Синаптичне масштабування: Лабораторія гомеостатичної пластичності мозку

Проблема: Чому Хеббіанська пластичність само по собі нестабільна

Класичний постулат Хебба, який часто підсумовується як «нейрони, які спалахують разом, з’єднуються разом», описує, як корельованість активності між пре- та постсиннаптичним нейроном зміцнює синапс, що з’єднує їх, за допомогою таких процесів, як довготривале потенційне збудження (ДПЗ) або LTP. Доповняльний процес – довготривале пригнічення (ДПЗ), слабшає синапси, коли активність не корелюється чи антикорельована. Разом ці правила Хебба є потужними двигунами навчання: вони дозволяють мережам формувати асоціації, кодувати сенсорні ознаки та будувати зважені зв’язки, що лежать в основі пам’яті. Але якщо розглядати їх ізольовано, Хеббіанська пластичність математично та біологічно нестабільна. Уявіть собі синапс, який зміцнюється через те, що пре- та постсиннаптичні нейрони активні разом. Більший синапс робить постсиннаптичний нейрон ще більш ймовірним для спалаху наступного разу, коли спалахне пресиннаптичний нейрон, що відповідно зміцнює синапс ще більше. Це класична позитивна зворотний зв’язок, і позитивні зворотні зв’язки без противажної сили розбігаються до екстремуму. У симуляціях чисто Хеббіанських мереж ваги синапсів або досягають максимального дозволеного значення, залишаючи кожен з’єднання максимально сильним і нездатним відрізняти різні входи, або вони колапсують до нуля, оскільки слабші синапси поступово виперезані та повністю замовкли. Реальні нейронні схеми не показують ні одного з цих екстремумів за нормальних умов. Короткочасні нейрони підтримують рівень спалахів в відносно вузькому діапазоні навіть тоді, коли вони продовжують навчатися протягом життя. Щось має протидіяти дестабілізуючій тенденції Хеббіанського навчання, зберігаючи при цьому корисні, інформаційні відмінності між синапсами. Цим «чомусь» є гомеостатична пластичність, а масштабування синапсів – найкраще зрозуміла клітинна реалізація цього. Воно діє як стабілізуючий противагу, повільний негативний зворотний зв’язок, який додається до швидкої позитивної зворотного зв’язку Хеббіанського навчання, щоб ці механізми разом виробляли мережі, які достатньо пластичні для навчання та достатньо стабільні, щоб функціонувати.

Механізм: множники масштабування всіх синапсів

Синаптичне масштабування працює на принципі, що відрізняється від гебіанської пластичності. Замість того, щоб коригувати один синапс на основі локальної кореляції між двома конкретними нейронами, воно регулює всі екзитогенні синапси, що входять до даного нейрона, приблизно одним множником, виходячи з власної нещодавньої історії загальної електричної активності цього нейрона. Нейрон відстежує свій середній рівень спалювання протягом багатьох годин або днів, порівнюючи його з внутрішнім цільовим рівнем, який часто називають домашнім рівнем. Якщо нейрон надмірно активний, хронічно перезбуджений, він зменшує силу всіх входять до нього екзитогенних синапсів. Якщо нейрон недостатньо активний, хронічно неактивний, він збільшує їхню силу. Ключова математична властивість полягає в тому, що ця корекція множна, а не додана: вага кожного синапсу множиться на один і той же множник, замість того, щоб додати або відняти фіквону. Це розрізнення має величезне значення. Якщо синапс A вдвічі сильніший за синапс B перед масштабуванням, множення обох на один і той самий множник зберігає цей коефіцієнт 2 до 1 після масштабування. На відміну від цього, додане коригування стискає або спотворює відносну різницю між синапсами, потенційно стерши саме ту інформацію, яку закодовала гебіанська пластичність. Таким чином, множники масштабування дозволяють нейрону виправити свою загальну збудливість, зберігаючи при цьому відношення сильних і слабких синапсів, навчені асоціації, по суті, незмінними. Це часто описується як масштабування всього розподілу ваг синапсів вгору або вниз, зберігаючи його форму. Експериментально цей феномен було вперше чітко продемонстровано за допомогою тривалих фармакологічних маніпуляцій з активністю мережі в культованих кортиковальних нейронах, де блокування активності на 1-2 дні викликало глобальне збільшення сили синапсів, а хронічне підвищення активності - глобальне зменшення, у обох випадках без знищення відмінностей між окремими синапсами на одній клітині.

Молекулярний інструментарій: Рецептори AMPA та TNF-альфа

На молекулярному рівні, синаптичне масштабування досягається переважно шляхом зміни кількості рецепторів AMPA-типу глутамату, вбудованих у післямембранну частину екзитогенних синапсів. Рецептори AMPA – це швидкі іонотропні рецептори, відповідальні за більшу частину миттєвого екзитогенного струму, який виробляє синапс, тому їх додавання або видалення безпосередньо змінюють силу деполяризації післямембранної клітини нейрона при вивільненні глутамату. Коли активність нейрона хронічно пригнічена, внутрішньоклітинні сигнальні каскади сприяють вбудовуванню додаткових рецепторів AMPA у синаптичні мембрани по всій дендритній гілці, збільшуючи відповідь післямембранної клітини приблизно на кожному екзитогенному синапсі пропорційно його поточній міцності. Коли активність хронічно підвищена, відбувається зворотне: рецептори AMPA внутрішньозалучаються та видаляються із синапсів, зменшуючи відповіді. Роботи групи Джини Турріджяно виявили особливо потужну сигнальну молекулу, задіяну у напрямку масштабування – туморний некрозний фактор альфа (TNF-альфа), цитокін, який традиційно пов'язаний із імунним сигнальним процесом та запаленням. Гліальні клітини, особливо астроцити, виділяють TNF-альфа у відповідь на тривалі зниження активності мережі, і цей TNF-альфа діє на нейрони, сприяючи вбудовуванню рецепторів AMPA та, таким чином, масштабуванню синапсів. Це було справді вражаюче відкриття, яке показало, що молекула з імунної сигнальної інструментарії була залучена нервовою системою для виконання основної функції в залежності від активності, а також підкреслювало, що нейрони не досягають гомеостазу само по собі, а покладаються на гліальних партнерів для відчуття та трансляції інформації про рівні активності мережі. Інші шляхи, що включають сигналізацію кальцієм, шляхи транскрипційних факторів, що йдуть від сенсорів активності, а також додаткові каркасні та транспортні білки, також сприяють, але вісь між рецепторами AMPA та сигналом TNF-альфа є одним із найчіткіших і найкраще вивчених молекулярних шляхів, за допомогою яких нейрон перекладає зміни у власному графіку спалювання у глобальну корекцію сили синапсу.

Масштаби часу: Швидке навчання, Повільна стабілізація

Ключова особливість, що дозволяє синаптичному масштабуванню та гомеостатичній пластичності мозку співіснувати без знищення однією іншою, – це різниця у масштабах часу. Механізми гомеостатичної пластичності, такі як LTP і LTD, можуть бути спровоковані протягом секунд до хвилин завдяки корельованій або антикорельованій активності, що робить їх достатньо швидкими для захоплення часової структури конкретних досвідів та асоціацій у момент їх виникнення. Синаптичне масштабування, навпаки, розгортається протягом годин до днів, оскільки воно залежить від того, щоб нейрон інтегрував свою активність протягом достатнього часу, щоб розрізнити справжній, тривалий зсув у його робочому точці від нормальних, мікроскопічних коливань у частоті спалахів, які є частиною щоденної обробки інформації. Це розділення масштабів дозволяє цим процесам співпрацювати, а не конфліктувати. У короткі терміни гомеостатична пластичність вільна для формування окремих синапсів угору або вниз на основі конкретних патернів корельованої активності, встановлюючи точні зміни в синапсах, які складають навчання та пам’ять. У довгостроковій перспективі синаптичне масштабування періодично відходить назад, дивиться на загальний рівень активності нейрона, усереднений по всіх цих формуваннях гомеостатичної пластичності, і підштовхує кожен синапс за допомогою одного фактора, щоб повернути середню частоту спалахів нейрона до його точкової установки. Оскільки масштабування повільне, воно не перешкоджає або перезаписує миттєве асоціативне навчання, яке відбувається на швидких масштабах часу. Оскільки це множникові та глобальні, а не синапс-специфічні зміни, воно не потребує знати, які конкретні синапси були відповідальними за зсув у рівні активності; воно просто нормалізує все разом. В результаті виникає двошарова система: швидкий, точний процес кодування інформації та повільний, грубий процес відновлення стабільності, що лежить один на одному в межах одних і тих самих синапсів, дозволяючи безперервне навчання без того, щоб мережа відхилилася в патологічні екстремуми гіперзбудження або тиші.

Чому це важливо: Стабільність, Хвороби та Розвиток

Синаптичне масштабування – не просто теоретична цікавість для обчислювальних моделерів; воно має реальні наслідки для здоров’я та функціонування мозку. Під час розвитку, коли молоді нейронні кола утворюють зв’язки і особливо активне досвідченого геббійського пластичного навчання, гомеостатичні механізми, такі як синаптичне масштабування, вважаються необхідними для запобігання вибуховому, неконтрольованому посиленню, яке інший безперешкодний геббійський процес навчання міг би викликати в незрілому мережі. У зрілому мозку постійний сенсорний досвід продовжує стимулювати геббійські зміни на синапсах, а гомеостатичне масштабування вважається тим, що допомагає підтримувати корунічні кола в робочому динамічному діапазоні протягом усього життя безперервного навчання. Порушення гомеостатичної пластичності було пов’язано з кількома розладами мозкової збудливості. Наприклад, епілепсія характеризується схемами, які не можуть обмежити неконтрольовану стимуляцію, а деякі дослідники припускають, що порушення гомеостатичного масштабування може сприяти втраті цього обмеження. Деякі невророзвиваючі стани також пов’язані в різних дослідженнях із зміненими точками регулювання гомеостазу або порушеною реакцією на масштабування, що відповідає ідеї, що як занадто мало, так і надмірно багато корекції гомеостатичної стабільності можуть бути проблематичними. Крім релевантності для хвороб, синаптичне масштабування також має значення для того, як нейробіологи та обчислювальні моделі думають про системи навчання в цілому. Штучні нейронні мережі, навчені виключно на основі кореляцій або градієнтів, потенційно можуть зіткнутися з власною версією проблеми

вибухового

$ vanishing weight problem

і гомеостатичні стилі нормалізації, які використовуються в сучасних алгоритмах машинного навчання, мають концептуальне споріднення до біологічного синаптичного масштабування, хоча їхні основні реалізації відрізняються. Вивчення того, як мозок вирішує дилему стабільності-пластичності, зберігаючи здатність продовжувати вчитися, не втрачаючи при цьому надійності функціонування, залишається одним із найбільш цікавих перетинів між експериментальною нейробіологією та теорією адаптивних систем.

Часті запитання

Спробуйте наживо

Усе, що вище, працює прямо у вашому браузері — відкрийте Synaptic Scaling: The Brain's Homeostatic Plasticity Lab і змінюйте параметри під час роботи. Нічого не встановлюється, нічого не завантажується на сервер, уся модель живе в одній вкладці.