IT Literature Intelligence 终审版本 (VERIFIED) 论文编号: 052 | 原始基线: V0_ZCODE_BASELINE | 语义审核: needs_revision | 图表审核: pass

Spike timing-dependent plasticity under imbalanced excitation and inhibition reduces the complexity of neural activity

Park · Frontiers in Computational Neuroscience · 2023 · Zotero itemID=647

这篇文章用带突触可塑性的脉冲神经网络做模拟，问了一个很具体的问题：如果大脑中只有一小块区域的兴奋/抑制平衡（E/I balance）被打乱，会通过网络自组织把什么"坏影响"传播到全局？作者发现局部增强的 E/I 比率会经脉冲时序依赖可塑性（STDP）自我强化出过度连接、把神经活动复杂度拉低、并削弱对外部输入的信息传递，从而为孤独症等神经精神疾病中"过度连接 + 脑活动低复杂度"这两个看似独立的观测提供了一个统一的机制性解释。值得读是因为它把"结构-功能相互作用"这个抽象概念做成了可以逐环节检验的因果链条。

研究背景

兴奋与抑制（excitation/inhibition, E/I）的平衡是神经环路最基本的生理基础，E/I 失衡被认为孤独症谱系障碍（autism spectrum disorder, ASD）和精神分裂症的主要诱因之一：ASD 患者前额叶皮层中表达小白蛋白（parvalbumin）的抑制性中间神经元数量偏少而兴奋性神经元数量正常，GABA 受体减少也有多处报告；光遗传学工作显示，把小鼠内侧前额叶的 E/I 比率调高（即抑制变弱）会引发类似 ASD 的社交行为缺陷，并伴随神经元与刺激之间互信息（mutual information, MI）的下降。与此同时，神经精神疾病脑活动的一个反复出现的特征是复杂度偏低——常用多尺度熵（multiscale entropy, MSE）来度量：ASD 儿童静息态 EEG 的平均 MSE 低于典型发育儿童，MEG 研究也发现复杂度差异随脑区和频段变化。有人猜测这是 GABA 对神经活动的严密调控所致，但具体机制并不清楚。

结构一端同样有异常报告：某些局部区域神经元密度增加、区域间连接过度，同时额叶和颞叶的全局连接又有所下降。已有的计算模型研究大多是把整个网络的抑制全局性地削弱，观察到不稳定动力学、信息传递减少、振荡减弱等；但生理证据表明 E/I 相关异常往往只出现在部分脑区（如仅单侧皮层）。作者自己此前的工作显示"局部连接过多的神经元群复杂度低"，但那时宏观网络结构是人为给定的，过度连接如何经由 STDP 自发涌现仍属空白。于是缺口很明确：没有人考察过一个脑区的局部 E/I 失衡，如何同时驱动非典型网络结构的自组织与全局性的活动复杂度下降。

研究思路

作者的假设是一条因果链：结构（连接）与功能（活动）互为因果、循环组织，局部 E/I 失衡在这一循环中被放大——弱抑制让神经元更易放电，高放电状态下的 STDP 会形成过强的连接，过强连接带来同步放电从而降低活动复杂度，而这种状态又通过群间连接扩散到整个网络。为了验证这条链，他们故意不做全局操控，只在多个神经元群中的一个群内改变抑制性神经元数量 NI 和抑制性突触权重 WIE，让兴奋连接完全交给 STDP 自组织；随后从结构和功能两端测量：结构端看自组织后的群内/群间平均连接权重，功能端用 MSE 量化复杂度、用 MI 和传递熵（transfer entropy, TE）量化对外部输入的传递。实验设计先在两群模型里把机制看清楚，再用十群的环状拓扑（消除网络拓扑差异的干扰）检验这种局部失衡是否会波及全局。

方法

模型由若干神经元群组成，每群含 800 个兴奋性神经元（Izhikevich 模型的 regular-spiking 型）和 NI 个抑制性神经元（fast-spiking 型，对应小白蛋白抑制性中间神经元）。每个兴奋神经元有 70 个群内连接和 30 个群间连接（依据皮层锥体神经元局部与全局连接约 7:3 的解剖证据），传导延迟分别取 2–4 ms 与 4–10 ms；抑制性神经元只有 100 个群内连接、没有群间连接，且其突触权重固定不变，这样 NI 与 WIE 就成了干净的操控旋钮。兴奋连接按 Pfister 与 Gerstner 的三联 STDP 规则更新。仿真总时长 1520 s、步长 0.05 ms，改为：“STDP从第5 s开始，持续1500 s（约至第1505 s）。”，全程接受 0.6 Hz 的齐次泊松背景输入。E/I 操控参数为 NI ∈ {100, 150, 200(基线), 250, 300}、WIE ∈ {0.0125, 0.01875, 0.025(基线), 0.03125, 0.0375}；十群模型实验取三种代表性条件——H-E/I（NI=100 且 WIE=0.0125，抑制最弱）、B-E/I（基线）、L-E/I（NI=300 且 WIE=0.0375，抑制最强）——每条件独立仿真 20 次。

分析时，每个群的活动用局部平均电位（local average potential, LAP，即群内兴奋性神经元膜电位的平均值）表示。MSE 的做法是先把 LAP 下采样到 1 ms，再对 100 个粗粒化尺度逐一算样本熵（参数 m=2、r=0.15），复杂度即 100 个尺度上样本熵之和。信息传递方面，从第 1515 s 起向某个群注入 5 s 的非齐次泊松外部输入（瞬时频率 λ(t)=25sin²(2πt)），计算各群活动与该输入之间的 MI，以及从接受输入的群流向其他群的 TE（用 JIDT 工具包按 Kraskov 估计器计算，TE 历史长度 k=140，即 7 ms）。统计上，两群模型对各格点与基线参数（NI=200、WIE=0.025）做 Welch's t 检验，三条件比较用 Tukey 事后检验。

主要结果

局部升高的 E/I 比经 STDP 强化全网的群内与群间连接（图2）。两群模型中，当失衡群的 E/I 比率升高（抑制变弱）时，不只是失衡群、连同平衡群的群内连接与两个方向上的群间连接权重都增大；反之 E/I 比率降低时，失衡群的连接略增、平衡群的连接略减。
高 E/I 比同时抬高两个群的放电率（图3），作者将其归因于第 1 条中连接的增强。
神经活动复杂度随 E/I 比升高而下降（图4）。两个群的 MSE 总和都随 E/I 比率升高而降低，改为：“复杂度在所有尺度因子上均下降，并在较高尺度因子上尤其明显。”——由于尺度粗粒化相当于低通滤波，这意味着低频段复杂度的显著损失。关键对照是：去掉 STDP 的版本里，即使 E/I 失衡，放电率和复杂度都更低且平衡群完全不受失衡群影响，说明"局部失衡→全局低复杂度"这条通路确由 STDP 自组织介导。
十群模型中局部高 E/I 造成全局过度连接与普遍低复杂度（图5、图6）。H-E/I 条件下所有群的群内、群间连接都大于 L-E/I 和 B-E/I，且失衡群周边的连接最强；低复杂度的群恰好是连接增强的群，尤其是接受更多传入群间连接的群复杂度最低。
信息传递被局部高 E/I 全局性破坏（图7、图8）。无论外部输入注入失衡群 1 还是平衡群 3，H-E/I 条件下所有群与输入之间的 MI 以及输入群到其他群的 TE 都低于其他条件；L-E/I 下 TE 反而略高，但当输入给平衡群 3 时失衡群的 MI 略低于基线（Tukey 检验 p=0.017）。

图注解读

图 1 · 神经元群模型：两群与十群两种配置

原文图注：Neuron group model. (A) Intra- and interconnections in a model with two neuron groups. (B) A network model using ten neuron groups. Each neuron group comprises excitatory (red nodes) and inhibitory (blue nodes) neurons, as shown in (A). Excitatory neurons have intra- (black arrows) and interconnections (purple arrows), and inhibitory neurons have intraconnections only. Each white circle indicates a neuron group and purple arc arrows show connections between neuron groups. ……

这张示意图定义了全文的实验对象：红蓝节点分别是兴奋性与抑制性神经元，黑色箭头是群内连接、紫色箭头是群间连接；关键在于 1 号群（失衡群）的 NI 与 WIE 被单独改动，其余群保持基线参数。读懂这张图才能理解后面所有"局部操控"的几何含义——改动只发生在图中的一个白圈里。它支撑的是方法部分对模型结构的描述。

图 2 · 两群模型：E/I 比升高后群内与群间连接权重全面增强

原文图注：The average weights of intra- and interconnections after self-organization in the model with two neuron groups. (A) The average weights of intraconnections in the imbalanced neuron group. (B) The average weights of intraconnections in the balanced neuron group. (C) The average weights of interconnections from the imbalanced neuron group to the balanced neuron group. (D) The average weights of interconnections from the balanced neuron group to the imbalanced neuron group. The x- and y-axes show the number of inhibitory neurons (NI) and weights from inhibitory neurons to excitatory neurons (WIE) in the imbalanced neuron group, respectively. ……

四个子图把连接拆成"哪两个群之间、哪个方向"来报告：横轴是失衡群的抑制性神经元数 NI，纵轴是抑制权重 WIE，两者共同决定局部 E/I 比率——图的左下角是抑制最弱（E/I 最高）的角落。每格给出 20 次仿真的平均权重与标准差，星号表示与基线（NI=200、WIE=0.025）的 Welch's t 检验显著性。读图要点是左下角区域数值普遍高于中心基线，且 (B)、(C)、(D) 也同步升高，说明高 E/I 的影响溢出到平衡群。这是主要结果第 1 条的直接证据。

图 3 · 两群模型：两个群的放电率都随 E/I 比升高而上升

原文图注：Firing rate after self-organization in the model with two neuron groups. (A) Firing rate of excitatory neurons in the imbalanced neuron group. (B) Firing rate of excitatory neurons in the balanced neuron group. (C) Firing rate of inhibitory neurons in the imbalanced neuron group. (D) Firing rate of inhibitory neurons in the balanced neuron group. The x- and y-axes show the number of inhibitory neurons (NI) and weights from inhibitory neurons to excitatory neurons (WIE) in the imbalanced neuron group, respectively. ……

布局与图 2 完全一致，只是格点里的数字从平均权重换成了放电率（兴奋性与抑制性神经元分开报告）。核心读法是看 (A)(B)：随 NI 减小、WIE 减小（抑制变弱），两个群的兴奋性神经元放电率都上升；(C)(D) 显示抑制性神经元也呈现类似趋势。这为"弱抑制→高放电→STDP 强化连接"的机制链条提供了中间环节，对应主要结果第 2 条。

图 4 · 两群模型：复杂度在两个群中都随 E/I 比升高而下降

原文图注：Complexity of neural activity after self-organization in the model with two neuron groups. (A) Complexity of neural activity in the imbalanced neuron group. (B) Complexity of neural activity in the balanced neuron group. The x- and y-axes show the number of inhibitory neurons (NI) and weights from inhibitory neurons to excitatory neurons (WIE) in the imbalanced neuron group, respectively. Color indicates the summation of the sample entropy for all 100 scale factors. ……

这张图换成颜色编码：每个格点的颜色是 100 个尺度因子上样本熵之和，即 MSE 意义下的复杂度，颜色越浅/越冷代表复杂度越低。读图要点是左下角（高 E/I）区域在 (A)(B) 两个子图里都呈现低复杂度，且与基线格相比有统计显著性。B 图尤其重要——平衡群自己没被操控，复杂度却照样被拉低，说明低复杂度经群间连接传播，是主要结果第 3 条的直接证据。

图 5 · 十群模型：局部高 E/I 诱导全网过度连接

原文图注：The average weights of intra- and interconnections after self-organization. Each numbered circle indicates a neuron group with its index. The color of the node indicates the average weights of intraconnections. Purple arrows indicate the average weights of interconnections from one neuron group to another. Neuron group 1 has an imbalanced E/I ratio. (A) High-E/I. (B) Base-E/I. (C) Low-E/I. ……

十群模型被画成一圈编号节点：节点颜色代表群内连接的平均权重，紫色箭头粗细/颜色代表群间连接权重，三个子图分别是高、基线、低 E/I 三种条件。对比 (A) 与 (B)(C) 可以看到 H-E/I 时整个环的节点颜色和箭头普遍变强，而且围绕 1 号群的那几条连接最突出。这一图把"局部失衡可以波及同质拓扑的整个网络"可视化，是主要结果第 4 条前半部分的证据。

图 6 · 十群模型：低复杂度的群正是连接被增强的群

原文图注：Complexity of neural activity in the neuron group after self-organization. Each numbered circle indicates a neuron group with its index. The color of the node indicates the complexity of neural activity in the neuron group that is the summation of the sample entropy for all 100 scale factors. Purple arrows indicate the average weights of interconnections from one neuron group to another. Neuron group 1 has an imbalanced E/I ratio. ……

与图 5 同样的环状画法，但节点颜色换成各群的复杂度。读图时把 (A) 与图 5(A) 对照：H-E/I 下所有节点颜色都偏（低复杂度），而且复杂度最低的节点恰是图 5 里连接增强最多、特别是接受更多传入连接的群。这张图把"过度连接"与"低复杂度"在同一张拓扑图上配对呈现，是主要结果第 4 条后半部分的关键证据。

图 7 · 信息传递测试之一：外部输入注入失衡群 1

原文图注：Mutual information and transfer entropy in the neuron group after self-organization. Each numbered circle indicates a neuron group with its index. The color of the node indicates the mutual information between neural activity of the neuron group and the external input. Red arrows indicate the transfer entropy from neural activity of one neuron group receiving external input to another. Neuron group 1 has an imbalanced E/I ratio. The external input was fed into neuron group 1. ……

信息传递的度量被叠加在同一张环状拓扑上：节点颜色是各群活动与外部输入之间的 MI，红色箭头是从接受输入的群 1 流向其他群的 TE。三种条件对比的核心读法是 H-E/I（A 图）下节点颜色整体变浅、红色箭头变弱——输入虽然直接打在失衡群上，但它往外传的信息反而最少。这对应主要结果第 5 条的前半部分。

图 8 · 信息传递测试之二：外部输入注入平衡群 3

与图 7 完全同构，唯一区别是外部输入改打在平衡群 3 上。这样设计是为了排除"信息传递下降只是因为输入恰好落在失衡群"的平凡解释。结果显示即便输入落在健康群，H-E/I 条件下全网 MI 与 TE 依旧下降；补充分析还发现 L-E/I 时失衡群的 MI 略低于基线（Tukey 检验 p=0.017）。这说明高 E/I 失衡的破坏力不依赖输入位置，是主要结果第 5 条的补强证据。

讨论

作者把全部现象收拢进一个四步机制：抑制变弱使神经元容易被群内外输入点燃；高放电状态下的 STDP 形成过强的群内与群间连接；过强连接增加同步放电，从而降低活动复杂度；失衡群的过度放电又经群间连接把其他群一起拖进"连接增强—复杂度下降"的状态，而 STDP 在这种同步活动中会进一步加固连接，形成自我放大的结构-功能循环。这条链被拿来与 ASD 和精神分裂症的实证文献对话：局部神经元密度增高、区域间过度连接，以及 EEG/MEG/fNIRS 上 ASD 儿童脑活动复杂度偏低，都能在模型里找到对应物；模型还进一步预测，疾病脑区低复杂度可能源于其他脑区经增强的传入连接灌入的过度突触输入。信息传递的下降则被联系到 ASD 的感觉超敏/低敏与精神分裂症的感觉加工障碍——作者提示异常感觉反应的根源未必只在感觉区本身。

作者也坦承了多处局限，且相当实在：模型里抑制突触没有可塑性，而生理与计算研究都表明抑制性 STDP 和内在稳态可塑性会抵消一部分失衡效应，所以真实大脑中的效应可能比模拟弱；只用 regular-spiking 和 fast-spiking 两类神经元，忽略了爆发型和生长抑素型神经元；网络拓扑同质（规则环状），而真实大脑各区有不同连接结构，作者引用小世界网络抑制混沌的研究，推测 hyper/hypo 活动并存的矛盾报告（以及 ASD 中远程连接偏弱、部分脑区复杂度反而更高的证据）可能正源于真实脑区结构差异；此外模型未触及认知功能与行为，输入也只是无结构的泊松流，与发育情境下经环境交互的自组织仍有距离。

一句话总结

这篇论文的说服力在于它不满足于"失衡与低复杂度相关"，而是把因果链条拆成放电率、连接权重、同步活动、信息传递四个可分别测量的环节，并用"去掉 STDP 的对照"证明过度连接与低复杂度确实是可塑性自组织的产物，而不是失衡状态的直接后果。依我的理解，它给出的最大启发是把神经精神疾病里"局部过度连接"和"全局低复杂度"这两个孤立观测接成了一个可以互相推导的机制闭环；当然，这一切建立在抑制突触不可塑、拓扑同质的简化之上，把它当作机制的定性骨架而非定量预言来读比较稳妥。

审校与证据追溯 (Verification & Evidence)

图表审计结果

Fig1: 提取质量 good，对齐度 full，识别面板 []
Fig2: 提取质量 good，对齐度 full，识别面板 []
Fig3: 提取质量 good，对齐度 full，识别面板 []
Fig4: 提取质量 good，对齐度 full，识别面板 []
Fig5: 提取质量 good，对齐度 full，识别面板 []
Fig6: 提取质量 good，对齐度 full，识别面板 []
Fig7: 提取质量 good，对齐度 full，识别面板 []
Fig8: 提取质量 good，对齐度 full，识别面板 [A, B, C]

关键事实与局限性声明

审校纠偏: {'issue_id': 'ISSUE_002', 'classification': 'OVERCLAIM', 'claim': '模型为神经精神疾病提供统一的机制性解释。', 'evidence_boundary': '只能支持抽象网络中的候选机制；疾病层面的对应是作者推论，未经患者、动物疾病模型或行为数据验证。'} -> 评注:
审校纠偏: {'issue_id': 'ISSUE_001', 'classification': 'OVERCLAIM', 'claim': '无STDP对照证明低复杂度是可塑性自组织的产物，而非E/I失衡的直接后果。', 'evidence_boundary': '无STDP时仍存在且整体呈现更低复杂度；该对照主要支持STDP参与跨群效应和参数依赖关系。'} -> 评注:
审校纠偏: {'issue_id': 'ISSUE_007', 'classification': 'OVERCLAIM', 'claim': '图4直接证明低复杂度经群间连接传播。', 'evidence_boundary': '结果与该解释一致，但没有群间连接阻断或中介分析，不能确定唯一因果通路。'} -> 评注:
补充要点: : (第 1 页)
补充要点: : (第 6 页)
补充要点: : (第 8 页)
补充要点: : (第 5 页)