首页 百科知识 兴奋和抑制的平衡

兴奋和抑制的平衡

时间:2022-02-17 百科知识 版权反馈
【摘要】:作者们注意到,兴奋性的和抑制性的电位是正性相关的。平衡状态所产生的噪声,影响了神经元的有效增益。在此情况下,同时发生了兴奋和抑制,导致一个有效的机制用来协调输入电导和突触活性。这些发现与由不相关的兴奋性、抑制性输入而引起随机膜电位波动并产生锋电位的结果相一致。活体实验显示,神经网络活动时的同时兴奋和抑制,伴随着几倍增加的神经元电导。
兴奋和抑制的平衡_高电导状态_脑研究的前沿与展

分离神经元对于稳定去极化的反应是一串动作电位,这串动作电位按照可预期的时间顺序产生,也即,具有高度相关的锋电位间隔。特定型式是由细胞特异的内源性反应特征决定的。特异性由膜上的电压和钙门控离子通道沿着胞体、树突、轴分布的密度剖面(profile)决定,也取决于神经元的结构。然而,当大脑皮层及皮层下神经元有功能性神经网络活动的时候,肯定有高度不规则的放电出现。这里包含自发性放电、由感觉刺激所诱发的放电,以及麻醉动物、去大脑皮层动物或清醒动物在进行运动活动时的放电。保持恒定平均放电率的不规则放电,是一项令人惊奇和意想不到的结果,这是由于随机兴奋性突触输入发生时间整合的结果。导致不规则放电的最简单而最直截了当的情节,是进行中的高强度兴奋性突触和抑制性突触的活性。对于不规则放电的这种解释非常吸引人,当它的含义用数学方法来进行考察的时候。数学理论的分析显示,不仅抑制性和兴奋性的突触输入信号来到个别神经元之间的大致平衡状态,可以自然地在抑制性和兴奋性神经元的模拟网络中显现出来,而且如所预料的那样,这种网络也可以导致神经元的不规则放电。即使有恒定的输入,平衡状态也显示出带有混乱的动力学特征,而且向网络提供比较快速的反应时间,比个别神经元的整合时间所需的还要快速。虽然对这些高水平的预测还没有从实验上进行过考察,但是已有一定的独立证据提示,在广泛的神经元网络里,平衡状态是一个普遍存在的现象,既在脊椎动物中,也在无脊椎动物中[1]

在一些初级感觉皮层的脑区,抑制性突触输入的强度是与兴奋性的突触强度相匹配的。兴奋性输入由特定的感觉刺激引起,两者强度是互相协调的。在近来的研究中,同时记录两个皮层神经元,让每一个保持于不同的膜电位,则皮层神经元的自发活性以及兴奋性和抑制性的密切相关都明确地被演示出来。作者们注意到,兴奋性的和抑制性的电位是正性相关的。比较细致的实验是用躯体感觉皮层的离体脑薄片做的,实验揭示了这种相关的底物是什么。脑片研究发现,由第Ⅴ层锥体细胞(此细胞是大脑皮层的主要输出对象)输出一串锋电位,不仅引起少数邻近锥体细胞的突触兴奋,也激活了大量Martinotti细胞。后者是一类独特的抑制性中间神经元,它们转而形成分散的以及汇集的回返性抑制性突触,这些突触又作用到局部的第Ⅴ层锥体细胞和Martinotti细胞。事实上,这种简单组构提供了强有力的前馈及反馈抑制,两种抑制密切地相关于兴奋的幅度。鉴定了这样一个特定的微神经回路结构,它自动地提供平均兴奋性和抑制性活动变化的相关变化。在我们讨论的相关情况中,此发现特别重要,而更重要的是,鉴定了回路的机制,通过这种设计导致一种快速的、波动着的兴奋-抑制平衡的模型[1]

平衡状态所产生的噪声,影响了神经元的有效增益。这表现为它们的放电频率曲线(此曲线的斜率称为神经元增益)对于膜电位和电导不敏感,可以有效地被电压噪声所调制。有人用大鼠躯体感觉皮层脑薄片第Ⅴ层锥体细胞来研究此效应,把独立泊松过程模拟产生的兴奋性和抑制性单位电导,通过膜片钳记录电极输送给神经元。用这种方法,突触噪声对神经元增益的影响可在大的参数变化范围里面得到探索。这种研究的设计方案演示,同时的抑制和兴奋可以减少有效的神经元增益。发生这种情况是由于,一个平均膜电位的动作电位所引起的去极化性突触电位,相当地低于锋电位阈值[1]

当兴奋性突触的活动增加时,抑制超线性募集的一个基本后果就是,平行地增加了一个输入电导。在此情况下,同时发生了兴奋和抑制,导致一个有效的机制用来协调输入电导和突触活性。当突触活性处在低水平时,神经元对个别突触输入的敏感性是高的;但当突触活性增加时,这个敏感性反而减少。这里的突触活性增高是由于增加了电导和减少了增益。然而,神经元发放锋电位的能力在一个大范围里面保持不变[1]

在这样一种动作方式下,阈下膜电位波动的幅度与突触强度和平均电导跟着改变。此外,在平衡状态下,平均膜电位仅对突触强度有中等程度的敏感,而且膜电位维持在靠近阈值。平衡网络里面的稳定性问题,早就有人研究,也有很精细的实验分析。如果有多个神经元都接近阈值,那么单个动作电位在兴奋性神经元里面能以雪崩的方式产生“逃跑者”兴奋。在大鼠躯体感觉“桶”皮层上对这种情景作了细致分析。有作者结合计算机的和实验的研究,结果显示,第Ⅴ层锥体神经元的单个动作电位可以导致28个突触后神经元发放动作电位。实验也显示,这可以导致网络里面动作电位活性相当程度的变化,时间可以维持到100 ms。但是这并不导致兴奋消失,因为突触后细胞既有兴奋性的也有抑制性的,最后把扰动变化对消掉了。这些发现与由不相关的兴奋性、抑制性输入而引起随机膜电位波动并产生锋电位的结果相一致。果真如此,脑一定是通过放电频率来编码信息的,而不是用准确的放电时间间隔,或通过很大的去极化以达到一个准确的时间。实验结果有利于频率编码,因为大的去极化很少见,而锋电位很容易产生,在没有大的去极化时也可以产生。不过并非所有情况都是这样,在清醒大鼠的初级听觉皮层上,稀少锋电位的神经元在静息没有声音的状态下,以及在接受或长或短的声音刺激的时候,它的膜电位以明显非随机的方式波动着。此外,这些神经元的偶然动作电位可以由游离的非高斯分布的去极化事件触发,可能是一种突然增加的同步化突触输入[1]

活体实验显示,神经网络活动时的同时兴奋和抑制,伴随着几倍增加的神经元电导。在这种电导增加的情况下,锋电位间隔时程不再由慢电流所决定,慢电流是由锋电位的后超极化和起搏器电位产生的。相反,高电导状态下的动作电位优先地被膜电位有噪声性变动时产生的去极化瞬变所引起,而噪声性变动是由同时引起的强抑制性、兴奋性突触活动产生的。在这种状态下,电导波动及膜电位是增益调控的关键因素[1]

当高电导状态存在时,会产生一些有意思的后果,如内源性反应特征的熄灭,膜时间常数和突触整合时间的缩短,以及还没有研究过的突触权重的重新调整,以及电紧张性电缆结构的变化[1]

在活体中经常可以看到锋电位间隔的高可变性,此可变性不能够完全由随机、不相关的抑制性和兴奋性突触活动来解释。然而在离体实验中有作者演示,这种高可变性可以很容易地假定在突触输入里面有瞬变的时间相关就可以了。因此,决定突触诱导的突触后膜电位波动性的基本参数,除了突触权重以外,还有同时发生的兴奋性和抑制性突触活性的强度及相关[1]

由同时抑制和兴奋而产生噪声驱动的不规则放电,在脊髓里面已有直接证据。在游离的乌龟脊髓标本中,机械刺激相应感受野可引起抓扒神经网络的活性。在活体或离体条件下、在搔扒期间,运动神经元的突触输入活性显著增加。在每次搔扒时,抑制性与兴奋性输入活动的强度几乎维持于平衡状态。驱动锋电位活动的去极化波是由相关的兴奋性和抑制性突触活性增加所驱动的,其证据来自同时增加的膜电位波动的平均电导与幅度。出于此理由,搔扒期间的运动神经元进行不规则放电。有待进一步考察的是,成熟脊髓运动神经元的这种活性,在多大程度上是由可变的突触随机相互作用所驱动的,而不是锁定于像时钟一样的神经网络——一种弱耦合的细胞振荡器[1]

活体细胞内记录显示,新大脑皮层神经元在完整网络中受到强的突触冲击,处于高电导状态。离体研究提出了有关树突活动特征及树突如何把分散的突触输入传到胞体这两方面复杂相互作用的看法。计算机模型试图把这些结果连接起来,并预测高电导状态可以深刻地改变皮层神经元的整合特征,为它们提供一系列的有利计算条件。本章将介绍不同途径的研究进展,目的在于了解整体脑中新大脑皮层神经元的整合特征[3]

大脑皮层最迷人的特征是它特别密布的神经连接,每个锥体神经元接受5000~60000个突触接触位点。大部分突触位点来自大脑皮层本身,但也有来自皮层下结构的,如脑干和丘脑。清醒动物的这些结构中的神经元具有高自发性放电频率。你可能因此预期,在完整网络中,在任何时间,输入单个神经元的许多突触是同时活动的。与此看法相一致,清醒动物的细胞内记录显示,皮层神经元受到强的突触冲击,因此作为结果,它是更加去极化的,而且具有低输入阻抗,比之离体脑片里面的神经元。然而,这个高电导状态如何被连续的突触冲击所引起,从而影响神经元的动力学,特别是神经元的反应性?对这些仍然不清楚[3]

为了评价处于高电导状态时锥体神经元的整合特征,仅通过活体研究还不够。活体研究有这样的优点:神经元所处的网络是完整的,但是我们不能足够准确地控制突触输入。如果我们运用离体脑片,这种控制条件比较容易达到,但随之而来的是脑片网络的局限性,自发突触活性严重地减弱。然而,视觉导引下的膜片钳记录以及显微荧光测定法可以使我们获得重要的进展,以此来特征化(characterize)皮层神经元的突触整合。研究进展包括:准确地测定树突的电压依赖通道的密度与分布,特征化树突的锋电位以及精细的突触整合模型[3]

显然,树突拥有电压依赖的通道,并能够产生再生性事件,它影响了锥体神经元的整合特征。然而,因为网络活性可以影响皮层神经元整合特点的这个看法,在早年的理论研究中就已提出来了,所以,如果需要用计算方法来整合离体和活体实验结果的话,则理论模型提供了几种关于高电导状态下神经元计算特点的预测,这里将予以讨论[3]

这里将开始介绍处于高电导状态的活体皮层神经元的电生理学特征,然后讨论电压门控通道的分布,以及它们如何影响树突加工的离体研究。然后我们将显示,计算机模型如何把活体和离体观察连接在一起,而且指出应用于高电导状态的计算原理。我们最后要回顾一下,应用新方法,即动态钳制实验,如何能够把离体和活体的实验结果汇聚起来。在这种实验里,将应用计算机产生的高电导状态来研究突触冲击对离体突触整合的效应。本章的目的是要显示,通过紧密联合起来的不同研究方法,就能够了解处于激活状态时大脑皮层的突触整合[3]

开始,我们将介绍清醒动物活体皮层以及在麻醉情况下各种皮层状态下的神经元活性特征。我们将特别聚焦于“激活”状态,它的电生理学特征接近于清醒状态。中枢神经元第一个细胞内记录很早就已经做成,可以回溯到20世纪中期,记录是从猫脊髓活体运动神经元上得到的。从此以后,在大脑皮层的许多区都得到了这种记录。由于技术原因,例如机械稳定性,这些记录通常是在深度麻醉动物上做的,最常用的是巴比妥麻醉。不幸的是,巴比妥类麻醉可以深刻地压抑皮层的兴奋性,导致脑电图型式成为类似慢波睡眠时所看到的那种。事实上,在巴比妥麻醉动物的EEG上,占主导地位的是高幅度慢波。这种EEG波往往与同步化的爆发-静息放电型式相关联。这种麻醉情况下的记录跟激活状态下的记录呈尖锐对比。在激活状态时,EEG显示低幅、快速活性(“去同步化EEG”),伴有不同步、不规则的放电[3]

为了特征化处于EEG激活状态下的皮层神经元,必须实施细胞内记录,并测定同时平行记录的EEG。很遗憾,这样的实验很少看到。图8-9收集了不同状态下典型显示的细胞内的和EEG的同时记录,包括清醒动物(图8-9a)、氯胺酮-甲苯噻嗪麻醉动物(ketamine-xylazine,KX;图8-9b),还有巴比妥麻醉动物(图8-9c)。在各种情况下,记录活性与通常从离体脑片上看到的、相对安静的细胞内记录形成对比(图8-9d)[3]

图8-9 不同皮层状态下皮层脑电图和细胞内记录的平行比较(彩图见图版此处)

(a)清醒动物:EEG去同步化,细胞内记录的特征是膜电位的去极化并且高度波动,伴随有不规则的放电。(b)在氯胺酮-甲苯噻嗪的麻醉下,两个时相之间EEG的振荡:去同步化期(上状态,用横杠表示),带有快而不规则的EEG振荡;在慢波期,快EEG活性不见了或大大减少(下状态)。在去同步化期(横杠),膜电位呈现去极化,而且高度波动;在慢波期,膜电位呈现超极化。(c)巴比妥麻醉:EEG展示慢波,而细胞内记录的信号包括骑在超极化上面的去极化爆发波。(d)离体皮层脑片应用尖电极的记录:在此情况下,网络低活性,细胞内信号记录显示很平静,这表明仅有分离的突触事件。(e)不同状态下膜电位平均值(<Vm>)及标准差(σV)的比较。U:上状态;D:下状态。(图引自[3])

基于清醒动物稳定细胞内记录的实验仅有很少几个。这些研究所报道的皮层神经元具有低的输入阻抗(5~40 MΩ)、去极化的膜电位(-60 mV左右)。膜电位波动很明显(σV=2~6 mV),这样引起不规则的张力性放电,其频率为5~40 Hz(图8-9a)。也可以看到依赖于行为状态的输入阻抗差别,如清醒状态、慢波睡眠、异相睡眠;但是在多数情况下,比离体情况下的输入阻抗值总是低的,不论哪一个皮层脑区,结果是同样的。关于输入阻抗的测定,此一研究与彼一研究的结果不好比较,这有几个原因。第一,它们依赖于电极的形状和电阻,而此数据在各个实验室不尽相同。第二,对于非麻醉动物的资料来讲,测量结果依赖于动物行为。例如,有一篇文献报道有相对高的输入阻抗,它是基于动物处在安静、清醒状态时的数据,这种情况有可能联系着低水平的突触冲击,比之活动而清醒的状态。然而,同一实验室所得结果是可以互相比较的(图8-9b—d,KX,巴比妥;离体情况见图8-9d),如果它们来自同一细胞类型(给予TTX之前和之后,图8-9c,e)[3]

应用麻醉剂例如氯胺酮-甲苯噻嗪(KX)或氨基钾酸酯时,也有类似的报告。麻醉剂的剂量低时,这些麻醉剂产生活性及静止时期的交替,通常被称为“上状态”和“下状态”。在“上状态”时(图8-9b,横杠),“上状态”与快速EEG活性的去同步化相关联,皮层神经元去极化,有自发放电,有低输入阻抗,这种情况与清醒动物的皮层神经元相类似。在“下状态”时,EEG的快速活性减少,皮层神经元有比较稳定的超极化膜电位(约-90 mV)以及高输入阻抗(39±9 MΩ;而“上状态”时仅有9.3±4.3 MΩ)。对KX或氨基钾酸酯麻醉动物来说,刺激维持清醒状态的脑干上行系统,会引起持久的“上状态”以及去同步化的EEG。当未经麻醉的动物(unanesthetized animal)从慢波睡眠转到清醒状态时,可以看见类似的型式。这些实验观察支持了一种看法,那就是上状态所代表的网络状态类似于清醒[3]

相比之下,巴比妥麻醉导致皮层活性减低,神经元处于低频放电的状态(图8-9c)。电导分析发现,如果与KX麻醉相比,则巴比妥诱导低的总体电导状态。例如,图8-10a和图8-10b比较了在KX和巴比妥麻醉的情况下,稳定电流注射的效应。在图8-10a,电压分布显示两个峰,这是KX麻醉时典型的“上状态”和“下状态”。在“下状态”时进行电流注射比在“上状态”时注射,有更大的效应,显示“下状态”时电导减小。有趣的是,在巴比妥麻醉下所得到的分布(图8-10b)类似于KX麻醉“下状态”的分布[3]

图8-10 不同活性状态下的电导测量(彩图见图版此处)

(a)氯胺酮麻醉:不同直流电水平下膜电位的分布。超极化()及去极化(*)的峰值分别对应于膜的两个状态(下状态、上状态),参看(b)。在上状态时注射电流对于峰值的影响比下状态时为小,表明在上状态时有低输入阻抗。(b)巴比妥麻醉:手续如同(a)一样。在此情况下膜电位的分布接近于(a)所显示的、KX麻醉下的下状态。(c)应用微灌流河鲀毒素(TTX)的方法压抑网络活性。左侧图显示实验安排的图解,用一个微灌流移液管输入TTX到活体大脑皮层。中间图是处于KX状态下,注射超极化脉冲电流所引起的个别(上)和平均(下)反应。右侧图是用TTX把网络活性压抑以后,在同一个神经元用同样电流脉冲所引起的反应。在此情况下,输入阻抗和膜时间常数大约比“上状态”时大5倍。应用类似的记录电极,TTX后的输入阻抗类似于离体测量的结果。(d)不同研究所得的输入阻抗绝对值(Rin),从左到右。数据来自许多实验室,有清醒的、KX麻醉的、巴比妥麻醉的、离体的动物。(e)给予TTX之前及之后所测得的同一细胞输入阻抗的相对值。(图引自[3])

如同在清醒时及在KX麻醉状态下所见,在不规则、快速的EEG活性期,皮层神经元具有低输入阻抗,它被去极化,感受连续膜电位波动,并且在静息状态下自发放电。我们称这种情况为皮层神经元的高电导状态。此状态与离体所看到的有明显不同。在离体情况下,皮层细胞缺少自发性放电,有高的输入阻抗,有超极化的膜电位,仅仅显示分散的、少量的突触事件[3]

为了研究突触活性对于高电导状态的贡献,在活体中微灌流钠通道阻断剂TTX以压抑网络活性之前及之后,比较同样神经元的细胞内记录。TTX微灌流导致膜电位的超极化、输入阻抗的增加以及明显的膜电位稳定(图8-10c—e)。在活体给予TTX以后,皮层细胞的膜电位和输入阻抗类似于离体应用同样类型电极时所看到的。这些结果表明,在活体情况下由于应用细胞内微电极而增加的细胞损伤,并不能够解释活体和离体结果的差别。这些实验也表明,活体皮层神经元的去极化水平以及低输入阻抗,多数是由于自发的突触活性(计算机模型提示,少于10%的输入阻抗是由于激活了电压依赖的电导)[3]

与此相一致的是,与巴比妥麻醉情况下所做的相比较,在KX麻醉情况下,TTX对于皮层细胞输入阻抗的效应要大一些。这有可能反映了一个事实,就是在巴比妥麻醉时网络活性降低。这种看法跟以前的实验是相一致的,因为以前的实验曾经显示,巴比妥麻醉时的皮层神经元输入阻抗,大概是离体测量到数值的一半[3]

根据这些测量我们可以估计高电导状态时兴奋性和抑制性电导的相对贡献。对于被动膜来讲,稳定状态下的平均膜电位(〈Vm〉)由下面公式所决定[3]

此公式中的〈〉表明时间平均,g为漏电导,E为漏的翻转电位,gegi分别是时间依赖的总兴奋性和抑制性电导(EeEi分别为翻转电位)。与这个方程式有关的结果来自活体实验测量,当KX麻醉时应用TTX后处于上状态的情况下,其结果为:〈Vm〉=-65±2 mV,E=-80±2 mV,Ee=0 mV,Ei=-73.8±1.6 mV和Rin(TTX)/Rin(活性)=5.4±1.3;产生比例为〈ge〉/g=0.73和〈gi〉/g=3.67[3]

根据这些测量,平均兴奋性和抑制性电导的贡献比例大约为5,是具有逆转抑制的(例如用含氯的电极所记录的),或者在脑干刺激之后的细胞,为4到5之间。其他活体实验性研究也得出结论,认为在感觉反应时或在丘脑刺激时,抑制性电导大于兴奋性电导2~6倍[3]

上面所回顾的资料表明,当EEG去同步化时,新大脑皮层神经元处于高电导状态,其电学特征如下:对大的膜电导来说,这相应于输入阻抗减少3~5倍;平均膜电位为-65~-60 mV,此数字表明膜有相当程度的去极化,较之天然静息水平(-70~-80 mV);发生大幅度的膜电位波动(σV为2~6 mV)时,此值至少是在缺少网络活动时的10倍那么大。另外,此资料表明,这些特征多数是由于网络活性造成的,而抑制性电导多数可以解释大的膜电导[3]

对高电导状态如何影响皮层神经元的整合特点,可用计算机模型加以研究。本章小结了某些研究的结果,这些研究预测,在高电导状态下会出现几种计算原理,应用的是多个或单个的区隔模型。第一个后果是,在存在着波动性突触活性的背景情况下,皮层神经元的反应会明显不同。第二个后果是,它们大大影响了不同树突位点突触输入的效力。第三个后果是,影响时间加工。至于在高电导状态研究中应用计算机模型的优点就从略了[3]

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈