[Computational Neuroscience] Neuronal Dynamics

Neurons and Mathematics

Computational neuroscience는 수학, 철학, 컴퓨터 과학의 원리를 적용하여 뇌의 내부 작용을 연구하는 분야이다. computer model은 고도로 제어되고 복제 가능한 방식으로 실험을 수행할 수 있기 때문에 계산 신경과학에 매우 중요하다. 이러한 맥락에서 "model"은 (시뮬레이션된) 현실 세계에서 어떻게 작동할지 추측하기 위해 단순화되고 시뮬레이션을 위한 시스템이다.

전형적인 neuron은 dendrites (수상돌기), soma (체세포), axon (축삭돌기)라고 하는 기능적으로 구별되는 세 개로 나눌 수 있다. dendrite는 다른 neuron으로부터 신호를 수집하여 soma에 전달하는 '입력 장치'의 역할을 한다. soma는 중요한 non-linear 처리 단계를 수행하는 '중앙 처리 장치'이다. soma에 도달하는 총 입력이 특정 임계값을 초과하면 출력 신호가 생성된다. 출력 신호는 다른 neuron에 신호를 전달하는 '출력 장치'인 axon에 의해 전달된다.

두 neuron 사이의 접합부를 synapse라고 한다. neuron이 synapse를 가로질러 신호를 보낸다고 할 때, 보내는 neuron을 presynaptic cell이라고 하고 받는 neuron을 postsynaptic cell이라고 한다. vertebrate cortex의 단일 neuron은 여러 개의 postsynaptic neurons과 연결된다. axonal branches 중 많은 부분이 neuron의 direct neighborhood에서 끝나지만, axon은 뇌의 다른 영역에 있는 neuron에 도달하기 위해 수 센티미터 이상 늘어날 수도 있다.

Spike Trains

신경 신호는 짧은 전기 펄스로 구성되며 soma 또는 신경 세포의 세포 또는 axon 가까이에 미세한 전극을 배치하여 관찰할 수 있다. action potential 또는 spike라고 하는 펄스는 약 100mV의 진폭을 가지며 일반적으로 1-2ms의 지속 시간을 갖는다. action potential가 axon을 따라 전파됨에 따라 맥박의 형태는 변하지 않는다. 단일 neuron에서 방출되는 일련의 action potential를 spike train이라고 한다. 이는 규칙적이거나 불규칙한 간격으로 발생하는 고정된 사건의 연속이다. 주어진 neuron의 고립된 spike는 비슷하게 보이기 때문에 action potential의 형태는 정보를 전달하지 않는다. 여기서 중요한 것은 spike의 수와 타이밍이다. action potential은 신호 전달의 기본 단위이다.

action potential

spike train의 action potential는 일반적으로 잘 분리되어 있다. 매우 강력한 입력이 있더라도 첫 번째 spike 도중이나 직후에 두 번째 spike를 발생시키는 것은 불가능하다. 두 spike 사이의 최소 거리는 neuron의 절대 불응 기간이 존재한다. 절대 불응기 다음에는 action potential를 자극하는 것이 어렵지만 불가능하지는 않은 상대적 불응기가 뒤따른다.