樹状突起のスパイクは耐容性の高い母集団ノイズ構造の範囲を拡大する

Dendritic Spikes Expand the Range of Well Tolerated Population Noise Structures.

• Alon Poleg-Polsky

抄録

個々のニューロンのノイズの性質にもかかわらず、脳は驚くほどよく機能しています。神経系におけるノイズ緩和の中心的なメカニズムは、複数のノイズに汚染された入力を平均化することに関係していると考えられています。その後、信頼性の高い信号エンコーディングを維持する方法で線形に統合できるノイズ構造を特定することに大きな関心が寄せられています。本研究では、生物物理学的に正確なニューロンモデルを用いて現実的なシナプス統合を解析することで、局所的な樹状突起スパイクを媒介とした相補的なノイズ除去アプローチを報告する。樹状突起スパイクは、その極小の集積コンパートメントと平均化能力の低さから、ノイズ低減のための候補にはなりにくいと思われるかもしれない。それにもかかわらず、樹状突起スパイクの生成によって導入される追加の閾値ステップは、平均化ではうまく解決できないような幅広い種類のノイズ構造に対するニューロンの耐性を向上させる。アクティブな樹状突起のこの特性は、コンパートメントサイズの制約を補い、ニューロン集団が処理できる条件のレパートリーを拡大する。このように、ニューロンのコードの中でも特に注目されているのがノイズ（ランダムな変動性）であり、情報処理の基本的な課題となっています。脳の驚くほど正確な出力と生物学的システムに内在するノイズ性を両立させるために、これまでの研究では、理想化されたニューロンにおける信号統合を検討してきました。この研究から生まれた考え方は、正確な信号表現は、ニューロンの樹状突起における入力の平均化に大きく依存しているというものでした。一般的な見解とは対照的に、現実的な形態と生物物理学的特性を持つ模擬ニューロンにおけるノイズ除去は、異なる戦略に従っていることを示す。

The brain operates surprisingly well despite the noisy nature of individual neurons. The central mechanism for noise mitigation in the nervous system is thought to involve averaging over multiple noise-corrupted inputs. Subsequently, there has been considerable interest in identifying noise structures that can be integrated linearly in a way that preserves reliable signal encoding. By analyzing realistic synaptic integration in biophysically accurate neuronal models, I report a complementary denoising approach that is mediated by focal dendritic spikes. Dendritic spikes might seem to be unlikely candidates for noise reduction due to their miniscule integration compartments and poor averaging abilities. Nonetheless, the extra thresholding step introduced by dendritic spike generation increases neuronal tolerance for a broad category of noise structures, some of which cannot be resolved well with averaging. This property of active dendrites compensates for compartment size constraints and expands the repertoire of conditions that can be processed by neuronal populations. Noise, or random variability, is a prominent feature of the neuronal code and poses a fundamental challenge for information processing. To reconcile the surprisingly accurate output of the brain with the inherent noisiness of biological systems, previous work examined signal integration in idealized neurons. The notion that emerged from this body of work is that accurate signal representation relies largely on input averaging in neuronal dendrites. In contrast to the prevailing view, I show that denoising in simulated neurons with realistic morphology and biophysical properties follows a different strategy: dendritic spikes act as classifiers that assist in extracting information from a variety of noise structures that have been considered before to be particularly disruptive for reliable brain function.

Copyright © 2019 the authors.