Êtes-vous un étudiant de l'EPFL à la recherche d'un projet de semestre?
Travaillez avec nous sur des projets en science des données et en visualisation, et déployez votre projet sous forme d'application sur Graph Search.
Concept
Coincidence detection in neurobiology
Résumé
Coincidence detection is a neuronal process in which a neural circuit encodes information by detecting the occurrence of temporally close but spatially distributed input signals. Coincidence detectors influence neuronal information processing by reducing temporal jitter and spontaneous activity, allowing the creation of variable associations between separate neural events in memory. The study of coincidence detectors has been crucial in neuroscience with regards to understanding the formation of computational maps in the brain.
Coincidence detection relies on separate inputs converging on a common target. For example (Fig. 1), in a basic neural circuit with two input neurons—A and B—that have excitatory synaptic terminals converging on a single output neuron (C), if each input neuron's EPSP is sub-threshold for an action potential at C, then C cannot fire unless the two inputs from A and B are temporally close. The synchronous arrival of these two inputs may push the membrane potential of a target neuron over the threshold required to create an action potential. Conversely, if the two inputs temporally arrive too far apart, the depolarization of the first input may have time to drop significantly, preventing the membrane potential of the target neuron from reaching the action potential threshold. Hence, the function of coincidence detection is to reduce the jitter caused by spontaneous neuronal activity, and while random sub-threshold stimulations from cells may not often fire coincidentally, coincident synaptic inputs derived from a unitary external stimulus ensure that a target neuron will fire as a result of the stimulus.
The above description applies well to feedforward inputs to neurons, which provide inputs from either sensory nerves or lower-level regions in the brain. About 90% of interneural connections are, however, not feedforward but predictive (or modulatory, or attentional) in nature. These connections receive inputs mainly from nearby cells in the same layer as the receiving cell, and also from distant connections which are fed through Layer 1.
Source officielle
À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Cours associés (1)
NX-450: Computational neurosciences: biophysics
The course introduces students to a synthesis of modern neuroscience and state-of-the-art data management, modelling and computing technologies with a focus on the biophysical level.
Concepts associés (3)
Glutamate receptor
Glutamate receptors are synaptic and non synaptic receptors located primarily on the membranes of neuronal and glial cells. Glutamate (the conjugate base of glutamic acid) is abundant in the human body, but particularly in the nervous system and especially prominent in the human brain where it is the body's most prominent neurotransmitter, the brain's main excitatory neurotransmitter, and also the precursor for GABA, the brain's main inhibitory neurotransmitter.
Récepteur NMDA
thumb|Représentation schématique d'un récepteur NMDA activé. Le glutamate et la glycine occupent leurs sites de liaison. S'il était occupé, le site allostérique causerait l'inactivation du récepteur. Les récepteurs NMDA requièrent la liaison de deux molécules de glutamate ou d'aspartate et deux de glycine. thumb|Structure de la molécule de NMDA. Les récepteurs NMDA (récepteur au N-méthyl-D-aspartate) sont des récepteurs ionotropes activés dans des conditions physiologiques par le glutamate et la glycine qui sont essentiels à la mémoire et à la plasticité synaptique.
Dépression synaptique à long terme
La dépression à long terme (DLT) est « une réduction durable de l'efficacité de la transmission synaptique qui fait suite à certains types de stimulation ». Dans la dépression à long terme l'efficacité synaptique se trouve réduite. Cela est dû au fait que les éléments pré-synaptiques et post-synaptiques des neurones ont une décharge nerveuse asynchrone ou ne déchargent plus d'influx nerveux. La puissance de l'influx nerveux est influencée par la participation des récepteurs NDMA, et de leur influx calcique (Ca2+).
MOOCs associés (4)
Neuronal Dynamics - Computational Neuroscience of Single Neurons
The activity of neurons in the brain and the code used by these neurons is described by mathematical neuron models at different levels of detail.
Neuronal Dynamics 2- Computational Neuroscience: Neuronal Dynamics of Cognition
This course explains the mathematical and computational models that are used in the field of theoretical neuroscience to analyze the collective dynamics of thousands of interacting neurons.
Neuronal Dynamics 2- Computational Neuroscience: Neuronal Dynamics of Cognition
This course explains the mathematical and computational models that are used in the field of theoretical neuroscience to analyze the collective dynamics of thousands of interacting neurons.