增益控制

增益控制是神经系统对输入-输出关系进行动态调节的基本计算原理。它通过改变神经元的响应灵敏度或整体兴奋性，来缩放其对输入信号的输出强度，类似于音响系统中的音量旋钮。增益控制优化了神经系统在不同情境下的信息处理能力，确保其在多变的环境和生理状态下保持最佳功能。

ADSFAEQWER353423413434

在神经科学中，“增益”定义为输出变化与输入变化之比。增益控制即是对该比率的调节： ADFASDFAF23RQ23R

• 高增益：输入信号的微小变化即可引发输出的显著改变，神经元高度敏感。
• 低增益：输入信号需较大变化才能引起可观的输出改变，神经元反应迟钝。

这种调节旨在扩大动态范围，提高信噪比，并适应不同强度的感觉输入或行为需求。 ADFASDFAF23RQ23R

增益控制通过多种细胞和网络机制实现： ADFASDFAF23RQ23R

抑制性调节

• 紧张性抑制：通过持续激活突触外GABA_A受体，稳定膜电位、降低输入阻抗，从而对所有兴奋性输入进行整体性缩放。这是实现增益控制的核心和直接机制之一。
• 抑制性中间神经元：特定的中间神经元（如1型Martinotti细胞）可通过反馈或前馈回路，对锥体神经元的树突或胞体输入进行选择性调节。

兴奋性调节

• 神经调质系统：乙酰胆碱、去甲肾上腺素、血清素、多巴胺等通过激活G蛋白偶联受体，调节离子通道（如K⁺通道）或突触传递效率，从而广泛改变神经元群体的兴奋性和响应特性。
• 背景兴奋性水平：持续的兴奋性突触活动或去极化电流可改变神经元的响应基线。

内在膜特性

• 电压依赖性离子通道：如持续钠电流、超极化激活环核苷酸门控阳离子电流等，可调节神经元的输入-输出曲线斜率。

突触机制

• 突触前抑制：减少递质释放，降低突触效能。
• 短时程突触可塑性：如突触抑制或易化可动态调节信号传递强度。

感觉系统的增益控制

• 视觉系统：视网膜和初级视皮层根据整体光照水平调节增益，使视觉系统在明暗环境中均能有效工作（如光适应）。外侧膝状体神经元也受脑干胆碱能系统调节。
• 听觉系统：橄榄耳蜗束通过释放乙酰胆碱，调节耳蜗外毛细胞的机械特性，实现听觉增益控制，保护内耳免受强声损伤，并在噪声中增强对微弱声音的检测。
• 躯体感觉系统：下行调节系统可改变脊髓背角神经元对触觉或痛觉输入的响应增益。

运动系统的增益控制

• 前庭-眼反射：可根据视觉线索（如对距离的估计）调节其增益，确保眼球运动能精确补偿头部运动。
• 小脑：在运动学习和协调中，被认为通过调节下橄榄核或脑干核团到小脑的输入增益来优化运动指令。

认知与网络水平的增益控制

• 注意：选择性注意能够提高对被关注刺激相关神经通路的增益，同时抑制无关通路。
• 皮层状态：在清醒、警觉状态下，去甲肾上腺素和乙酰胆碱的释放提高皮层神经元的增益和信噪比；而在慢波睡眠状态下，增益降低。
• 工作记忆：前额叶皮层中，持续的神经元放电可能通过NMDA受体依赖的增益调节来维持记忆信息。

增益控制是实现高效神经计算的基石：

• 防止饱和：避免神经元对强输入反应饱和，从而保留编码能力。
• 优化信息传输：将输入信号的动态范围匹配到神经元的有限响应范围内，最大化信息传递效率（符合高效编码理论）。
• 动态适应：使系统能够快速适应不断变化的环境或任务需求。

增益控制失调与多种神经系统疾病有关：

ADSFAEQWER353423413434

• 感觉过敏（如听觉过敏、痛觉过敏）：感觉通路的增益异常增高。
• 癫痫：神经网络的整体兴奋性增益过高，抑制不足。
• 焦虑与创伤后应激障碍：可能与杏仁核及相关恐惧回路的增益调节异常有关。
• 精神分裂症与自闭症谱系障碍：涉及感觉、认知及社会信息处理通路的增益调节异常。

  ADFASDFAF23RQ23R

• Salinas, E., & Thier, P. (2000). Gain modulation: a major computational principle of the central nervous system. Neuron, 27(1), 15-21.
• Chance, F. S., Abbott, L. F., & Reyes, A. D. (2002). Gain modulation from background synaptic input. Neuron, 35(4), 773-782.
• Mitchell, S. J., & Silver, R. A. (2003). Shunting inhibition modulates neuronal gain during synaptic excitation. Neuron, 38(3), 433-445.
• Lee, S. H., & Dan, Y. (2012). Neuromodulation of brain states. Neuron, 76(1), 209-222.
• Aston-Jones, G., & Cohen, J. D. (2005). An integrative theory of locus coeruleus-norepinephrine function: adaptive gain and optimal performance. Annual Review of Neuroscience, 28, 403-450.
• Carandini, M., & Heeger, D. J. (2012). Normalization as a canonical neural computation. Nature Reviews Neuroscience, 13(1), 51-62.
• Silver, R. A. (2010). Neuronal arithmetic. Nature Reviews Neuroscience, 11(7), 474-489.
• 吴建永. (2018). 神经科学原理. 北京: 科学出版社.
• 韩济生. (2012). 神经科学. 北京: 北京大学医学出版社.