- 3 次围观
兴奋性（E）与抑制性（I）神经元的不同群体之间的相互作用能够产生复杂的动力学图景，其特征包括多稳态、振荡以及悖论性的扰动响应。通过采用一种基础模型——阈值线性网络（TLN），我们给出了在基本微电路结构中各类动力学状态对应的数学条件，从而将先前彼此无关的系统神经科学假说映射到一个共同的参照空间，并获得了关于输入与连接性的新见解。具体而言，我们比较了抑制稳定型 E-I 网络中的平衡策略，解释了关于经典新皮层 E-I-I 回路中伽马振荡的实验，并讨论了海马 E-I-I 网络中的双稳态。 随后，我们表明，在 E-E-I 回路中，连接性决定了神经元组件之间三种本质上不同的相互作用类型。此外，在 E-E-I-I 回路中，我们发现平衡聚类会抑制侧向抑制，而对抗性聚类则能够产生不同的双稳态构型，甚至可以出现在完全无结构的组件之间。我们得出结论，TLN 能够把握微电路动力学中深层且普适的方面。
兴奋性（E）与抑制性（I）神经元的不同群体之间的相互作用能够产生复杂的动力学景观，其特征包括多稳态、振荡以及悖论性的扰动响应。通过采用一种基础模型——阈值线性网络（TLN），我们给出了在基本微回路结构中各类动力学状态所对应的数学条件，从而将先前彼此无关的系统神经科学假说映射到一个共同的参照空间中，并获得了关于输入与连接性的新见解。具体而言，我们比较了抑制稳定的 E-I 网络中的平衡策略，解释了关于经典新皮层 E-I-I 回路中伽马振荡的实验，并讨论了海马 E-I-I 网络中的双稳态。
随后，我们表明，在 E-E-I 回路中，连接性决定了神经元群之间三种根本不同的相互作用类型。此外，在 E-E-I-I 回路中，我们发现平衡式簇集会抑制侧向抑制，而对抗式簇集则能够产生不同的双稳态构型，甚至可出现在完全无结构的神经元群之间。我们得出结论：TLN 能够把握微回路动力学中深层且普适的方面。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.05.29.728781v1?rss=1
🏷️ 神经微回路 兴奋抑制网络 阈值线性网络 振荡动力学 双稳态
来源出处