用于感知预测的类似脑电路的连接体分析

本期编译精选。

摘要

学习的多种形式，例如学习环境模型或运动技能，依靠在细胞类型和网络阶段广泛分布的突触可塑性。理解这种分布式可塑性功能如何是神经科学1,2,3,4,5中的核心挑战。在这里，我们使用连通学来映射细胞类型和突触连接，这些连接是多层持续学习的基础，它取消了电鱼6,7中类似大脑结构的可预见感官反应。我们的分析显示，抑制和断断续续的感官输入途径，满足了指导突触可塑性8,9的理论要求，在解决信用分配问题的网络阶段和加快感官预测和取消的结构化经常性连接之间结构化突触连接。一个被电生学录音所制约的计算模型显示了这种突触连接如何确保多处可塑性站点合作克服其个人局限性，导致快速，准确和强力地去噪声被取消。总体而言，这些发现凸显出结合细胞类型特定生理录音和计算建模，在神经回路中解析学习的潜力。

这是订阅内容的预览，通过您的机构访问

访问选项

通过您的机构访问

自然杂志和54个其他自然杂志

Get Nature+, 我们最有价值的在线订阅

27 99欧元/30天

随时取消

学多点

中国客户订阅信息

我们有一个专为中国客户服务的网站。请前往naturechina.com订阅此期刊。

转自 natechina.com

买这篇文章

• 在斯普林克购买
• 即时查阅PDF全文。

价格可能须缴纳在离职期间计算的当地税。

其它访问选项 :

登录

（原文共 8 张图片，此处展示前 3 张，更多图片请前往原文查看）

（编译自 Nature；原文