树突棘早期长时程增强中的信息增益、协同性与能量消耗

我们在非平衡随机热力学框架下，研究了一个由相互耦合的树突棘组成的、具有离散内部状态和概率动力学的大规模系统中，长时程增强（LTP）诱导和维持早期阶段信息与能量之间的相互关系。为了分析这个计算上难以处理的多维随机系统，我们引入了一种平均场近似，将棘动力学简化为一个低维的封闭方程组。我们发现，信息增益率和能量消耗率在LTP的初始阶段（即刺激期间）达到最大值，之后恢复到较低的基础水平，而记忆痕迹则持续更长时间。这表明学习阶段比记忆阶段消耗更多能量。我们还发现，棘间的正相关既延长了记忆痕迹的持续时间，也增加了LTP期间的能量消耗，但对于非常强的正突触协同性，单位能量消耗所对应的记忆时间显著增加，这表明突触聚集对记忆持续时间有积极作用。相反，LTP后的信息增益在负相关时最大，且信息增益的能量效率通常随突触协同性的增加而降低。我们还发现，树突棘可以利用稀疏编码来存储长期信息，因为保留信息的能量效率和存储效率在刺激突触比例较低时达到最大值。总的来说，我们的随机热力学方法为理解随机突触系统中学习期间的信息编码及其能量消耗提供了一个从第一性原理出发的统一框架。