, как на рис. 4, в. Для опытов можно использовать любой из ее четырех элементов.

Микросхему выводами 1, 7, 8 и 14 припаяй к проволочным стойкам на картонной плате (как на рис. 1). Один из входных выводов любого из ее элементов, например, элемента с выводами 1 — 3, соедини через ре-.зистор сопротивлением 1…1.2 кОм с выводом 14, вывод второго входа — непосредственно с общим («заземленным») проводником цепи питания, а к выходу элемента подключи вольтметр постоянного тока (рис. 5, а).

Включии питание. Что показывает вольтметр? Напряжение, равное примерно 3 В. Это напряжение соответствует сигналу логической 1 на выходе элемента. Тем же вольтметром измерь напряжение на выводе первого входа, И здесь, как видишь, тоже логическая 1. Следовательно, когда на одном из входов элемента логическая 1, а на втором логический 0, на выходе будет логическая 1.

Рис. 5. Измерения напряжений на логическом элементе.

Теперь вывод и второго входа соедини через резистор сопротивлением 1…1.2 кОм с выводом 14 и одновременно проволочной перемычкой — с общим проводником, как показано на рис. 5, б.

При этом на выходе, как и в первом опыте, будет логическая 1. Далее, следя за стрелкой вольтметра, удали проволочную перемычку, чтобы и на второй вход подать сигнал, соответствующий логической 1.

Что фиксирует вольтметр? Сигнал на выходе элемента преобразовался в логический 0. Так оно и должно быть! А если любой из входов периодически замыкать на общий провод и тем самым имитировать подачу на него логического 0, то с такой же частотой на выходе элемента станут появляться импульсы тока, о чем будут свидетельствовать колебания стрелки вольтметра. Проверь это опытным путем.

Свойство элемента И-НЕ изменять свое состояние под воздействием входных управляющих сигналов широко используется в различных устройствах цифровой вычислительной техники. Радиолюбители же, особенно начинающие, очень часто используют логический элемент как инвертор — устройство, сигнал на выходе которого противоположен входному сигналу.

Подтвердить такое свойство элемента может следующий опыт. Соедини вместе выводы обоих входов элемента и через резистор сопротивлением 1…1,2 кОм подключи их к выводу 14 (рис. 5, в).

Так ты подашь на общий вход элемента сигнал, соответствующий логической 1, напряжение которого можно измерить вольтметром. Что при этом получается на выходе?

Стрелка вольтметра, подключенного к нему, чуть отклонилась от нулевой отметки шкалы. Здесь, следовательно, как и предполагалось, сигнал соответствует логическому 0.

Затем, не отключая резистор от вывода 14 микросхемы, несколько раз подряд замкни проволочной перемычкой вход элемента на общий проводник (на рис. 5, в показано штриховой линией со стрелками) и одновременно следи за стрелкой вольтметра.

Так ты убедишься в том, что когда на входе инвертора логический 0, на выходе в это время логическая 1 и, наоборот, когда на входе логическая 1 — на выходе логический 0.

Так работает инвертор, особенно часто используемый радиолюбителями в конструируемых ими импульсных устройствах.

Рис. 6. Схема генератора сигналов ЗЧ на микросхеме.

Примером такого устройства может служить генератор импульсов, собранный по схеме, приведенной на рис. 6. В его работоспособности ты можешь убедиться сейчас же, затратив на это всего несколько минут.

Выход элемента D1.1 соедини с входами элемента D1.2 той же микросхемы, его выход — с входами элемента DJ.3, а выход этого элемента (вывод 8) — с входом элемента D1.1 через переменный резистор R1. К выходу элемента D1.3 (между выводом 8 и общим проводником) подключи головные телефоны B1, a параллельно элементам D1.1 и D1.2 электролитический конденсатор С1.

Движок переменного резистора установи в правое (по схеме) положение и включи питание — в телефонах услышишь звук, тональность которого можно изменять переменным резистором.

В этом эксперименте элементы D1.1, D1.2 и D1.3, соединенные между собой последовательно, подобно транзисторам трехкаскадного усилителя, образовали мультивибратор — генератор электрических импульсов прямоугольной формы.

Микросхема стала генератором благодаря конденсатору и резистору, создавшим между выходом и входом элементов частотозависимые цепи обратной связи. Переменным резистором частоту импульсов, генерируемых мультивибратором, можно плавно изменять примерно от 300 Гц до 10 кГц.

Какое практическое применение может найти такое импульсное устройство? Оно может стать, например, квартирным звонком, пробником для проверки работоспособности каскадов приемника и усилителя НЧ, генератором для тренировок по приему на слух телеграфной азбуки.

Самодельный игровой автомат на микросхеме

Подобное устройство можно превратить в игровой автомат «Красный или зеленый?». Схема такого имлульсного устройства приведена на рис. 7. Здесь элементы D1.1, D1.2, D1.3 той же (или такой же) микросхемы К155ЛАЗ и конденсатор С1 образуют аналогичный мультивибратор, импульсы которого управляют транзисторами VI и V2, включенными по схеме с общим эмиттером.

Элемент D1.4 работает как инвертор. Благодаря ему импульсы мультивибратора поступают на базы транзисторов в противофазе и открывают их поочередно. Так, например, когда на входе инвертора уровень логической 1, а на выходе уровень логического 0, то в Эти моменты, времени транзистор В1 открыт и лампочка HI в его коллекторной цепи горит, а транзистор V2 закрыт и его лампочка Н2 не горит.

При следующем импульсе инвертор изменит свое состояние на обратное. Теперь откроется транзистор V2 и загорится лампочка Н2, а транзистор VI закроется и лампочка H1 погаснет.

Но частота импульсов, генерируемых мультивибратором, сравнительно высокая (не меньше 15 кГц) и лампочки, естественно, не могут реагировать на каждый импульс.

Поэтому они светятся тускло. Но стоит нажать на кнопку S1, чтобы ее контактами замкнуть накоротко конденсатор С1 и тем самым сорвать генерацию мультивибратора, как тут же ярко загорится лампочка того из транзисторов, на базе которого в этот момент окажется напряжение, соответствующее логической 1, а другая лампочка совсем погаснет.

Заранее невозможно сказать, какая из лампочек после нажатия на кнопку будет продолжать гореть — можно только гадать. В этом смысл игры.

Игровой автомат вместе с батареей питания (3336Л или три элемента 343, соединенные последовательно) можно разместить в коробке небольших размеров, например в корпусе «карманного» приемника.

Лампочки накаливания HI и Н2 (МН2,5-0,068 или МН2,5-0,15) размести под отверстиями в лицевой стенке корпуса и закрой их колпачками или пластинками органического стекла красного и зеленого цветов. Здесь же укрепи выключатель питания (тумблер ТВ-1) и кнопочный выключатель §1 (типа П2К или КМ-Н) остановки мультивибратора.

Налаживание игрового автомата заключается в тщательном подборе резистора R1. Его сопротивление должно быть таким, чтобы при остановке мультивибратора кнопкой S1 по крайней мере 80 — 100 раз число загораний каждой из лампочек было примерно одинаково.

Рис. 7. Самодельный игровой автомат на микросхеме – схема.

Сначала проверь, работает ли мультивибратор. Для этого параллельно конденсатору С1, е,мкость которого может быть 0,1…0,5 мкФ, подключи электролитический конденсатор емкостью 20…30 мкФ, а к выходу мультивибратора головные телефоны — в телефонах должен появиться звук низкой тональности.

Этот звук — признак работы мультивибратора. Затем удали электролитический конденсатор, резистор R1 замени подстроечным резистором сопротивлением 1,2…1,3 кОм, а между выводами 8 и 11 элементов DI.3 и D1.4 включи вольтметр постоянного тока. Изменением сопротивления подстро-ечного резистора добейся такого положения, чтобы вольтметр показывал нулевое напряжение между выходами этих элементов микросхемы.

Число играющих может быть любое. Каждый по очереди нажимает на кнопку остановки мультивибратора. Выигрывает тот, кто при равном числе ходов, например двадцати нажатий на кнопку, большее число раз угадает цвета загорающихся лампочек после остановки мультивибратора.

К сожалению, частота мультивибратора описанного здесь простейшего игрового автомата из-за разрядки батареи несколько изменяется, что, конечно, сказывается на равновероятности зажигания разных лампочек, поэтому лучше питать его от источника стабилизированного напряжения 5 В.

Литература:  Борисов В. Г. Практикум начинающего радиолюбителя.2-е изд., перераб. и доп. 1984.

Как создаются микросхемы. Микросхемы. Как устроен кмоп-транзистор

В этой статье мы поговорим о микросхемах, какие типы бывают, как устроены и где используются. Вообще, в современной электронной технике трудно найти устройство, в котором бы не использовались микросхемы. Даже самые дешёвые китайские игрушки задействуют различные планарные, залитые компаундом чипы, на которые возложена функция управления. Причём с каждым годом они становятся всё более сложными внутри, но более простыми в эксплуатации и меньшими по размерам, снаружи. Можно сказать, что идёт постоянная эволюция микросхем.

Микросхема представляет собой электронное устройство или его часть способную выполнять ту или иную задачу. Если бы потребовалось решить такую задачу, которую решают многие микросхемы, на дискретных элементах, на транзисторах, то устройство, вместо маленького прямоугольника размерами 1 сантиметр на 5 сантиметров, занимало бы целый шкаф, и было бы намного менее надежным. А ведь так выглядели вычислительные машины ещё пол-сотни лет назад!

Электронный шкаф управления – фото

Конечно, для работы микросхемы недостаточно просто подать питание на неё, необходим еще так называемый “обвес ”, то есть те вспомогательные детали на плате, вместе с которыми микросхема сможет выполнять свою функцию.

Обвес микросхемы – рисунок

На рисунке выше красным выделена сама микросхема все остальные детали – это её “обвес ”. Очень часто микросхемы при своей работе нагреваются, это могут быть микросхемы стабилизаторов, микропроцессоров и других устройств. В таком случае чтобы микросхема не сгорела её нужно прикрепить на радиатор. Микросхемы, которые при работе должны нагреваться, проектируются сразу со специальной теплоотводящей пластиной – поверхностью, находящейся обычно с обратной стороны микросхемы, которая должна плотно прилегать к радиатору.

Но в соединении даже у тщательно отшлифованных радиатора и пластины, все равно будут микроскопические зазоры, в результате которых тепло от микросхемы будет менее эффективно передаваться радиатору. Для того чтобы заполнить эти зазоры применяют теплопроводящую пасту. Ту самую, которую мы наносим на процессор компьютера, перед тем как закрепить на нем сверху радиатор. Одна из наиболее широко применяемых паст, это КПТ–8 .

Усилители на микросхемах можно спаять буквально за 1-2 вечера, и они начинают работать сразу, не нуждаясь в сложной настройке и высокой квалификации настраивающего. Отдельно хочу сказать про микросхемы автомобильных усилителей, из обвеса там иногда бывает буквально 4-5 деталей. Чтобы собрать такой усилитель, при определенной аккуратности, не требуется даже печатная плата (хотя она желательна) и можно собрать все навесным монтажем, прямо на выводах микросхемы.

Правда, такой усилитель после сборки лучше сразу поместить в корпус, потому, что такая конструкция ненадежна, и в случае случайного замыкания проводов можно легко спалить микросхему. Поэтому рекомендую всем начинающим, пусть потратить немного больше времени, но сделать печатную плату.

Регулируемые блоки питания на микросхемах – стабилизаторах даже проще в изготовлении, чем аналогичные на транзисторах. Посмотрите, сколько деталей заменяет простейшая микросхема LM317:

Микросхемы на печатных платах в электронных устройствах могут быть припаяны как непосредственно, к дорожкам печати, так и посажены в специальные панельки.

Панелька под дип микросхему – фото

Разница заключается в том, что в первом случае для того чтобы нам заменить микросхему нам придется её предварительно выпаять. А во втором случае, когда мы посадили микросхему в панельку, нам достаточно достать микросхему из панельки, и её можно с легкостью заменить на другую. Типичный пример замены микропроцессора в компьютере.

Также, к примеру, если вы собираете устройство на микроконтроллере на печатной плате, и не предусмотрели внутрисхемное программирование, вы сможете, если впаяли в плату не саму микросхему, а панельку, в которую она вставляется, то микросхему можно достать и подключить к специальной плате программатора.

В таких платах уже впаяны панельки под разные корпуса микроконтроллеров для программирования.

Аналоговые и цифровые микросхемы

Микросхемы выпускаются различных типов, они могут быть как аналоговыми так и цифровыми. Первые, как становится ясно из названия, работают с аналоговой формой сигнала, вторые же работают с цифровой формой сигнала. Аналоговый сигнал может принимать различную форму.

Цифровой сигнал это последовательность единиц и нулей, высокого и низкого уровня сигналов. Высокий уровень обеспечивается подачей на вывод 5 вольт или напряжения близкого к этому, низкий уровень это отсутствие напряжения или 0 вольт.

Существуют также микросхемы АЦП (аналогово – цифровой преобразователь ) и ЦАП (цифро – аналоговый преобразователь ) которые осуществляет преобразование сигнала из аналогового в цифровой, и наоборот. Типичный пример АЦП используется в мультиметре, для преобразования измеряемых электрических величин и отображения их на экране мультиметра. На рисунке ниже АЦП – это черная капля, к которой со всех сторон подходят дорожки.

Микроконтроллеры

Сравнительно недавно, по сравнению с выпуском транзисторов и микросхем, был налажен выпуск микроконтроллеров. Что же такое микроконтроллер?

Это специальная микросхема, может выпускаться как в Dip так и в SMD исполнении, в память которой может быть записана программа, так называемый Hex файл . Это файл откомпилированной прошивки, которая пишется в специальном редакторе программного кода. Но мало написать прошивку, нужно перенести, прошить, её в память микроконтроллера.

Программатор – фото

Для этой цели служит программатор . Как многим известно, есть много разных типов микронтроллеров – AVR , PIC и другие, для разных типов нам требуются разные программаторы. Также существует и , каждый сможет найти и изготовить себе подходящий по уровню знаний и возможностей. Если нет желания делать программатор самому, то можно купить готовый в интернет магазине или заказать с Китая.

На рисунке выше изображен микроконтроллер в SMD корпусе. Какие же плюсы есть в использовании микроконтроллеров? Если раньше, проектируя и собирая устройство на дискретных элементах или микросхемах, мы задавали работу устройства путем определенного, часто сложного соединения на печатной плате с использованием множества деталей. То теперь нам достаточно написать программу для микроконтроллера, которая будет делать тоже самое программным путем, зачастую быстрее и надежнее, чем схема без применения микроконтроллеров. Микроконтроллер представляет собой целый компьютер, с портами ввода – вывода, возможностью подключения дисплея и датчиков, а также управление другими устройствами.

Конечно усовершенствование микросхем на этом не остановится, и можно предположить, что лет через 10 возникнут действительно микросхемы от слова “микро ” – невидимые глазу, которые будут содержать миллиарды транзисторов и других элементов, размерами в несколько атомов – вот тогда действительно создание сложнейших электронных устройств станет доступно даже не слишком опытным радиолюбителям! Наш краткий обзор подошёл к концу, с вами был AKV .

Обсудить статью МИКРОСХЕМЫ

Панюшкин В.В.

(«ХиЖ», 2014, №4)

Производство крошечных чипов, дающих жизнь ноутбуку, — одно из самых сложных и изощренных. Оно состоит более чем из трех сотен операций, и один производственный цикл может длиться до нескольких недель. Как выглядит этот процесс в упрощенном виде?

Наносим слой кремния

Первое, что необходимо сделать, – создать на поверхности кремниевой подложки диаметром в 30 см дополнительный слой. Атомы кремния наращивают на подложку методом эпитаксии: они постепенно оседают на кремниевую поверхность из газовой фазы. Процесс протекает в вакууме, ничего лишнего здесь нет, поэтому в результате на поверхности образуется тончайший слой чистейшего кремния с той же кристаллической структурой, что и кремниевая подложка, только еще чище. Иными словами, мы получаем несколько улучшенную подложку.

Наносим защитный слой

Теперь на поверхности подложки надо создать защитный слой, то есть попросту окислить ее, чтобы образовалась тончайшая пленка оксида кремния SiO 2 .

Ее функция очень важна: оксидная пленка в дальнейшем будет мешать электрическому току утекать с пластины. Кстати, в последнее время вместо традиционного диоксида кремния компания Intel стала использовать high-k-диэлектрик на основе оксидов и силикатов гафния, у которых более высокая по сравнению с оксидом кремния диэлектрическая проницаемость k. Слой high-k диэлектрика делают примерно в два раза толще, чем слой обычного SiO 2 , за счет сужения соседних областей, но благодаря этому при сравнимой емкости ток утечки удается уменьшить в сто раз. Это позволяет продолжать миниатюризацию процессоров.

Наносим слой фоторезиста

На защитный слой оксида кремния необходимо нанести фоторезист – полимерный материал, свойства которого изменяются под воздействием излучения. Чаще всего в этой роли выступают полиметакрилаты, арилсульфоэфиры и фенлформальдегидные смолы, которые разрушаются под воздействием ультрафиолета (этот процесс называется фото- литографией). Их наносят на вращающуюся подложку, опрыскивая ее аэрозолем упомянутого вещества. В принципе можно также использовать электронный луч (электронно-лучевую литографию) или мягкое рентгеновское излучение (рентгеновскую литографию), подбирая к ним соответствующие чувствительные вещества. Но мы рассмотрим традиционный процесс фотолитографии.

Облучаем ультрафиолетом

Теперь подложка готова к контакту с ультрафиолетом, но не прямому, а через посредника – фотомаску, которая играет роль трафарета. По сути, фотомаска – это рисунок будущей микросхемы, только увеличенный в несколько раз. Чтобы спроецировать его на поверхность подложки, используют специальные линзы, уменьшающие изображение. Это дает поразительную четкость и точность проекции.

Ультрафиолет, проходя через маску и линзы, проецирует изображение будущей схемы на подложку. На фотомаске будущие рабочие участки интегральной микросхемы прозрачны для ультрафиолета, а пассивные участки – наоборот. В тех местах на подложке, где должны быть расположены активные структурные элементы, облучение разрушает фоторезист. А на пассивных участках разрушение не происходит, потому что туда ультрафиолет не попадает: трафарет он и есть трафарет. Химическая реакция, которая происходит в слое под воздействием ультрафиолета, очень похожа на реакцию в пленке, происходящую во время фотографирования. Разрушенный фоторезист легко растворяется, поэтому убрать с подложки продукты разложения несложно. Кстати, для создания одного процессора бывает необходимо до 30 различных фотомасок, поэтому этап повторяют по мере нанесения слоев друг на друга.

Травим

Итак, рисунок будущей схемы со всеми элементами размером вплоть до нескольких нанометров перенесен на поверхность подложки. Области, где защитный слой разрушился, теперь должны быть вытравлены. При этом пассивные участки не пострадают, поскольку они защищены полимерным слоем фоторезиста, который не разрушился на предыдущей стадии. Облученные области вытравливают либо химическими реагентами, либо физическими методами.

В первом случае, чтобы разрушить слой диоксида кремния, используют составы на основе фтористоводородной кислоты и фторида аммония. Жидкостное травление – дело хорошее, но есть проблема: жидкость так и норовит затечь под слой резиста на соседних пассивных участках. А в результате детали вытравленного рисунка по размеру оказываются больше, чем предусмотрено маской. Поэтому предпочтительнее сухой физический метод – реактивное ионное травление с помощью плазмы. Для каждого материала, подвергаемого сухому травлению, подбирают соответствующий реактивный газ. Так, кремний и его соединения травят хлор- и фторсодержащей плазмой (CCl 4 + Cl 2 + Ar, ClF 3 + Cl 2 , CHF 3 , CF 4 + H 2 , C 2 F 6). Правда, у сухого травления тоже имеется недостаток – меньшая по сравнению с жидкостным травлением селективность. К счастью, на этот случай есть универсальный метод – ионно-лучевое травление. Оно пригодно для любого материала или сочетания материалов и обладает наивысшей среди всех методов травления разрешающей способностью, позволяя получать элементы с размером менее 10 нм.

Легируем

Теперь настало время ионной имплантации. Она позволяет внедрить практически любые химические элементы в необходимом количестве на заданную глубину на протравленных участках, где обнажилась кремниевая подложка. Цель этой операции – изменить тип проводимости и концентрацию носителей в объеме полупроводника для получения нужных свойств, например – требуемой плавности p-n-перехода. Самые распространенные легирующие примеси для кремния – это фосфор, мышьяк (обеспечивают электронную проводимость n-типа) и бор (дырочную проводимость p-типа). Ионы имплантируемых элементов в виде плазмы разгоняют до высоких скоростей электромагнитным полем и бомбардируют ими подложку. Энергичные ионы проникают в незащищенные участки, погружаясь в образец на глубину от нескольких нанометров до нескольких микрометров.

После внедрения ионов фоторезистивный слой удаляют, а полученную конструкцию отжигают при высокой температуре, чтобы восстановилась нарушенная структура полупроводника и ионы лиганда заняли узлы кристаллической решетки. В целом первый слой транзисторов готов.

Делаем окна

Поверх полученного транзистора необходимо нанести изолирующий слой, на котором тем же методом фотолитографии вытравливают три «окна». Через них в дальнейшем будут создаваться контакты с другими транзисторами.

Наносим металл

Теперь всю поверхность пластины покрывают слоем меди с помощью вакуумного напыления. Медные ионы проходят от положительного электрода (анода) к отрицательному электроду (катоду), роль которого играет подложка, и садятся на него, заполняя окна, созданные с помощью травления. Затем поверхность полируют, удаляя лишнюю медь. Металл наносят в несколько этапов, чтобы создать межсоединения (их можно представить как соединительные провода) между отдельными транзисторами.

Раскладка таких межсоединений определяется архитектурой микропроцессора. Таким образом в современных процессорах устанавливаются связи между примерно 20 слоями, формирующими сложную трехмерную схему. Количество слоев может меняться в зависимости от типа процессора.

Тестируем

Наконец наша пластинка готова к тестированию. Главный контролер здесь – зондовые головки на установках автоматической разбраковки пластин. Прикасаясь к пластинкам, они измеряют электрические параметры. Если что не так – помечают бракованные кристаллы, которые затем отбрасывают. Кстати, кристаллом в микроэлектронике называют единичную интегральную микросхему произвольной сложности, размещенную на полупроводниковой пластине.

Режем

Далее пластины разделяют на единичные кристаллы. На одной подложке диаметром 30 см помещается около 150 микросхем размером примерно 2х2 см. Для разделения пластину либо надрезают алмазным резцом или лазерным лучом, а потом разламывают по готовым надрезам, либо сразу разрезают алмазным диском.

Процессор готов !

После этого соединяют контактную площадку, обеспечивающую связь процессора с остальной системой, кристалл и крышку, отводящую тепло от кристалла к кулеру.

Процессор готов! По моим (наверняка очень неточным) прикидкам, на изготовление одного современного процессора, такого, например, как четырехъядерный Intel Core i7, необходимо затратить около месяца работы сверхсовременной фабрики и 150 кВт.ч электроэнергии. При этом масса кремния и химикатов, расходуемых на один кристалл, исчисляется максимум граммами, меди – долями грамма, золота для контактов – миллиграммами, а лигандов вроде фосфора, мышьяка, бора – и того меньше.

Словарик

Для тех, кто рискует запутаться в подложках, чипах, процессорах и кристаллах, приводим маленький словарик терминов.

Подложка – круглая монокристаллическая кремниевая пластина диаметром от 10 до 45 см, на которой выращивают полупроводниковые микросхемы методом эпитаксии.

Кристалл, чип, интегральная микросхема – не связанная с другими часть подложки с выращенной на ней многослойной системой транзисторов, соединенных медными контактами. В дальнейшем используется как основная часть микропроцессора.

Лиганд (легирующая примесь) – в случае полупроводниковых материалов вещество, атомы которого встраиваются в решетку кристалла кремния, изменяя его проводимость.

Процессор, микропроцессор – центральный вычислительный элемент современных компьютеров. Состоит из кристалла, помещенного на контактную площадку и закрытого теплоотводящей крышкой.

Фотомаска – полупрозрачная пластина с рисунком, сквозь который проходит свет при облучении фоторезиста.

Фоторезист – полимерный светочувствительный материал, свойства которого, например растворимость, изменяются после воздействия на него определенного типа излучения.

Эпитаксия – закономерный ориентированный рост одного кристалла на поверхности другого. В данном случае слово «кристалл» употребляется в своем основном значении. Существует множество методов получения упорядоченных кристаллов, основанных на эпитаксиальном наращивании.

Без чего сложно представить существование современного человека? Конечно, без современной техники. Некоторые вещи так вошли в нашу жизнь, так приелись. Интернет, телевизор, микроволновки, холодильники, стиральные машины – без этого сложно представить современный мир и, конечно, себя в нем.

Что делает практически всю сегодняшнюю технику по-настоящему полезной и нужной?

Какое изобретение предоставило прогрессу широчайшие возможности?

Одно из самых незаменимых открытий человека – технология производства микросхем.

Благодаря ей современная техника имеет такие небольшие размеры. Она компактна и удобна.

Все мы знаем, что в доме может уместиться огромное количество вещей, состоящих из микросхем. Многие из них помещаются в кармане брюк и имеют незначительный вес.

Тернистый путь

Чтобы добиться результата и получить микросхему, ученые трудились долгие годы. Начальные схемы имели огромнейшие по нынешним меркам размеры, они были больше и тяжелее холодильника, при ом что современный холодильник не состоит сплошь из сложных и запутанных схем. Ничего подобного! В нем есть одна маленькая, но превосходящая по своей полезности старые и громоздкие. Открытие произвело фурор, дав толчок дальнейшему развитию науки и техники, прорыв был сделан. Оборудование для производства микросхем выпущено.

Оборудование

Производство микросхем является непростой задачей, но благо у человека имеются те технологии, которые максимально упрощают задачу производства. Несмотря на сложность, ежедневно выпускается огромное количество микросхем по всему миру. Они постоянно совершенствуются, приобретают новые особенности и повышенные характеристики. Как же появляются эти маленькие, но умные системы? В этом помогает оборудование для производства микросхем, о котором, собственно, говорится далее.

При создании микросхем используются системы электрохимического осаждения, камеры отмывки, лабораторные окислительные камеры, системы электроосаждения меди, фотолитографическое и другое технологическое оборудование.

Фотолитографическое оборудование является самым дорогим и точным в машиностроении. Оно отвечает за создание изображений на кремниевой подложке для выработки намеченной топологии микросхемы. На тонкий слой материала наносится фоторезист, впоследствии подвергающийся облучению фотошаблоном и оптической системой. В процессе работы оборудования идет уменьшение размеров элементов рисунка.

В системах позиционирования ведущую роль играет линейный электродвигатель и лазерный интерферометр, имеющие часто обратную связь. Но, например, в технологии, разработанной московской лабораторией «Амфора», такая связь отсутствует. Это отечественное оборудование имеет более точное перемещение и плавное повторение с обеих сторон, что исключает возможность люфта.

Специальные фильтры защищают маску от нагревания, исходящего от области глубокого ультрафиолета, перенося температуру за 1000 градусов на протяжении долгих месяцев работы.

Низкоэнергетичные ионы осваивают в нанесении на многослойные покрытия. Ранее эта работа выполнялась исключительно методом магнетронного распыления.

Технология производства микросхем

Начинается весь процесс создания с подбора полупроводниковых кристаллов. Самым актуальным является кремний. Тонкую полупроводниковую пластину начищают до возникновения зеркального отображения в ней. В дальнейшем обязательным этапом создания будет фотолитография с применением ультрафиолета при нанесении рисунка. В этом помогает станок для производства микросхем.

Что такое микросхема? Это такой многослойный пирожок из тонких кремниевых пластин. На каждую из них нанесен определенный рисунок. Этот самый рисунок и создается на этапе фотолитографии. Пластины осторожно помещают в специальное оборудование с температурой свыше 700 градусов. После обжига их промывают водой.

Процесс создания многослойной пластины занимает до двух недель. Фотолитографию проводят многочисленное количество раз вплоть до достижения необходимого результата.

Создание микросхем в России

Отечественные ученые в этой отрасли также имеют собственные технологии производства цифровых микросхем. По всей стране функционируют заводы соответствующего профиля. На выходе технические характеристики мало чем уступают конкурентам из других стран. Отдают предпочтение российским микросхемам в нескольких государствах. Все благодаря зафиксированной цене, которая меньше, чем у западных производителей.

Необходимые составляющие выпуска качественных микросхем

Микросхемы создаются в помещениях, оборудованных системами, контролирующими чистоту воздуха. На всем этапе создания специальные фильтры собирают информацию и обрабатывают воздух, тем самым делая его чище, чем в операционных. Работники на производстве носят специальные защитные комбинезоны, которые часто оборудованы системой внутренней подачи кислорода.

Производство микросхем является прибыльным бизнесом. Хорошие специалисты в этой области всегда востребованы. Практически вся электроника функционирует за счет микросхем. Ими оснащаются современные автомобили. Космические аппараты не смогли бы функционировать без наличия в них микросхем. Процесс получения регулярно совершенствуется, качество улучшается, возможности расширяются, срок пригодности растет. Микросхемы будут актуальны на протяжении долгих десятков, а то и сотен лет. Главная их задача – приносить пользу на Земле и вне ее.

Микросхема

Современные интегральные микросхемы, предназначенные для поверхностного монтажа.

Советские и зарубежные цифровые микросхемы.

Интегра́льная (engl. Integrated circuit, IC, microcircuit, microchip, silicon chip, or chip), (микро )схе́ма (ИС, ИМС, м/сх ), чип , микрочи́п (англ. chip – щепка, обломок, фишка) – микроэлектронное устройство – электронная схема произвольной сложности, изготовленная на полупроводниковом кристалле (или плёнке) и помещённая в неразборный корпус. Часто под интегральной схемой (ИС) понимают собственно кристалл или плёнку с электронной схемой, а под микросхемой (МС) – ИС, заключённую в корпус. В то же время выражение «чип компоненты» означает «компоненты для поверхностного монтажа» в отличие от компонентов для традиционной пайки в отверстия на плате. Поэтому правильнее говорить «чип микросхема», имея в виду микросхему для поверхностного монтажа. В настоящий момент ( год) большая часть микросхем изготавливается в корпусах для поверхностного монтажа.

История

Изобретение микросхем началось с изучения свойств тонких оксидных плёнок, проявляющихся в эффекте плохой электро-проводимости при небольших электрических напряжениях. Проблема заключалась в том, что в месте соприкосновения двух металлов не происходило электрического контакта или он имел полярные свойства. Глубокие изучения этого феномена привели к открытию диодов а позже транзисторов и интегральных микросхем.

Уровни проектирования

• Физический – методы реализации одного транзистора (или небольшой группы) в виде легированных зон на кристалле.
• Электрический – принципиальная электрическая схема (транзисторы , конденсаторы , резисторы и т. п.).
• Логический – логическая схема (логические инверторы , элементы ИЛИ-НЕ, И-НЕ и т. п.).
• Схемо- и системотехнический уровень – схемо- и системотехническая схемы (триггеры , компараторы , шифраторы , дешифраторы , АЛУ и т. п.).
• Топологический – топологические фотошаблоны для производства.
• Программный уровень (для микроконтроллеров и микропроцессоров) – команды ассемблера для программиста .

В настоящее время большая часть интегральных схем разрабатывается при помощи САПР , которые позволяют автоматизировать и значительно ускорить процесс получения топологических фотошаблонов.

Классификация

Степень интеграции

Назначение

Интегральная микросхема может обладать законченным, сколь угодно сложным, функционалом – вплоть до целого микрокомпьютера (однокристальный микрокомпьютер).

Аналоговые схемы

• Генераторы сигналов
• Аналоговые умножители
• Аналоговые аттенюаторы и регулируемые усилители
• Стабилизаторы источников питания
• Микросхемы управления импульсных блоков питания
• Преобразователи сигналов
• Схемы синхронизации
• Различные датчики (температуры и др.)

Цифровые схемы

• Логические элементы
• Буферные преобразователи
• Модули памяти
• (Микро)процессоры (в том числе ЦПУ в компьютере)
• Однокристальные микрокомпьютеры
• ПЛИС – программируемые логические интегральные схемы

Цифровые интегральные микросхемы имеют ряд преимуществ по сравнению с аналоговыми:

• Уменьшенное энергопотребление связано с применением в цифровой электронике импульсных электрических сигналов. При получении и преобразовании таких сигналов активные элементы электронных устройств (транзисторов) работают в «ключевом» режиме, то есть транзистор либо «открыт» – что соответствует сигналу высокого уровня (1), либо «закрыт» – (0), в первом случае на транзисторе нет падения напряжения, во втором – через него не идёт ток . В обоих случаях энергопотребление близко к 0, в отличие от аналоговых устройств, в которых большую часть времени транзисторы находятся в промежуточном (резистивном) состоянии.
• Высокая помехоустойчивость цифровых устройств связана с большим отличием сигналов высокого (например 2,5 – 5 В) и низкого (0 – 0,5 В) уровня. Ошибка возможна при таких помехах, когда высокий уровень воспринимается как низкий и наоборот, что мало вероятно. Кроме того, в цифровых устройствах возможно применение специальных кодов , позволяющих исправлять ошибки.
• Большое отличие сигналов высокого и низкого уровня и достаточно широкий интервал их допустимых изменений делает цифровую технику нечувствительной к неизбежному в интегральной технологии разбросу параметров элементов, избавляет от необходимости подбора и настройки цифровых устройств.

Появление интегральных микросхем произвело настоящую технологическую революцию в электронике и IT-индустрии. Казалось бы, всего несколько десятилетий назад для простейших электронных вычислений применялись огромные ламповые компьютеры, занимавшие по несколько комнат и даже целые здания.

Эти компьютеры содержали в себе многие тысячи электронных ламп, которые требовали для своей работы колоссальных электрических мощностей и особых систем охлаждения. Сегодня им на смену пришли компьютеры на интегральных микросхемах.

По сути интегральная микросхема представляет собой сборку из многих полупроводниковых компонентов микроскопической величины, размещенных на подложке и упакованных в миниатюрный корпус.

Один современный чип размером с человеческий ноготь может содержать внутри несколько миллионов диодов, транзисторов, резисторов, соединительных проводников и других компонентов, которые в былые времена потребовали бы для своего размещения пространство довольно крупного ангара.

За примерами далеко ходить не нужно, процессор i7, например, содержит на площади менее 3 квадратных сантиметров более трех миллиардов транзисторов! И это не предел.

Далее теперь рассмотрим основу процесса создания микросхем. Микросхема формируется по планарной (поверхностной) технологии путем литографии. Это значит, что она как бы выращивается из полупроводника на кремниевой подложке.

Первым делом подготавливается тонкая кремниевая пластина, которую получают из монокристалла кремния путем отрезания от цилиндрической заготовки при помощи диска с алмазным напылением. Пластину полируют в особых условиях, чтобы избежать попадания на нее загрязнений и любой пыли.

После этого пластину оксидируют — воздействуют на нее кислородом при температуре порядка 1000°C с целью получить на ее поверхности слой прочной диэлектрической пленки диоксида кремния толщиной в необходимое количество микрон. Толщина получаемого таким образом слоя оксида зависит от времени воздействия кислородом, а также от температуры подложки во время оксидирования.

Далее на слой диоксида кремния наносят фоторезист — светочувствительной состав, который после облучения растворяется в определенном химическом веществе. На фоторезист кладут трафарет — фотошаблон с прозрачными и непрозрачными участками. Затем пластину с нанесенным на нее фоторезистом экспонируют — засвечивают источником ультрафиолетового излучения.

В результате экспонирования та часть фоторезиста, которая находилась под прозрачными участками фотошаблона, изменяет свои химические свойства, и теперь может быть легко удалена вместе с находящимся под ним диоксидом кремния специальными химикатами, при помощи плазмы или другим способом — это называется травлением. По окончании травления незащищенные фоторезистом (засвеченные) места пластины оказываются очищены от засвеченного фоторезиста и затем – от диоксида кремния.

После травления и очищения от незасвеченного фоторезиста тех мест подложки, на которых остался диоксид кремния, приступают к эпитаксии — наносят на кремниевую пластину слои нужного вещества толщиной в один атом. Таких слоев может быть нанесено столько, сколько необходимо. Далее пластину нагревают и осуществляют диффузию ионов определенных веществ, чтобы получить p и n-области. В качестве акцептора используют бор, а в качестве доноров — мышьяк и фосфор.

В завершении процесса производят металлизацию алюминием, никелем или золотом, чтобы получить тонкие проводящие пленки, которые будут выступать в роли соединительных проводников для выращенных на подложке на предыдущих этапах транзисторов, диодов, резисторов и т. д. Таким же образом выводят контактные площадки для монтажа микросхемы на печатную плату.

Как устроена флешка

Как восстановить удаленные файлы с flash накопителя? В чем отличие флешек от внешних жестких дисков? Как восстановить данные?

Мы предоставляем услуги по восстановлению данных с флешек и карт памяти при любых неисправностях. Если у вас флешка не определяется и не открывается, даже если она просто сломалась – мы поможем восстановить ценную информацию.

Считыватель flash

Адаптеры для чтения микросхем памяти

Специалисты по восстановлению флешек

PC3000 Data Extractor

Паяльные станции

Специалисты по восстановлению флешек:

Схема работы

Доставка

курьером бесплатно

Диагностика

быстро и бесплатно

восстановление

на профессиональном оборудовании

проверка

качества и полноты восстановления

Оплата

только при успешном результате

Компания Data Recovery — восстановление данных с флешек и карт памяти при любых неисправностях. У нас есть специализированное оборудование и штат первоклассных специалистов. Мы умеем решать любые проблемы при любых повреждениях flash носителей.

Описание USB Flash накопителей

USB-флеш накопитель (флешка, флэшка, флеш-драйв) — небольшое внешнее запоминающее устройство, использующее в качестве носителя флеш-память и подключаемое по интерфейсу USB.

У классической flash карты (как usb flash, так и карты памяти Compact Flash, SD, MMC и т.п.) нет механических частей, она не нуждается ни в батарейках, ни в аккумуляторах, флешка это набор микросхем, в чипах которых способна хранится цифровая информация. Это устройство компактное, быстрое, дешёвое и не самое надёжное. В этом счастье и беда его обладателей.

Каждая из микросхем флешки состоит из своего рода гнёзд (NAND Flash). При перезаписи информация записывается в одно и то же гнездо, и через некоторое время сектор может начать сбоить, что зачастую и приводит к потере данных — это самая большая проблема флешек, обратная сторона удобства и дешевизны.

Чем больше объем flash памяти, тем больше внутри микросхем. Все вместе они выстроены в рейд-массив, но алгоритм их сборки и взаимодействия значительно сложней, чем классический рейд-массив из жестких дисков в компьютере. Более того, на каждой из микросхем для ускорения работы и повышения надёжности применяются алгоритмы схожие с принципами действия рейд-массивов. Вдобавок к этим сложностям во флешке существует самая главная микросхема — контролер, управляющий всеми данными на flash, запоминающий какие секторы флешки уже начали сбоить, считающий контрольные суммы. При загрузке обычной фотографии на flash информация не выкладывается единым куском, а распространяется по многим «хранилищам» довольно причудливым образом. Контролер «знает» о том, куда и какие части файла были положены.

Флешки получили большую популярность так как компактны, имеют большой объем. Активно используются для хранения и переноса данных. На сегодняшний день модельный ряд выпускаемых флешек огромен, они отличаются производителем, объемом памяти и скоростью доступа и записи.

В чем отличие флешек от внешних USB дисков?

Большинство переносных внешних USB дисков содержат внутри жесткий диск, а в жестких дисках есть движущиеся части, которые могут легко сломаться. Флешки в этом смысле более надежны, так как в них вся информация находится во флеш-памяти.

 

И там нет движущихся частей, в большинстве случаев с вашими данными ничего не случится даже после падения флешки. Хотя и флешки тоже ломаются, например, из-за некорректной работы контроллера или чипов памяти, поэтому обязательно делайте резервную копию ценных данных.

Если вас интересует больший объем данных, то на сегодняшний день у внешних жестких дисков доступный объем данных больше и стоимость 1GB получается дешевле, чем у флешек.

А еще флешки просто меньше по размеру, чем внешние жесткие диски 2,5″, поэтому их удобней носить с собой.

Насколько быстры флешки?

Скорость флешек и карт памяти во многом зависит от того когда был сделан flash накопитель, какая флеш-память и какого производителя использовалась. Флешки день за днем бьют рекорды скорости, и если еще недавно наиболее быстрые флэш накопители, работающие на USB 2.0, были способны читать до 34MB/с и записывать до 28MB/с, то сегодня это далеко не предел. А с появлением USB 3.0 они работают еще быстрее, и их становится все больше.

Производители обычно указывают скорость передачи небольшого количества больших по размеру файлов, в то время как если передается много файлов даже небольшого размера, скорость может значительно упасть. Реальная скорость передачи информации так же сильно зависит от USB контроллера на вашей материнской плате, от файловой системы на флешке и даже от того как много USB устройств одновременно подключено к компьютеру.

В старых скоростных USB flash устройствах до 16GB использовалась память с одноуровневыми ячейками (SLC, single-level cell) вместо более популярной многоуровневой (MLC, multi-level cell). SLC-устройства дольше служат и быстрее работают, а MLC-приборы дешевле и более емкие. Поэтому производители придумывают всякие хитрости для MLC флешек, например, четырех канальный контроллер как в Corsair Flash Voyager GTR.

В общем случае, чем быстрее ваша флешка, тем меньше придется ждать при передаче файлов.

Какая файловая система используется на флешках?

Большинство флешек поставляются уже отформатированными в FAT32 для совместимости с Windows, Mac и Linux. Но файловая система FAT32 имеет существенный недостаток – размер одного файла не может быть больше 4GB, поэтому вы не сможете записать на такую флешку HD-видео или какой-нибудь большой файловый контейнер TrueCrypt.

Вы можете отформатировать вашу флешку в NTFS, тогда вы сможете записывать файлы значительно большего размера и значительно увеличиться надежность. Файловая система NTFS по умолчанию поддерживается всеми версиями Windows, начиная с NT/2000, так же частично поддерживается в Mac и в Linux. В тоже время большинство домашних медиа-центров и телевизоров не поддерживают систему NTFS.

Еще есть файловая система exFAT, созданная компанией Microsoft специально для flash накопителей. В exFAT уменьшено количество перезаписей одного и того же сектора, что продлит жизнь флешкам, и нет проблемы с 4GB файлами. Поддержка файловой системы exFAT есть в Windows XP с Service Pack 2 и 3 после установки обновления KB955704, и во всех версиях Windows старше Vista SP1, а также в Mac OS X Snow Leopard начиная с версии 10.6.5.

Как зашифровать данные на флешке?

Вероятно, лучшим решением будет использование флеш накопителей со встроенным шифрованием, в то же время и обычную флешку можно защитить с помощью бесплатной программы с открытым кодом TrueCrypt. TrueCrypt поддерживает разные алгоритмы шифрования, включая 256-bit AES, Serpent, TwoFish, программа доступна для операционных систем Windows, Mac и Linux.

Если TrueCrypt уже установлен на компьютере, то можно на флешку положить только зашифрованный файл-контейнер, который затем подключать по мере необходимости. В программе TrueCrypt есть возможность сделать запуск самой программы для расшифровки и зашифровки с той же флешки, где храните защищенный контейнер.

При использовании шифрования имейте в виду, что даже мы, не зная пароль от защищенного контейнера, не сможем восстановить ваши данные в случае каких-то сбоев флешки, а случаи бывают разные.

Что делать если я случайно удалил файлы с флешки?

Остановитесь! Чтобы вы не делали дальше, ни в коем случае ничего не записывайте на эту флешку. После этого вы должны оценить насколько важны ваши данные, чтобы попробовать восстановить данные самостоятельно. Если вы решите, что данные очень ценные, чтобы ими рисковать, то лучше отнесите флешку в профессиональную компанию по восстановлению данных.

Если же вы хотите попробовать восстановить данные самостоятельно, то посмотрите раздел нашего сайта “Программы для восстановления флешек“.

Остались вопросы?

Оставьте телефон и менеджер перезвонит Вам

Что такое полупроводниковые интегральные микросхемы?

Полупроводниковыми называют такие интегральные микросхемы (ИМС), элементы которых выполнены в объеме и на поверхности полупроводниковой (преимущественно кремниевой) пластины. Назначение — генерирование и обработки сигналов, запись, хранение и воспроизведения информации.

Классификация. Полупроводниковые ИМС классифицируют по тем же основными признаками, по которым классифицируют ИМС в целом. К ним относятся классификация по функциональным назначением (аналоговые и цифровые), степенью интеграции (малые, средние, большие и сверхбольшие), функциональной гибкостью (постоянные и программируемые функции), частотой (низкочастотные, высокочастотные и сверхвысокочастотные), рассеиваемой мощности (мощные, маломощные, микромощные, нановатные). Полупроводниковые СВЧ ИМС изготавливают на поверхности и в объеме высокоомных (р> 1000 Ом-см) подложек из арсенида галлия. Но из-за сложности технологии, низкий выход пригодных, большие потери СВЧ энергии их широко не применяют. Специфической для полупроводниковых ИМС является классификация по типу базового элемента. Основным базовым элементом полупроводниковых ИМС является транзистор. В зависимости от того, какой транзистор взято за основу, полупроводниковые ИМС разделяют на два подвида: ИМС на биполярных транзисторах и ИМС на униполярных (полевых) транзисторах (далее — полупроводниковые биполярные и униполярные ИМС).

Условные изображения и обозначения. Полупроводниковые ИМС специальных условных изображений нет.

Строение. Основными элементами конструкции полупроводниковых ИМС является кристалл — часть полупроводниковой (преимущественно кремниевой) монокристаллической подложки (пластины), в объеме и на поверхности которой сформированы элементы; корпус и перемычки, соединяющие контактные площадки кристалла с выводами корпуса.

Работа. Работа полупроводниковых ИМС определяется теми функциями, которые выполняют полупроводниковые ИМС. Она преимущественно основывается на использовании законов движения электронов и дырок через высоко- и низкоомные участки кремния, р-n-переходы, контакты металл-полупроводник и тому подобное.

Свойства. Полупроводниковые ИМС имеют высокую надежность, низкую стоимость, высокую плотность компоновки элементов. Активные элементы этих микросхем (транзисторы и диоды) имеют лучшие параметры, чем пассивные (резисторы и конденсаторы), поскольку планарно-эпитаксиальная технология их изготовления преимущественно ориентирована на изготовление транзисторов и
диодов, а резисторы и конденсаторы изготавливаются «по ходу» в одном технологическом цикле с активными элементами.

[adsense1]

Применение. Поскольку полупроводниковые ИМС имеют высокое качество активных элементов, то в полупроводниковом виде изготавливают самое большое количество цифровых микросхем, которые имеют больше активных чем пассивных элементов. Их применяют для построения ЭВМ, персональных компьютеров, микропроцессоров, калькуляторов, других устройств обработки цифровой информации.
Аналоговые полупроводниковые ИМС используют для изготовления аналоговой техники, в том числе радио и телевизионных передатчиков и приемников, радиолокационных и навигационных систем, медицинских аппаратов и др.

Как проверить работает ли микросхема или нет

Как проверить работает ли микросхема или нет

Интегральная микросхема — электронная схема произвольной сложности (кристалл), изготовленная на полупроводниковой подложке (пластине или плёнке) и помещённая в неразборный корпус или без такового, в случае вхождения в состав микросборки.

Прежде чем проверять любую микросхему на работоспособность, необходимо знать и понимать ее устройство, хотя бы приблизительно. Это нужно для того, чтобы заранее представлять себе, какие сигналы или напряжения ожидать от исправной микросхемы на ее выводах.

Лучше всего для проверки конкретной микросхемы собрать хотя бы на макетной плате схему для ее тестирования, – это в том случае, если микросхема новая или уже выпаяна.

Вообще, если устройство микросхемы известно, то в некоторых ситуациях ее можно проверить даже не выпаивая с платы, на которой она установлена, просто измерив сигналы на ножках при помощи мультиметра или осциллографа. Тогда наличие или отсутствие сигнала либо искаженная форма импульса сразу покажут, что — к чему.

Внешний осмотр микросхемы

Допустим что микросхема все еще установлена на плате и выпаивать ее сразу нежелательно. Прежде чем подавать питание на плату, внимательно осмотрите микросхему со всех сторон. Быть может есть очевидные физические признаки ее неисправности: трещина на корпусе, обгоревший или отпавший вывод, короткое замыкание между ножками из-за попадания куска провда (и такое бывет), горелые обвесные компоненты и т. д. Если при осмотре никаких поврежднеий не выявлено, можно идти дальше.

Если к текущему моменту на плату подано питание, то можно аккуратно (с соблюдением техники безопасности!) приступать к дальнейшей проверке микросхемы.

Проверка выводов питания

Первым делом диагностируют цепи питания микросхемы. Это можно проделать при помощи вольтметра (мультиметра). Уточнить выводы питания известной микросхемы очень легко — достаточно заглянуть в документацию (datasheet) на нее. Плюс положительного питания обозначаетя в даташите как VCC+, отрицательное питание VCC-, общий провод имеет обозначение GND.

Итак, минусовой щуп мультиметра устанавливается на общий провод — упирается в минусовой вывод микросхемы, а плюсовой (красный) щуп мультиметра — на соответствующую ножку питания. Если напряжение соответствует норме для микросхемы, значит питание подается как надо, следовательно цепи питания всего устройства исправны.

Если же напряжение питания не в норме, значит необходимо далее проверить саму цепь питания, хотя бы предворительно отпаяв ее от микросхемы. Если цепи питания работают нормально без микросхемы, занчит проблема в микросхеме, и в худшем случае ее действительно придется менять. Если же проблема в цепях питания, значит скорее всего необходимо ремонтировать их (конденсатор, стабилизатор и т. д.).

Проверка источника опорного напряжения

Далее проверяют все известные выводы микросхемы. Например, можно начать с измерения напряжения на выводе встроенного в микросхему источника опорного напряжения Vref, нормальное значение которого указано в документации. На этом выводе должно быть постоянное напряжение определенного значения относительно общего провода. Если оно меньше или сильно больше, занчит внутри микросхемы или в обвесных компонентах что-то не так, и следует продолжить диагностику.

Проверка времязадающих цепей

Если на микросхеме есть какая-нибудь RC-цепь, то на ней, как правило, в рабочем режиме должны наблюдаться пилообразные колебания. На этом этапе опять же полезным будет обратиться к даташиту, чтобы понять где находится данная цепь если она предусмотрена, и на какой ножке должны быть колебания.

Проверка осуществляется осциллографом. Общий его щуп цепляется на минус питания, а измерительный — на соответствующий вывод микросхемы. Если колебания есть и их форма приемлема — все в порядке, можно идти дальше. Если колебаний нет, то скорее всего проблема в микросхеме или в обвесных времязадающих компонентах.

Проверка сигнальных выводов

Наконец, проверяют сигнальные выводы (выходы) микросхемы. Если микросхема управляет каким-то ключом или следующим блоком на схеме, то на соответствующих выходах (или хотя бы на одном выходе, если он единственный) микросхемы должны присутствовать правильные сигналы. Посмотрите в даташите, к каким выводам должны подходить управляемые цепи.

Проверьте осциллографом данные выводы тем же путем, как проверяли RC-цепь. Если сигнал нормальный и значительно не искажен по сравнению с нормальной формой, значит все в порядке. Если сигнал отсутствует или сильно искажен, скорее всего микросхема повреждена, и ее следует заменить, предварительно проверив управляемую цепь, ведь в действительности она может оказаться причиной выхода микросхемы из строя.

Ранее ЭлектроВести писали, что шотландский стартап Gravitricity разработал решение, позволяющее превратить старые, неработающие шахты в гигантские хранилища электроэнергии. Схема новации следующая: когда электростанции начинают вырабатывать больше электроэнергии, чем требуется энергосети, излишки энергии идут на то, чтобы питать лебедки, поднимающие тяжелый груз наверх. Когда накопленную энергию нужно высвободить, груз опускается вниз, попутно вырабатывая электричество.

По материалам: electrik.info.

Микросхема неокортекса как tabula rasa

Аннотация

Неокортекс обладает высокой способностью к пластичности. Чтобы понять весь объем этой способности, важно знать, как нейроны выбирают конкретных партнеров для формирования синаптических связей. Используя мультинейронные записи целых клеток и конфокальную микроскопию, мы обнаружили, что аксоны неокортикальных пирамидных нейронов слоя V преимущественно не проецируются в сторону дендритов определенных соседних пирамидных нейронов; вместо этого аксоны беспорядочно касаются всех соседних дендритов без какого-либо предубеждения.Функциональное синаптическое соединение небольшой части этих нейронов, однако, коррелирует с существованием синаптических бутонов на существующих участках касания. Эти данные предоставляют первое прямое экспериментальное доказательство наличия структурной матрицы tabula rasa -подобной между пирамидными нейронами неокортекса и предполагают, что пре- и постсинаптические взаимодействия формируют преобразование между прикосновениями и синапсами, чтобы сформировать специфические функциональные микросхемы. Эти данные также указывают на то, что локальная неокортикальная микросхема потенциально может быть изменена по-другому без необходимости ремоделирования аксональных или дендритных разветвлений.

Отличительной чертой неокортекса является его чувствительность к условиям окружающей среды, которые могут вызывать глубокие структурные и функциональные изменения (1-4). На уровне микросхем эти изменения включают создание, устранение и модификацию синаптических связей между нейронами (5-10). Чтобы понять механизмы и полный потенциал корковой пластичности, важно ответить на фундаментальный вопрос: как нейрон выбирает соединение только с небольшой частью своих соседних нейронов в объеме коры, заполненном переплетенными дендритами? Этот вопрос широко обсуждается более десяти лет (11-15).В основе дискуссии лежит вопрос о том, размещаются ли повторяющиеся синапсы между пирамидными нейронами, которые составляют подавляющее большинство неокортикальных синапсов (14, 16), случайным образом, чтобы сформировать произвольную функциональную микросхему, или детерминированно, чтобы сформировать высокоспецифическую функциональную микросхему.

Теоретическая работа предполагает, что для аксона пирамидного нейрона практически невозможно избежать прикосновения к любому другому пирамидному нейрону в локальной микросхеме (до ≈150 мкм от сомы) (см.рис.1 С ) (14, 17, 18). Однако экспериментальные исследования с парными записями ясно показывают, что пирамидные нейроны синаптически связаны только с небольшой частью своих соседних нейронов (19-24). Еще более загадочным является то, что при установлении функциональной связи наблюдаются множественные синаптические контакты (22, 23, 25, 26). Более того, на локальном пирамидальном аксоне имеется только достаточное количество синаптических бутонов (≈1,000-1500) для образования множественных синаптических контактов с небольшой долей из 1,000-2,000 соседних пирамидных нейронов (14, 27).Следовательно, на каком-то уровне должна происходить определенная форма отбора нейронов-мишеней. Чтобы решить этот вопрос, мы провели комбинированное исследование мультинейронов и конфокальное исследование, чтобы сравнить структурные и функциональные свойства связей между толстыми пучками пирамидных нейронов неокортекса в слое V.

Рисунок 1.

Конфокальная визуализация и трехмерная реконструкция пар и триплетов пирамидных нейронов слоя V.( A ) Сглаженное представление из стопок трехмерных изображений пары пирамидных нейронов в слое V, полученное с помощью конфокальной микроскопии. Захватывается весь диапазон нейронов, что позволяет детально исследовать все точки соприкосновения между аксонами и дендритами. ( B ) Высокое разрешение конфокальной визуализации позволило однозначно проследить аксоны и дендриты для создания детальных трехмерных реконструкций. Высший нейрон окрашен в синий цвет для сомы и дендритов и красный для аксона.Нижний нейрон окрашен в зеленый цвет для сомы и дендритов и черный для аксона. ( C ) Геометрическую связь между пирамидными нейронами слоя V можно предсказать по их характерной морфологии. Мы предположили настройку двух пирамидных нейронов слоя V с любым пространственным разделением между их сомами. Контурный график показывает ожидаемое количество участков касания как функцию относительного соматического расположения двух нейронов, когда один из них расположен в центре. График был рассчитан на основе морфологии нейронов, полученных из трехмерных реконструкций (18), и скорректирован на объем нейропиля.

Наши результаты показывают, что аксон любого пирамидного нейрона не смещен в сторону дендритов определенных соседних пирамидных нейронов. Аксоны и дендриты достаточно разветвлены, так что по крайней мере одно «прикосновение» (прямое соприкосновение между аксональной и дендритной мембранами) наблюдается для каждой пары пирамидных нейронов, разделяющих один и тот же кортикальный столбец. Однако мы обнаружили, что синаптические бутоны образуются при существующих контактах между функционально связанными пирамидными нейронами, как показали парные записи.Мы показываем, что амплитуды записанных синаптических ответов коррелировали с количеством наблюдаемых синаптических бутонов, но не с количеством сайтов прикосновения. Основываясь на этих выводах, мы предлагаем кортикальную модель, которая утверждает, что анатомическая структура неокортикальной микросхемы подобна tabula rasa , из которой может быть сформировано множество функциональных микросхем. Эти функциональные микросхемы, вероятно, будут постоянно изменяться под воздействием относительной активности составляющих их нейронов, отражая текущие взаимодействия с окружающей средой.

Материалы и методы

Подготовка и запись срезов. Одновременные записи мультинейронов были получены от пар и триплетов нейронов в неокортикальных срезах (сагиттальных, толщиной 300 мкм) соматосенсорной коры крыс Wistar (14-16 сутки постнатального развития). Срезы инкубировали в течение 30 мин при 35 ° C, а затем при комнатной температуре (≈20-22 ° C) до переноса в записывающую камеру (35 ± 0,5 ° C). Срез визуализировали с помощью оптики для ИК-дифференциальной интерференционной контрастной микроскопии с помощью Zeiss Axioscope и ИК-камеры (Hamamatsu Photonics, Hamamatsu City, Japan).Раствор для купания состоял из 125 мМ NaCl, 25 мМ NaHCO ₃ , 25 мМ глюкозы, 2,5 мМ KCl, 2 мМ CaCl ₂ , 1,25 мМ NaH ₂ PO ₄ и 1 мМ MgCl ₂ . Регистрацию целых клеток производили с помощью патч-пипеток (5-10 МОм), содержащих 110 мМ K-глюконат, 10 мМ KCl, 10 мМ Hepes, 10 мМ фосфокреатин (Na), 4 мМ MgATP, 0,3 мМ NaGTP и 4 мг / мл биоцитина. Толстые пучковые пирамидные нейроны в слое V соматосенсорной коры были выбраны для регистрации в соответствии с морфологией их сомат и проксимальных дендритов.Сомы записанных нейронов были расположены по крайней мере на 70 мкм ниже поверхности среза, чтобы обеспечить надежную морфологическую реконструкцию, а расстояния между соматами записанных пар или триплетов были <150 мкм. Записи напряжения получали с использованием усилителей axopatch 200 / B (Axon Instruments, Юнион-Сити, Калифорния). Существование функциональной связи между парами нейронов оценивалось в среднем по не менее 30 постсинаптическим ответам на последовательности потенциала действия в пресинаптическом нейроне (см.рис.3 В ). В тройках каждый эксперимент привел к шести проверенным соединениям. Аутаптические связи были проанализированы именно как пары с точки зрения их морфологических свойств, но не были изучены с точки зрения их электрофизиологических свойств.

Рис. 3.

Функциональная связь. ( A ) Синаптические бутоны, обнаруженные между парами нейронов после анализа конфокальных изображений с большим увеличением и классифицированные в соответствии с функциональной связностью нейронных пар.C, подключен; А, аутапсы; U, не подключено. ( B ) Пример функциональной связи между пирамидными нейронами V слоя. Цепочка пресинаптического потенциала действия (, верх, ) вызвала синаптические ответы в первом постсинаптическом нейроне (, средний, ), но не во втором (, нижний, ). Постсинаптические следы представляют собой в среднем 30 индивидуальных испытаний. ( C ) Корреляция между амплитудами ВПСП и количеством бутонов в соединенных парах. Амплитуды единичных ВПСП (первый ВПСП в поезде) наносятся на график в зависимости от количества бутонов, как определено с помощью конфокальной микроскопии.Коэффициент корреляции составляет 0,77, а наклон линейной аппроксимации составляет 0,41 ± 0,12 мВ на бутон. ( D ) Отрицательная корреляция между CV амплитуд ВПСП и количеством бутонов. CV рассчитывали как стандартное отклонение, деленное на среднее значение амплитуд ВПСП не менее 30 индивидуальных ответов. Непрерывная линия представляет собой аппроксимацию функции обратных квадратов, которая предсказывается на основе моделей CV-анализа квантовой синаптической передачи.

Конфокальная микроскопия и 3D компьютерные реконструкции. После записи срезы фиксировали 0,1 М раствором с фосфатным буфером, содержащим 2% параформальдегида и 2% глутаральдегида, в течение 24-48 часов. Затем каждый срез промывали раствором с фосфатным буфером, заключали в желатиновый блок и резектировали на четыре-пять более тонких срезов с конечной толщиной 70-80 мкм. Затем срезы инкубировали в течение 3 часов в фосфатно-буферном растворе с 1: 100 флуоресцентным FITC-стрептавидином (Sigma) и 0,1% Triton X-100. После окрашивания срезы промывали в растворе с фосфатным буфером, выравнивали на предметных стеклах в монтажной среде ImmuGlo (Immco Diagnostics, Buffalo, NY) и накладывали покровное стекло для конфокальной визуализации.Каждую группу (пара или триплет) подвергали конфокальной визуализации (Zeiss LSM 510; возбуждение, линия аргонового лазера 488 нм; обнаружение, полосовой фильтр от 505 до 560 нм). Стеки трехмерных изображений всего дендритного промежутка и локальных коллатералей аксонов были получены с использованием 40-кратного объектива (Plan-Neofluar, Zeiss). Расстояние z между последовательными изображениями в каждой стопке составляло 1 мкм. Стеки были правильно выровнены относительно друг друга, чтобы сформировать непрерывное трехмерное представление всего диапазона нейронов (рис.1 А ).

Изображенные нейроны были полностью реконструированы с помощью программного обеспечения для 3D-реконструкции, разработанного для этой цели в нашей лаборатории. Благодаря высокому разрешению конфокальной микроскопии во всех случаях аксональные и дендритные процессы можно было однозначно проследить до их соматического происхождения (рис. 1 B ). ). После реконструкции все участки, где аксон перешел на дендрит <2 мкм, были осмотрены визуально. Если визуальный осмотр изображений однозначно не исключил любой контакт между аксоном и дендритом, координаты места прохождения были сохранены для получения изображений с большим увеличением.С этой целью использовался 100-кратный объектив с коэффициентом увеличения 4-кратного сканирования и узкой настройкой точечного отверстия. Был получен пакет трехмерных изображений каждого предполагаемого участка контакта с интервалом z 0,2 мкм. Качество полученных изображений позволило четко идентифицировать шипы, филоподии и бутоны (рис. 2). Каждая стопка была проанализирована на предмет точной природы контакта, который она содержала. Критерии классификации были следующие. Геометрические контакты учитывались там, где не было значительного уменьшения интенсивности флуоресценции между аксональными и дендритными участками.Критерием касания бутоном был геометрический контакт, который также показал значительное набухание аксона (определяемого как бутон), по крайней мере, в 3 раза превышающее среднюю ширину аксона. Постсинаптическая цель была классифицирована как позвоночник или дендритный ствол. Критерием контакта на шипах было наличие дендритного выступа размером не менее 0,5 мкм, касающегося аксона. Примеры каждого типа касания приведены на рис. 2. Чтобы избежать какой-либо систематической ошибки в анализе, все стеки с большим увеличением были проанализированы без знания функциональной связи.Только после того, как они были разделены на касания с бутонами или без них, они были отсортированы по связанным, несвязанным и аутаптическим случаям.

Рис. 2.

Геометрическая связность. ( A ) Трехмерная визуализация изображений с помощью конфокального микроскопа близкого соприкосновения аксона и дендритного стержня, при котором не наблюдается пресинаптического бутона.( B ) Трехмерный рендеринг, показывающий прикосновение без синаптического бутона между аксоном и дендритным позвоночником. ( C ) Трехмерная визуализация, показывающая предполагаемый синаптический контакт между аксоном и дендритным стержнем. ( D ) Трехмерный рендеринг, показывающий предполагаемый синаптический контакт между аксоном и дендритным позвоночником. (Шкала 2 мкм.)

Статистический анализ. Поскольку наличие бутона в месте касания является двоичным значением (есть бутон или нет), мы использовали биномиальные распределения индивидуальных соотношений бутона / касания для расчета вероятности образования бутона на участках касания.Биномиальное распределение, полученное из связанных и аутаптических аксодендритных пар, использовалось для оценки вероятности получения соотношений, наблюдаемых в несвязанных парах. Достоверность различий между группами оценивали по биномиальной оценке. Во всех других тестах на значимость использовался однофакторный дисперсионный анализ ANOVA.

Результаты

Одновременные записи целых клеток из пар и триплетов пирамидных нейронов V толстого слоя с пучками были получены из срезов соматосенсорной коры крыс.Для каждой пары нейронов были протестированы две реципрокные связи и классифицированы как функционально связанные в соответствии с наличием синаптических ответов (см. Материалы и методы и рис. 3 B ). Записи сопровождались инъекцией биоцитина, что обеспечивало последующее флуоресцентное окрашивание нейронов авидином. Пары и тройки нейронов, в которых наблюдалась хотя бы одна функциональная синаптическая связь, были отобраны для подробного морфологического анализа.В общей сложности 38 пар аксодендритов были независимо проанализированы морфологически в слепом исследовании, в котором нейроны, которые были функционально связаны, не были указаны. Каждую пару нейронов систематически сканировали с помощью конфокального микроскопа (см. Материалы и методы ), а затем воссоздали в 3D с помощью компьютерного программного обеспечения (Рис. 1 A и B ). ). После реконструкции были изолированы все места, в которых любой аксональный сегмент прошел <2 мкм любым дендритным процессом.Мы обнаружили, что аксон каждого пирамидного нейрона совершает до 10 таких близких проходов через дендриты любого соседнего пирамидного нейрона или своих собственных дендритов.

Затем мы повторно визуализировали эти близкие проходы при большом увеличении для анализа с более высоким разрешением, чтобы определить количество участков касания (см. Материалы и методы ). Сайты прикосновения были классифицированы на прикосновения с синаптическими бутонами и без них (рис. 2). После классификации все сенсорные сайты были отсортированы по функциональной связности (синаптически подключенные или неподключенные).Кроме того, к таковым были отнесены аутаптические аксодендритные контакты.

Геометрическая связность. Мы используем термин геометрическая связность для описания близких аксодендритных аппозиций и участков касания, независимо от существования функционального синапса. Среднее количество аксодендритных касаний между любой парой пирамидных нейронов составляло 5,6 ± 3,57 (среднее ± стандартное отклонение; n = 38 пар; диапазон 0-16, при 37/38 совершении хотя бы одного касания). Этот результат указывает на то, что каждый пирамидный нейрон физически касается каждого другого соседнего пирамидного нейрона в локальной микросхеме и что в большинстве случаев происходит несколько касаний.

Количество касаний для связанных пар (6,6 ± 1,5, n = 10), несвязанных пар (4,5 ± 0,8, n = 12) и для аутаптических аксодендритных пар (5,8 ± 0,8, n = 16) составляло существенно не отличается (см. Таблицу 1, которая опубликована как Вспомогательная информация на веб-сайте PNAS) ( P = 0,38, однофакторный дисперсионный анализ; P = 0,16 для сравнения между подключенными и аутаптическими парами по сравнению с несвязанными аксодендритными парами), что указывает на то, что прикосновения происходят не так сильно, как нейроны с какие функциональные синапсы образуются.Кроме того, количество касаний между соседними пирамидными нейронами согласуется со значениями, предсказанными теоретическими исследованиями (17, 18), предполагая случайное распределение участков касания, возникающих только из геометрических соображений (Рис. 1 C ). Геометрические предсказания, подтвержденные приведенными выше результатами, показывают, что между любыми двумя пирамидными нейронами, находящимися на расстоянии менее 300 мкм друг от друга, то есть разделяющих один и тот же кортикальный столбик, вероятно, будут присутствовать несколько участков касания. Эта геометрическая связность «все ко всем» резко контрастирует с гораздо более разреженной функциональной связностью, наблюдаемой для различных пар нейронов.

Функциональная возможность подключения. Всего было обнаружено 63 касания бутона, из которых 53 образовались на базальных дендритах и ​​10 – на косых дендритах. Все бутоны, наблюдаемые для связанных пар, располагались на базальных дендритах ( n = 20). Мы сравнили количество бутонов, наблюдаемых для связанных, несвязанных и аутаптических аксодендритных пар. Всего 52 бутона при 159 касаниях (33%) со средним соотношением (среднее количество бутонов / касаний для всех пар нейронов) 0.30 было найдено для связанных и аутаптических случаев по сравнению с 11 бутонами при 54 (20%) прикосновениях со средним соотношением 0,19 в несвязанных случаях. Существовала значительная разница между несвязанными парами и связанными и аутаптическими аксодендритными парами ( P <0,025, оценка биномиальной вероятности) (см. Материалы и методы ), что указывает на то, что предполагаемые синаптические бутоны имели значительно более высокую вероятность существования в местах касания. связанных и аутаптических аксодендритных пар по сравнению с несвязанными парами.

Число бутонов было более чем в 2 раза выше для подключенных (бутонов на пару, выраженных как среднее ± SE, 2 ± 0,5; диапазон, 0-6) и аутаптических (бутонов на пару, 2 ± 0,5; диапазон, 0-8) соединений, чем для неподключенных пар (бутонов на пару, 0,9 ± 0,3; диапазон, 0-3) (рис. 3 A ). Средние значения для бутонно-спинномозговых контактов составили 1,5 ± 0,3 и 0,58 ± 0,22 для соединенных и несвязанных случаев, соответственно. Эта почти трехкратная разница статистически значима ( P <0.02, однофакторный дисперсионный анализ), в отличие от контактов бутонов на дендритных валах. В этом случае средние значения составили 0,5 ± 0,3 и 0,33 ± 0,14 для подключенного и несвязанного направлений, и разница незначительна ( P > 0,6, однофакторный дисперсионный анализ). Эти данные убедительно свидетельствуют о том, что бутонно-спинномозговые соединения действительно являются функциональными синапсами. Приведенные выше числа бутонов занижены, потому что они были определены в соответствии со строгим критерием отсечения (3-кратное увеличение аксона) с конкретной целью повышения чувствительности к любым различиям между популяциями.Если предположить гауссово распределение размеров бутонов, фактическое количество бутонов может быть в 2 раза больше, что согласуется с предыдущими экспериментальными оценками (23, 25, 28, 29). Интересно отметить, что мы наблюдали межпозвоночные связи между несвязанными парами (5 из 12 пар), с возможными причинами ( и ), что наблюдаемые контакты были синапсами в разных состояниях созревания (до или после того, как электрически функциональные), ( ii ) они могли быть «молчащими» синапсами (30-32) и ( iii ), возможно, эти наблюдаемые шипы и бутоны образовывали синаптические контакты с немечеными элементами других нейронов.

Вероятность найти функциональную связь составила ≈15% (65 из 407 протестированных пар), что аналогично ранее сообщенным значениям (23). Амплитуды возбуждающих постсинаптических потенциалов (ВПСП), зарегистрированные в связанных парах (первый ВПСП, вызванный последовательностью потенциалов действия; см. Рис. 3 B ) сильно коррелировали с количеством идентифицированных синаптических бутонов (рис. 3 C ) с коэффициентом корреляции 0,77 (0,67 только для бутонов на шипах).Наклон линейной аппроксимации амплитуд ВПСП как функции числа бутонов дал значение 0,41 ± 0,12 мВ на бутон (0,64 ± 0,24 мВ для бутонов на шипах). Когда линейная подгонка проходила через начало оси (нулевую точку), наклон был выше, давая значение 0,62 ± 0,09 мВ на бутон (0,91 ± 0,13 для бутонов на шипах). Эти значения находятся в пределах диапазона, указанного для того же типа соединения (23), и выше, чем значение 0,14 мВ на контакт, сообщаемое для соединений между шиповато-звездчатыми клетками слоя IV и пирамидными нейронами слоя III (26).Напротив, корреляция между амплитудами ВПСП и количеством участков аксодендрита касания была значительно ниже, с коэффициентом корреляции 0,17 и наклоном линейной аппроксимации, дающим значение 0,03 ± 0,06 мВ на касание. Расстояния между касаниями бутона и сомами составляли от 9,4 до 138,6 мкм, в среднем 75,7 ± 30,9 мкм. Не наблюдали значимой корреляции между расстоянием между касаниями отдельных бутонов от сомы и амплитудой ВПСП после нормализации количества бутонов на пару (данные не показаны).Вероятность высвобождения и постоянная времени восстановления после депрессии, полученные из модели синаптической динамики (33), варьировались от 0,30 до 0,56 (среднее значение 0,45 ± 0,09) и от 0,45 до 0,96 с (среднее значение 0,59 ± 0,16). соответственно, и не коррелировали с количеством касаний бутоном. Коэффициент вариации (CV) амплитуд ВПСП колебался от 9% до 86% и отрицательно коррелировал с количеством касаний бутоном (Рис. 3 D ), что согласуется с предсказаниями, полученными на основе моделей квантовой синаптической передачи (34), указывая на то, что прикосновения бутона действительно коррелируют с существованием функциональных синапсов.

Обсуждение

Наши результаты показывают полную геометрическую матрицу связи между соседними толстыми пучками пирамидных нейронов в слое V соматосенсорной коры крыс. Статистика аксодендритных аппозиций согласуется со случайной связностью, управляемой геометрическими свойствами нейронов, обеспечивая прямое свидетельство того, что аксон одного нейрона структурно не смещен по отношению к дендритам любого заранее выбранного целевого нейрона.Повышенная вероятность образования синаптических бутонов на дендритных шипах – это морфологический индикатор, позволяющий различать функционально связанные и несвязанные пирамидные нейроны. Мы предполагаем, что модификации в местах касания аксодендритов путем создания и устранения функциональных синаптических контактов могут объяснять динамическое формирование функциональных сетей между соседними пирамидными нейронами неокортикальной микросхемы.

прикосновений против синапсов. Чтобы избежать какой-либо двусмысленности в классификации сенсорных сайтов, мы использовали строгие критерии для определения существования бутона на данном сенсорном сайте (см. «Материалы и методы» ). Наши наблюдения за геометрическими контактами, демонстрирующими бутоны на участках касания, в частности на тех, которые сформированы на шипах, весьма вероятно, будут настоящими синаптическими участками по следующим причинам. ( i ) Мы наблюдали заметную (3-кратную) разницу между соединенными и несоединенными парами при сравнении бутонов на шипах, но никакой разницы при сравнении бутонов на стержнях.Это открытие согласуется с тем фактом, что> 90% пирамидных возбуждающих синапсов возникают на шипах, а не на стержнях (35, 36). ( ii ) Другие исследования, сочетающие окрашивание биоцитином, световую микроскопию и электронную микроскопию (23, 25, 26), показали, что наблюдение бутона на позвоночнике в световой микроскопии является сильным признаком существования синаптического сайта. ( iii ) Высокое разрешение флуоресцентного окрашивания с конфокальной микроскопией гарантирует, что бутоны и шипы будут четко видны и четко определены.( iv ) Электрофизиологические измерения амплитуды ВПСП и CV сильно коррелировали с количеством бутонов между соединенными нейронами.

В этом исследовании было показано, что количество синаптических сайтов, участвующих в функциональной связи, ниже, чем наблюдалось в предыдущих исследованиях (23, 25, 37), включающих окрашивание пероксидазой авидин-хрен и обычную световую микроскопию. Это различие может быть связано с различными экспериментальными методами и критериями классификации.Разрешение, достигнутое в этом исследовании, было таким, что определение бутонов и шипов почти всегда было окончательным. При обычной световой микроскопии и окрашивании разрешение снижается, и иногда контакты могут быть неправильно классифицированы. Кроме того, количественный критерий определения бутона в этом исследовании (3-кратное увеличение толщины аксона) является строгим и может вызвать недооценку количества синапсов. Правильность определения бутонов в нашем исследовании дополнительно подтверждается высокой корреляцией, наблюдаемой между амплитудой ВПСП и количеством бутонов (рис.3 С ), по сравнению с низкой корреляцией, наблюдаемой между амплитудой ВПСП и количеством участков прикосновения. Важно отметить, что аутаптическая иннервация была аналогична иннервации связанных пар, что согласуется с предыдущими сообщениями для той же корковой области и стадии развития (25).

Полная геометрическая связность. В этом исследовании мы показали, что пирамидные нейроны слоя V достаточно разветвлены, чтобы обеспечить множественные точки соприкосновения между аксонами и дендритами всех соседних нейронов.Таким образом, разветвление аксонов и дендритов пирамидных нейронов обеспечивает геометрическое решение для полной связи плотно упакованной кортикальной микросхемы. Мы предполагаем, что наши результаты могут быть обобщены на другие области коры из-за стереотипной формы пирамидных нейронов (11, 23, 38) и общих ограничений, которым все они подвергаются, например, оптимизации кортикальных проводников (14, 39-42). . Аналогичные результаты, хотя и с использованием другой техники, были также получены для пирамидных нейронов в слое 2/3 зрительной коры головного мозга крысы (17).Однако кортикальные пирамидные нейроны не являются однородной популяцией (11, 43, 44), и еще предстоит показать, будут ли свойства связности, которые мы наблюдали для пирамидных пирамидных нейронов с толстым слоем V, действительно сохраняться для связности внутри других подклассов и между ними. пирамидные нейроны. В недавнем исследовании (45) было показано, что связь между ГАМКергическими интернейронами и пирамидными нейронами очень специфична по сравнению с связью между пирамидными нейронами, что предполагает качественное различие в разводке микросхем для разных популяций нейронов.Также ожидается, что другие структуры мозга, например, мозжечок, который демонстрирует совершенно другую топографическую организацию, могут подчиняться совсем другим правилам связности, чем то, что мы сообщаем здесь для неокортикальной микросхемы.

Как показали парные записи, только небольшая часть геометрических контактов используется для образования функциональных связей. Как же тогда важны геометрические контакты? Мы предполагаем, что важность геометрической связности «все-ко-всем» заключается в первую очередь в том, чтобы дать возможность динамической перестройки кортикальной микросхемы без необходимости серьезного ремоделирования аксонов и дендритов.Таким образом, полная геометрическая связность позволяет любым двум пирамидальным нейронам в кортикальном столбе формировать надежное синаптическое соединение без ремоделирования ветви, просто используя существующую инфраструктуру волокна. Таким образом, любой процесс обучения, который может потребовать функционального соединения двух конкретных нейронов в столбце, может происходить путем преобразования существующих геометрических штрихов в синаптический контакт между бутоном и позвоночником. Такие преобразования, вероятно, быстрее (8, 9) и метаболически дешевле, чем любой процесс, требующий роста аксонов или дендритов.Во-вторых, хотя механизмы, запускающие и усиливающие формирование и модификацию синапсов, изучены лишь частично, вполне вероятно, что требуется некоторая форма «молекулярного рукопожатия» между нейронами, отражающая их относительную активность (46-49). Поскольку большинство пар пирамидных нейронов в столбце геометрически связаны, они могут передавать молекулярные сигналы между собой действительно параллельно. Тот факт, что между синаптически связанными парами нейронов наблюдаются множественные контакты, можно объяснить гипотезой о том, что молекулярные взаимодействия в аксодендритных участках касания управляются электрической активностью пре- и постсинаптических нейронов.Если молекулярная сигнализация рассматривается как вычислительный процесс, заканчивающийся решением создать, изменить или удалить функциональный синапс, это значительно усиливает параллельную обработку информации в неокортексе. Можно также предположить, что промежуточным состоянием таких преобразований является молчащий синапс (30-32). Наконец, тот факт, что для формирования функциональных соединений используется лишь небольшая часть потенциальных участков касания, наделяет микросхему огромным количеством возможных конфигураций связи (50, 51).«Фракция заполнения» (51), которая обозначает соотношение между фактической и потенциальной связностью, используется для оценки информационного содержания кортикальной ткани с точки зрения количества информационных битов на синапс в зависимости от возможных конфигураций сети. Согласно этому формализму, низкая доля заполнения (≈0,1), подразумеваемая в нашем исследовании, предполагает высокое информационное наполнение ≈4-5 бит на синапс (51).

Геометрическая роль дендритных шипов. Большинство возбуждающих клеток коры покрыты дендритными шипами, которые долгое время считались усилителями связи между нейронами (см.52 для обзора). В частности, предполагается, что шипы играют морфологическую роль, позволяя коллатералям аксонов расти через корковое серое вещество по удивительно прямому пути (53). Swindale (53) утверждал, что аксонам не нужно зигзагообразно перемещаться между нейронами, потому что наличие шипов ослабляет ограничения расстояния между аксональными и дендритными центрами. Степанянц и др. . (51) предположили, что наличие шипов снижает фракцию заполнения в корковых тканях за счет увеличения числа потенциальных синаптических сайтов.Это уменьшение доли заполнения вызывает дальнейшее повышение информационного содержания на синапс.

Мы хотим выделить другой аспект морфологической роли шипов с топологической точки зрения связности. Как предсказано на основе модели геометрической связности (18), любое увеличение диаметра дендритов приводит к большему количеству участков касания аксодендритов. В этом исследовании мы обнаружили, что в среднем между аксонами и дендритными валами формируется 3,3 контакта.Когда также учитываются контакты на дендритных шипах, среднее количество контактов увеличивается до 5,6. В рамках модели это эквивалентно добавлению 70% к «эффективному диаметру» дендрита. Следовательно, шипы и филоподии можно рассматривать как устройства, которые увеличивают геометрическую связь между нейронами. На эту возможность дополнительно указывает высокая подвижность позвоночника и филоподий по сравнению с незначительным ремоделированием аксонов и дендритных отростков (54-56).

Заключение

Геометрическая связность, которая не лежит в основе функциональных синаптических контактов, обычно не обсуждается в исследованиях неокортикальной микросхемы.Наши результаты показывают, что геометрические контакты, вероятно, не просто побочные продукты кортикальной проводки, но являются преобладающим и важным свойством микросхемы, которое имеет решающее значение для пластичности и вычислений. Физическая близость между аксонами и дендритами позволяет передавать сигналы между нейронами, чтобы направлять синаптическое образование, устранение и модификацию, запускаемую реципрокной нейрональной активностью и проявляющуюся подвижностью позвоночника и филоподий. Таким образом, геометрическая связность tabula rasa обеспечивает возможность полной реконфигурации локальной микросхемы без какого-либо ремоделирования ветви, просто путем создания и устранения синапсов в существующих геометрических контактах.Небольшая часть функционально связанных пирамидных нейронов в микросхеме неокортекса в данный момент составляет лишь одну из практически бесконечного числа возможных конфигураций. Условия и сроки, необходимые для функциональной реконфигурации микросхемы, до сих пор неизвестны и представляют собой важные проблемы для дальнейших экспериментов.

Благодарности

Мы благодарим доктора Фила Гудмана и сотрудников лаборатории за полезные комментарии к рукописи.Это исследование было поддержано грантом Европейского Союза (H.M.).

Сноски

• ↵ § Кому должна быть адресована корреспонденция. Эл. Почта: henry.markram {at} epfl.ch.

• ↵ † Н.К. и Г.С. в равной степени внесли свой вклад в эту работу.

• Вклад авторов: Н.К., Г.С., Х.М. спланированное исследование; Н.К., Г.С., Х.М. проведенное исследование; Н.К. и G.S. проанализировали данные; и Н.К., Г.С., Х.М. написал газету.

• Этот документ был отправлен напрямую (Трек II) в офис PNAS.

• Сокращения: ВПСП – возбуждающий постсинаптический потенциал; CV, коэффициент вариации.

• Copyright © 2005, Национальная академия наук

Пространственное и ориентированное на признаки внимание в модели слоистой кортикальной микросхемы

Образец цитирования: Wagatsuma N, Potjans TC, Diesmann M, Sakai K, Fukai T. (2013) Spatial и особенное внимание в модели слоистой кортикальной микросхемы.PLoS ONE 8 (12): e80788. https://doi.org/10.1371/journal.pone.0080788

Редактор: Miguel Maravall, Instituto de Neurociencias de Alicante UMH-CSIC, Испания

Поступила: 15 июня 2013 г .; Дата принятия: 7 октября 2013 г .; Опубликован: 6 декабря 2013 г.

Авторские права: © 2013 Wagatsuma et al. Это статья в открытом доступе, распространяемая в соответствии с условиями лицензии Creative Commons Attribution License, которая разрешает неограниченное использование, распространение и воспроизведение на любом носителе при условии указания автора и источника.

Финансирование: субсидий на научные исследования в инновационных областях для TF (№ 22115013), суперкомпьютерный проект нового поколения MEXT, Япония, и грант ЕС 269921 (BrainScaleS) Альянсу Гельмгольца по системной биологии на MD поддержал эту работу. Финансирующие организации не играли никакой роли в дизайне исследования, сборе и анализе данных, принятии решения о публикации или подготовке рукописи.

Конкурирующие интересы: Авторы заявили, что конкурирующих интересов не существует.

Введение

Визуальное внимание – это функция мозга, которая улучшает наше восприятие путем выборочного усиления нейронных реакций на определенные зрительные стимулы [1] – [7]. Это позволяет мозгу обращать внимание на самую важную на данный момент информацию [8], тем самым улучшая восприятие во многих аспектах [1], [9] – [12]. Визуальное внимание функционирует в двух различных режимах: пространственном и функциональном. Многочисленные исследования показали, что направление внимания на пространственное расположение или отличительные особенности визуальной цели по-разному усиливает связанные нервные реакции и различимость визуальных стимулов [13] – [16].Например, нейроны зрительной коры сильно реагируют на полосу, представленную в их рецептивных полях и выровненную с их предпочтительной ориентацией [3], [17]. Если испытуемый обращает внимание на пространственное положение шкалы, усиление нейронных ответов увеличивается в произвольной ориентации, включая предпочтительную. Напротив, если субъект обращает внимание на конкретную особенность зрительного стимула (то есть на его ориентацию или направление движения), резкость кривой настройки клеток увеличивается, что означает, что усиление ответа клеток увеличивается относительно его предпочтительной особенности. но уменьшается вокруг ортогонального элемента [13], [14].Сетевые модели были предложены для объяснения модуляции внимания зрительных ответов [3], [18] – [29]. Однако механизмы, лежащие в основе различных режимов внимания, плохо изучены.

Ранее мы построили сетевую модель с парой многоуровневых моделей микросхем [30], чтобы учесть классические экспериментальные результаты по визуальному вниманию, сообщенные Reynolds et al. [3]. Здесь мы расширяем результаты предыдущих моделей в основном в двух аспектах. Во-первых, мы исследуем механизмы различных модуляций ответа в пространственном и функциональном режимах внимания.Мы предполагаем, что такие различия возникают из-за различного нисходящего влияния на зрительные корковые сети, а не из-за наличия разных нейронных цепей, специализирующихся на двух режимах внимания. Во-вторых, мы изучаем влияние внимания на избирательность ориентации путем построения сетей многослойных кортикальных микросхем из нейронов, объединяющих и запускающих, с биологически приемлемой корковой ламинарной структурой [31]. Мы смоделировали каждую микросхему (например, относительную популяцию клеток и вероятности соединения в ее отдельных слоях) на основе анатомических и электрофизиологических свойств кортикальных микросхем [32] – [34].Некоторые из этих данных были получены из неокортекса грызунов, который не имеет четко выраженной столбчатой ​​организации [35], [36]. Таким образом, каждая модель микросхемы описывает функциональную группу нейронов со сходными характеристическими ответами, но не обязательно описывает пространственно сгруппированную популяцию нейронов, такую ​​как кортикальный столбик.

В зрительном пути восходящий вход, несущий сенсорную информацию, проецируется на корковые слои 4 и 6 (L4 и L6), тогда как нисходящий вход из более высоких зрительных областей переносит информацию о внимании в L2 / 3 и L5, избегая L4 [28 ], [37] – [39].И наоборот, выход в верхние области коры возникает из L2 / 3, L5 и L6 нижних областей, а нейроны в L2 / 3 опосредуют синаптические взаимодействия между функционально сгруппированными микросхемами в зрительной коре. Поскольку влияние внимания сверху вниз было предложено для нейронных ответов в зрительной области V4 [40], модуляции ответа в пространственных и основанных на особенностях режимах внимания могут возникать в результате сложных взаимодействий между восходящими сенсорными и нисходящими входными сигналами внимания. внутри слоистых корковых сетей [14], [28].Наша модель кортикальной микросхемы позволяет нам исследовать, как эти 2 входа, которые по-разному распределены по функциональным микросхемам, взаимно взаимодействуют через синаптические соединения между слоями и микросхемами. Из-за ограниченности ресурсов моделирования наша модель ограничена частью зрительного коркового пространства, разделяющей общее рецептивное поле. Следовательно, наша модель не может иметь дело с конкуренцией, вызванной восходящим вниманием и картой значимости между пространственно распределенными стимулами [41], [42].Однако наша модель частично учитывает важность восходящих механизмов внимания, поскольку она объединяет эффекты восходящего визуального ввода и нисходящего внимания в ламинарной структуре коры. Мы демонстрируем, что результирующие модуляции внимания согласуются с наблюдаемыми экспериментально. Кроме того, наша модель учитывает дифференциальные эффекты пространственного и основанного на особенностях режимов внимания на визуальную различимость [16].

Результаты

Ранее мы построили модель зрительной коры, соединив 8 идентичных слоистых микросхем (рис. 1) [30], [31].Каждая многослойная микросхема имеет L2 / 3, L4, L5 и L6, и каждый слой включает возбуждающий пул и тормозной пул (рис. 1А). 8 микросхем имеют разные предпочтительные ориентации, разделяют рецептивное поле и взаимодействуют друг с другом посредством бокового торможения и возбуждающих горизонтальных связей между микросхемами с одинаковой избирательностью ориентации (рис. 1B) [35]. Наша сгруппированная модель микросхемы лучше всего подходит для описания нейронных сетей первичной зрительной коры (V1), которые активируются ориентированными полосами.Восходящий сенсорный ввод, представляющий ориентированную полосу, проецируется на нейроны в каждой микросхеме с разной интенсивностью в зависимости от ориентации стимула и предпочтительной ориентации нейронов (рис. 2А). Вход сверху вниз, несущий пространственное внимание, то есть внимание к местоположению рецептивного поля [13], опосредуется однородными проекциями на все микросхемы независимо от их избирательности ориентации (рис. 2В). Напротив, нисходящий ввод, несущий внимание, основанное на особенностях, т.е.е. внимание к ориентированной полосе в месте за пределами рецептивного поля клетки [14], выборочно проецируется на микросхему, которая предпочитает контролируемую ориентацию (рис. 2С). Более подробные сведения о модели описаны в разделе «Материалы и методы».

Рис. 1. Модельная архитектура многослойных зрительных кортикальных микросхем.

A , Внутри- и межламинарные синаптические соединения и внешние входы многослойной микросхемы. Наша модель имеет 8 микросхем с селективными ориентациями, каждая из которых содержит 20000 нейронов с интеграцией и запуском и составляет L2 / 3, L4, L5 и L6.Треугольники и кружки обозначают возбуждающие или тормозящие нейроны соответственно. Толстые стрелки представляют сильные синаптические связи с вероятностью соединения C > 0,13, а узкие стрелки представляют синаптические связи с C > 0,065. Другие более слабые синаптические связи не показаны. Слой 2/3 опосредует связи между микросхемами с избирательной ориентацией. Визуальные стимулы, имитирующие ориентированные столбики, проецируются как на L4, так и на L6, в то время как внимание сверху вниз проецируется на L2 / 3 и L5. B, Inter-mc синаптическое соединение нашей модели. Ориентированные стержни на цилиндрах представляют собой предпочтительную ориентацию отдельных микросхем блока. Модель микросхемы имеет два типа меж-MC-соединений, опосредованных внутри L2 / 3: один – это латеральное ингибирование среди микросхем, опосредованное проекциями от возбуждающих нейронов в одной микросхеме на тормозящие нейроны в других (Exc-Inh). Другой тип – это возбуждающие связи между микросхемами с одинаковой избирательностью ориентации (Exc-Exc).Мы установили более высокую вероятность соединения для соединений Exc-Exc, чем для соединений Exc-Inh.

https://doi.org/10.1371/journal.pone.0080788.g001

Рис. 2. Визуальные стимулы и нисходящий ввод в нашей модели.

A Схематично показаны визуальные входы снизу вверх, когда вертикальная полоса представлена ​​в общем воспринимающем поле функционально сгруппированных микросхем. Толщина каждого входа представляет его силу. Восходящие входы сильнее всего проецируются на микросхемы, которые предпочитают вертикальную ориентацию, и менее сильно – на другие. B, Нисходящий ввод, опосредующий пространственное внимание, направлен на расположение рецептивного поля модели и, следовательно, активирует функционально сгруппированные микросхемы. C, Нисходящий ввод, опосредующий ориентированное на функции внимание, проецируется только на микросхемы, которые предпочитают обслуживаемую ориентацию.

https://doi.org/10.1371/journal.pone.0080788.g002

Далее мы провели несколько исследований, чтобы понять сетевые механизмы модуляции внимания в нейронных ответах, наблюдаемых в зрительной коре головного мозга [13], [14].Эти предыдущие исследования включали сложные визуальные стимулы, которые трудно воспроизвести в сетевой модели только с одной корковой областью; экспериментальные результаты продемонстрировали сходные эффекты пространственного и основанного на особенностях режимов внимания на настраивающие свойства нейронов в различных зрительных корковых слоях. Поэтому, чтобы выяснить лежащий в основе механизм, мы провели моделирование в очень простом случае, в котором испытуемым в этом исследовании предъявлялись различные ориентированные стержневые стимулы.В каждом испытании ожидаемое местоположение (пространственное внимание) или ориентация стимула (внимание, основанное на особенностях) подсказывалось визуальным сигналом для направления внимания животного на стимул, показанный в рецептивном поле. Ниже мы объясняем ответы модельных нейронов в различных сценариях.

Нейронные отклики модели микросхемы при пространственном внимании

Сначала мы рассчитали настройку ориентации нейрональных ответов при пространственном внимании. С этой целью мы применили восходящий сенсорный стимул, имитирующий вертикальную полосу на L4 и L6 микросхем с предпочтительными направлениями, близкими к вертикальной ориентации.Нисходящий ввод внимания был применен с одинаковой силой к L2 / 3 и L5 всех микросхем (см. Материалы и методы, рис. 1A и 2B). На рисунке 3 приведены средние показатели активности в популяции в нейтральном состоянии (то есть без воздействия внимания) и при пространственном внимании (с вводом внимания) по результатам 50 имитационных испытаний. Средние ответы нейронов в микросхемах с различными предпочтительными ориентациями нанесены на график как функция ориентации. Из-за круговой симметрии модели кривая настройки популяции была эквивалентна кривой настройки одиночных нейронов, реагирующих на столбиковый стимул, представленный в различной ориентации.Для возбуждающих нейронов в L2 / 3 и L5 и всех тормозных нейронов кривые настройки хорошо аппроксимируются распределениями Гаусса.

Рис. 3. Реакция модели на вертикальную черту как для нейтрального состояния, так и для пространственного внимания.

Скорости популяции возбуждающих ( A ) и тормозных ( B ) нейронов для каждого слоя модели микросхемы представлены сплошными и пунктирными линиями соответственно. Ориентированные полоски внизу показывают предпочтительную ориентацию каждой многослойной микросхемы.Серые и черные линии показывают ответы модели без привлечения внимания (нейтральное состояние) или во время пространственного внимания, соответственно. Кривые настройки возбуждающих нейронов L2 / 3 и L5 и тормозных нейронов во всех слоях были подогнаны к гауссовскому распределению. Звездочки указывают на то, что различия в показателях стрельбы в популяции между двумя условиями для этого ориентированного стержня были статистически значимыми (t-тест: ** для p <0,01; * для p <0,05; - для p <0,1).

https: // doi.org / 10.1371 / journal.pone.0080788.g003

Независимо от избирательности ориентации пространственное внимание заметно усиливает популяционную активность в L2 / 3 и L5 как возбуждающих, так и тормозных нейронов. Это увеличение скорости активизации популяции в модели согласуется с результатами нескольких физиологических экспериментов по пространственному вниманию (см. Рис. 2, 4–7 и 10 в [13]). В данной модели возбуждающие нейроны в L4 и L6 показали контрастную разницу с нейронами L2 / 3 и L5 в кривых настройки, а также в их модуляциях внимания: пространственное внимание сверху вниз значительно подавляло скорость активации популяций L4 и L6.Это подавление L4, которое, как ранее было показано, полезно для быстрого переключения внимания, происходит прежде всего из-за усиленного возбуждающего импульса L4-ингибирующих нейронов, обеспечиваемого возбуждающими нейронами L2 / 3 и L6 [30]. Хотя наши знания о точном соединении ограничены, вероятности соединения межламинарных проекций, определенные на основе электрофизиологических и анатомических данных [32] – [34], предсказывают, что L4 и L6 зрительной коры могут демонстрировать паттерны модуляции, отличные от таковых в других слои, возможно, для ускорения анализа визуальных объектов с множеством сложных функций.Этот момент обсуждается ниже.

Рис. 4. Реакция модели на вертикальную черту как для нейтрального состояния, так и для особого внимания.

Популяционные ответы возбуждающих ( A ) и тормозных ( B ) нейронов в модели. Все условные обозначения такие же, как на рисунке 3. Модель получила восходящий ввод, имитирующий вертикальную полосу. Ответы нейронов сравнивали в двух случаях; то есть в нейтральном состоянии и при ориентированном на особенности внимании, где реакции в нейтральном состоянии идентичны тем, которые показаны на рисунке 3.Мы использовали гауссовские распределения для аппроксимации кривых.

https://doi.org/10.1371/journal.pone.0080788.g004

Рисунок 5. Статистический анализ кривых настройки ориентации.

A, B, C, Показаны базовые линии, амплитуды и ширина гауссовых кривых настройки для ответов возбуждающих нейронов в L2 / 3 (вверху) и L5 (внизу). Значения параметров подгонки по Гауссу были получены из 50 имитационных испытаний в нейтральном состоянии (серые столбцы), пространственном внимании (пустые столбцы) и внимании, основанном на особенностях (заполненные столбцы).Звездочки указывают на то, что значения параметров достоверно отличались от значений в нейтральном состоянии (t-тест: ** для p <0,01; * для p <0,05; - для p <0,1). D, Гистограммы абсолютных пиков кривых настройки в L2 / 3 и L5 показаны для стимула с вертикальной полосой. Треугольники показывают средние значения. Мы рассчитали значений P для теста Манна-Уитни, чтобы сравнить гистограммы между нейтральным состоянием и двумя состояниями внимания.Особое внимание значительно улучшило обнаружение представленной ориентации.

https://doi.org/10.1371/journal.pone.0080788.g005

Рисунок 6. Распределение индексов внимания (AI) по возбуждающим и тормозным популяциям нейронов в L2 / 3 и L5.

A, Распределение индексов внимания отображается для пространственного внимания. Изображены распределения возбуждающих нейронов (серые столбцы, верхние панели) и тормозных нейронов (пустые столбцы, нижние панели).На всех панелях закрашенные столбцы указывают нейроны, показывающие статистически значимые модуляции внимания (t-критерий, p <0,01). Треугольники показывают средние значения. B, Аналогичные распределения индексов внимания показаны для внимания, основанного на особенностях.

https://doi.org/10.1371/journal.pone.0080788.g006

Рисунок 7. Влияние дополнительного внешнего шума на нейронные реакции в нашей модели.

Мы провели моделирование при 4 различных уровнях шума.Мы вычислили индекс различимости d ‘ для L2 / 3 ( A ) и L5 ( B ) модели, реагирующей на вертикальную или горизонтальную полосу. Пунктирная линия показывает звездную величину d ‘ в нейтральном состоянии. Сплошные серые и черные линии показывают результаты пространственного и основанного на особенностях режимов внимания соответственно. L2 / 3 и L5 показали схожие изменения дискриминируемости при изменении уровня шума. Только при низком уровне шума пространственное внимание увеличивалось на d ‘ по сравнению с d’ в нейтральном состоянии, тогда как внимание, основанное на особенностях, увеличивало его при любом уровне шума, испытанном в этом исследовании.

https://doi.org/10.1371/journal.pone.0080788.g007

Нейронные отклики модели микросхемы при особом внимании

Затем мы вычислили настройку ориентации нейрональных ответов при ориентированном на особенности внимании. Как и в моделировании пространственного внимания, сенсорный стимул, имитирующий вертикальную полосу, применялся к микросхемам блока с предпочтительными направлениями, близкими к вертикальной ориентации. Однако ввод внимания выборочно применялся к этим микросхемам, а не к другим (см. Материалы и методы и рисунок 2C).

На рис. 4 показана частота активации различных слоев коры в популяции при особом внимании. Кривые настройки, показанные для нейтрального состояния (серые линии), идентичны кривым на рисунке 3. В L2 / 3 и L5 внимание, основанное на особенностях, заметно усилило активность тех возбуждающих нейронов в микросхемах, которые получали как предпочтительный визуальный стимул, так и внимательный ввод. Напротив, активность возбуждающих клеток в этих слоях, предпочитающих горизонтальную ориентацию вертикальной, значительно подавлялась вниманием.Эти результаты означают, что внимание, основанное на особенностях, увеличивает как усиление, так и избирательность настраивающих свойств, что согласуется с результатами недавних физиологических экспериментов [14]. Опять же, мы наблюдали отклоняющиеся кривые настройки и паттерны модуляции для возбуждающих нейронов L4 и L6.

Статистический анализ модозависимых модуляций внимания

Как для пространственного, так и для функционального режимов внимания, ответы возбуждающих нейронов в L2 / 3 и L5 на ориентированные столбики хорошо представлены гауссовыми кривыми настройки.Кривая настройки по Гауссу имеет 4 параметра: среднее значение, стандартное отклонение (SD), пиковую амплитуду и асимптоту. Среднее значение представляет предпочтительную ориентацию, SD дает меру ширины настройки, а асимптота описывает базовую нейронную активность. Чтобы количественно оценить модуляции внимания нашей модели, зависящие от мод, мы статистически проанализировали 4 гауссовых параметра в различных условиях моделирования (т.е. нейтральные, пространственные и основанные на особенностях). Для сравнения результатов с результатами, полученными в физиологических экспериментах, мы использовали тот же метод статистического анализа, что и в исх.[13].

Рисунок 5 суммирует результаты анализа нейтрального состояния, пространственного внимания и внимания, основанного на особенностях. Средние значения базовой линии настройки, амплитуды и ширины, рассчитанные на основе 50 испытаний моделирования, показаны на рис. 5A, B и C соответственно. На рис. 5D представлены частотные гистограммы абсолютного значения положения пика (взятого как среднее значение в качестве приближения) при трех условиях моделирования. Во-первых, мы сравнили настраивающие свойства нейтрального состояния со свойствами пространственного внимания.Для L2 / 3 величина амплитуды настройки была больше для пространственного внимания, чем для нейтрального состояния (t-критерий, p <0,01; рис. 5B). Напротив, не было значительных различий в ширине настройки (рисунок 5C) и базовой линии (рисунок 5A) между нейтральным состоянием и пространственным вниманием (t-тест, p> 0,1). Эти результаты демонстрируют заметное влияние пространственного внимания на усиление ответа популяции в L2 / 3 в сочетании с неизменностью ориентационной селективности. Для L5 мы обнаружили значительное увеличение амплитуды настройки, а также базовой линии (t-критерий, p <0.01), но без заметного изменения ширины перестройки (p> 0,1). Следовательно, кажется, что пространственное внимание вызывает общее усиление амплитуды настройки ориентации в L2 / 3 и L5. Так как эти слои являются выходными терминалами зрительных кортикальных микросхем, увеличение скорости возбуждения популяции будет оказывать сильное влияние на активность нижележащих зрительных корок. Мы не обнаружили каких-либо значительных изменений в положении пика между нейтральным и пространственным вниманием (рис. 5D, тест Манна-Уитни, p = 0.66 для L2 / 3 и 0,89 для L5). Общее улучшение кривой настройки и неизменность избирательности настройки в пространственном внимании соответствуют экспериментальным результатам (см. Ссылку [13]; рисунки 2B, 4 и 7).

Как и в случае пространственного внимания, внимание, основанное на особенностях, значительно увеличило амплитуду настроечных кривых для обоих слоев (t-критерий, p <0,01; рис. 5B). Однако, в отличие от пространственного внимания, величины как базовой линии (Рисунок 5A), так и ширины (Рисунок 5C) кривых настройки в L2 / 3 и L5 были меньше для внимания, основанного на особенностях, чем для нейтрального состояния (t-критерий, р <0.01). Эти результаты означают, что выборочный нисходящий ввод в определенные микросхемы не только увеличивает усиление, но и обостряет кривые настройки ответов населения в выходных слоях зрительной коры. Такие модуляции внимания усиления и избирательности кривых настройки ориентации обычно наблюдаются в электрофизиологических экспериментах [14]. В нашей модели внимание, основанное на особенностях, значительно сместило положения пиков в L2 / 3 и L5 в сторону ориентации стимула (рис. 5D, тест Манна-Уитни, p <0.01), что свидетельствует о значительном улучшении точности анализа ориентации стимула.

Паттерны модуляции ответа в L2 / 3 и L5 нашей модели показали хорошее согласие со смещенной конкуренцией, наблюдаемой в более высоких областях зрения [3], [21]. На рисунке S1 приведены средние значения частоты возбуждения возбуждающих и тормозных нейронов в каждом слое микросхемы с предпочтением вертикальных полос в различных условиях стимула для предвзятого соревнования. Эти ответы корковых слоев аналогичны таковым в нашей предыдущей модели [30].Происходит ли подобная модуляция внимания в V1, для которой наша модель может лучше всего подходить, остается неизвестным, поскольку небольшие рецептивные поля нейронов V1 исключили такой эксперимент [17].

Роль связей между MC в двух режимах внимания

Наша модель может воспроизводить качественные и количественные различия между пространственным и основанным на особенностях режимами визуального внимания с точки зрения кривых настройки ориентации. Распределение нисходящего ввода по 8 микросхемам имело решающее значение для модуляции внимания, зависящей от режима.Кроме того, мы исследовали роль горизонтальных волокон между МС в двух режимах зрительного внимания с помощью численного моделирования модели, в которой отсутствуют связи между МС между возбуждающими нейронами L2 / 3. В этих симуляциях межмквартальное латеральное торможение осталось неизменным (рис. S2).

В пространственном внимании модуляция кривых настройки ориентации в L2 / 3 и L5 была аналогичной как для исходной, так и для модифицированной модели (рис. S3). Кроме того, кривые настройки этих корковых слоев демонстрируют аналогичную модуляцию при ориентированном на особенности внимании (рис. S4).В обоих режимах внимания возбуждающие нейроны в L4 и L6 показали модуляцию внимания, контрастирующую с нейронами L2 / 3 и L5 как в модифицированной, так и в исходной модели. Интересно, что в модифицированной модели свойства настройки ориентации для L4 и L6 были сохранены, в отличие от исходной модели, показанной на рисунках 3 и 4.

Чтобы получить количественное представление о поведении различных моделей, мы статистически сравнили 4 параметра гауссовых кривых настройки для возбуждающих нейронов L2 / 3 и L5 в нейтральном состоянии, пространственном внимании и внимании, основанном на особенностях (Рисунок S5). .В частности, пространственное внимание немного, но статистически значимо, уменьшило амплитуду кривых настройки для L2 / 3 в модифицированной модели (Рисунок S5B, t-критерий, p <0,01). Кроме того, не было значительной разницы в ширине между нейтральным состоянием и вниманием, основанным на особенностях, как для L2 / 3, так и для L5 в модифицированной модели (рис. S5C, t-критерий, p> 0,1). Поскольку эти модели модуляции кажутся несовместимыми с результатами психофизических экспериментов [16], мы можем сделать вывод, что модифицированная модель экспериментально неприемлема.

Затем мы выполнили моделирование модифицированной модели в различных условиях стимула для предвзятой конкуренции [3], [21]. На рисунке S6 показаны средние частоты срабатывания нейронов в каждом слое микросхемы с избирательностью вертикальной ориентации. Паттерны модуляции предвзятого соревнования не соответствовали физиологическим данным [3], [21]. В частности, ответы возбуждающих нейронов в L2 / 3 не были чувствительны к зрительным стимулам и условиям внимания. Напротив, горизонтальная штанга-дистрактор усиливала активность возбуждающих нейронов L5, что означает, что они были расторможены (т.е., получил пониженное торможение) определенным сетевым механизмом. Эти результаты предполагают, что возбуждающие синаптические связи между МС не только усиливают популяционные ответы единичных микросхем, предпочтительно отвечающих на предъявленный стимул, но также подавляют ответы микросхем с противоположным предпочтением.

Модуляция ответа одиночных нейронов

Мы исследовали величину модуляции внимания в отдельных возбуждающих и тормозных нейронах в L2 / 3 и L5 микросхемы с вертикальной предпочтительной ориентацией.Для количественного анализа и статистических тестов мы использовали нормализованный индекс внимания (AI), определяемый как (A-U) / (A + U) для каждого нейрона, где A и U – частота активации нейронных ответов на контролируемые и необслуживаемые стимулы. [4], [5]. В каждом испытании показатели стрельбы усреднялись за весь период моделирования.

На рис. 6A и 6B показано распределение AI для пространственного внимания и внимания, основанного на особенностях, соответственно. Закрашенные столбцы указывают на нейроны, которые демонстрируют статистически значимую модуляцию скорости возбуждения (t-критерий, p <0.05). Все распределения были сдвинуты в положительную сторону благодаря пространственному, а также особому вниманию. Среднее значение AI увеличилось на 0,132 для возбуждающих нейронов и на 0,202 для тормозных нейронов в пространственном внимании, в то время как оно увеличилось на 0,215 для возбуждающих нейронов и на 0,238 для тормозных нейронов в ориентированном на особенности внимании. Мы отмечаем, что, как и в ранее предложенной модели [21], коэффициент модуляции, определяемый как (1 + AI) / (1-AI), согласуется в возбуждающих нейронах с таковыми, полученными в электрофизиологических записях от MT [13].

Преднамеренная модуляция также зависит от типа клетки. При пространственном внимании около 62% (169/271) значительно модулированных возбуждающих нейронов демонстрировали значительное зависимое от внимания увеличение скорости возбуждения. Примерно 76% (51/67) значительно модулированных тормозных нейронов также показали такое увеличение. Разница в доле положительной и отрицательной модуляции между двумя типами клеток значительна, согласно тесту начальной загрузки (1000 повторных выборок, p <0,001). Следовательно, пространственное внимание сверху вниз оказывает более последовательное влияние на скорость возбуждения тормозных нейронов, чем возбуждающих нейронов в L2 / 3 и L5.Эти различия в модуляции зависимого от внимания ответа между возбуждающими и тормозящими нейронами согласуются с электрофизиологическими данными [5].

В случае внимания, основанного на особенностях, около 87% (289/331) значительно модулированных возбуждающих нейронов показали значительное увеличение частоты возбуждения, а около 77% (61/79) тормозных нейронов показали значительно повышенную частоту возбуждения. . Опять же, тест начальной загрузки подтвердил, что эта разница в доле положительной и отрицательной модуляции между возбуждающими и тормозящими нейронами была статистически значимой (1000 повторных попыток, p <0.001). Таким образом, нисходящее внимание, основанное на особенностях, оказывает более устойчивое влияние на активность возбуждающих нейронов, чем на тормозные нейроны. Поскольку экспериментальных данных нет, это является предсказанием нашей модели.

Дифференциальные эффекты двух режимов внимания в зрительном восприятии

Биологические системы неизбежно подвержены шуму, и то, как система реагирует на входной шум, часто раскрывает важные характеристики системы. Несколько исследований показали, что аддитивный внешний шум мешает нейронным ответам на бесшумные зрительные стимулы и влияет на восприятие [16], [44] – [47].Поэтому мы исследовали, как наша модель микросхемы реагирует на шумные визуальные стимулы. С этой целью мы добавили внешний шум, который не коррелировал с ориентацией представленного бара. Многослойная микросхема с предпочтительной ориентацией 0 градусов получила восходящий ввод, имитирующий вертикальную полосу. В дополнение к этому входу, другие микросхемы получали дополнительные восходящие входы, опосредующие внешний шум, который был задан как набор независимых цепочек пиков Пуассона со средней скоростью 2,5, 5,0, 10.0 или 15,0 Гц.

Britten et al. может объяснить психофизические характеристики обезьян, используя нейронные реакции в зрительной области [44]. Мы оценили производительность модели, используя индекс различимости ( d ‘) для вертикальных и горизонтальных полос, полученный из теории обнаружения сигналов [48]. Индекс грубого различения представляет способность модели различать 2 ортогональные ориентации и определяется как где и указывает среднее значение и стандартное отклонение популяции в микросхеме с предпочтительным углом наклона, реагирующей на вертикальную черту.Аналогично, и – среднее значение и стандартное отклонение нейронных ответов в той же микросхеме на горизонтальную полосу. Мы представили восходящие визуальные сигналы, имитирующие вертикальную или горизонтальную полосу с различными уровнями внешнего шума, и исследовали, может ли наша модель различать две ориентированные полосы. На Рисунке S7 представлен пример гистограмм для уровней активизации популяции микросхемы, которая предпочла вертикальную полосу, как показано в анализе физиологического эксперимента (см. Рисунок 5 из [44]).Отметим, что ответы этой микросхемы на нежелательный стимул (горизонтальная полоса) могут быть выведены из реакции на вертикальную полоску другой микросхемы, которая предпочитает горизонтальную полоску [44]. Индексы различимости, вычисленные для нейронных ответов в L2 / 3 и L5, изображены на фиг. 7A и 7B, соответственно, как функция уровня шума в нейтральном состоянии и двух режимах визуального внимания. Эффекты внимания на различимость показывают аналогичную тенденцию в L2 / 3 и L5.Во всех случаях различимость двух ортогональных ориентаций уменьшается с увеличением уровня внешнего шума.

По сравнению с нейтральным состоянием при пространственном внимании наша модель показала заметное увеличение d ‘ при низких уровнях шума (рис. 7), без улучшения различимости при высоких уровнях шума. Напротив, при внимательном отношении к характеристикам модель показала последовательное улучшение d ‘ как при низком, так и при высоком уровне шума.Эти результаты показывают, что пространственное внимание улучшает восприятие визуальных стимулов только при низких уровнях внешнего шума, тогда как внимание, основанное на особенностях, улучшает его как при высоком, так и при низком уровне шума. Мы также наблюдали аналогичную модуляцию, зависящую от режима внимания, внешним шумом в распределении местоположения пика (рисунки S8 и S9). Эти разные эффекты двух видов внимания согласуются с психофизическими наблюдениями [16].

Чтобы изучить производительность нашей модели более подробно, мы вычислили значения d ‘ для точного различения между вертикальным и 22.Полосы, ориентированные под углом 5 градусов, в зависимости от уровня внешнего шума (Рисунок S10). Эффекты двух режимов внимания на различимость и влияние уровня шума аналогичны тем, которые наблюдаются при различении ортогональных ориентаций, показанном на рисунке 7. Однако величина d ‘ заметно ниже для одинаковых ориентаций, чем для ортогональные ориентации. Эта тенденция хорошо согласуется с характеристиками человеческого восприятия. Таким образом, наша модель может выполнять тонкое различение, хотя это сложнее, чем грубое различение.

Обсуждение

Чтобы исследовать цепной механизм внимания для визуального восприятия, мы построили модель зрительной корковой сети, состоящую из 8 многослойных функциональных микросхем, содержащих около 20 000 нейронов с интеграцией и запуском в каждой микросхеме (всего около 160 000 нейронов). Слои 4 и 6 отдельных микросхем получают предпочтительные восходящие стимулы, представляющие различные ориентированные полосы, а L2 / 3 и L5 получают нисходящий ввод, опосредующий пространственное или ориентированное на особенности внимание.В дополнение к этим входам микросхемы взаимодействуют друг с другом через возбуждающие горизонтальные соединения и поперечное торможение, реализованное в L2 / 3. Эта архитектура создает конкуренцию между MC за одновременное представление двух ортогонально ориентированных полос (рисунок S1, [3]). С помощью численного моделирования мы показали, что активность нейронов в L2 / 3 и L5 нашей модели хорошо объясняет различные модуляции ответа в зрительной коре, вызванные пространственными и основанными на особенностях режимами внимания [13], [14].В частности, различимость шумных визуальных стимулов в нашей модели согласуется с экспериментальными наблюдениями [16].

Механизмы зависимой от режима внимания модуляции нейронных ответов

Суть нашей модели заключается в гипотезе о том, что пространственный и функциональный режимы внимания по-разному реализуются посредством нисходящего ввода в корковые микросхемы (рис. 1B и 1C). Нисходящий ввод, опосредующий ориентированное на функции внимание, проецируется преимущественно на конкретную микросхему, чтобы усилить реакцию модели на обслуживаемую функцию.Напротив, пространственное внимание опосредовано однородным входящим потоком сверху вниз, проецируемым на все функциональные микросхемы, которые разделяют их пространственные рецептивные поля. Следовательно, при ориентированном на особенности внимании, нисходящий ввод усиливал ответы популяции в L2 / 3 и L5 микросхем, которые преимущественно реагируют на обслуживаемый ориентированный стимул, в то же время подавляя ответы микросхем с другими предпочтительными ориентациями за счет межкомпонентного взаимодействия. торможение (рисунок 4). Это подавление в микросхемах было эффективно усилено возбуждающими связями между микроконтроллерами (рисунки S1 и S6).В пространственном внимании однородный нисходящий вход компенсировал подавляющие эффекты бокового торможения, и усиление реакции увеличивалось во всех локальных микросхемах. Недавно Коэн и Маунселл [49] сообщили, что внимание, основанное на особенностях, координирует активацию нейронов в V4 через полушария, тогда как пространственное внимание действует на локальные нейронные популяции. Эти результаты, по-видимому, подтверждают различные паттерны проекции нисходящего ввода в двух режимах внимания, наблюдаемых в нашей модели.

Возбуждающие связи между микросхемами с одинаковыми предпочтениями ориентации необходимы для формирования их настраивающих свойств в различных режимах зрительного внимания.Было трудно количественно воспроизвести специфичные для типа внимания модуляции нейрональных ответов в моделях микросхем без этих горизонтальных связей, хотя качественные модели модуляции скоростей популяции аналогичны экспериментальным данным [13], [14]. Однако такая модифицированная модель не воспроизводила ни модуляцию амплитуды кривых настройки ориентации в пространственном внимании, ни модуляцию ширины в ориентированном на особенности внимании (рис. S5). Кроме того, эти модели не производили конкурентных эффектов между ортогонально ориентированными столбиками, одновременно представленными в воспринимающем поле (Рисунок S6).Эти модели модуляции не соответствовали результатам физиологических экспериментов [3], [13], [14]. В модифицированной модели отсутствуют возбуждающие связи между микросхемами со схожими предпочтениями ориентации, так что внешние входы, такие как восходящие визуальные входы и нисходящее внимание, напрямую определяют ответы микросхемы в возбуждающих нейронах L2 / 3. В нашем моделировании нисходящий ввод был намного слабее, чем предпочтительный стимул (см. Материалы и методы). Следовательно, когда однородный нисходящий ввод, опосредующий пространственное внимание, и вертикальная черта были применены к модифицированной модели, реакции микросхемы с предпочтением вертикальной полосы в основном определялись силой восходящего визуального ввода.Напротив, для микросхемы с предпочтением горизонтальной полосы, пространственный ввод внимания сверху вниз казался более сильным, чем ввод снизу вверх в эту микросхему (рис. 2A и 2B), и имел большое влияние на модуляцию их ответов в L2 / 3 возбуждающие нейроны. Кроме того, активация этих нейронов может подавлять ответы микросхемы с предпочтением вертикальной полосы через латеральное торможение. Следовательно, как показано на рисунке S3A, влияние пространственного внимания на возбуждающую активность L2 / 3 для модифицированной модели было больше в микросхемах с предпочтением горизонтальной полосы, чем в микросхемах с предпочтением вертикальной полосы.Это указывало на то, что в модифицированной модели пространственное внимание заметно увеличивало величину базовой линии, тогда как этот режим внимания немного увеличивал величину (базовая линия + амплитуда). В модифицированной модели отсутствуют возбуждающие связи между микросхемами со схожими предпочтениями ориентации (рис. S2), поэтому общая сила внешних входов, таких как визуальные входы и внимание сверху вниз, может определять ответы возбуждающих нейронов L2 / 3. В нашем моделировании нисходящий ввод был намного слабее, чем предпочтительный стимул (см. Материалы и методы).Следовательно, когда однородный нисходящий ввод, опосредующий пространственное внимание, и вертикальная полоса были применены к модифицированной модели, реакции микросхемы с предпочтением вертикальной полосы в основном определялись визуальным входом. Напротив, для микросхемы с предпочтением горизонтальной полосы нисходящий ввод внимания был более доминирующим, чем восходящий ввод в эту микросхему (рис. 2A и 2B), и оказывал глубокое влияние на их ответы возбуждающих нейронов L2 / 3. .Кроме того, активация этих нейронов может подавлять ответы микросхемы с предпочтением вертикальной полосы через латеральное торможение. Следовательно, как показано на рисунке S3A, влияние пространственного внимания на возбуждающую активность L2 / 3 было сильнее в микросхемах с предпочтением горизонтальной полосы, чем в микросхемах с предпочтением вертикальной полосы. Это указывает на то, что в модифицированной модели пространственное внимание заметно увеличило величину базовой линии, тогда как этот режим внимания немного увеличил величину (базовая линия + амплитуда).Возможными объяснениями этих неприемлемых паттернов модуляции для модифицированной модели было конвергенция возбуждающих сигналов в тормозных нейронах L2 / 3 через внешние входы, такие как визуальное внимание и латеральное торможение. Нисходящий сигнал, опосредующий внимание, проецируется не только на возбуждающие, но и на тормозящие нейроны в L2 / 3 и L5 (Материалы и методы). Кроме того, в модифицированной модели влияние пространственного внимания на возбуждающую активность L2 / 3 было наибольшим в микросхемах с предпочтением горизонтальной полосы (рис. 3А), что могло бы усилить ответы тормозных нейронов L2 / 3 в других микросхемах через взаимные помехи. mc латеральное ингибирование (рис. 1В).Если эти возбуждающие проекции на тормозные нейроны L2 / 3 в микросхеме с предпочтением вертикальной полосы были значительно эффективны, эти нейроны могли бы предотвратить достаточную активацию возбуждающих нейронов L2 / 3 в той же микросхеме с предпочтением вертикальной полосы.

Настоящая модель предсказывает, что L2 / 3 и L5, на которые непосредственно проецируется нисходящий ввод, демонстрируют аналогичные кривые настройки ориентации и аналогичные шаблоны модуляции внимания (подавление или усиление). Напротив, кривые настройки и их модели модуляции несколько отличаются в L4 и L6.Модуляции внимания в этих слоях, по-видимому, зависят от силы внутримышечных синаптических связей и межламинарных связей [30]. Например, нейроны в L4 интегрируют восходящие сенсорные входы и возбуждающие сигналы обратной связи от L2 / 3, которые заканчиваются на нейронах, тормозящих L4 (рис. 1A). Следовательно, баланс между этими противоположными входами определяет свойство настройки L4. Наши предыдущие симуляции показали, что другой паттерн модуляции внимания в L4 является преимуществом для быстрого переключения внимания между визуальными объектами [30].Необходимо проверить, проявляют ли разные слои разную настройку ориентации и модуляцию внимания с помощью дальнейших экспериментов.

Модуляция реакции, индуцированной вниманием, по типам и слоям нейронов

В то время как визуальное внимание увеличивало общие ответы популяции для L2 / 3 и L5 в нашей модели, отдельные нейроны показали большое разнообразие модуляции скорости возбуждения (рис. 6). Дивергентное поведение нейронов L2 / 3 представляет значительный интерес, поскольку его можно исследовать с помощью оптических записей у бодрствующих животных.Во-первых, несмотря на то, что нисходящий ввод более плотно проецировался на возбуждающие популяции, чем на тормозящие в пространственном внимании (см. Материалы и методы), это внимание вызывало более сильное усиление ингибирующей клеточной активности (рис. 6А). В недавнем эксперименте [5] самая сильная модуляция внимания произошла среди нейронов с быстрым всплеском, которые предположительно были тормозящими нейронами. Наши результаты, по-видимому, согласуются с этими экспериментальными данными, потому что разумно рассматривать тормозящие нейроны в нашей модели как наиболее частый подтип интернейронов, который представляет собой интернейроны с быстрым выбросом [50].

Почему внимание вызывает разные модуляции ответа в разных классах нейронов? Схема разводки синаптических соединений между MC дает возможное объяснение таких различий. Пространственное внимание увеличивает среднюю скорость возбуждения возбуждающих нейронов в L2 / 3 всех микросхем, независимо от их предпочтительной ориентации. Повышенная активность возбуждающих нейронов L2 / 3 в единичной микросхеме распространяется на тормозящие нейроны L2 / 3 как таковые, так и другие единичные микросхемы через внутриламинарные возбуждающие-ингибирующие связи и межмолекулярное латеральное ингибирование (рис. 1A и B).Следовательно, тормозящий нейрон в L2 / 3 получает сходящиеся возбуждающие сигналы от всех микросхем в модели. Напротив, возбуждающий нейрон в L2 / 3 получает возбуждающий сигнал только от микросхемы, к которой он принадлежит, и от своих соседей. Это различие в паттерне конвергенции возбуждающих сигналов, по-видимому, приводит к более сильной активации тормозных нейронов и более слабой активации возбуждающих нейронов во время пространственного внимания. Модуляция ответа разных типов нейронов экспериментально не исследовалась для внимания, основанного на особенностях.Для будущих экспериментальных тестов наша модель предсказывает соотношение возбуждающих и тормозных нейронов, которые существенно модулируются вниманием, основанным на особенностях (рис. 6В).

Пространственное внимание не оказывает заметного влияния на возбуждающие нейроны L2 / 3 в микросхемах с горизонтальным предпочтением (рис. 3А). Из-за этого эффекты пространственного внимания выглядят так, как если бы они были мультипликативными, а не аддитивными в L2 / 3, но не в L5. Дифференциальные эффекты на L2 / 3 и L5 могут частично возникать из-за различных паттернов активации тормозных нейронов в слоях: базовая активность L2 / 3-ингибирующих нейронов повышается пространственным вниманием почти равномерно во всех единичных микросхемах, тогда как активность L5-тормозных нейронов повышается. нейроны поднимаются немного сильнее в микросхеме, получающей визуальный вход (вертикальная черта) и ее соседях.Следовательно, в L5 возбуждающие эффекты визуального ввода могут быть компенсированы неоднородной активацией тормозных нейронов, таким образом увеличивая базовую активность равномерно по всей микросхеме. Однако в L2 / 3 усиленное торможение не компенсируется визуальным вводом в микросхемах с горизонтальным предпочтением, что приводит к неравномерному повышению базового уровня. Мы можем интерпретировать зависящие от слоев эффекты пространственного внимания как мультипликативную модуляцию усиления всей кривой настройки (базовая линия + управляемая стимулом амплитуда), предложенная в других моделях [18], [21], [54], [55], потому что такой эффект должен быть слабым, если нейтральная активность низкая, что действительно имеет место для возбуждающих нейронов L2 / 3 (нейтральная активность <1.0 Гц: см. Рисунок 3). Однако ламинарная структура нашей модели сложна, и явная взаимосвязь между двумя механизмами требует дальнейшего уточнения.

Ограничения нашей модели микросхемы

Наша модель с ее упрощенной структурой ввода лучше всего подходит для описания тех нейронных сетей V1, которые активируются ориентированными полосами. Однако имеется мало электрофизиологических доказательств пространственных и основанных на особенностях режимов модуляции реакции внимания в V1; поэтому мы приняли экспериментальные данные, полученные для зрительных областей выше, чем V1, с более сложными стимулами, такими как стимулы движения случайных точек для средневисочного (МТ) [16].Однако показано, что внешний шум мешает восприятию сопровождаемых направленных стимулов при восприятии движения МТ аналогично восприятию ориентации ранними зонами зрения [46], [51] – [53]. Более того, Коэн и Маунселл [49] недавно продемонстрировали сходную модуляцию внимания скорости возбуждения в нейронах V4, отвечающих на ориентированные пятна Габора. Эти результаты побудили нас выдвинуть гипотезу о том, что пространственный и основанный на особенностях режимы внимания имеют схожие механизмы в разных областях коры и в различной реализации ориентированных стимулов.

Коэн и Маунселл [49] также сообщили, что оба режима внимания уменьшают корреляцию спайков между парами нейронов. Известно, что внимание вовлекает синхронизированные колебания в нейронах зрительной коры [56] – [58], и недавние исследования моделирования с несколько более биологически детализированными нейронами показывают, что внимание включает модуляцию колебаний гамма-диапазона в нейронах зрительной коры [22], [23 ], [28], [29], [59]. Динамические свойства синхронизации и колебаний существенно зависят от биологических деталей модельных нейронов, в частности, интернейронов с быстрыми импульсами [60] – [62].Поскольку наша сетевая модель состоит из относительно простых нейронных моделей, необходимы дальнейшие исследования, чтобы прояснить, как пространственные и функциональные режимы внимания модулируют корреляции спайков и, следовательно, обработку визуальной информации.

Наша модель микросхемы не различает простые и сложные клетки, потому что нейроны были подключены случайным образом в соответствии с вероятностями подключения, указанными в Таблице 1–4. Ответы простых клеток обычно зависят от пространственного расположения предъявления стимула в пределах рецептивного поля, тогда как ответы сложных клеток существенно не зависят от местоположения стимула [63] – [65].Для простоты настройки моделирования в крупномасштабных сетевых моделях мы не моделировали подробное пространственное расположение стимула в этом исследовании. Сетевой механизм для генерации сложных клеток из ответов простых клеток еще полностью не выяснен, и реализация такого механизма остается открытой для будущих исследований.

Сравнение с предыдущими моделями визуального внимания и модуляции усиления

Было предложено несколько моделей для объяснения различных эффектов двух исследуемых здесь видов зрительного внимания.Deco и его коллеги [66], [67] предложили модель, состоящую из 3 зрительных областей: V1, задней теменной (PP) и нижневисочной (IT) областей. В их модели дорсальные и вентральные зрительные пути опосредуют различные типы внимания. Бойнтон [18] разработал модель нормализации зрительного внимания с помощью простых уравнений и воспроизвел результаты различных электрофизиологических экспериментов с пространственными и характеристическими режимами внимания. В модели внимание мультипликативно модулировало реакции сенсорных нейронов: пространственное внимание описывалось путем умножения усиления контраста на процесс нормализации, тогда как внимание, основанное на особенностях, было представлено умножением коэффициента усиления сходства признаков после нормализации.Рейнольдс и Хигер [68] также предложили модель нормализации для зрительного внимания, в которой модуляция усиления происходит до нормализации. Эти модели описывают функции визуального внимания на макроскопическом уровне без определения структуры схемы микроскопического уровня. Мы изучали механизмы модуляции внимания, зависящей от моды, в моделях кортикальных микросхем с биологически предполагаемой ламинарной структурой. В нашей модели факторы усиления, опосредованные входом сверху вниз, и эффекты нормализации, опосредованные ингибирующими эффектами интер-МС, возникают одновременно, чтобы произвести общие модуляции внимания в пространственных и основанных на особенностях режимах внимания.Тормозные связи между МС в нашей модели реализуют функцию, аналогичную процессу нормализации разделения в модели Рейнольда [68].

Buia и Tiesinga [19] построили простую модель цепи, представляющую два параллельных зрительных пути, каждый из которых включает 1 возбуждающий и 2 тормозных нейрона. Они смоделировали внимание, основанное на особенностях, вводя нисходящие проекции на определенные типы тормозящих нейронов, и пространственное внимание, модулируя усиление контраста визуальных стимулов.Следовательно, в отличие от нашей модели, в их модели пространственное внимание опосредуется посредством восходящей визуальной обработки. Ардид и др. [21] разработали модель нейронной сети, состоящую из МТ и областей рабочей памяти. Их модель продемонстрировала те же типы модуляции внимания, что и мы. В их модели сигнал внимания был ограничен конкретными популяциями нейронов, которые предпочитали наблюдаемую функцию. Следовательно, в отличие от нашей модели, их модель не предполагает отдельных источников пространственного внимания и внимания, основанного на особенностях.Хотя многие модели описывают сетевые механизмы визуального внимания, отдельные нейроны также могут выполнять функцию управления мультипликативным усилением для пространственного внимания. Например, было показано, что степенная функция ввода-вывода нейрона генерирует изменение мультипликативного усиления [54], [55]. Являются ли модуляции внимания и изменение характеристического усиления результатом механизма сетевого уровня или механизма отдельного нейрона, остается открытым для будущих исследований.

Многие модели были также предложены для учета эффектов внимания на человеческое восприятие, наблюдаемых в психофизических экспериментах.Ling et al. [16] предположили, что внимание влияет на порог восприятия, изменяя усиление или настройку реакции населения в визуальной области MT. Однако эта модель не объясняет, как эти два вида внимания были выражены в визуальных областях. Вагацума и др. [11], [69] описали абстрактные модели, чтобы объяснить, как пространственное внимание и внимание, основанное на особенностях, может изменить визуальное восприятие объекта без моделирования лежащего в основе механизма цепи. Настоящая модель объяснила психофизические эффекты шума на зрительное восприятие человека на основе модели зрительных систем на уровне микросхем.

Материалы и методы

Модель микросхемы функционально сгруппированных слоистых микросхем зрительной коры

На рис. 1А показаны основные нейронные и синаптические компоненты нашей многослойной модели кортикальной микросхемы. Модель состоит из 8 ориентировочно-избирательных микросхем, каждая из которых представляет основную функциональную единицу зрительной коры, разделяет свои рецептивные поля и реагирует преимущественно на 1 из 8 стимулов (0,,, и степени). Каждая микросхема имеет L2 / 3, L4, L5 и L6, и каждый слой состоит из пула возбуждающих нейронов и пула тормозных нейронов (подробности см. В таблице 5).Слой 1 явно не моделировался, поскольку он в основном содержит дендритные волокна нейронов в других слоях. Стрелки на рисунке 1А представляют основные нейронные связи этой корковой микросхемы. Толстые стрелки показывают плотные соединения с вероятностью соединения> 0,13, а тонкие стрелки представляют соединения с вероятностью соединения <0,13, но> 0,065. Более редкие связи не показаны. Подробные сведения о вероятностях подключения приведены в таблицах 1–4. Для простоты все intra-MC-соединения имеют одинаковый синаптический вес.Полная сеть, состоящая из 8 функциональных микросхем, включает в общей сложности около 160000 нейронов модели интеграции и запуска, что означает, что каждая микросхема содержит около 20000 нейронов. См. Таблицы S1 – S9 в файле S1 для получения подробной информации о нейронных моделях. Скорость срабатывания модельных нейронов будет зависеть от размера каждой модели единичной микросхемы, поскольку общее количество синаптических входов в нейрон зависит от общего количества нейронов в единичной микросхеме [31]. В данной модели мы приняли архитектуру нашей предыдущей модели [30], [31] после уменьшения размера каждой единичной микросхемы.Поэтому мы изменили масштаб всех синаптических связей внутри МК в 1,6 раза плотнее, чем в предыдущей модели, чтобы компенсировать уменьшение размера каждой микросхемы. Сила внешнего входа не изменилась. С этими модификациями скорость спонтанного возбуждения каждого слоя находилась в пределах физиологически реалистичного диапазона (L2 / 3: ∼3,3 Гц, L4: ∼2,4 Гц, L5: ∼15 Гц, L6: ∼0,6 Гц для пирамидных клеток; L2 / 3 : ∼8 Гц, L4: ∼6 Гц, L5: ∼9 Гц, L6: ∼8 Гц для тормозных клеток).

Эта оценка синаптических связей внутри МК была основана в первую очередь на анатомических и электрофизиологических данных для коры головного мозга кошек и крыс [32] – [34].Известно, что зрительная кора головного мозга грызунов не имеет столбчатой ​​структуры, что означает, что нейроны с подобной избирательностью ориентации не могут быть пространственно локализованы в головном мозге грызунов [35], [36], [70]. Однако ламинарная структура сама по себе обычно обнаруживается у множества млекопитающих, включая крысу. Если каждый слой зрительной коры содержит нейроны, играющие одинаковые функциональные роли у разных видов, мы можем предположить, что эти нейроны функционально имеют аналогичные внутри- и межламинарные структуры связи, чтобы сформировать аналогичные функциональные микросхемы.Как мы можем получить согласованный набор вероятностей подключения из вышеперечисленных наборов данных, было продемонстрировано в Potjans and Diesmann [31] и дополнительных материалах.

Кортикальный L2 / 3 имеет богатые локальные рекуррентные синаптические связи внутри слоя [71]. Кроме того, мы ввели латеральное торможение среди сетей L2 / 3 8-ми слоистых микросхем, чтобы вызвать конкуренцию между ними [72] – [76]. Как и в предыдущей модели [30], мы ввели латеральное торможение посредством проекций от возбуждающих нейронов L2 / 3 микросхемы на тормозные нейроны L2 / 3 в других (рис. 1B), поскольку, как правило, только возбуждающие нейроны производят дальнодействующие соединений, и подавление перекрестной ориентации может быть заблокировано применением бикукуллина, антагониста ГАМК [77].Вероятность подключения бокового подключения была установлена ​​равной 0,03, независимо от избирательности ориентации микросхем. Возбуждающие горизонтальные связи часто обнаруживаются между столбцами или нейронами, показывающими сходные предпочтительные ориентации [43], [76], [78] – [80]. Таким образом, мы ввели возбуждающие связи между MC между возбуждающими нейронами L2 / 3, принадлежащими к разным микросхемам с одинаковой избирательностью ориентации (рис. 1B). Из-за симметричного характера взаимодействий между соседними микросхемами настоящая модель может рассматриваться как слоистый вариант так называемой кольцевой модели [21], [22].Сила (вероятность соединения) этих синаптических связей была установлена ​​на 0,06.

Имитационные эксперименты

Когда визуальный стимул, имитирующий ориентированную полосу, представлен в рецептивном поле, возбуждающие и тормозящие нейроны в L4 и L6 в 8-ми слоистых микросхемах возбуждаются с разной интенсивностью (рис. 2A). Микросхемы блока были более сильно возбуждены, если их предпочтительные ориентации (0,,, и градусы) были ближе к ориентации стержня.На протяжении всего исследования мы рассматривали ориентацию вертикальной полосы как 0, а горизонтальной полосы как. Предпочтительный вход был дан как набор независимых последовательностей спайков Пуассона с частотой 20 Гц, а частота возбуждения была уменьшена для других стимулов, в зависимости от предпочтения. В таблице 6 перечислены вероятности того, что нейрон L4 или L6 получит сенсорные сигналы снизу вверх. Размер популяции восходящих зрительных стимулов, проецируемых на микросхему, составляет около 225 волокон [30], [31].

Нисходящие возбуждающие сигналы, опосредующие зрительное внимание, поступают в L2 / 3 и L5 микросхем [30], [31], [39], [81] – [84] (рис. 1A).В нашей модели этот нисходящий путь внимания направлен как на возбуждающие, так и на тормозные нейроны. Это делает нейрональный ответ данной модели мультипликативным [85], [86], что объясняет экспериментальные наблюдения. Нисходящий вход представлял собой набор низкочастотных последовательностей импульсов Пуассона с частотой 5 Гц. Таким образом, ввод сверху вниз был намного слабее, чем предпочтительный стимул [66], [67]. Количество цепочек пиковых сигналов в проекции сверху вниз составляло 300 как для L2 / 3, так и для L5, а вероятности подключения входа сверху вниз приведены в таблице 7.

Чтобы представить пространственное внимание и внимание, основанное на особенностях, мы ввели в нашу модель два вида нисходящего ввода. Во-первых, пространственное внимание было направлено на место в пределах рецептивного поля нашей модели. В этом случае мы применили один и тот же нисходящий вход однородно к функционально сгруппированным микросхемам, независимо от их избирательности ориентации (рисунок 2B). При ориентированном на черты внимании животное обращает внимание на одну из восьми ориентаций. Здесь нисходящий ввод был доставлен в конкретную микросхему, которая предпочитала обслуживаемую ориентацию (рисунок 2C).

Все результаты моделирования были получены с помощью NEST Simulation Tool [87] с использованием 8 ядер (Intel Xeon ^® 2,26 ГГц) и MPI для параллельных вычислений.

Дополнительная информация

Рисунок S1.

Нейронные ответы модели микросхемы на предвзятые соревнования [S13]. Показатели активации возбуждающих (заполненные столбцы) и тормозных (пустые столбцы) нейронов в популяции из 5 испытаний показаны для каждого слоя вертикальной предпочтительной микросхемы для различных комбинаций визуального стимула и внимания, основанного на особенностях.Предпочтительный стимул вертикальной предпочтительной микросхемы обведен белой рамкой. Посещаемый стимул обведен кружком. Эти шаблоны модуляции в L2 / 3 и L5 согласуются с экспериментальными данными [S13]. Сигналы нисходящего внимания вызывают в L4 паттерн модуляции ответа, противоположный таковому в L2 / 3 и L5. См. Нашу предыдущую работу [S2] для подробных механизмов и анализа зависимости модуляции отклика от слоев.

https://doi.org/10.1371/journal.pone.0080788.s001

(TIF)

Рисунок S2.

Модифицированная модель без возбуждающих связей между слоистыми микросхемами. В случае этой модифицированной модели взаимодействие между микросхемами опосредуется только проекциями возбуждающих нейронов L2 / 3 в одной микросхеме на тормозные нейроны L2 / 3 в других (Exc-Inh).

https://doi.org/10.1371/journal.pone.0080788.s002

(TIF)

Рисунок S3.

Реакции модифицированной модели на вертикальную черту как для нейтрального состояния, так и для пространственного внимания. Скорости популяции возбуждающих A и тормозных B нейронов представлены в каждом слое модифицированной модели микросхемы сплошными и пунктирными линиями соответственно. Ориентированные полоски внизу показывают предпочтительную ориентацию каждой многослойной микросхемы. Серые и черные линии показывают отклики модифицированной модели без ввода внимания (нейтральное состояние) или во время пространственного внимания, соответственно. Кривые настройки возбуждающих и тормозных нейронов во всех слоях соответствовали распределению Гаусса.Звездочки указывают на то, что различия в показателях увольнения населения между двумя условиями являются статистически значимыми (t-критерий: ** для p <0,01; * для p <0,05; - для p <0,1).

https://doi.org/10.1371/journal.pone.0080788.s003

(TIF)

Рисунок S4.

Популяционные ответы возбуждающих A и тормозных B нейронов в модифицированной модели как для нейтрального состояния, так и для внимания, основанного на особенностях. Все условные обозначения такие же, как на рисунке S2. Модифицированная модель получила ввод снизу вверх, имитирующий вертикальную полосу. Реакции нейронов сравнивались в двух случаях, то есть в нейтральном состоянии и при ориентированном на особенности внимании, где ответы в нейтральном состоянии идентичны тем, которые показаны на рисунке S2. Мы использовали гауссовские распределения для аппроксимации кривых.

https://doi.org/10.1371/journal.pone.0080788.s004

(TIF)

Рисунок S5.

Статистический анализ кривых настройки ориентации для модифицированной модели. A, B, C, Базовые линии, амплитуды и ширина гауссовых кривых настройки показаны для ответов возбуждающих нейронов в L2 / 3 (вверху) и L5 (внизу). Значения параметров подгонки по Гауссу были получены из 50 имитационных испытаний в нейтральном состоянии (серые столбцы), пространственном внимании (пустые столбцы) и внимании, основанном на особенностях (заполненные столбцы). Звездочки указывают на то, что значения параметров значительно отличаются от значений в нейтральном состоянии (t-тест: ** для p <0.01; * для p <0,05; - для p <0,1). D, Гистограммы положений пиков кривых настройки в L2 / 3 и L5 показаны для стимула с вертикальной полосой. Треугольники – это медианы. Мы рассчитали значений P для теста Манна-Уитни, чтобы сравнить гистограммы между нейтральным состоянием и двумя состояниями внимания.

https://doi.org/10.1371/journal.pone.0080788.s005

(TIF)

Рисунок S6.

Усредненные нейронные ответы модифицированной модели для предвзятых соревнований из 5 имитационных испытаний. Все условные обозначения такие же, как на рисунке S1. Паттерны модуляции в L2 / 3 и L5 несовместимы с результатами физиологических экспериментов [S13].

https://doi.org/10.1371/journal.pone.0080788.s006

(TIF)

Рисунок S7.

Частотные гистограммы скоростей выстрелов населения в нейтральном состоянии, полученные из L2 / 3 A и L5 B при пяти различных уровнях внешнего шума. Горизонтальная ось показывает амплитуду показателей популяции, а вертикальная ось указывает количество испытаний. На каждом графике показаны уровни внешнего шума. Белые столбцы отображают ответы населения, полученные при предпочтительной ориентации, а черные столбцы – ответы населения на нежелательную ориентацию. Каждое распределение получено из 50 имитационных испытаний в нейтральном состоянии. При увеличении уровня внешнего шума эти два распределения были объединены, что указывало на помехи точного обнаружения предъявленного стимула при высоком уровне шума.

https://doi.org/10.1371/journal.pone.0080788.s007

(TIF)

Рисунок S8.

Гистограмма положения пика настроечных кривых в L2 / 3 для откликов на вертикальную полосу с различными уровнями внешнего шума. Треугольники – это медианы. Мы рассчитали значений P для теста Манна-Уитни, чтобы сравнить гистограммы между нейтральным состоянием и двумя состояниями внимания. A , Частотная гистограмма пиков настройки нейтрального состояния.С увеличением уровня внешнего шума частота распространяется широко. B , Гистограмма расположения пика пространственного внимания относительно вертикальной полосы с различными уровнями внешнего шума. C , Гистограмма расположения пика внимания, основанного на особенностях. Независимо от уровня внешнего шума, внимание, основанное на особенностях, улучшает обнаружение представленной ориентации по сравнению с нейтральным состоянием.

https://doi.org/10.1371/journal.pone.0080788.s008

(TIF)

Рисунок S9.

Гистограммы положений пиков настроечных кривых в L5, полученные из тех же наборов данных, что и на рисунке S6. Все условные обозначения такие же, как на рисунке S6. Результаты статистического теста (тест Манна-Уитни) для сравнения нейтрального состояния и двух видов зрительного внимания идентичны показанным на рисунке S6. A, Частотная гистограмма пиков настройки нейтрального состояния. B, Распределение точек пиков пространственного внимания. C, Гистограмма пиковых местоположений особого внимания.

https://doi.org/10.1371/journal.pone.0080788.s009

(TIF)

Рисунок S10.

Производительность нашей модели с использованием индекса различимости ( d ‘ ) для вертикальных полос и полос, ориентированных под углом 22,5 градуса (точная различимость). Мы вычислили d ‘ для L2 / 3 ( A ) и L5 ( B ).Пунктирная линия показывает звездную величину d ‘ в нейтральном состоянии. Сплошные серые и черные линии показывают результаты пространственного и основанного на особенностях режимов внимания соответственно. Эффекты внимания на различимость показывают аналогичную тенденцию в L2 / 3 и L5. Уменьшение этой различимости с увеличением уровней внешнего шума было аналогично паттернам различимости между двумя ортогональными ориентациями. Однако эти величины d ‘ между двумя одинаково ориентированными стержнями были заметно ниже, чем между ортогональными стержнями, показанными на Рисунке 7.

https://doi.org/10.1371/journal.pone.0080788.s010

(TIF)

Файл S1.

Этот файл содержит таблицу S1-таблицу S9. Таблица S1, Описание модели после [S4] (Обзор модели). Таблица S2, Описание модели после [S4] (Население). Таблица S3, Описание модели после [S4] (Связь). Таблица S4, Описание модели после [S4] (Модель нейрона и синапса). Таблица S5, Описание модели после [S4] (ввод). Таблица S6, Описание модели после [S4] (Измерения). Таблица S7, Частота всплесков входов возбуждающего фона. Таблица S8, Параметры нейронных и синаптических моделей (Связь). Таблица S9, Параметры нейрональной и синаптической модели (нейронная и синаптическая модель).

https://doi.org/10.1371/journal.pone.0080788.s011

(DOCX)

[Полный текст] Канонические корковые цепи: текущие данные и теоретическое значение

Фиораванте Капоне, ^1,2 Маттео Паолуччи, ^1,2 Федерика Ассенца, ^1,2 Николетта Брунелли, ^1,2 Лоренцо Риччи , ^1,2 Lucia Florio, ^1,2 Vincenzo Di Lazzaro ^1,2

¹ Отделение неврологии, нейрофизиологии, нейробиологии, Медицинский факультет, Università Campus Bio-Medico di Roma, Рим, Италия ; ² Fondazione Alberto Sordi – Научно-исследовательский институт старения, Рим, Италия

Резюме: Нейрофизиологические и нейроанатомические исследования показали, что одна и та же базовая структурная и функциональная организация нейронных цепей существует по всей коре головного мозга.Этот вид корковой организации, называемый канонической цепью, был функционально продемонстрирован в основном исследованиями с участием зрительной полосатой коры, а затем концепция была распространена на различные области коры. Короче говоря, каноническая цепь состоит из поверхностных пирамидных нейронов слоев II / III, получающих различные входные данные, и глубоких пирамидных нейронов слоя V, которые отвечают за выход коры головного мозга. Поверхностные и глубокие пирамидные нейроны взаимно связаны, а тормозящие интернейроны участвуют в модуляции активности цепи.Основная интуиция этой модели заключается в том, что вся корковая сеть может быть смоделирована как повторение относительно простых модулей, состоящих из относительно небольшого количества типов возбуждающих и тормозных, тесно связанных между собой нейронов. Мы рассмотрим происхождение и применение канонической модели кортикального контура в шести разделах этой статьи. В первом разделе (Истоки концепции канонической цепи: зрительная кора головного мозга кошки) рассматриваются эксперименты, проведенные в зрительной коре головного мозга кошки, от происхождения концепции канонической цепи до самых последних достижений в моделировании коры головного мозга.Второй (Канонический контур в неокортексе) и третий (К каноническому контуру в агранулярной коре) разделы пытаются расширить концепцию канонического контура на другие области коры, предоставляя некоторые важные примеры функционирования контуров в различных цитоархитектонических контекстах. В четвертом разделе (Расширение концепции канонической схемы до схем экономических решений) рассматриваются эксперименты, проведенные на людях с использованием транскраниальной магнитной стимуляции, чтобы продемонстрировать обоснованность модели канонической корковой цепи.Пятый раздел (Распространение концепции канонического контура на контуры экономических решений) исследует гипотезу о том, что сложное человеческое поведение, такое как принятие экономических решений, также можно объяснить с точки зрения канонического коркового контура. В последнем разделе (Заключение) представлена ​​критическая точка зрения, демонстрирующая пределы имеющихся данных и отслеживающая направления будущих исследований.

Ключевые слова: канонический корковый контур, кора, корковые слои, физиология коры

Введение

Нейрофизиологические исследования и нейроанатомические исследования позволили обнаружить, что та же самая основная морфологическая и функциональная организация возбуждающих и тормозных нейронных цепей существует во всем неокортексе. ¹ Этот вид корковой организации, переименованный в «канонический контур», был функционально продемонстрирован в основном исследованиями с участием зрительной полосатой коры, ² , потому что эта область является наиболее развитой зернистой корой с точки зрения дифференциации корковых слоев. Короче говоря, канонический корковый контур состоит из поверхностных пирамидных нейронов слоев II / III, получающих различные входные данные, которые анализируются и обрабатываются. Глубокие пирамидные нейроны V слоя отвечают за продукцию коры.Поверхностные и глубокие пирамидные нейроны взаимно связаны, а тормозящие интернейроны участвуют в модуляции активности цепи. Общий принцип функционирования канонического коркового контура представлен сильными рекуррентными, интраламинарными связями и относительно слабыми связями между слоями. Этот принцип составляет основу такой схемы и делает ее мощной и гибкой.

Здесь мы рассматриваем открытие и применение понятия канонической корковой цепи в функционально и структурно различных областях коры головного мозга человека.Обзор состоит из шести разделов.

В первом разделе рассматриваются эксперименты, проводимые в зрительной коре головного мозга кошек, от происхождения концепции канонической цепи до самых последних достижений в моделировании коры головного мозга.

Второй раздел пытается расширить концепцию канонической цепи на другие области неокортекса, предоставляя некоторые важные примеры функционирования цепи в различных контекстах.

В третьем разделе оценивается взаимосвязь между цитоархитектонической структурой и функциональностью кортикальных цепей, показывая, что модель канонических цепей также может быть применена с небольшими изменениями к менее цитоархитектонически дифференцированным областям, таким как первичная обонятельная кора (ПК).

В четвертом разделе анализируется применимость модели канонической схемы к интактному мозгу человека с помощью транскраниальной магнитной стимуляции (ТМС). Имеющиеся данные показывают, что влияние ТМС на моторную кору можно объяснить включением имеющихся знаний о кортикоспинальных залпах, вызванных ТМС, в анатомические и вычислительные характеристики канонической модели цепи неокортекса.

Пятый раздел исследует гипотезу о том, что сложное человеческое поведение, такое как принятие экономических решений, также может быть объяснено с точки зрения канонического коркового контура.

В последнем разделе представлена ​​критическая точка зрения, демонстрирующая ограничения и недостатки имеющихся данных и отслеживающая направления будущих исследований.

Цель этой статьи – предоставить более глубокие знания о канонических корковых цепях, чтобы облегчить перевод этой модели из клеточных исследований in vitro в интерпретацию сложного поведения человека.

Истоки концепции канонической цепи: зрительная кора головного мозга кошки

Идея о том, что базовую архитектуру коры головного мозга можно понять в терминах «канонических» цепей, построенных из относительно небольшого числа возбуждающих и тормозящих нейронов, возникла в результате нейрофизиологического исследования зрительной коры головного мозга кошек. ^3,4

Одна из самых важных работ по этой теме была выполнена Дугласом и Мартином ⁵ более 20 лет назад. В этом новаторском исследовании авторы разработали модель микросхемы для имитации данных, полученных в результате внутриклеточных записей зрительной коры головного мозга (зона Бродмана 17). Их интуиция заключалась в том, что кортикальную сеть тесно взаимосвязанных нейронов можно смоделировать как повторение относительно простых модулей.

Экспериментальные данные были получены путем регистрации внутриклеточной активности, вызванной электростимуляцией афферентов латеральных коленчатых клеток.Ответы состояли из кратковременного деполяризующего потенциала (возбуждающий постсинаптический потенциал или ВПСП), за которым следовала длительная гиперполяризационная реакция (ингибирующий постсинаптический потенциал или IPSP) (рис. 1). Дальнейший анализ выявил два разных паттерна ответа, коррелированных с кортикальным слоем, в котором они были обнаружены. В частности, нейроны, расположенные в поверхностных слоях (слои II и III), демонстрируют более длительный ВПСП и более медленную эволюцию IPSP по сравнению с нейронами, расположенными в более глубоких слоях (слои V + VI).Авторы, используя данные, полученные из литературы о связях между различными корковыми слоями, попытались построить модель для имитации данных, происходящих из внутриклеточных записей. Схема модели, которая больше похожа на реальные ответы, состояла из трех взаимодействующих популяций нейронов: одной группы тормозных клеток и двух групп возбуждающих клеток, представляющих поверхностные (слои II + III) и глубокие (слои V + VI) пирамидные нейроны. Упрощая функционирование такой микросхемы, короткий таламический вход достигает как возбуждающих, так и тормозных нейронов коры; поверхностные возбуждающие нейроны в слоях II / III имеют длительную деполяризацию, в то время как более глубокие возбуждающие нейроны получают ингибирование, быстро опосредованное рецепторами GABA _A ; Ингибирование ГАМК _B отвечает за последнюю фазу ответа, отраженную устойчивой гиперполяризацией.Затем активация поверхностных слоев отвечает за усиление таламического входа. Взаимные столбчатые связи между поверхностным слоем, более глубоким слоем и тормозящими интернейронами используются для регулировки баланса между возбуждением и торможением и точного выбора выхода схемы.

Рис. 1. Постсинаптические потенциалы EPSP и IPSP. Примечания: Электрическая стимуляция афферентов латеральных коленчатых клеток вызывает электрическую внутриклеточную активность, состоящую из кратковременной деполяризующей реакции (ВПСП), за которой следует длительный гиперполяризующий потенциал (IPSP). Сокращения: ВПСП – возбуждающий постсинаптический потенциал; IPSP, тормозящий постсинаптический потенциал.

Экспериментальные данные, полученные в зрительной коре головного мозга кошек, подтвержденные вышеупомянутой компьютерной моделью, в значительной степени способствовали развитию общей «канонической» схемы для всего неокортекса.

Однако интерес к зрительной коре головного мозга кошек еще не закончился. Фактически, недавно Binzegger et al. ⁶ использовали первичную зрительную кору в качестве модели, пытаясь назначить источник для каждого синапса в одной области коры.Они разработали количественное описание цепей в первичной зрительной коре кошек путем полной трехмерной реконструкции аксонов и дендритов отдельных нейронов и таламических афферентов, меченных пероксидазой хрена во время внутриклеточных записей in vivo. Их данные подтвердили концепцию канонической схемы как функционального модуля, основанного на межуровневых связях, а также добавили некоторую сложность к этому упрощению. Действительно, они показали, что значительное количество синапсов (~ 34%) в зрительной коре головного мозга кошек опосредовано аксонами, проходящими горизонтально в пределах коркового слоя.Таким образом, согласно этой точке зрения, функциональная архитектура зрительной коры опирается на два основных пути, соединяющих тормозные и возбуждающие нейроны: вертикальный (канонический контур), основанный на связях между нейронами, расположенными в разных слоях, и горизонтальный (самоиннервация). на основе связей между нейронами, расположенными в одном слое.

В заключение, эксперименты с участием зрительной коры головного мозга кошки помогли проследить важный путь в открытии корковых цепей, увеличив возможность определения функциональной нейрофизиологической модели, которая могла бы позволить нам нарисовать окончательную карту почти бесконечной вселенной корковых сетей. .

Каноническая схема в neocortex

Многообещающие результаты, полученные при изучении зрительной коры головного мозга, вызвали большой интерес в отношении возможности распространения концепции канонической цепи на другие области неокортекса.

Недавние данные свидетельствуют о том, что необходимо очень мало изменений, чтобы адаптировать такую ​​модель к другим кортикальным областям, таким как лобные поля глаза (FEF). Эта область, расположенная во фронтальной коре головного мозга, контролирует произвольные движения глаз. Однако местный кортикальный контур FEF не очень хорошо известен.Недавно Heinzle et al. ² предложили модель локальной цепи FEF, которая следует многослойной архитектуре неокортекса и подчиняется принципам канонической схемы. Эта модель была применена для объяснения саккадических движений глаз. Такая функция требует нескольких вычислительных шагов: 1) выбор цели; 2) выделение ресурсов внимания на расположение намеченной цели; и 3) выработка моторного выхода, который управляет движениями глаз. По мнению авторов, корковые слои в FEF организованы в функциональном порядке и выполняют разные задачи.Нейроны, расположенные в слое IV, получают визуальный сигнал. Они формируют визуальную карту значимости для быстрого сканирования. Нейроны, расположенные в слое II / III, преобразуют фазический сигнал слоя IV в сигнал внимания для положения выбранной цели и сохраняют его до момента саккады. Более того, они связаны с другими когнитивными областями, отличными от FEF, участвующими в распознавании визуальных характеристик цели. Когда цель «распознается», нейроны слоя II / III получают ответный сигнал из этих областей и активируют двигательные нейроны в слое V.Следовательно, уровень II / III можно интерпретировать как генерирующий как сигнал внимания, так и моторный план, в то время как слой V представляет моторный выход схемы. Кроме того, уровень V отправляет афференты на уровень VI, который, в свою очередь, проецируется обратно на уровень IV и влияет на визуальный выбор. Достоверность этой модели была проверена путем выполнения различных визуальных задач, таких как саккады, антисаккады и сканирование. Модель смогла надежно воспроизвести экспериментальные данные.

Слуховая кора (AI) представляет собой еще один отличный пример, позволяющий лучше понять функциональную архитектуру канонической микросхемы.Действительно, обработка информации в ИИ является прогрессивной и становится более сложной и синергетической по мере того, как слуховая информация перемещается от таламического входа к кортикальным выходным слоям. Стратегия обработки в AI хорошо согласуется с моделью канонической схемы, потому что разные типы ячеек взаимодействуют друг с другом в рамках столбчатого распределения, в котором каждый уровень выполняет определенную функцию обработки. Недавнее исследование позволило по-новому взглянуть на эти механизмы. ⁷ Авторы регистрировали одновременно со всех корковых слоев активность, вызванную акустическим стимулом, и оценивали несколько параметров для описания функциональности ИИ.Они обнаружили, что супрагранулярный (слои II / IIIa), гранулярный (слои IIIb / IV) и инфрагранулярный (V / VI) слои могут рассматриваться как отдельные ядра со значительно различающейся обработкой в ​​каждом, хотя все еще сохраняя взаимозависимость. Нейроны обрабатывают акустические стимулы в соответствии с порядковой функциональной прогрессией от гранулярных к надгранулярным, а затем к инфрагранулярным слоям, с постепенным увеличением сложности и кооперативности вычислительных свойств. Интересно, что это исследование демонстрирует, что разные уровни внутри канонической схемы больше различаются стратегиями обработки, чем обработкой контента. ⁸ Демонстрация того, что стратегии обработки зависят от уровня, но в значительной степени не зависят от содержания стимула, дополнительно подтверждает каноническую схему как модель, действительную для всей коры.

Пирамидные нейроны и различные виды интернейронов считаются строительными блоками канонической схемы, и было предпринято много попыток идентифицировать различные классы клеток и их функции в этой цепи. В частности, этот вопрос был рассмотрен при исследовании префронтальной коры (ПФК).Классы клеток в этой области могут быть классифицированы в соответствии с формой потенциала действия как основного признака, позволяющего различать предполагаемые (узкие спайки [NS]) интернейроны и (широкие спайки [BS]) пирамидные клетки. ^9–12 Таким образом, эти клетки можно различать по четырем сильно различающимся наборам свойств активации, которые могут иметь фундаментальное значение для установления баланса между возбуждением и торможением ^13–15 , которые управляют потоком информации ^9,16,17 и в конечном итоге формируют функцию префронтальной микросхемы. ^18,19 Ardid et al. ²⁰ определили семь классов клеток в префронтальной области макак, занятых задачей на концентрацию внимания, на основе электрофизиологических показателей, таких как форма волны спайков, частота возбуждения и вариабельность возбуждения. Прежде всего, они классифицировали четыре класса BS и три класса NS, диссоциированных по тому, насколько редкими, прерывистыми или регулярными они стреляют.

классов BS-клеток считали пирамидными клетками, а классы NS-клеток считали ингибирующими клетками. Затем они попытались назначить каждому классу ячеек определенную функцию в канонической схеме.Например, два класса BS (B1 и B4) показывают разреженное, прерывистое возбуждение и фазовую синхронизацию в диапазонах θ (4–7 Гц) и β (16–31 Гц) потенциала местного поля. Благодаря этим свойствам ячейки B1 и B4 могут гибко реагировать на активацию сети на различных частотах и ​​могут участвовать в интеграции дальнодействующих входов, в локальной обработке информации и в генерации выходных сигналов микросхемы. Два класса ячеек NS (N3 и N4) и два класса BS (B2 и B3) показывают регулярное срабатывание и более высокую скорость с предельной фазой синхронизации.Эти свойства заставляют эти клетки устанавливать баланс между возбуждением и торможением в микросхеме. Два класса NS (N1 и N2) имеют нерегулярное срабатывание и избирательную синхронизацию с диапазоном θ или β. Главный вклад такого рода исследований состоит в том, чтобы начать устанавливать связь в рамках канонической схемы между характеристикой клеточного типа in vitro и функциями мозга in vivo.

К каноническому контуру в агранулярной коре

Каноническая кортикальная микросхема, описанная в вышеупомянутых работах, была разработана в неокортексе, или гранулярной коре, которая представляет собой наиболее дифференцированную область коры, в которой представлены все шесть корковых слоев.Агранулярные области коры имеют менее дифференцированную архитектуру. Цитоархитектоническая дифференцировка постепенно изменяется по всей коре: ^21–23 спектр дифференцировки варьируется от зрительной полосатой коры, наиболее четко эламинированной области даже в мозгу грызунов, ²⁴ до агранулярных областей, в которых отсутствует внутренний зернистый слой (слой IV) и имеют несколько идентифицируемых слоев, а также очень низкую плотность нейронов. Различия в локальной корковой структуре необходимо учитывать при рассмотрении канонической схемы, потому что маловероятно, чтобы паттерны внутри- и интерламинарных связей были однородными, несмотря на сильные цитоархитектурные вариации.Доступная литература по внутренней интерламинарной схеме в агранулярной лобной коре была проведена в основном на мозге грызунов из-за относительного обилия экспериментальных данных, доступных для этой модели на животных, и позволяет сравнить с недавней визуализацией внутренней схемы в полосатой коре головного мозга. . Первичная соматосенсорная кора, хотя все еще явно эуламинатная, уже намного менее плотна и включает меньше различимых подслоев, тогда как первичная моторная кора еще менее дифференцирована цитоархитектонически, но все же гранулярная. ^24,25 Kätzel et al. ²⁶ сообщили об относительно однородных паттернах интраламинарного ингибирования в этих трех кортикальных областях, в то время как межламинарные ингибирующие и возбуждающие связи существенно различались. В полосатой коре между всеми слоями наблюдалось значительное интерламинарное торможение. В первичной соматосенсорной коре сообщалось о подобном паттерне интерламинарного торможения, но без торможения между слоями II / III и слоями V / VI. В первичной моторной коре, напротив, не было очевидного существенного торможения между разными слоями.Таким образом, во всех трех выбранных регионах межслойная ингибиторно-возбуждающая связь была прогрессивно слабее в менее цитоархитектонически дифференцированных областях. Интересно исследовать, как некоторые области коры, несмотря на их относительно простую архитектуру, выполняют сложную задачу сенсорной обработки и интеграции. У млекопитающих ПК, или грушевидная форма, представляет собой трехламинарный палеокортекс, который, как считается, выполняет высокоуровневую синтетическую роль, создавая единые «образы запаха» из компонентов запаха, идентифицируемых обонятельной луковицей.Судзуки и Беккерс ²⁷ изучили на ПК основные классы нейронов и микросхем, в которые они встроены, используя записи патч-кламп in vitro с срезов ПК мышей. Они показали, что полулунные клетки (SL) и поверхностные пирамидные клетки (SP) – два морфологически различных типа нейронов, содержащихся в слое II ПК – различаются по своему вкладу в кортикальную микросхему: SL-клетки получают более сильное афферентное возбуждение от обонятельной луковицы, тогда как SP-клетки получают более сильное ассоциативное возбуждение от других основных нейронов коры.Эти результаты предполагают, что клетки SL и SP специализируются на обеспечении двух уровней синаптической обработки (афферентной и ассоциативной, соответственно). Godlove et al ²⁸ исследовали, проявляет ли агранулярная лобная кора (дополнительное глазное поле, SEF) особенности ламинарной схемы, подобные тем, которые наблюдаются в зернистой коре. Они показали, что ламинарный паттерн плотности источника тока, полученный из потенциала локального поля, во многом соответствует паттерну модели канонической схемы, разработанной на основе данных, собранных в гранулярной первичной зрительной коре. ^1,29,30 Совсем недавно Беул и Хильгетаг ³¹ выдвинули гипотезу о спекулятивной модели внутренних цепей в коре, ассимилируя данные из доступной литературы по меж- и интраламинарной связности в агранулярной лобной коре головного мозга грызунов: интраламинарная связь в агранулярной коре аналогично зернистой коре, но межслойная связность значительно отличается из-за ослабления торможения. Это исследование представляет собой важную отправную точку для обсуждения и дальнейших экспериментальных усилий по выяснению схем за пределами зрительной полосатой коры.

Канонические цепи моторной коры головного мозга человека: вклад TMS

В первичной моторной коре (M1) – области зернистой коры с хорошо дифференцированной архитектурой (хотя и меньшим количеством зрительной коры) – организацию корковых цепей можно было изучить in vivo с помощью экспериментов TMS. ТМС может активировать человеческий мозг через неповрежденную кожу головы. ^32,33 Обычно эффекты, индуцированные ТМС на М1, измеряются как моторно-вызванные потенциалы (МВП) путем записи электромиографии мышц конечностей.Альтернативный способ оценки эффектов ТМС – это прямая запись синаптической активности, вызванной стимуляцией M1 эпидуральными электродами, хронически имплантированными в спинной мозг для облегчения боли. Начиная с 1998 г., Ди Лаззаро и Зиманн ³⁴ выполнили обширную серию исследований, используя этот подход.

Магнитная стимуляция M1 производит залп, состоящий из первой волны (D-волна), которая определяется прямой активацией пирамидных нейронов, и последующих волн (непрямых или I-волн), которые являются выражением непрямой трансинаптической активации пирамидные клетки.

Интересно, что направление и интенсивность магнитной стимуляции влияют на возникновение этих волн. Например, когда направление стимулирующего тока меняется с задне-переднего на передне-заднее, нисходящие залпы имеют разную латентность и продолжительность.

Путем включения имеющихся знаний о кортикоспинальных залпах, вызванных TMS, в анатомические и вычислительные характеристики канонической схемы, основные характеристики D- и I-волн, включая их регулярную и ритмическую природу, их зависимость от интенсивности стимула и их фармакологическая модуляция может быть изящно объяснена (рис. 2).Согласно этой точке зрения, первая волна I (I1) представляет собой моносинаптическую активацию пирамидного нейрона нейронами слоя II / III; следующие I-волны (позже I-волны) производятся реверберирующей цепью между пирамидными нейронами, расположенными в слое V, возбуждающими нейронами, расположенными в слое II / III, и интернейронами-ингибиторами ГАМК. Зубец D возникает в результате прямого возбуждения кортикоспинальных аксонов в подкорковом белом веществе на некотором расстоянии от тела клетки нейронов, расположенных в слое V.I-волны отделены друг от друга примерно на 1,5 мс, что является средней задержкой передачи между нейронами слоя II / III и пирамидными нейронами уровня V. ТМС вызывает сильную деполяризацию возбуждающих клеток слоя II / III, что, в свою очередь, приводит к привлечению полностью синхронизированных кластеров пирамидных нейронов слоя V и тормозных нейронов, производящих высокочастотный (~ 670 Гц) повторяющийся разряд кортикоспинальные аксоны. Роль тормозных цепей имеет решающее значение в управлении возбуждением возбуждающих цепей для создания высокочастотного разряда.

Рис. 2 Схематическое изображение модели генерации кортикоспинального залпа на основе канонической корковой цепи. Примечания: Модель включает поверхностные возбуждающие пирамидные нейроны слоев II и III (P2 – P3), большие пирамидные нейроны в слое V (P5) и тормозящие клетки ГАМК. Электрическая стимуляция активирует аксоны клеток P5, вызывая D-волну. Магнитная стимуляция вызывает D-волну (вызванную прямой активацией аксонов клеток P5), за которой следует волна I1 (вызванная моносинаптической активацией клеток P5 аксонами клеток P2 – P3).При высокой интенсивности магнитная стимуляция также вызывает повторяющуюся активность в цепи, состоящей из пирамидных нейронов слоя II и III и слоя V вместе с их связями с локальными ГАМКергическими интернейронами (черный эллипс и стрелки), вызывая поздние I-волны. По материалам Di Lazzaro V, Ziemann U. Вклад транскраниальной магнитной стимуляции в функциональную оценку микросхем моторной коры головного мозга человека. Передние нейронные цепи . 2013; 7: 18. 34

Распространение концепции канонической схемы на схемы экономических решений

Одна интересная гипотеза состоит в том, что сложное человеческое поведение, такое как принятие экономических решений, также можно объяснить с точки зрения канонического коркового контура.Действительно, сеть, описанная в исследованиях Padoa-Schioppa et al. ^35–37 , удовлетворяет обоим критериям, необходимым для канонической микросхемы: 1) наличие стереотипных отношений между разными типами нейронов, каждый из которых выполняет определенную задачу. ; и 2) наличие адекватного анатомического фона.

Что касается первого пункта, авторы рисуют модель, которая воспроизводит взаимосвязь между различными типами клеток. По их мнению, сеть для принятия экономических решений состоит из трех типов ячеек: ячеек «стоимости предложения», которые кодируют стоимость отдельных представленных товаров; ячейки «выбранного сока», которые кодируют идентичность выбранного товара и, следовательно, результат бинарного решения; и ячейки «выбранная стоимость», в которых кодируется стоимость выбранных товаров.С точки зрения канонической схемы, ячейки «значения предложения» представляют входной уровень, а ячейки «выбранного сока» представляют выходной уровень этой сети; наконец, клетки «выбранного значения» могут работать как тормозящие интернейроны. ³⁷ Интересно, что сами авторы искали параллель между своей сетью «экономических решений» и моделью Ванга для перцептивных решений ³⁷ в качестве дополнительной демонстрации того, что основные механизмы корковых цепей могут быть применимы в разных контекстах.Применяя модель Ванга, авторы предполагают, что механизмы сети «экономических решений» также основаны на периодическом возбуждении пирамидных нейронов, которые действуют как клетки «избранного сока», а торможение опосредуется клетками «выбранной ценности».

Что касается анатомических требований, схема «экономических решений» была расположена в орбитофронтальной коре, вентромедиальной части префронтальной коры. Эта область демонстрирует несколько прогрессивных стадий ламинарного развития с более дифференцированной слоистой организацией коры в задне-переднем направлении, с большей и достаточной сложностью по направлению к лобному полюсу. ³⁸ Таким образом, мы можем предположить, что цитоархитектура этой области может обеспечить адекватный анатомический фон для функционирования канонической цепи.

Хотя данные, предоставленные Padoa-Schioppa et al. ^35–37 , очень интересны, необходимы дальнейшие экспериментальные исследования, чтобы определенно распространить концепцию канонической цепи на корковые области, участвующие в сложном поведении человека, таком как принятие экономических решений.

Заключение

Информация, необходимая для построения подробной и конкретной конфигурации неокортекса, которая содержит приблизительно 10 ¹² соединений, намного превышает ~ 10 ⁸ бит информации, доступной в геноме для спецификации всего организма.Только на этих основаниях кажется, что природная стратегия построения неокортекса должна зависеть от динамической сборки довольно специфических, но простых модулей. ³⁹ Удивительно однородная микроскопическая структура неокортекса и его ламинарный процесс развития подтверждают эту точку зрения. Возможный вопрос, который может возникнуть, заключается в том, почему разные системы (например, двигатель и система принятия решений) должны совместно использовать базовую схему с одной и той же организацией. Первое, что следует учитывать, – это биологическое преимущество, получаемое от использования одного и того же рисунка в нескольких областях, как с точки зрения анатомии, так и с точки зрения адаптивности и пластичности; В дополнение к анатомическим преимуществам (которые гарантируют, что бесчисленные синаптические соединения поддерживаются в порядке и в ограниченном пространстве), наличие базовой канонической схемы также позволяет легко менять пластику в соответствии с требованиями окружающей среды.Эта точка зрения кажется верной, если рассматривать проблему также с эволюционной точки зрения: нечеловеческие приматы разделяют многие процессы принятия решений, типичные для людей. ⁴⁰ Вероятно, что каноническая схема, которую можно легко применить к различным функциям в разных областях одного и того же мозга, также является легко передаваемой, а значит, филогенетически полезной моделью.

Раскрытие информации

Авторы сообщают об отсутствии конфликта интересов в этой работе.

---

Список литературы

1.	Дуглас Р.Дж., Мартин К.А. Нейронные цепи неокортекса. Анну Рев Neurosci . 2004. 27 (1): 419–451.
2.	Хайнцле Дж., Хепп К., Мартин К.А. Микросхема лобных полей глаза. Дж. Neurosci . 2007. 27 (35): 9341–9353.
3.	Дуглас Р.Дж., Мартин К.А., Уиттеридж Д. Каноническая микросхема для неокортекса. Нейронные вычисления .1989. 1 (4): 480–488.
4.	Дуглас Р.Дж., Мартин К.А. Картирование матрицы: пути неокортекса. Нейрон . 2007. 56 (2): 226–238.
5.	Дуглас Р.Дж., Мартин К.А. Функциональная микросхема зрительной коры головного мозга кошки. Дж. Физиол (Лондон) . 1991; 440: 735–769.
6.	Бинцеггер Т., Дуглас Р.Дж., Мартин К.А. Количественная карта цепи первичной зрительной коры кошки. Дж. Neurosci . 2004. 24 (39): 8441–8453.
7.	Atencio CA, Sharpee TO, Schreiner CE. Иерархические вычисления в каноническом слуховом корковом контуре. Proc Natl Acad Sci U S A . 2009. 106 (51): 21894–21899.
8.	Atencio CA, Sharpee TO, Schreiner CE. Кооперативные нелинейности в слуховых корковых нейронах. Нейрон . 2008. 58 (6): 956–966.
9.	Константинидис С, Гольдман-Ракич П.С. Коррелированные разряды между предполагаемыми пирамидными нейронами и интернейронами в префронтальной коре приматов. Дж. Нейрофизиол . 2002. 88 (6): 3487–3497.
10.	Hussar CR, Pasternak T. Гибкость сенсорных представлений в префронтальной коре зависит от типа клеток. Нейрон . 2009. 64 (5): 730–743.
11.	Уилсон Ф.А., О’Скалайд С.П., Гольдман-Ракич П.С. Функциональный синергизм между предполагаемыми гамма-амиобутират-содержащими нейронами и пирамидными нейронами в префронтальной коре. Proc Natl Acad Sci U S A . 1994. 91 (9): 4009–4013.
12.	Johnston K, DeSouza JF, Everling S. Префронтальные кортикальные пирамиды и предполагаемые интернейроны Monkey демонстрируют различные паттерны активности между задачами просаккады и антисаккад. Дж. Neurosci . 2009. 29 (17): 5516–5524.
13.	Карнани М.М., Агецума М., Юсте Р. Покрывало ингибирования: функциональные выводы из плотной ингибирующей связности. Curr Opin Neurobiol . 2014; 26: 96–102.
14.	Vogels TP, Abbott LF. Стробирование нескольких сигналов за счет детального баланса возбуждения и торможения в цепях с выбросами. Нат Neurosci .2009. 12 (4): 483–491.
15.	Сюэ М., Аталлах Б.В., Сканзиани М. Уравнивание отношений возбуждения и торможения в нейронах зрительной коры. Природа . 2014; 511 (7511): 596–600.
16.	Hangya B, Pi HJ, Kvitsiani D, Ranade SP, Kepecs A. От схемных мотивов к вычислениям: отображение поведенческого репертуара корковых интернейронов. Curr Opin Neurobiol . 2014; 26: 117–124.
17.	Kepecs A, Fishell G. Типы интернейронных клеток пригодны для работы. Природа . 2014. 505 (7483): 318–326.
18.	Константинидис К., Ван XJ. Основа нейронной схемы для пространственной рабочей памяти. Невролог . 2004. 10 (6): 553–565.
19.	Ван XJ, Тегнер Дж, Константинидис С., Гольдман-Ракич П.С.Разделение труда между отдельными подтипами тормозных нейронов в корковой микросхеме рабочей памяти. Proc Natl Acad Sci U S A . 2004. 101 (5): 1368–1373.
20.	Ардид С., Винк М., Капинг Д., Маркес С., Эверлинг С., Вомельсдорф Т. Отображение функционально охарактеризованных классов клеток на операции канонической цепи в префронтальной коре приматов. Дж. Neurosci . 2015; 35 (7): 2975–2991.
21.	Санидес Ф. Функциональная архитектура моторной и сенсорной коры у приматов в свете новой концепции эволюции неокортекса. В: Noback CR, Montagna W, редакторы. Мозг приматов : Успехи в приматологии . Нью-Йорк, Нью-Йорк: Appleton-Century-Crofts; 1970.
22.	Economo von C. В: Triarhou LC, редактор. Клеточная структура коры головного мозга человека . Базель, Швейцария: Karger Medical and Scientific Publishers; 2009 г.
23.	Зиллес К., Амунц К. Архитектура коры головного мозга. В: Май Дж. К., Паксинос Г., редакторы. Нервная система человека . Сан-Диего, Калифорния: Academic Press; 2012: 836–895.
24.	Herculano-Houzel S, Watson C, Paxinos G. Распределение нейронов в функциональных областях коры головного мозга мыши выявляет количественно различные корковые зоны. Фронт нейроанат .2013; 7: 35.
25.	Collins CE, Airey DC, Young NA, Leitch DB, Kaas JH. Плотность нейронов варьируется в пределах и в пределах корковых областей у приматов. Proc Natl Acad Sci U S A . 2010. 107 (36): 15927–15932.
26.	Kätzel D, Zemelman BV, Buetfering C, Wölfel M, Miesenböck G. Столбчатая и ламинарная организация тормозных связей с возбуждающими клетками неокортекса. Нат Neurosci .2011. 14 (1): 100–107.
27.	Suzuki N, Bekkers JM. Два уровня синаптической обработки основных нейронов грушевидной коры. Дж. Neurosci . 2011. 31 (6): 2156–2166.
28.	Годлав, округ Колумбия, Майер А., Вудман Г.Ф., Шалл Д.Д. Микросхема агранулярной лобной коры: проверка общности канонической корковой микросхемы. Дж. Neurosci . 2014. 34 (15): 5355–5369.
29.	Гилберт CD. Микросхемы зрительной коры. Анну Рев Neurosci . 1983; 6 (1): 217–247.
30.	Callaway EM. Локальные цепи в первичной зрительной коре головного мозга обезьяны макаки. Анну Рев Neurosci . 1998. 21 (1): 47–74.
31.	Beul SF, Hilgetag CC. К «канонической» агранулярной кортикальной микросхеме. Фронт нейроанат . 2015; 8: 165.
32.	Merton PA, Morton HB. Стимуляция коры головного мозга у интактного человека. Природа . 1980; 285 (5762): 227.
33.	Баркер А., Фристон И., Джалиноус Р. Неинвазивная стимуляция двигательных путей в головном мозге с использованием изменяющихся во времени магнитных полей. Электроэнцефалор Клин Нейрофизиол . 1985; (61): S245.
34.	Ди Лаззаро В., Зиманн У. Вклад транскраниальной магнитной стимуляции в функциональную оценку микросхем моторной коры головного мозга человека. Передние нейронные цепи . 2013; 7: 18.
35.	Padoa-Schioppa C, Assad JA. Нейроны орбитофронтальной коры кодируют экономическую ценность. Природа . 2006. 441 (7090): 223–226.
36.	Падоа-Скиоппа К. Нейронные истоки изменчивости выбора при принятии экономических решений. Нейрон . 2013. 80 (5): 1322–1336.
37.	Рустичини А., Падоа-Скиоппа С. Нейровычислительная модель экономических решений. Дж. Нейрофизиол . 2015; 114 (3): 1382–1398.
38.	Макки С., Петридес М. Архитектура и морфология вентромедиальной префронтальной коры головного мозга человека. Eur J Neurosci . 2014. 40 (5): 2777–2796.
39.	Бинцеггер Т., Дуглас Р.Дж., Мартин К.А. Топология и динамика канонической схемы кота V1. Нейронная сеть . 2009. 22 (8): 1071–1078.
40.	Santos LR, Rosati AG. Эволюционные корни принятия решений человеком. Анну Рев Психол . 2015; 66 (1): 321–347.

Автоматическое обнаружение типов клеток и микросхем из нейронной коннектомики

Однако было также сочтено, что неясно, как работает алгоритм и каковы его ограничения – настоятельно необходимо более тщательное описание и представление метода с дополнительными обсуждениями.Другими словами, действительно ли метод работает? В представленном виде он кажется волшебным и впечатляющим, и были некоторые опасения, не было ли оно слишком хорошим, чтобы быть правдой. Данные и методы должны быть доступны, а также иметь элементы управления и показывать кривые ROC для дальнейшей оценки. Также необходима более строгая формулировка терминов и цифр на этикетках. Также было сочтено, что цифры, хотя и эстетически приятны, не помогают при оценке алгоритма .

Мы добавили широкий спектр дополнительных подробных анализов, добавили дополнительные цифры, чтобы напрямую указать на полезность алгоритма.Мы также добавили моделирование, чтобы показать, при каких обстоятельствах алгоритм не работает. Действительно, нас по-настоящему впечатлил тот факт, что рецензенты просят провести анализ видов отказов вместо того, чтобы заявлять (как в некоторых известных журналах), что любой из (неизбежных) видов отказов может стать причиной для отказа.

В частности, были затронуты следующие аспекты :

1) Объясните ограничения алгоритма, то есть, где он не работает (отмечая, что рецензенты понимают, что ни один алгоритм не может решить каждую проблему).Лучше всего это сделать в контексте игрушечной задачи. Любому потенциальному пользователю этого алгоритма будет полезно лучше понять его ограничения. При каких условиях он выходит из строя? Какие есть точки давления? Например, что, если набор данных имеет структуру, но на самом деле нет отдельных классов (как было предложено для коры головного мозга)? Он особенно чувствителен к выбору некоторых приоров? И т.д. Возможно, другие примеры дадут лучшее представление о потенциальных режимах отказа .

Мы добавили моделирование, показывающее режимы отказа алгоритмов. Есть два вида сбоев: (1) алгоритм может не справиться с правильным решением проблемы, которую он призван решить, (2) проблема может не справиться с проблемой, которую мы, ученые, хотим решить, потому что на самом деле он решает другую проблему. проблема. Мы добавили моделирование, чтобы решить эти две проблемы. Короче говоря, как мы уже показали в отношении (1), алгоритм работает все хуже и хуже, поскольку классы становятся все более и более похожими, поскольку это замедляет смешивание.Такое поведение типично для алгоритмов MCMC. Что касается (2), мы построили случаи, когда алгоритм выводит типы ячеек, где их нет, в случае непрерывных распределений, и случаи, когда алгоритм не находит типы ячеек, потому что другие аспекты типов ячеек (например, границы реконструируемых площадей) делают оценку невозможной.

2) Показать перекрестную проверку на предсказании ссылки .

Готово.

3) Как указано, анализ идентичности типа клеток трудно поддается синтаксическому анализу; сюжеты в стиле цирка мало что говорят, а другие сюжеты часто неадекватно обозначены.Также неясно, как валидация проводилась или должна была соблюдаться. Требуется просто увидеть кривые ROC (или зарегистрированные площади) или что-то подобное. Цифры малоинформативны. Как какой-нибудь известный контролируемый метод справится с этой задачей при перекрестной проверке? Интуитивно кажется, что это естественный выбор для изучения идентичности клеток . См., Например, PMID: 21154911, где подробно описан анализ .

Мы отказались от графиков связности в стиле Circos, которые, несмотря на внешнюю привлекательность, не справлялись с задачей адекватной передачи типа и связности, связанной с расстоянием.Вместо этого теперь мы используем линейный график зависимости связности от расстояния. Мы считаем, что это более четко демонстрирует зависимый от расстояния характер связи. Теперь мы обсудим возможность и ограничения контролируемых методов.

Показать прогноз стиля ROC для типов ячеек. Это можно сделать с помощью перекрестной проверки, то есть выполнить кластеризацию, а затем пометить все клетки, используя, например, 2/3 данных, помеченных человеком. Затем присвойте каждой неизвестной ячейке метку на основе ее принадлежности к ячейкам с известными метками.Это в конечном итоге даст ранжированную оценку, поскольку является вероятностной. Метод сравнения был бы чем-то вроде присвоения ближайшего соседа. Чтобы не превращать это в проблему предсказания нескольких классов, можно делать это по одному классу за раз и не беспокоиться о перекрывающихся назначениях. Это установило бы хороший стандарт для сравнения методов .

Чтобы решить эту проблему, мы расширили набор показателей, которые мы используем для количественной оценки кластеризации, с учетом ARI, полноты и однородности. Прогнозы в стиле ROC были бы интересными и выполнимыми, если бы только наборы данных были больше.В настоящее время существует лишь очень небольшое количество примеров многих типов, и удаление большего количества для анализа ослабило бы нашу силу. Мы считаем, что этот вид проблемы также хорошо решается нашим новым и гораздо более всесторонним анализом свойств алгоритма.

4) Рассмотрение и обсуждение краевых эффектов в данных сетчатки .

Набор данных сетчатки охватывает относительно небольшой объем сетчатки (порядка 100 микрон в каждом направлении), и большинство клеток, чьи тела расположены в этом объеме, имеют свои нейриты «отрезаны», т.е.е. они не полностью содержатся в объеме. Это приведет к краевым эффектам, которые могут повлиять на паттерны соединений или смещать их, например, клетки, чьи тела находятся рядом с центром поля зрения, должны иметь больше синаптических контактов (больше партнеров в матрице контактов) просто потому, что они более полно захватываются в реконструкция. Как такие потенциальные краевые эффекты учтены в настоящем анализе? Можно ли улучшить производительность алгоритма кластеризации за счет учета таких смещений ?

Готово.

5) Пример микросхемы считался менее критичным по сравнению с предоставлением большего количества испытаний, дополнительных деталей и обсуждения сетчатки глаза и C.elegans примеров .

Мы несколько сократили пример микросхемы. Мы считаем, что он по-прежнему полезен, поскольку позволяет читателю понять, что этот общий класс алгоритмов может быть полезен не только в области нейробиологии.

6) Использование информации о связности для характеристики узлов в нейронной сети имеет долгую историю в когнитивной и системной нейробиологии.Было бы неплохо указать на это. Возможной отправной точкой является обзор Passingham et al. (2002) в Nature Reviews Neuroscience .

Мы добавили обширные ссылки на эту часть литературы во вновь созданном разделе «Обсуждение».

7) Дополнительные комментарии относительно аспектов бесполезного / нечеткого рисунка для особенностей алгоритма :

Существуют ли какие-либо известные внутренние предубеждения в отношении предпочтений в размерах кластеров? Из Рисунок 4 видно, что существует небольшое количество довольно больших (и довольно однородных) кластеров и большее количество довольно маленьких (которые кажутся довольно шумными с точки зрения классификации клеток анатома) .

Наша модель использует апарметрический априор, который, как правило, полагает, что для прогнозирования данных можно использовать «небольшое» количество кластеров, но (если данные поддерживают это), но вероятность данных легко преобладает. Хорошее согласие как по размеру, так и по типу кластера с синтетическими данными заставляет нас думать, что это не результат предшествующих. Кроме того, мы выполняем гиперпараметрический вывод по параметру концентрации кластеров альфа. Это позволяет избежать чрезмерного смещения модели в сторону больших кластеров.Таким образом, мы считаем, что «шум», присутствующий в кластеризации, действительно отражает неопределенность данных.

Трудно судить только по визуальному осмотру, насколько «хорошее» соответствие между автоматическим кластерным анализом и схемой заказа анатома ( Рисунок 3C , внешнее кольцо). Есть ли более количественный способ определения «соответствия» модели априорному присвоению анатомических типов клеток ?

Как упоминалось выше, мы добавили дополнительные метрики соответствия.Мы также расширили обсуждение этого вопроса в тексте, чтобы читателям было легче его усвоить.

В аналогичном ключе текст утверждает (в подразделе, озаглавленном «Восстановление пространственной связности в нескольких графах одновременно»), что для C. elegans кластеры примерно однородно соответствуют мото, сенсорным и интернейронам, но если посмотреть на Рис. 5 , не так уж и понятно. Интернейроны обнаруживаются почти во всех кластерах, и очень немногие из них действительно однородны по отношению к этим трем типам нейронов.Опять же, было бы хорошо подумать о способе количественной оценки «однородности» .

Мы добавили количественную оценку однородности и смягчили обсуждение в тексте.

На круговых графиках (например, Рисунок 1I ) не совсем понятно, к чему относятся заштрихованные дуги в центре. Пропорционально ли затенение какой-то плотности (какой?), И какая ширина этих дуг относится к ?

Как указано выше, мы отказались от графиков в стиле цирка, заменив их (как мы надеемся) более интуитивно понятными и тщательно аннотированными линейными фигурами.

https://doi.org/10.7554/eLife.04250.015

Новый метод картирования миниатюрных мозговых цепей

В рамках наноинженерии ученые разработали новую технику картирования электрических цепей в мозге гораздо более полно, чем когда-либо прежде.

В мозге выделенные группы нейронов, которые соединяются в микросхемы, помогают нам обрабатывать информацию о вещах, которые мы видим, обоняем и ощущаем на вкус. Знание того, сколько и какого типа клеток составляют эти микросхемы, дало бы ученым более глубокое понимание того, как мозг вычисляет сложную информацию об окружающем мире.Но существующие методы не смогли нарисовать полную картину.

Новая методика, разработанная исследователями из Института Фрэнсиса Крика, преодолевает предыдущие ограничения и позволила им нанести на карту все 250 клеток, составляющих микросхему в части мозга мыши, которая обрабатывает запах – то, что никогда не было достигнуто ранее. .

Метод, опубликованный сегодня в Nature Communications , может быть использован учеными всего мира для раскрытия архитектуры различных частей мозга.

«Традиционно ученые использовали либо вирусы с цветными метками, либо заряженные красители с приложенным электрическим током для окрашивания клеток мозга, но эти подходы либо не маркируют все клетки, либо повреждают окружающие ткани», – сказал Андреас Шефер, руководитель группы у Крика, который руководил исследованием.

Создав серию крошечных отверстий на конце микропипетки с помощью инструментов нанотехнологий, команда обнаружила, что они могут использовать заряженные красители, но распределять электрический ток по более широкой области, чтобы окрашивать клетки, не повреждая их.И в отличие от методов, использующих вирусные векторы, они могли окрашивать до 100% клеток исследуемой микросхемы. Им также удалось определить пропорции различных типов клеток в этой цепи, что может дать ключ к разгадке функции этой части мозга.

Андреас добавил: «Очевидно, что мы работаем в очень небольшом масштабе, но поскольку мозг состоит из повторяющихся единиц, мы можем многое узнать о том, как мозг работает как вычислительная машина, изучая его на этом уровне.Теперь, когда у нас есть инструмент для картирования этих крошечных единиц, мы можем начать вмешиваться в определенные типы клеток, чтобы увидеть, как они напрямую контролируют поведение и сенсорную обработку ».

Работа проводилась в сотрудничестве с исследователями из Института Макса Планка. для медицинских исследований в Гейдельберге, Гейдельбергский университет, Гейдельбергская университетская больница, UCL, Национальный институт медицинских исследований MRC и Медицинский центр Колумбийского университета.

Расшифровка схем сознания: от локальных микросхем до сетей масштаба мозга | Network Neuroscience

Понимание того, как сознание возникает в результате коммуникации между областями мозга, является вопросом первостепенной важности в области нейробиологии в целом и для диагностики и лечения пациентов, страдающих расстройствами сознания (DOC) в частности.Проблему сознания можно рассматривать как фундаментальную (например, «Что такое сознание?» И «Почему у нас есть субъективные, сознательные переживания?»; Такие вопросы называются «трудной» проблемой сознания [Harnad, 1998]). или более эмпирический (например, «Какие процессы связаны с возникновением и поддержанием сознания?»; это формирует «мягкую» проблему сознания [Harnad, 1998]). В этом обзоре мы стремимся понять (1) как сети мозга на разных уровнях участвуют в обеспечении и поддержании сознательных процессов передачи и обработки информации, связанных с осознанием и бодрствованием, и (2) как эти механизмы связаны с нарушениями сознания. у пациентов с DOC.

Было предложено множество теорий, объясняющих происхождение сознания, от абстрактных и информационных концепций до теорий, основанных на нейрофизиологии. Наиболее распространенные теории сознания имеют общее фундаментальное предположение: обработка информации в сетях человеческого мозга неразрывно связана с сознанием. В недавней статье Дехена и его коллег этот принцип резюмируется следующим образом (Dehaene, Lau, & Kouider, 2017): «То, что мы называем« сознанием », является результатом определенных типов вычислений обработки информации, физически реализуемых аппаратными средствами мозга.”

В этом обзоре мы упоминаем три теории, которые кажутся наиболее известными в области исследования сознания. Однако читатель должен знать, что было предложено множество других теорий с разной степенью успеха. В рамках данного обзора, посвященного микро- и макросхемам, задействованным в сознании, мы сосредоточимся на этих трех основных теориях, которые можно связать с такими соображениями о свойствах сети мозга.Три основные теории сознания – это теория интегрированной информации (IIT; Tononi, 2004), гипотеза динамического ядра (DCH; Tononi & Edelman, 1998) и теория глобального рабочего пространства (GWT; Baars, 1988; Dehaene, Kerszberg, & Changeux, 1998; Dehaene, Sergent, & Changeux, 2003). Исторически теория DCH была первой, кто ссылался на понятие обработки информации, связанной с сознанием (Tononi & Edelman, 1998). Эта теория основана на центральной роли функциональных кластеров в таламо-корковой системе и реентерабельных взаимодействиях, при этом высокая интеграция и дифференциация нейрональной активности имеют решающее значение в возникновении сознательных явлений.ИИТ, который представляет собой эволюцию и обобщение DCH, основан на наборе аксиом, из которых вытекают постулаты. IIT также предоставляет вычислимую величину Φ, также называемую интегрированной информацией , которая количественно определяет уровень сознания. В случае ИИТ не было предложено никакого конкретного физиологического субстрата, поскольку эта теория в основном сосредоточена на понимании того, как сознание возникает в результате интеграции информации между несколькими системами. В этой структуре, если объединение подэлементов увеличивает возможности обработки информации больше, чем линейное добавление этих элементов, тогда увеличивается объем интегрированной информации.GWT – это теория теории сознания, которая более напрямую связана с нейрофизиологией и нейроанатомией. Основная гипотеза GWT состоит в том, что информация, связанная с сознательными процессами, доступна в глобальном масштабе в мозгу и что сосуществуют две принципиально разные вычислительные системы: (1) сеть распределенных «локальных» процессоров, работающих параллельно в мозгу («бессознательное »), И (2)« глобальное »рабочее пространство, образованное сетью распределенных взаимосвязанных областей коры головного мозга, участвующих в сознательном восприятии (Baars, 1988).В оставшейся части этого обзора следует проводить различие между понятиями «сознание» и «сознательное восприятие» с точки зрения субъективного опыта. Концепция сознания намного шире, чем сознательное восприятие, и включает, среди прочего, способность запоминать, воспринимать и сообщать, а также чувство самости (Seth, 2018). Сознательное восприятие относится, в частности, к возможности отчетности о фокусе нашего восприятия (Naccache, 2005). Ключевой концепцией здесь является то, что глобальное рабочее пространство состоит из удаленных регионов, плотно связанных глутаматергическими кортико-кортикальными связями, в отличие от сети локальных процессоров, работающих «изолированно» (параллельно).Стоит отметить, что это различие между бессознательными и сознательными процессами недавно было поставлено под сомнение и может быть чрезмерным упрощением (Melnikoff & Bargh, 2018). В GWT сознательное восприятие связано с «зажиганием», широкомасштабным паттерном активации мозга, вызванным воздействием стимула (Dehaene et al., 2003). Если стимул не вызывает воспламенения, и если индуцированная реакция мозга остается пространственно ограниченной и краткой, то восприятие не достигает сознания.Другими словами, стимул должен быть достаточно длинным и сильным, чтобы достичь сознания, что предполагает форму механизма фильтрации, которая согласуется с точкой зрения, согласно которой только ограниченный объем информации эффективно входит в глобальное рабочее пространство. Несмотря на эти успехи в учете экспериментальных данных у людей в отношении подсознательного (бессознательного) и сознательного восприятия (King, Pescetelli, & Dehaene, 2016; Sergent & Dahaene, 2004), одним из недостатков GWT является то, что он явно не связывает крупномасштабные рекрутирование областей мозга во время сознательного доступа с клеточными механизмами.Точнее, что мешает воспламенению при коротких, не относящихся к делу раздражителях? И наоборот, что дает возможность зажигания при сильных раздражителях? Нейроанатомические, нейрофизиологические и динамические механизмы, лежащие в основе воспламенения, имеют фундаментальное значение для понимания того, как мы осознаем стимул или как изменения сетей мозга могут привести к нарушению сознания у пациентов с DOC. Поскольку GWT и DCH – это две теории, которые больше всего фокусируются на нейрофизиологических субстратах сознания и фокусируются соответственно на кортико-корковой связности и таламо-корковой связности, которые являются двумя ключевыми проблемами, подробно описанными в этом обзоре, мы обсуждаем только эти две теории. в оставшейся части этого обзора.

Если принять, что сознание связано с достаточно сложной (в алгоритмическом смысле «менее сжимаемой») обработкой информации, то возникновение сознания критически зависит от трех факторов: (1) физической сети, обеспечивающей взаимодействие между ее компонентами; (2) гибкость для временной реорганизации подсетей для достижения больших вычислительных возможностей за счет увеличения числа возможных конфигураций и функций ввода-вывода за счет функциональной связности; и (3) динамическое взаимодействие между его компонентами.Эти три критических компонента могут быть изменены, например, при поражениях после черепно-мозговой травмы. Хотя физическая крупномасштабная сеть, связывающая области мозга, хорошо определена и известна как коннектом, все еще остаются нерешенными вопросы, касающиеся временной организации кластеров, выполняющих определенные вычисления (функциональные сети), связанных средств коммуникации (нейронное кодирование) и того, как крупномасштабные функциональные сети мозга и маршрутизация информации могут быстро реконфигурироваться в зависимости от регулирования микросхемы.

В то время как основные теории сознания, представленные в этом обзоре, были сосредоточены на крупномасштабных процессах, связанных с сознанием, было приложено мало усилий, чтобы понять, как масштаб микросхемы может помочь понять, как возникает крупномасштабная скоординированная деятельность. Соединение уровней микро- и макроцепей кажется необходимым для получения целостного представления о физиологических процессах, лежащих в основе поддержания сознания (Changeux, 2017).Поэтому в этом обзоре мы формулируем гипотезу о том, что учет механизмов клеточного масштаба может обеспечить возможные направления для расширения существующих теорий сознания, охватывая несколько пространственных масштабов описания. Такое многомасштабное понимание является предпосылкой для понимания того, как сети мозга становятся дисфункциональными в DOC, и может способствовать согласованию GWT и DCH в единую структуру. Более конкретно, мы предполагаем, что совместное возникновение низкочастотных и высокочастотных нейрональных колебаний может обеспечить отдаленную коактивацию (низкочастотное, глутаматергическое происхождение), которая затем сделает возможным связывание (высокочастотное, ГАМКергическое происхождение).Это включало бы формирование функциональной сети из нескольких областей мозга посредством низкочастотного ритма, прежде чем информация будет передаваться и обрабатываться, в частности, посредством гамма-активности.

Обзор организован следующим образом. Во-первых, мы исследуем взаимосвязь между двумя измерениями сознания, а именно бодрствованием и осознаванием, с функциональной связью между корковыми областями и таламусом.Во-вторых, мы рассматриваем «средства коммуникации», обеспечивающие комплексную обработку информации, связанную с сознанием, которые регулируют кортико-корковые коммуникации, среди которых коммуникация посредством когерентности (CTC) и стробирование посредством ингибирования (GBI). Изменение этих механизмов представлено в клинической литературе. В-третьих, мы пытаемся связать эти результаты с недавно появившимися концепциями, основанными на взаимодействии между областями мозга, основанном на перекрестных частотных связях между колебаниями с определенными функциональными ролями.Наконец, мы предлагаем возможные клинические последствия для этой структуры с точки зрения новых протоколов нейромодуляции в DOC.

Сознательное восприятие является результатом взаимодействия двух взаимодействующих друг с другом процессов: осознания и бодрствования . Глубокий сон отключает осознанность, тогда как способность к сознательному восприятию (осознанию) стимулов окружающей среды обычно подразумевает состояние бодрствования, как показано на рисунке 1.Например, во время общей анестезии отсутствует сознательное восприятие, то есть осознание и бодрствование. Однако в некоторых особых случаях эти два компонента могут не быть связаны. Состояние безответного бодрствования (UWS) является примером DOC, в котором бодрствование присутствует без каких-либо обнаруживаемых признаков осведомленности (Laureys & Boly, 2012). Кроме того, во время осознанных сновидений существует форма осознания в отсутствие бодрствования (во время сна) (Voss, Schermelleh-Engel, Windt, Frenzel, & Hobson, 2013).Другой пример – синдром пространственного пренебрежения, при котором пациенты не осознают визуальные стимулы, находясь в состоянии бодрствования на противоположной стороне коркового поражения (Le, Stojanoski, Khan, Keough, & Niemeier, 2015). Отметим, что человеческое сознание – это многокомпонентное понятие, которое чрезвычайно сложно определить, поскольку оно включает в себя объективные состояния и субъективный опыт, включающий различные «содержания» и «уровни» сознания. Каждый автор предлагает собственное определение сознания, поскольку эти компоненты все еще обсуждаются и не всегда точно определены (Storm et al., 2017). Поскольку основная цель этой статьи – обсудить нейронные корреляты сознания (Crick & Koch, 1998), мы ограничили здесь понятие сознания базовым компонентом бодрствования , (состояние бодрствования / сна, бдительность, бдительность) и осведомленность (содержание осознанного восприятия).

Рис. 1.

Бодрствование и осведомленность – два основных измерения сознания.На этой диаграмме несколько качественно различных состояний сознания расположены на двумерной матрице в зависимости от связанных осей «содержание сознания» (осведомленность) и «уровень сознания» (бодрствование). По материалам Laureys (2005).

Рисунок 1.

Бодрствование и осознанность – два основных измерения сознания. На этой диаграмме несколько качественно различных состояний сознания расположены на двумерной матрице в зависимости от связанных осей «содержание сознания» (осведомленность) и «уровень сознания» (бодрствование).По материалам Laureys (2005).

Осведомленность поддерживается внимательными, лобно-теменными сетями, которые усиливают синаптические связи в определенных корковых путях (Tallon-Baudry, 2011). Это усиление соответствующих стимулов усиливает активированную сеть, связанную с представлением стимула. Параллельно, сопутствующее подавление нерелевантных окружающих сетей (1) оптимизирует кортико-корковую маршрутизацию информации, ограничивая возможное распространение нейронной активности по всем возможным кортикальным «маршрутам», что (2) ограничивает распространение ограниченным числом управляемых стимулами возможности, и (3) увеличивает отношение сигнал / шум.Такие механизмы связаны с концепцией функциональной связи и подробно описаны в этом обзоре. Важно отметить, что такие механизмы активного торможения, вероятно, включают корковое торможение с активной модуляцией таламо-кортикальными входами (Gabernet, Jadhav, Feldman, Carandini, & Scanziani, 2005), подразумевая, что характер таламо-корковой активности влияет на обработку информации в корково-корковых органах корковые сети.

Бодрствование критически зависит от таламкортикальной связи и критических нейромодулирующих сигналов ствола мозга в таламус (включая проекции норадреналина из голубого пятна [Monti, 2011] и проекции системы ретикулярной формации), заднего гипоталамуса и самого таламуса (Lin, 2000).Например, во время медленноволнового сна низкочастотная синхронизированная активность между корой и таламусом (так называемый ритм «вверх-вниз» [Neske, 2015]) препятствует передаче подкорковых сигналов к коре во время сна. . Это пример того, как таламо-корковая активность резко снижает обработку информации кортико-корковыми сетями, что приводит к потере сознания. Во время бодрствования таламо-корковая активность слабо синхронизирована (Gent, Bandarabadi, Herrera, & Adamantidis, 2018), что является необходимым, но не достаточным условием для включения сознания.Например, как уже упоминалось, бодрствование присутствует у пациентов с UWS, но кортико-корковая коммуникация серьезно нарушена (Noirhomme et al., 2010), что мешает регистрируемому «осознанному» компоненту сознания. Еще одно необходимое условие для сознания – это эффективная крупномасштабная кортико-корковая коммуникация, которая может поддерживать осознание за счет активации лобно-теменных сетей внимания (Luckmann, Jacobs, & Sack, 2014; Ptak, Schnider, & Fellrath, 2017). Следовательно, с точки зрения нейроанатомии, можно связать бодрствование с таламо-кортикальной, «вертикальной» связью, в то время как осознание зависит от кортико-корковой, «горизонтальной» связи.Это согласуется с недавним взглядом Наккэша (2018) о том, что пациенты с минимальным сознанием (MCS), которые в некоторой степени сознательны, демонстрируют «корково-опосредованные состояния», тогда как пациенты с UWS не проявляют такой активности, предположительно из-за кортико-корковой связности. (критично для осознания) слишком сильно нарушена. В частности, для возникновения и поддержания сознания требуется «критическая масса» обработки информации, которая жестко регулируется таламо-корковой и кортико-корковой связями.Рисунок 1 представляет в двухмерной плоскости континуум состояний сознания как функцию осознания и бодрствования.

Одной из популярных парадигм в исследовании сознания, которая используется для исследования этих двух компонентов, является использование возможности отчетности, то есть инструктирование субъектов, когда они сознательно воспринимают стимул, что позволяет сопоставить активность мозга с / без сознательного отчета, предположительно указывая в ключевых структурах сознательного восприятия.Эта парадигма привела к ключевому пониманию того, как информация становится осознанной, что подтверждается работами, демонстрирующими, как «зажигание» происходит в мозгу, как это формализовано в GWT. Кратковременно представленный стимул приведет к кратковременной локальной активации, например, в визуальных областях, и субъект не будет сообщать о восприятии. Если стимул предъявляется в течение достаточно длительного времени, в течение длительного периода в несколько сотен миллисекунд произойдет крупномасштабная активация мозговых сетей, что приведет к глобальной доступности информации через воспламенение, и субъект сможет сообщить о восприятии.Информация, которая обрабатывается мозгом, но остается ограниченной и не передается глобально другим областям мозга, тогда называется предсознательной (а не бессознательной, что означало бы полное отсутствие обработки мозгом, связанной со стимулами). Наконец, отметим, что возможность отчетности подвергалась сомнению (Tsuchiya, Wilke, Frassle, & Lamme, 2015), поскольку указание испытуемым сообщать о своем восприятии вызывает, например, большую префронтальную активацию, которая напрямую не связана с сознанием как таковым.Следовательно, использование показателей сознания, не связанных с отчетностью, должно помочь уменьшить систематические ошибки при оценке минимальной сети областей мозга, необходимой для поддержки сознания (так называемые NCC, или нейронные корреляты сознания).

Основным недостатком статических сетевых архитектур является их ограниченность с точки зрения объема и разнообразия (сложности) обработки информации, которая может иметь место.Понятие сложности занимает центральное место в изучении сознания, поэтому необходимо подчеркнуть, что были предложены многочисленные меры сложности и что ни одно универсальное определение не является удовлетворительным. Например, сложность Лэмпеля-Зива (LZ), используемая для вычисления метрик сознания Perturbational Complexity Index (Casali et al., 2013), не совсем подходит: Perturbational Complexity Index вычисляется путем применения алгоритма LZ к ответам, вызванным TMS. ; однако полностью случайный набор вызванных TMS ответов приведет к максимальной сложности LZ, что, очевидно, нереально.Также были предложены другие меры сложности для оценки состояния сознания по сигналам ЭЭГ, такие как многомасштабная энтропия (Eagleman et al., 2018) и сложность Колмогорова (Ruffini, 2017), среди других (см. Arsiwalla & Verschure, 2018, для подробный обзор по теме). Несмотря на это концептуальное ограничение сложности LZ, полностью случайная активность, вероятно, нереальна в человеческом мозгу, поскольку всегда существует некоторая степень временной или пространственной организации нейронной активности из-за лежащих в основе микро- и макроподключений.Таким образом, в рамках этих теоретических ограничений LZ кажется адаптированным для количественной оценки сложности, связанной с наличием сознательных процессов. Обширное изучение метрик сложности, применяемых к изучению нейронных сигналов в различных состояниях сознания, безусловно, продвинет область вперед в этом отношении. Отметим, что все меры сложности не страдают ограничением максимальности для случайного сигнала, что является проблемой, подробно обсуждаемой Wang et al. (2017).Можно выделить два разных типа мер сложности: так называемые меры сложности типа 1 линейно возрастают с уровнем случайности, тогда как меры типа 2 увеличиваются со случайностью, затем достигают плато, прежде чем уменьшатся и станут нулевыми для максимальной случайности (колокол -подобная кривая). По предположению Ванга и др. (2017), измерения сложности типа 2 (например, сложность флуктуаций) могут лучше подходить для количественной оценки процессов, связанных с сознанием.

Мозг использует преимущества различных механизмов, которые преодолевают это ограничение, обеспечивая динамическую, временную реконфигурацию сетей мозга, увеличивая репертуар возможных ответов на входные данные (т.е., сложность функций ввода-вывода) (Sporns, 2013). Такие временные сети, включающие только несколько областей мозга, скоординированных для достижения определенной функции, ограниченной по продолжительности, образуют то, что называется функциональной связностью. Растет интерес к функциональным сетям, связанным с конкретными когнитивными задачами (Hassan et al., 2015), и недавно появились новые структуры (Avena-Koenigsberger, Misic, & Sporns, 2017), чтобы объяснить, как связаны анатомические связи в масштабе мозга. к функциональной связи.Функциональные сети организуются с помощью сетевых «средств коммуникации», также называемых коммуникационной динамикой, которые управляют маршрутизацией информации через определенные сети, вместо распространения информации по всей мозговой сети (Avena-Koenigsberger et al., 2017). Если бы не было таких механизмов маршрутизации, любая информация, генерируемая одной областью мозга, могла бы вызвать фазовую синхронизацию во всех анатомически связанных областях (коннектоме), что, в свою очередь, привело бы к синхронизированной активности в масштабе мозга.Такая синхронизированная деятельность в больших масштабах имеет низкую информативность и сложность (например, в случае потери сознания, вызванной судорогами), и поэтому несовместима с поддержанием сознательных процессов. Таким образом, сетевые средства коммуникации критически связаны с динамическим репертуаром нейронных состояний сети, что является ключевым, поскольку сознательные процессы связаны с обработкой богатой и разнообразной информации в крупномасштабных сетях мозга. Отметим, что таких ключевых элементов функционирования мозговых сетей, вероятно, недостаточно для возникновения сознания, а скорее они являются необходимой предпосылкой.Например, рассмотрение периферических функций тела, вероятно, важно для понимания возникновения сознания, как подчеркивается в Azzalini, Rebollo, & Tallon-Baudry (2019).

Более конкретно, один фундаментальный вопрос: какие механизмы регулируют динамику коммуникации и позволяют функциональным сетям возникать в сетях масштаба мозга? Этот вопрос является центральным для понимания того, как мозг оптимизирует свои возможности обработки информации, которые тесно связаны с сознанием.Мы предполагаем, что фундаментальные механизмы, лежащие в основе динамики коммуникации, на самом деле являются механизмами клеточного масштаба, которые (1) предотвращают нейронную синхронизацию в масштабе мозга после стимула и (2) обеспечивают временное соединение определенных отдаленных областей мозга. Большой интерес вызывают крупномасштабные паттерны мозговой активности, связанные с сознанием, поскольку их можно измерить с помощью различных методов нейровизуализации (например, электроэнцефалографии, функциональной магнитно-резонансной томографии).Тем не менее, механизмы на клеточном уровне по-прежнему более сложны для изучения у людей по очевидным причинам инвазивности, связанной с необходимыми методами записи у людей. В этом разделе мы рассмотрим доказательства таких механизмов, которые могут соединить уровни микросхемы и масштаба мозга.

С точки зрения крупномасштабных нейроанатомических путей, обеспечивающих сознание, дальние глутаматергические проекции между пирамидными нейронами через волокна белого вещества, вероятно, имеют решающую роль (Dehaene & Changeux, 2011), поскольку они обеспечивают быструю (из-за миелина) связь между удаленными регионами.На уровне мозга эти волокна белого вещества, вероятно, имеют решающее значение для обеспечения сознательного доступа, который включает временную стабилизацию нейронной активности, кодирующей определенный информационный паттерн, в сети высокоуровневых областей мозга, связанных между собой дальнодействующими связями с префронтальная кора, действующая как ключевой узел (Berkovitch, Dehaene, & Gaillard, 2017; Dehaene, Changeux, Naccache, Sackur, & Sergent, 2006). На сознательных испытаниях распределенная активность в гамма-диапазоне отражает стабилизацию локальной информации, транслируемой в другие области.Во время сознательного доступа к определенной информации другие нейроны окружающего глобального рабочего пространства будут подавлены и недоступны для обработки других стимулов, поэтому остаются предсознательными (не достигая сознания). В дополнение к характеристикам связности в масштабе микросхемы, другим ключевым фактором в формировании нейронных колебаний является наличие временных задержек, в частности, из-за конечной скорости проводимости потенциалов действия по волокнам. Временные задержки могут привести к возникновению и стабильности колебаний на определенных частотах (Petkoski & Jirsa, 2019; Petkoski, Palva, & Jirsa, 2018).Следовательно, повреждение кортико-кортикальных волокон не только ухудшает передачу активности между областями, но также может изменить частотный состав и стабильность нервных колебаний, тем самым влияя на их функцию.

В локальном масштабе микросхема также была идентифицирована как участвующая в коммуникации между удаленными областями мозга: проекция пирамидных нейронов в одной области мозга на VIP-положительные (вазоактивный кишечный пептид) нейроны в другой области.Активируя VIP-положительные нейроны в отдаленной области, это вызывает ингибирование соматостатин-положительных (SST) нейронов, которые нацелены на дендриты пирамидных клеток, что приводит к дисинаптическому растормаживанию (Karnani et al., 2016). Благодаря этому дисинаптическому растормаживанию генерация гамма-активности может происходить посредством взаимного ингибирования парвальбумин-парвальбумин (PV-PV), и, возможно, может иметь место связывание между двумя вовлеченными областями (Munoz, Tremblay, Levenstein, & Rudy, 2017), временно обеспечивая передачу информации и обработка.Эти механизмы в клеточном масштабе представлены на Рисунке 2.

Рисунок 2.

Базовые (схематические) схемы, участвующие в генерации локальных и далеких колебаний. В локальной корковой сети (кортикальном столбе), щелевом соединении, взаимное ингибирование «быстрых» ГАМКергических интернейронов является одним из основных механизмов генерации локальной гамма-активности, наряду с ПИНГ (пирамида-интернейрон гамма).Напротив, петля обратной связи между проецирующими дендриты «медленными» ГАМКергическими интернейронами и пирамидными клетками может генерировать низкочастотную активность. Важно отметить, что дистанционное общение посредством дисинаптического пути позволяет кратковременно генерировать гамма-колебания в отдаленных популяциях. Пирамидные клетки в исходной популяции (левая цепь) проецируются на пирамидные клетки отдаленной популяции (справа), но также и на интернейроны VIP, которые проецируются на нейроны SST, проецирующие дендриты. Временная активация VIP-нейронов из исходной популяции временно подавляет SST-нейроны в целевой популяции, позволяя генерировать гамма-колебания через PV-PV и пирамидно-PV-цепь.Как только вход на удаленные VIP-нейроны уменьшается, нейроны SST возобновляют свой тормозной вход, который может прекратить генерацию гамма-колебаний.

Рисунок 2.

Базовые (схематические) схемы, участвующие в генерации локальных и далеких колебаний. В локальной корковой сети (кортикальном столбе), щелевом соединении, взаимное ингибирование «быстрых» ГАМКергических интернейронов является одним из основных механизмов генерации локальной гамма-активности, наряду с ПИНГ (пирамида-интернейрон гамма).Напротив, петля обратной связи между проецирующими дендриты «медленными» ГАМКергическими интернейронами и пирамидными клетками может генерировать низкочастотную активность. Важно отметить, что дистанционное общение посредством дисинаптического пути позволяет кратковременно генерировать гамма-колебания в отдаленных популяциях. Пирамидные клетки в исходной популяции (левая цепь) проецируются на пирамидные клетки отдаленной популяции (справа), но также и на интернейроны VIP, которые проецируются на нейроны SST, проецирующие дендриты. Временная активация VIP-нейронов из исходной популяции временно подавляет SST-нейроны в целевой популяции, позволяя генерировать гамма-колебания через PV-PV и пирамидно-PV-цепь.Как только вход на удаленные VIP-нейроны уменьшается, нейроны SST возобновляют свой тормозной вход, который может прекратить генерацию гамма-колебаний.

Несколько исследований изучали, как черепно-мозговая травма (ЧМТ) влияет на определенные типы клеток и как это может повлиять на крупномасштабную обработку информации в головном мозге. В моделях ЧМТ на животных гипервозбудимость, индуцированная в долгосрочной перспективе (8–10 недель после лечения) (Allitt, Iva, Yan, & Rajan, 2016; Alwis et al., 2016; Alwis, Yan, Morganti-Kossmann, & Rajan, 2012) была связана с избирательным сокращением интернейронов, нацеленных на дендриты, в этой коре головного мозга (Carron, Yan, Allitt, & Rajan, 2018). Следовательно, можно предположить, что TBI-индуцированная потеря функциональных нацеленных на дендриты интернейронов будет, следовательно, влиять как на генерацию низкочастотных колебаний, так и на растормаживание через VIP интернейроны. Более того, на животных моделях также была показана прогрессирующая потеря фазового ингибирования с соответствующей потерей соматических нацеленных на PV + ГАМКергических интернейронов после ЧМТ (Cantu et al., 2015; Guerriero, Giza, & Rotenberg, 2015), которые могут быть, по крайней мере, частично ответственны за нарушение гамма-колебаний и синхронность (C. Wang et al., 2017). Потеря интернейронов PV + была обнаружена не только в моделях ЧМТ на грызунах, но и в иммунохимическом исследовании, проведенном в посмертных образцах человеческого мозга (Schiavone, Neri, Trabace, & Turillazzi, 2017). В целом, помимо вызванного ЧМТ повреждения ГАМКергических интернейронов, участвующих в генерации медленных и быстрых колебаний, наличие аномальных возбуждающих синапсов и повреждение аксонов также может участвовать в изменении нейронной связи (Harris et al., 2016).

Рассматривая эти механизмы клеточного масштаба, одним из важнейших вопросов является понимание того, как они участвуют в кратковременном возникновении и поддержании функциональных сетей, таких как поддерживающие сознание. Установлено, что состояние сознания критически зависит от функциональной кортико-корковой связи мозга (Marino, Bonanno, & Giorgio, 2016; Naro et al., 2018). Напомним, что функциональная связность относится к статистически значимым связям между временными курсами нейронной активности в разных регионах, тогда как анатомическая связность обозначает физические связи между областями мозга.Таким образом, функциональные сети могут отражать косвенные связи между областями мозга и быть временными в зависимости от того, какие задачи выполняются или какие стимулы воспринимаются. Было показано, что даже в отсутствие какой-либо конкретной задачи или стимулов сети в состоянии покоя (например, сеть режима по умолчанию) также являются временными (Kabbara, El Falou, Khalil, Wendling, & Hassan, 2017). Экспериментальные данные подтверждают идею о том, что функциональная связь может пролить свет на сети, участвующие в различных состояниях сознания (Jin & Chung, 2012).Например, во время потери сознания, вызванной общей анестезией, происходит нарушение кортико-корковой функциональной связи (Ferrarelli et al., 2010; Gomez et al., 2013; Hudetz, 2012), что серьезно ухудшает способность корковых сетей к интегрировать информацию и сделать ее доступной в широком масштабе, как требуется для сознательного восприятия в IIT или GWT. Точно так же при переходе от бодрствования к медленноволновому сну скорость возбуждения в коре остается относительно неизменной во время деполяризующих фаз медленных колебаний сна (Steriade, Timofeev, & Grenier, 2001), в то время как эффективная связь мозга (эффективная связь определяется как быстрое причинное взаимодействие между областями мозга; Rosanova et al., 2012) резко изменилась (Esser, Hill, & Tononi, 2009; Tononi & Sporns, 2003). После засыпания без быстрого сна корковые активации также становятся более локальными и стереотипными, нарушая эффективную корковую связь (Massimini et al., 2010), как показано с помощью вызванных TMS ответов ЭЭГ, которые остаются очень близкими к месту стимуляции, в то время как эти ответы вовлекают сеть отдаленных областей мозга, претерпевающих сложные динамические паттерны последовательной активации во время бодрствования (Casali et al., 2013; Casarotto et al., 2016; Guillery & Sherman, 2002). Эти результаты также подчеркивают решающую роль таламо-кортикального пути в кортико-корковой функциональной связности. Стоит отметить, что существенная роль таламо-кортикальной петли, а также так называемые «реентерабельные взаимодействия» ранее считались ключевыми в DCH (Tononi & Edelman, 1998).

В соответствии с этими результатами, полученными во время сна, это нарушение кортико-корковой связи также наблюдалось во время общей анестезии и у пациентов с DOC и даже исследовалось с помощью компьютерного моделирования (Casali et al., 2013; Esser et al., 2009). В рамках GWT это объясняет, почему сознание нарушается в таких состояниях: крупномасштабная связь между удаленными областями мозга нарушается из-за таламо-кортикальной модуляции, предотвращающей возникновение воспламенения. У пациентов с DOC с повреждением головного мозга крупномасштабная кортико-корковая коммуникация может быть нарушена из-за частичного разрушения волокон дальнего действия, что физически затрудняет синхронизацию мозга на больших расстояниях. Что касается эффектов на клеточном уровне, разрушение волокон дальнего действия может препятствовать синхронизации удаленных VIP-интернейронов, что имеет решающее значение для индукции дисинаптического растормаживания и связанной с ним гамма-активности, необходимой для CTC.

Патологические изменения функциональной связности были исследованы с использованием различных методов: (1) функциональная связность во время «состояния покоя» с использованием фМРТ или ЭЭГ, (2) импульсная стимуляция с использованием транскраниальной магнитной стимуляции (ТМС) во время записи ЭЭГ и (3) другие подходы, основанные на возмущениях, исследующие реакцию мозга на сенсорные стимулы (Boly et al., 2017). Преимущество функциональной связи заключается в том, что ее можно использовать для улучшения оценки и классификации DOC (Holler et al., 2014; Наро и др., 2018; Росси Себастьяно и др., 2015; Сандерс, Тонони, Лорис и Сани, 2012). Например, у пациентов с легкими когнитивными нарушениями было показано, что нарушение сознания связано с измененной эффективной связью (Crone et al., 2015; Varotto et al., 2014). Отказ крупномасштабного подключения, наряду с гиперсинхронией локальной ближней дельта- и альфа-активности, были обнаружены в DMN и коррелировали с уровнем осведомленности у пациентов с DOC (Fingelkurts, Fingelkurts, Bagnato, Boccagni, & Galardi, 2013 ; Каббара и др., 2017; Маки-Марттунен, Диез, Кортес, Кьялво и Вильярреал, 2013 г .; Наро и др., 2018; Vanhaudenhuyse et al., 2010; Varotto et al., 2014). Кроме того, паттерн функциональной связности нескольких областей мозга, таких как задняя поясная извилина коры и предклинье, может даже предсказывать состояние улучшения сознания пациентов с UWS с точностью, превышающей 80% (Wu et al., 2015). Отметим, что фМРТ внесла значительный вклад в выявление изменений функциональной связности в различных сетях состояния покоя (RSN) в различных состояниях сознания (для обзора см. Heine et al., 2012. Более конкретно, с точки зрения фМРТ в состоянии покоя, Demertzi et al. (2014) использовали машинное обучение для автоматического извлечения RSN и определения их нейронального происхождения (в отличие от артефактов). Результаты показали, что для большинства RSN количество компонентов нейронального происхождения снижается с увеличением уровня сознания. В другом исследовании (Demertzi et al., 2015), также основанном на использовании фМРТ в состоянии покоя, авторы указали на снижение функциональной связи между различными RSN (например, DMN, визуальными и т. Д.)), что хорошо коррелировало с оценкой CRS-R. Другое недавнее исследование фМРТ (Demertzi et al., 2019) продемонстрировало, что динамика функциональных сетей фМРТ может различать различные состояния сознания (контроль, MCS, UWS). В частности, вероятность присутствия различных модульных состояний с течением времени вместе с их временем пребывания была надежным индикатором сознания. Сложность карты переходов между различными модульными состояниями также снижалась с увеличением уровня сознания.Тот факт, что исследования ЭЭГ и фМРТ сходятся, хотя и в разных временных масштабах, в снижении сложности динамических реакций, дополнительно подчеркивает фундаментальную взаимосвязь между уровнем сознания и очевидной сложностью динамики мозга. Тесная взаимосвязь между BOLD-сигналом, который имеет низкую частоту (<0,5 Гц, также называется сверхмедленными колебаниями), и низкочастотной составляющей локальных потенциалов поля (LFP) и электрокортикографических (ECOG) сигналов (He, Snyder, Zempel, Smyth, & Raichle, 2008), может обеспечить связь между исследованиями фМРТ и ЭЭГ в области исследования сознания (обзор см. В He & Raichle, 2009).Действительно, было высказано предположение, что сверхмедленные колебания в BOLD, которые связаны с низкочастотной областью записей LFP / ECOG (для тщательного исследования корреляции между BOLD-сигналом и электрофизиологической активностью в разных частотных диапазонах см. Scheeringa, Koopmans, van Mourik, Jensen, & Norris, 2016) вносят важный вклад в интеграцию информации между удаленными областями коры головного мозга. Интересно, что это предложение соответствует нашему предложению о функциональной роли низкочастотных колебаний в интеграции информации, в то время как более высокочастотные колебания будут участвовать в связывании.

Помимо «пассивного» исследования функциональной связности в состоянии покоя, использование ответов ЭЭГ, вызванных TMS, позволяет проводить активное «зондирование» эффективной связи. Например, резкое нарушение функциональной связи было выявлено у пациентов с UWS при использовании определенного протокола TMS, запускающего у этих пациентов стереотипный локальный ответ ЭЭГ, аналогичный спящим без сознания или анестезированным субъектам (Rosanova et al., 2012). Восстановление крупномасштабной эффективной связи коры головного мозга с транскраниальной стимуляцией мозга, такой как транскраниальная стимуляция переменным током (tACS), в DOCs, следовательно, может быть полезным подходом для облегчения частичного восстановления за счет усиления колебаний и пластичности. Одним из клинических результатов, подтверждающих эту идею, является недавняя демонстрация того, что DLPFC (дорсолатеральная префронтальная кора) -tACS смогла временно восстановить нарушение связи у людей с DOC (Naro, Bramanti, Leo, Russo, & Calabro, 2016).

В целом, мы утверждаем, что для обеспечения оптимального взаимодействия требуется тонкий баланс фазовой синхронизации между областями мозга. Фазовая синхронизация может происходить через прямые (или косвенные, через общий вход) связи между двумя регионами, когда какая-то форма активности в одном меняет активность в другом. Такое увеличение фазовой синхронизации лежит в основе так называемой функциональной связности. Очевидно, что при низкой фазовой синхронизации (функциональной связности) эффективная передача информации между регионами невозможна.С другой стороны, чрезмерная синхронизация приводит к потере сложности из-за того, что активность становится слишком похожей в задействованных регионах. Ярким примером является сложный эпилептический припадок, при котором большое количество структур мозга сильно функционально связаны и имеют сходный судорожный ритм, а также происходит потеря сознания (Blumenfeld & Taylor, 2003). Поэтому мы утверждаем, что существует «золотая середина» синхронизации на определенных частотах, которая позволяет надлежащим образом поддерживать обработку информации, связанной с сознанием, сетью областей мозга.

Одним из фундаментальных механизмов микроскопического масштаба, участвующего в маршрутизации информации в головном мозге и участвующего в формировании функциональных сетей внутри анатомической сети, является GBI (Jensen & Mazaheri, 2010). GBI включает в себя тормозные процессы, приводящие к избирательной активации подсетей и инактивации других подсетей. Предотвращая активацию в масштабе мозга в ответ на стимул и ограничивая количество областей мозга, участвующих в выполнении задач, GBI также предотвращает состояния низкой сложности (например,g., все области мозга демонстрируют одинаковую активность) и, следовательно, неэффективная обработка информации. Таким образом, процессы GBI предполагают, что роль торможения более сложна, чем предотвращение чрезмерной активации сетей мозга, вместо этого способствуя преобразованию анатомических сетей мозга в функциональные сети (Avena-Koenigsberger et al., 2017). О возможных изменениях GBI сообщалось в исследованиях, показывающих, что альфа-мощность ЭЭГ ниже у пациентов с UWS, чем у пациентов с MCS (Lehembre et al., 2012; Stefan et al., 2018), намекая на то, что нейробиологические механизмы, лежащие в основе генерации альфа-осцилляций и связанного с ними GBI, глубоко изменены у пациентов, не отвечающих на лечение. Более того, альфа-активность была высоко синхронизирована и сгруппирована в центральных и задних областях коры у пациентов с UWS (Lehembre et al., 2012; Stefan et al., 2018), что указывает на возможную неэффективность GBI при наиболее тяжелых DOC. Действительно, во время общей анестезии пропофол и кетамин изменяют фронтальные альфа-колебания (Feshchenko, Veselis, & Reinsel, 2004; Purdon et al., 2013), предполагая, что снижение лобно-теменной связи в альфа-диапазоне может играть важную роль в потере сознания (Blain-Moraes, Lee, Ku, Noh, & Mashour, 2014). Когерентные медленные колебания, такие как альфа (8–12 Гц) и дельта (1–4 Гц) ритмы, появляются в медиальной префронтальной коре и таламусе во время потери сознания, вызванной пропофолом, и, как полагают, вносят свой вклад в их функциональное нарушение. площадей (Flores et al., 2017; Lewis et al., 2018). В частности, дельта-колебания, вызванные анестезией пропофолом у людей, по-видимому, нарушают крупномасштабную коммуникацию между областями мозга, сохраняя при этом активность локальных нервных сборок (Lewis et al., 2018). Недавнее исследование (Todorova & Zugaro, 2019) пришло к аналогичному выводу относительно функциональной роли дельта-колебаний во время сна, которые изолируют небольшие сети в коре головного мозга от остальной части мозга (тем самым нарушая интеграцию), что, по-видимому, играет определенную роль. в усилении памяти во сне.

Другой ключевой установленный процесс, посредством которого отдаленные области мозга участвуют вместе в паттерне активности, связанной с выполнением данной задачи, – это CTC (Bonnefond, Kastner, & Jensen, 2017; Deco & Kringelbach, 2016; Fries, 2005, 2009, 2015) .CTC действительно включает в себя фазовую гамма-активность между удаленными областями мозга, что позволяет обрабатывать информацию. Было высказано предположение, что ЦКО является субстратом «связывания», то есть слияния различных характеристик стимула в единое, объединенное сознательное восприятие (Singer, 2001). Точнее, флуктуация возбудимости в группе нейронов обеспечивает особую сигнатуру, характеризующуюся определенной полосой частот и характером разряда (Womelsdorf, Valiante, Sahin, Miller, & Tiesinga, 2014), распространяясь через крупномасштабную сеть, состоящую из взаимосвязанные области мозга и, следовательно, запускающие активность в связанных областях.Обработка информации в мозге тесно связана с синхронизированными по фазе, скоординированными во времени флуктуациями возбудимости (Fries, 2005) в сетях распределенных популяций нейронов. Результирующие колебания генерируют определенный нейронный код, а когерентность позволяет связывать информацию и общение. Кроме того, ЦОК включает гамма-активность, генерируемую в основном ГАМКергическими интернейронами (PV-положительные корзиночные клетки). В совокупности тормозящие процессы оказываются ключевыми для маршрутизации и обработки информации в сетях масштаба мозга, задействованных в сознании: GBI пространственно формирует мозговые сети (какие области мозга задействованы, а какие заблокированы), а CTC контролирует их во времени (поток информации).Однако это поднимает интригующий вопрос: если гамма-ритмы генерируются локально межнейронными ГАМКергическими сетями, как могут удаленные области мозга, связанные через глутаматергические волокна дальнего действия, эффективно общаться и достигать ЦОК? Наша гипотеза может дать возможное объяснение этому парадоксу, если предположить, что удаленные области мозга «блокируют» свою активность посредством низкочастотных колебаний (что было бы предпосылкой), а затем позволяют связывание посредством высокочастотных колебаний (гамма, через CTC).

Подтверждая эту возможность, сознательное восприятие действительно характеризуется увеличением активности распределенного гамма-диапазона (Melloni et al., 2007; Wyart & Tallon-Baudry, 2009). Интересно, что эти быстрые колебания модулируются медленными колебаниями (Jensen, Gips, Bergmann, & Bonnefond, 2014; Osipova, Hermes, & Jensen, 2008). Недавно было предложено, что фазовая синхронизация низкочастотных колебаний, играющая роль временной системы отсчета для информации, несущей высокочастотную активность, является общим механизмом мозговой коммуникации (Bonnefond et al., 2017). Эти вложенные колебания могут быть ключевым механизмом не только для корково-корковой коммуникации и обработки, но и между подкорковыми структурами. Эмоциональная память актуальна для рассмотрения для нашей цели, поскольку эмоциональная память включает как корковые, так и подкорковые структуры и задействует синхронизацию больших сетей через тета-гамма-колебания (Bocchio, Nabavi, & Capogna, 2017). Во время экспериментов in vivo, проведенных на грызунах, воспринимаемая угроза (стимул, объявляющий удар ногой) усиливает тета-силу и согласованность в миндалине, префронтальной коре и гиппокампе (Lesting et al., 2011; Likhtik, Stujenske, Topiwala, Harris, & Gordon, 2014), в то время как быстрые гамма-всплески синхронизированы по фазе с тета-колебаниями (Stujenske, Likhtik, Topiwala, & Gordon, 2014). В целом, эти результаты подтверждают идею о том, что вложенные колебания на частотах тета и гамма являются правдоподобным субстратом для открытия / маршрутизации информационных каналов (тета) и обработки / передачи (гамма) в головном мозге.

Внимание – еще один ключевой элемент сознательной обработки, и оно участвует в синхронизации удаленных областей мозга (Niebur, Hsiao, & Johnson, 2002; Steinmetz et al., 2000). Основными ритмами мозга, участвующими в процессах внимания, являются альфа- и гамма-колебания: области мозга синхронизируют гамма-колебания (Womelsdorf et al., 2014) и модулируются медленными альфа-колебаниями. Медленные колебания позволяют блокировать нерелевантные сети и влияют на локальную обработку сигналов, широкий обмен информацией и восприятие (Sadaghiani & Kleinschmidt, 2016). Информационный поток устанавливается нейрональной синхронизацией в нижних частотных диапазонах, а именно в тета (4–7 Гц), альфа (8–13 Гц) и бета (14–25 Гц) диапазонах (Bonnefond et al., 2017). Одна из возможных причин заключается в том, что низкочастотная активность вызывает временное изменение возбудимости в целевых структурах головного мозга, что обеспечивает оптимальное окно для связывания нейронных сигналов из разных регионов посредством высокочастотной активности (например, гамма-излучения) (Canolty et al., 2006) . Это дополнительно подтверждает идею о том, что низкочастотные нейронные колебания в основном участвуют в установлении кратковременной связи на большие расстояния через глутаматергические проекции, тогда как высокочастотные нейронные колебания участвуют в обработке / передаче информации.Мы предполагаем, что можно связать понятие «интеграция» с этой глутаматергической коактивацией на больших расстояниях, обеспечивающей связь в масштабе мозга между областями мозга; тогда как «дифференциация / сегрегация» будет зависеть от локально генерируемой гамма-активности (и частично от уровня низкочастотной активации, что приведет к массово синхронизированной активности и уменьшению дифференциации и сложности). Обзор вышеупомянутых механизмов представлен на Рисунке 3.

Рисунок 3.

Предлагаемый синтез того, как временное избирательное связывание между корковыми сетями происходит через механизмы клеточного масштаба. (A) Схематическая диаграмма анатомической сети с основными проекциями между областями в масштабе мозга. (B) На верхней панели выборочное связывание (коммуникация через когерентность; Fries, 2015) в подмножестве областей коры происходит посредством генерации гамма-колебаний (в основном через микросхемы с участием корзинчатых клеток), в то время как удаленное растормаживание определенных областей мозга происходит через дисинаптические растормаживание (активация удаленных VIP-нейронов ингибирует SST-нейроны, которые, в свою очередь, уменьшают их тормозную проекцию на пирамидные нейроны).Это способствует преобразованию анатомической сети в функциональную сеть. Альфа-ритм действует как импульсное торможение, подавляя «нерелевантные» сети, дополнительно увеличивая отношение сигнал / шум (SNR). На нижней панели снижение интеграции (например, после повреждения головного мозга) приводит к нарушению синхронизации отдаленных областей мозга (что отражается снижением низкочастотного ритма на иллюстративном колебании), и, таким образом, уменьшение связывания, что в совокупности приводит к снижению GBI. (Jensen & Mazaheri, 2010) и сильно снижает общее SNR, что приводит к дисфункции сети с точки зрения интеграции и связывания, необходимых для сознания.Заметим, что помимо уменьшения амплитуды низкочастотного ритма, соотношение фаз вложенного гамма-колебания могло быть нарушено (т.е. быть более случайным) по сравнению с физиологическим случаем. Такую потенциальную взаимосвязь вложенных тета / гамма-колебаний еще предстоит изучить в DOC.

Рисунок 3.

Предлагаемый синтез того, как временное избирательное связывание между корковыми сетями происходит через механизмы клеточного масштаба. (A) Схематическая диаграмма анатомической сети с основными проекциями между областями в масштабе мозга.(B) На верхней панели выборочное связывание (коммуникация через когерентность; Fries, 2015) в подмножестве областей коры происходит посредством генерации гамма-колебаний (в основном через микросхемы с участием корзинчатых клеток), в то время как удаленное растормаживание определенных областей мозга происходит через дисинаптические растормаживание (активация удаленных VIP-нейронов ингибирует SST-нейроны, которые, в свою очередь, уменьшают их тормозную проекцию на пирамидные нейроны). Это способствует преобразованию анатомической сети в функциональную сеть.Альфа-ритм действует как импульсное торможение, подавляя «нерелевантные» сети, дополнительно увеличивая отношение сигнал / шум (SNR). На нижней панели снижение интеграции (например, после повреждения головного мозга) приводит к нарушению синхронизации отдаленных областей мозга (что отражается снижением низкочастотного ритма на иллюстративном колебании), и, таким образом, уменьшение связывания, что в совокупности приводит к снижению GBI. (Jensen & Mazaheri, 2010) и сильно снижает общее SNR, что приводит к дисфункции сети с точки зрения интеграции и связывания, необходимых для сознания.Заметим, что помимо уменьшения амплитуды низкочастотного ритма, соотношение фаз вложенного гамма-колебания могло быть нарушено (т.е. быть более случайным) по сравнению с физиологическим случаем. Такую потенциальную взаимосвязь вложенных тета / гамма-колебаний еще предстоит изучить в DOC.

Новые данные показывают, что баланс обработки локальной и глобальной информации может быть нарушен при неврологических расстройствах.Как правило, недавнее исследование функциональных сетей у пациентов с болезнью Альцгеймера выявило снижение интеграции мозга, количественно определяемое коэффициентом участия (отражает связь между удаленными модулями мозга), в то время как сегрегация, определяемая количественно коэффициентом кластеризации (отражает локальную связь между отдельными областями мозга) был увеличен (Kabbara et al., 2018). Это согласуется с нейродегенеративными процессами, которые, вероятно, влияют на «блокировку» определенных областей мозга или ингибирование нерелевантных сетей, тем самым серьезно нарушая крупномасштабную интеграцию информации.В контексте DOC недавние клинические данные (Chennu et al., 2017; Rizkallah et al., 2019) подтверждают эту точку зрения. В исследовании Chennu et al. Сети на уровне кожи головы были оценены у пациентов с DOC и указали на снижение интеграции в альфа-диапазоне. Более конкретно, лобно-теменная сеть в альфа-диапазоне была дискриминационной между пациентами с MCS и UWS. В недавнем исследовании Rizkallah et al. (2019) количественно оценили уровень локальной и глобальной обработки информации в частотно-зависимых функциональных сетях (уровень источника) у пациентов с DOC и контрольной группы.Интеграция в функциональные сети тета-диапазона снижалась с увеличением уровня сознания, и между контрольной группой и любой группой пациентов систематически участвовали две анатомические области: часть левой орбитофронтальной коры и левое предклинье. Одна из возможностей состоит в том, что физическое повреждение длинных волокон белого вещества нарушает крупномасштабную интеграцию и баланс обработки локальной / глобальной информации. Одним из возможных подходов к изучению такого анатомического повреждения волокон белого вещества является диффузионно-тензорная визуализация, выполняемая у пациентов с тяжелой травмой головного мозга DOC (Fernandez-Espejo et al., 2011; Galanaud et al., 2012; Luyt et al., 2012), что выявило широко распространенные нарушения белого вещества. Более низкая фракционная анизотропия действительно была обнаружена в трактах подкорковых и кортикальных волокон у пациентов с DOC по сравнению с контрольной группой (Lant, Gonzalez-Lara, Owen, & Fernandez-Espejo, 2016; Weng et al., 2017), что позволяет предположить, что основной дефицит сознания у пациентов с DOC может быть связан с измененными связями белого вещества между базальными ганглиями, таламусом и лобной корой.Это также согласуется с эффектом поражения миелинизированных волоконных трактов, что может привести к нарушению связи между удаленными областями мозга (Adams, Graham, & Jennett, 2000). Следовательно, кажется разумным, что поражения белого вещества могут изменять, модифицировать или предотвращать как CTC, так и GBI между крупномасштабными сетями. Кроме того, мы предполагаем, что если конкретная фазовая синхронизация гамма-колебаний с тета-колебаниями будет нарушена, то могут появиться клинические проявления, связанные с DOC (потеря интеграции и снижение уровня сознания).

Позвольте также упомянуть, что, хотя и не связаны напрямую, другие патологии могут влиять на патофизиологию DOC, поскольку они имеют один важный компонент: изменения в функциональных сетях. Когда эти изменения затрагивают ключевые структуры / сети мозга, сознание может измениться. Следовательно, понимание того, как нарушение регуляции функциональных сетей при неврологических расстройствах не связано с ухудшением уровня сознания (например,g., пациенты с легкими когнитивными нарушениями) все еще могут быть информативными с точки зрения фундаментальных механизмов, лежащих в основе DOC. В том же духе, поскольку функциональная связность зависит от уровня фазовой синхронизации между регионами, очень важно подчеркнуть, что повышение уровня фазовой синхронизации между структурами, участвующими в конкретной задаче (например, лежащей в основе фронто-временной сети рабочая память) также улучшает поведенческую производительность этой задачи. Следовательно, литература по tACS может предоставить новые направления относительно того, как наиболее критически регулировать функциональные сети в сознательных процессах, например, путем увеличения фазовой синхронизации ключевых структур в определенных частотных диапазонах.Этот момент обсуждается в следующем разделе.

В этом обзоре мы попытались согласовать нейроанатомические и нейрофизиологические знания на уровне микро- и макроскопических сетей в отношении процессов, лежащих в основе возникновения и поддержания сознания и его изменений у пациентов с DOC. Мультиплексирование нейронных ритмов через вложенные колебания представляется вероятным механизмом коактивации в сети определенных удаленных областей мозга (интеграция), что является предпосылкой для сознательного восприятия.Кроме того, ключевым механизмом, по-видимому, является тонкий баланс между низкочастотной активностью (связанной с «глобальной» обработкой) и высокочастотной активностью (связанной с более «локальной» обработкой), что может обеспечить динамику нейронов, лежащую в основе оптимальной маршрутизации информации. и обработка. Чрезмерная низкочастотная активность (например, дельта-активность) приводит к массово синхронизированной активности, что приводит к потере сложности с точки зрения обработки информации, параллельно в таких случаях с потерей сознания (например,г., сон, судороги). Что касается дельта-диапазона, этот ритм не связан с возникновением или поддержанием сознательных процессов. Это подтверждается тем фактом, что дельта-активность является наиболее преобладающей при UWS (Sitt et al., 2014), а также во время глубокого сна, где в обоих случаях кортико-корковая коммуникация резко снижена. UWS и глубокий сон действительно являются примерами психических состояний, в которых таламо-корковая активность и синхронизация высоки («вертикальная» связь), в то время как кортико-кортикальная («горизонтальная») синхронизация снижается.Поскольку дельта-ритм имеет таламо-кортикальное происхождение, и поскольку таламус так широко связан со всей корой, дельта-активность связана с высоким уровнем синхронизации всей коры, что снижает интеграцию и сложность и препятствует сознательному доступу. . Кроме того, дельта-активность, по-видимому, модулирует в основном «бодрствующее» (таламо-кортикальное) измерение сознания, тогда как более быстрые ритмы, по-видимому, модулируют «осознанное» (кортико-корковое) измерение сознания.

Аналогичным образом, отсутствие лобно-теменной функциональной связи (сети внимания) было обнаружено в недавнем исследовании, что было количественно определено с помощью ЭЭГ высокого разрешения у пациентов с DOC (Chennu et al., 2017), что свидетельствует о достаточном уровне лобно-теменной связи. теменная связь необходима для достижения достаточной нейрональной интеграции и зажигания для сознательного восприятия. В более общем плане динамика мозга у пациентов с DOC обычно характеризуется потерей интеграции в крупном масштабе (Chennu et al., 2017; Rizkallah et al., 2019), предотвращая эффективную крупномасштабную координацию удаленных областей мозга для достижения сознательного восприятия. Это говорит о том, что низкочастотный ритм, необходимый для корковой коммуникации на больших расстояниях, снижен, предотвращая связывание в гамма-диапазоне и, следовательно, дальнейшую обработку информации и воспламенение для доступа сознания. При этом, каковы возможные последствия этого баланса медленной / быстрой активности в качестве механизма-кандидата для сложной обработки, связанной с сознанием?

Интересная перспектива, которая также могла бы быть формой подтверждения этого механизма, – это использование методов нейромодуляции у пациентов с DOC для повышения их уровня сознания.Целью таких методов нейромодуляции может быть «ребалансировка» локальной и глобальной обработки, например, за счет использования транскраниальной прямой или чередующейся стимуляции (tDCS / tACS применяется как к лобному, так и к теменному участку одновременно, чтобы увеличить низкочастотную стимуляцию). синхронизация в тета-диапазоне. В настоящее время считается, что tACS может модулировать эндогенные ритмы мозга с помощью электрических полей относительно низкого уровня (<1 В / м, как обсуждалось в Modolo, Denoyer, Wendling, & Benquet, 2018), что могло бы предполагают использование частоты стимуляции в тета-диапазоне для увеличения остаточных колебаний в этом частотном диапазоне (т.е., предполагая, что остаточные анатомические связи все еще присутствуют). Двухсайтовый лобно-теменной tACS в тета-диапазоне может тогда предоставить неинвазивную возможность повышения уровня сознания у пациентов с DOC, в ожидании того, что у пациентов с повреждением головного мозга сохранится некоторая остаточная анатомическая связность. Интересно, что недавнее исследование (Violante et al., 2017) использовало двухсайтовый tACS в тета-диапазоне у здоровых добровольцев и сообщило об улучшении рабочей памяти, функции, также зависящей от лобно-теменной сети.Другое исследование с использованием tACS, нацеленного на лобно-височную сеть, сообщило об увеличении производительности рабочей памяти у пожилых людей по сравнению с сопоставимыми уровнями у молодых участников (Reinhart & Nguyen, 2019). Эти недавние результаты, полученные на людях, предоставляют убедительные доказательства того, что изменение баланса обработки информации с помощью протоколов нейромодуляции может способствовать повышению уровня сознания у некоторых пациентов с DOC (например, когда повреждение длинных волокон белого вещества не слишком серьезно). Интересно, что в нескольких исследованиях tDCS с разной степенью успеха предпринимались попытки улучшить уровень сознания у пациентов с DOC.Например, рандомизированное клиническое исследование пациентов с MCS (всего 40 пациентов), направленное на применение tDCS над левой префронтальной дорсолатеральной корой, показало умеренное улучшение уровня сознания после 4-недельного протокола (Martens et al., 2018). Это подтвердило более ранние исследования, демонстрирующие положительное влияние повторных tDCS (хотя и в течение короткого времени) на уровень сознания у пациентов с DOC (Thibaut, Bruno, Ledoux, Demertzi, & Laureys, 2014; Thibaut et al., 2017). Однако один сеанс tDCS над моторной корой не привел к улучшению (Martens et al., 2019), предполагая, что повторяющиеся сеансы tDCS могут быть ключевыми. Отметим, что, несмотря на ограничение, заключающееся в том, что tDCS ограничена с точки зрения параметров стимуляции (то есть, отсутствие возможности регулировать частоту стимуляции), эти клинические результаты обнадеживают и должны способствовать дальнейшему использованию неинвазивной нейромодуляции у пациентов с DOC, наряду с исследованиями. о лежащих в основе механизмах.

Растормаживающая микросхема инициирует пластичность критического периода в зрительной коре.

Abstract

Ранний сенсорный опыт указывает на созревание нейронных цепей в коре головного мозга. Это было широко изучено в первичной зрительной коре головного мозга, в которой потеря зрения на один глаз постоянно ухудшает кортикальную реакцию на этот глаз, явление, известное как пластичность окулярного доминирования (ODP). Корковое торможение опосредует этот процесс, но точная роль определенных классов ингибирующих нейронов в ODP является спорной. Здесь мы сообщаем, что вызванная частота возбуждения бинокулярных возбуждающих нейронов в первичной зрительной коре немедленно падает вдвое, когда зрение ограничено одним глазом, но постепенно возвращается к норме в течение следующих двадцати четырех часов, несмотря на то, что зрение остается ограниченным одним глазом. глаз.Это восстановление бинокулярной частоты возбуждения после монокулярной депривации является результатом быстрого, хотя и кратковременного, снижения частоты возбуждения парвальбумин-положительных (ПВ) интернейронов, которые, в свою очередь, могут быть приписаны снижению локальной возбуждающей активности. ввод схемы на интернейроны фотоэлектрической системы. Это снижение реакций, вызванных PV-клетками, после наложения шва монокулярного века ограничено критическим периодом для ODP и, по-видимому, необходимо для последующих сдвигов в возбуждающем ODP.Фармакологически усиленное ингибирование во время лишения зрения блокирует ODP, и, наоборот, фармакогенетическое снижение скорости возбуждения PV-клеток может продлить критический период для ODP. Эти данные определяют изменения микросхем, инициирующие конкурентную пластичность в критические периоды коркового развития. Более того, они показывают, что восстановление частоты вызванных возбуждений пирамидных нейронов слоя 2/3 с помощью PV-специфического растормаживания является ключевым шагом в прогрессировании ODP.

Многие научные публикации, созданные UC, находятся в свободном доступе на этом сайте из-за политики открытого доступа UC.Сообщите нам, насколько этот доступ важен для вас.