基于赫伯与内稳态突触可塑性相互作用的层级脑神经网络Griffiths临界态机制及编码特性

Criticality is an intrinsic property in brain, and keeps brain poised for optimal information processing, thus provides a potential theoretical framework for understanding information processing in brain. Griffiths criticality, different from classical criticality, is caused by network structural heterogeneity. In most previous studies, the hierarchical structure of neural network, a statistically heterogeneous topology, is set in advance, thus, which can not provide a fundamental explain on the mechanism of Griffiths criticality. Further more, for Griffiths criticality is an extended region, the coding property at Griffiths criticality is much more complex than that at classical criticality. Synaptic plasticity, as a main regulating method for network structure, plays a crucial role in generating network structural heterogeneity. Thus, we aim to study mechanism and coding property of Griffiths criticality in hierarchical cortical neural network underlined by the interaction of Hebbian and homeostatic synaptic plasticity. Firstly, a neural network model with Hebbian and homeostatic synaptic plasticity is constructed. Secondly, we exploit the mechanism of the hierarchical structure of neural network underlined by the interaction of Hebbian and homeostatic synaptic plasticity. Thirdly, we attempt to elucidate the mechanism how structural heterogeneity in hierarchy network causes Griffiths criticality. Finally, we probe information coding property at Griffiths criticality. The present study, on one hand, will provide an insight into the nature of Griffiths criticality in biological neural network underlined by synaptic plasticity; on the other hand, has implication for the design of artificial neural network.

临界态是大脑内秉的常态行为，且大脑在临界态时具有最优信息处理性能，故临界态被认为是潜在的神经信息处理机制。不同于经典临界态，Griffiths（简称Gs）临界态源于网络结构的异质性，已有Gs研究中蕴含结构异质性的层级神经网络结构是预先设定的，故不能从源头对Gs临界态机制进行根本性解释；且Gs临界态为一个区域，导致Gs临界态编码特性远比经典临界态复杂。突触可塑性是网络结构的主要调控机制，在网络结构异质性的形成中起关键作用，据此本项目研究基于赫伯与内稳态突触可塑性相互作用的层级脑神经网络Gs临界态机制及编码特性，包括：构建体现赫伯与内稳态突触可塑性相互作用的脑神经网络模型；基于赫伯与内稳态突触可塑性相互作用的脑神经网络层级结构形成机制；基于层级结构的脑神经网络Gs临界态机制；Gs临界态编码特性。意义：从突触可塑性的源头揭示脑神经网络的Gs临界态机制；为类脑神经网络的优化设计提供神经生物学参考。

脉冲时间依赖可塑性（STDP，Spike-timing-dependent plasticity）是一种神经系统中较为常见且有关键作用的突触可塑性，STDP通过对突触连接权重的调节，改变神经网络的连接结构，进而调节神经电活动的状态。本项目以基于兴奋性和抑制性STDP的皮层同构神经网络为研究对象，利用计算神经科学和复杂网络分析相结合的研究方法，对兴奋性和抑制性STDP在神经网络结构的演化、非周期同步电活动及其产生机制等方面的调控作用展开研究。具体研究内容如下：.（1）神经网络结构的演化规律。结果表明，兴奋性STDP对增强E-E突触连接权重的调节较快，使部分突触后神经元的输入显著强于其它神经元，同时网络整体的聚集特征增强；抑制性STDP对增强I-E突触连接权重的调节，保证了神经元和神经元群在输入结构上的兴奋性与抑制性平衡，同时神经元的聚集特征出现明显的差异性；最终在兴奋性和抑制性STDP的作用下，网络可形成稳定的模块化异质性结构。.（2）神经网络非周期同步电活动。首先，分析了在兴奋性和抑制性STDP调节下神经网络电活动特征的变化过程；其次，多方面呈现了神经网络在仿真后期展现的非周期同步电活动现象，包括验证非周期性、神经网络的兴奋性与抑制性平衡、网络活动状态和网络频率特征。结果表明，处于非周期同步中的神经网络，兴奋性与抑制性相互竞争能力强，平衡程度动态起伏，网络活动轨迹波动大且可用更少的维度来描述，功率谱更接近幂律分布，无周期特征，呈现出自组织临界态的特征。.（3）非周期同步电活动的产生机制。结果表明，产生非周期同步电活动的机制，本质上和兴奋性与抑制性STDP呈竞争性的相互作用密切相关，而调节作用一是体现在相同的网络突触连接强度环境下结构的异质性有关键作用；二是体现在神经网络兴奋性与抑制性相互竞争且动态平衡能力较好；三是体现在神经元的脉冲发放对神经元群体的放电活动的影响能力有较大差异。.研究结果表明，兴奋性与抑制性STDP的共同调节和相互作用，促进神经网络由初始随机连接设定的同构结构，变为异质性结构；同时神经网络电活动形成稳定的非周期同步节律，有利于神经信息的处理。研究结果揭示了兴奋性与抑制性STDP在神经网络结构和神经电活动两方面的调控机制，有助于深入理解大脑的发育和工作过程，为进一步的生理研究提供新的思路。