尖峰时序依赖可塑性

在一个二元突触连接中：

• 长时程增强（LTP）：如果突触前尖峰先于突触后尖峰发生（典型的“前-后”序列，时间差Δt = t_post - t_pre > 0），且时间间隔在数十毫秒以内（通常<20-50 ms），则该突触的效能将发生增强。增强幅度通常随时间差Δt的减小而指数增大。
• 长时程抑制（LTD）：如果突触前尖峰晚于突触后尖峰发生（“后-前”序列，Δt < 0），则该突触的效能将发生减弱。减弱幅度也通常随|Δt|的减小而增大。
• 该关系可以绘制为一条以Δt为横轴、突触权重变化幅度（ΔW）为纵轴的STDP学习曲线（或“学习窗口”），通常呈不对称的双相形状。

STDP的诱导和表达通常依赖于NMDA受体作为关键的“重合探测器”，以及突触后钙离子作为核心的第二信使。 ADSFAEQWER353423413434

• 诱导LTP（前-后序列）：

  ADSFAEQWER353423413434
  1. 突触前尖峰释放谷氨酸，激活突触后AMPA受体，产生去极化。
  2. 这个去极化，加上稍后发生的突触后尖峰导致的主动反向传播的动作电位，共同导致突触后膜强烈去极化。
  3. 强烈的去极化完全解除了该突触处NMDA受体的镁离子阻滞。
  4. NMDA受体大量开放，导致钙离子内流，形成一个大幅、短暂的钙瞬变。
  5. 高浓度的钙激活以钙/钙调蛋白依赖性蛋白激酶II（CaMKII）为主的激酶通路，最终通过插入AMPA受体等方式表达为LTP。

• 诱导LTD（后-前序列）： ADFASDFAF23RQ23R

  1. 突触后尖峰首先发生，其反向传播的动作电位使突触后膜去极化。
  2. 稍后，突触前尖峰释放谷氨酸。此时，突触后膜已部分去极化，但程度不足以完全解除NMDA受体的镁阻滞。
  3. NMDA受体部分开放，产生较小但持久的钙内流。
  4. 这种中等程度的钙信号倾向于激活钙调磷酸酶等磷酸酶，启动AMPA受体的内吞，表达为LTD。

• 其他机制：在某些类型的突触中，也涉及代谢型谷氨酸受体（mGluRs）、大麻素受体（CB1R）、电压门控钙通道（VGCCs）和神经调节剂（如多巴胺、乙酰胆碱）的调节，使STDP规则具有灵活性和情境依赖性。

  ADFASDFAF23RQ23R

STDP为神经系统提供了一种基于精确时序的、自组织的学习算法： ADFASDFAF23RQ23R

• 因果推理与关联学习：突触前活动（“因”）能可靠预测突触后活动（“果”）的连接被增强，这直接编码了事件间的因果关系，是经典条件反射和感知运动学习的理想细胞模型。
• 时间信息处理：能够编码和处理毫秒级的时间模式，对于声音定位、语音识别和运动协调至关重要。
• 神经回路发育与重构：在发育过程中，通过STDP可以“修剪”不相关或反相关的输入，同时强化相关性高的输入，从而形成精确的神经连接。
• 稳定网络活动：STDP与稳态可塑性相互作用，可以自发平衡神经网络的兴奋性，防止活动失控。
• 脉冲神经网络的计算基础：在计算神经科学和人工智能领域，STDP是构建具有时序处理能力的脉冲神经网络（Spiking Neural Networks, SNNs）的核心学习规则。

• 双细胞膜片钳记录：经典方法。在培养神经元或脑片上，同时对一对有突触连接的突触前和突触后神经元进行全细胞记录。通过微处理器精确控制两个神经元动作电位的发放时序，并监测突触后电流（EPSC）的变化。
• 细胞外刺激与记录：使用两个刺激电极和一个记录电极，分别模拟突触前和突触后活动。
• 钙成像：结合电生理记录，使用钙指示剂监测突触后树突棘在特定尖峰时序下的钙信号。
• 计算建模：构建基于生物物理细节的模型（包含NMDA受体动力学、钙动态等）或简化的数学规则模型，模拟和预测STDP对网络动力学的影响。

• 对称型STDP：在某些抑制性突触或皮层突触中，学习曲线可能更接近对称。
• 混合型STDP：在特定时间窗口内是LTP，在另一窗口是LTD，有时在极短（<1-2 ms）或极长（>100 ms）的Δt时，效应可能反转。
• 频率依赖性与协同性：重复的尖峰对（或尖峰串）序列可能产生非线性效应。
• 三因素规则：STDP的幅度和方向可能受第三个因素（如多巴胺、乙酰胆碱、去甲肾上腺素）的调节，这被认为与奖赏学习和注意力机制相关。

STDP机制的异常可能导致神经信息处理的缺陷： ADFASDFAF23RQ23R

• 发育障碍：STDP在神经回路精细化中的功能受损可能与自闭症谱系障碍等疾病相关。
• 学习记忆障碍：与阿尔茨海默病早期突触功能障碍可能有关。
• 成瘾：多巴胺对STDP的调节异常可能参与成瘾相关的异常学习。
• 癫痫：网络中的STDP规则失衡可能导致异常连接的过度强化。