人类大脑的内部运作是一个逐渐解开的谜团，渥太华大学医学院的理查德·诺博士领导了一项非常引人注目的新研究，使我们更接近回答这些重大问题。

　　这项研究的结果对学习和工作记忆理论具有重要意义，并且可能有助于引领人工智能(AI)的未来发展，因为人工智能开发人员和程序员会关注诺德博士和其他顶尖神经科学家的工作。

　　该研究发表在《自然计算科学》(Nature Computational Science)杂志上，解决了神经元“反应变异性”的多层谜团，神经元是利用电信号和化学物质处理信息的脑细胞，并为人类意识的所有显著方面亮起了绿灯。

　　这些发现揭示了神经元变异性是如何由树突控制的具体细节，树突是从每个神经元伸出的天线，在我们自己的个人神经通信网络中接收突触输入。这项严谨的研究确立了树突的特性，这种特性可以有效地控制输出的可变性，而这种特性已经被证明可以控制大脑中突触的可塑性。

　　“神经元反应的强度是由其核心的输入控制的，但神经元反应的可变性是由其小天线——树突的输入控制的，”诺德博士说，他是医学院细胞和分子医学系和渥太华大学物理系的副教授。

　　“这项研究更精确地确定了单个神经元如何具有控制其输入反应变异性的关键特性。”

　　诺德博士怀疑，如果他用来描述神经元细胞体的数学框架得到扩展，把树突也考虑进去，那么他们可能会幸运地有效地模拟具有活跃树突的神经元网络。

　　扎卡里·弗里登伯格(Zachary Friedenberger)是物理系的博士生，也是诺博士实验室的成员，他有理论物理学的背景，在创纪录的时间内解决了理论挑战和数学问题。快进到完成的研究:通过对体内记录数据的分析和对大范围模型参数的观察，验证了模型预测。

　　“他在创纪录的时间内解决了数学问题，并解决了许多我没有预见到的理论挑战，”诺德博士说。

　　诺博士相信，他们的技术可以让我们深入了解神经元对可变输入的反应。因此，他们开始研究一种技术，能够从具有活动树突的神经元模型中计算统计数据。

　　该研究的一位审稿人指出，理论分析“提供了对生物计算的关键见解，将引起计算和实验神经科学家的广泛兴趣。”

　　更多信息:Zachary Friedenberger等人，树突兴奋性控制过度分散，Nature Computational Science(2023)。DOI: 10.1038/s43588-023-00580-6期刊信息:自然计算科学由渥太华大学提供引文:研究旨在解开神经元变异性如何由树突控制的秘密(2024年，1月16日)从https://medicalxpress.com/news/2024-01-aims-secrets-neuronal-variability-dendrites.html检索2024年1月16日此文档受版权保护。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。内容仅供参考之用。