大脑的电平衡

平衡是关键。这并不完全是神经科学;但事实确实如此。

既然平衡对我们做的几乎所有事情都至关重要——走路、骑自行车以及生活中其他无数的事情——那么，电子平衡是理解我们大脑如何运作的关键也就不足为奇了。

在神经网络当兴奋性信号的平均水平与从所有连接接收到的抑制信号的平均水平相匹配时，兴奋/抑制(E/I)平衡发生。甚至个人神经元众所周知，大脑能够维持E/I平衡，而失去这种平衡会导致癫痫、精神分裂症和自闭症等严重问题。

虽然众所周知，E/I平衡是从整体出发的大脑水平单个神经元在美国，这一直是通过直接记录动物大脑的电活动来测量的，无论是当大脑充斥着关于世界的信息时，还是当大脑自己在喋喋不休时。直到最近才有研究表明，在与大脑其他部分绝缘的小电路中，由2或3种神经元组成的单个神经元也具有E/I平衡。

这项研究由位于班加罗尔的印度国家生物科学中心(NCBS)的Upinder Bhalla团队完成，并发表在《生物科学》杂志上eLife．

但是维持神经元之间如此精确的平衡对大脑有什么好处呢?这项工作表明，E/I平衡和另一种被称为E/I延迟的现象共同构成了“正常化”的生物物理根源;“正常化”是指我们的大脑在接收到的信息存在巨大差异的情况下理解世界的过程。

“我们的第一个目标是调查E/I平衡是否也在一个子电路中保持，”这项工作的两位研究人员Aanchal Bhatia和Sahil Moza说。

Bhatia和Moza使用一种称为光遗传学的技术，用不同模式的光刺激小鼠大脑切片中的神经元。为了精确地控制他们所施加的刺激，该团队自己设计了一个装置，配有一个不含内脏的DLP(数字光处理)投影仪;他们的最终设置现在可以以随机模式刺激神经元(从几十个到几百个)。研究小组专注于大脑海马区一个被称为CA3-CA1电路的特定电路，该电路以其在记忆形成中的作用而闻名。

数千次测量后，研究人员的答案子电路也保持了非常精确的E/I平衡，即使输入模式完全随机!

“这很令人惊讶。这些随机的输入模式并不对应于任何现实世界的刺激，然而，兴奋和抑制是精确平衡的。”Bhatia惊呼道。

“把神经元想象成一辆汽车。兴奋就像油门踏板，驱动神经元发出信号。然而，抑制作用就像刹车踏板，阻止神经元放电。”Moza说。

如果一个神经元是一辆匀速行驶的汽车，人们就会明白，它的司机必须保持油门和刹车的平衡才能保持这个速度。然而，神经元通常不只有一个驱动程序——大多数神经元从其他神经元接收数百到数千个输入——用汽车来比喻，这意味着同样多的驱动程序。在E/I平衡中，所有这些驾驶员神经元的输入都是加权的，这样神经元汽车就能保持恒定的速度。然而，一辆神经元汽车的神经元司机数量可以而且确实在不断变化。那么，神经元汽车如何明智地响应来自如此大量和范围广泛的神经元驾驶员的输入呢?

“这是我们大脑使用的一个聪明的把戏，”莫扎说。他补充说:“随着神经元驾驶员数量的增加，每个驾驶员都会不断缩短踩油门和刹车之间的延迟，而不会改变加速和刹车的总和。”Moza用这个类比描述的是E/I延迟现象，这在他们的研究中也得到了证明。E/I延迟是兴奋强度和抑制时间之间的独特关系——当兴奋性输入变得更强时，兴奋和抑制之间的延迟变得更短。

“然而，锦上添花的是，我们发现E/I平衡和E/I延迟为一种称为‘阈下分裂正常化’的新形式的正常化创造了生物物理机制，”Bhatia说。

为了理解什么是“正常化”，想象一下，中午时分，你正从卧室向外凝视着附近建筑物熟悉的轮廓，然后在午夜想象同样的场景。无论是在正午强烈的阳光下，还是在午夜钠蒸汽路灯的柔和色调中，你都能认出窗外的景色是一样的。

你是怎么做到的?

通过“正常化”。大脑通过将每个神经元的反应与一个公共因子(通常是一群神经元的总和活动)分开来将其反应“正常化”。这就是为什么一张图片，尽管在不同的条件下发送了巨大不同的信号，我们的大脑仍然可以识别出它是相同的。

“神经元先计算，后发射，”Moza说，这是为了强调神经元在发射信号之前会对输入的所有反应进行“正常化”。

“人们一直在试图理解神经元是如何计算和处理它们接收到的输入的。换句话说，对于一个神经元来说，1+1是否等于2，或者它是否在做其他事情?”Bhatia问道。

事实证明，神经元所做的事情比单纯的输入相加要复杂得多。它们执行更复杂的操作—阈值下划分归一化—其中，输出不与输入成比例地增加。事实上，产出的增长率实际上与投入成比例递减。

Bhatia巧妙地总结了这一点，他解释说，在这项研究中，对于神经元来说，“1+1接近2,1+1+1略小于3,1+1+1+1+1小于5，并且这种趋势继续下去，1+1+1+1+1+1+1+1+1 +1+1+1+1小于9，等等”。

这篇论文的第三位作者Upinder Bhalla说，这项工作对大脑如何计算具有广泛的意义。“想象一下，你是人群中的一个细胞，有一千种声音向你走来。接近平衡意味着你可以忽略数千个输入中的大多数，通过调整平衡，选择性地关注那些特别重要的少数信号。”他补充说:“这项研究也是E/I(实验/IT)的一个很好的例子。平衡在那里，Aanchal做了这些精细的实验，Sahil提供了信息论和分析。”