奧地利科學技術研究所(IST)使用大腦齒狀回的真實比例計算機模型，發現一種新的模式分離機制，被模式激活的抑制性神經元會抑制所有相鄰的神經元，進而關閉與之“競爭”的類似模式。相關研究成果近日發表在《自然·計算科學》雜志上。
人類可以區分非常相似的東西。例如，黑貓與黑豹幾乎一模一樣，只是體型不同。區分這種差異至關重要。得益于所謂的模式分離，大腦能夠區分非常相似的模式，并觸發不同的行為。例如撫摸黑貓和逃離黑豹。然而，模式分離究竟是如何發生的，迄今尚未完全闡明。
IST教授彼得·喬納斯領導的科研團隊在早期的研究中，已經測量了突觸的關鍵參數、神經元的連接點和連通規則。這些對于了解信息在小鼠和大鼠的海馬網絡中如何處理是必要的。在新研究中，他們使用這些真實世界的參數構建了一個包含50萬個興奮性神經元的全尺寸計算機模型，對模式分離如何工作的各種假設進行了測試。
過去，神經科學家認為模式分離是基于擴展：模式從較少數量的神經元投射到下一層處理中的大量神經元上。這將放大圖案并使其更容易看到差異。雖然擴展是小腦中的一種可能機制，但它不太可能發生在海馬體中，海馬體中的顆粒細胞將它們的信號傳遞給下一層較少的CA3神經元。
喬納斯解釋說：“我們的真實模型表明，抑制在其中起著重要作用，即活躍的神經元阻止其他神經元放電。”從數學的角度已經表明，抑制網絡中的活動可更容易地看出模式之間的差異。使用海馬體模型，喬納斯檢查了抑制的作用。當抑制模型的一部分時，圖案就會被牢固地分開。這一結果支持模式分離的觀點從擴展轉變為抑制的機制。
新數據還解釋了齒狀回局部抑制的功能和作用。激活的神經元僅抑制300微米半徑內的其他細胞。這種抑制可比全局抑制更好地分離模式。速度在模式分離中至關重要，焦點抑制減少了延遲：一種模式中的神經元開啟并非常迅速地抑制周圍細胞，確保其他模式不會開啟。
