大脳皮質は6つの層にわたって精緻な神経回路の構築を示す。最近、これらの層が興奮性（E）細胞と抑制性（I）細胞の比率の違いを持つことが見いだされており、その比は4から9の範囲にある。この比率は、しばしば報告される興奮と抑制のバランスを達成するための重要な要因であり、皮質の計算の特徴でもある。これまでの研究では、適応指数発火（AdEx）ニューロンモデルを用いた発火頻度適応のような、より複雑な神経特性の効果（1）、2次の平均場近似によるランダムに結合されたバランスドネットワークの時間発展（2）、積分発火モデルからホジキン＝ハクスレー形式まで幅広いニューロンモデルにまたがる非線形ダイナミクスの予測（3）、バランスドネットワークにおける空間的異質性の影響（4-6）、シナプス時間尺度の違い（7）など、古典的バランスドネットワークの生物学的に現実的な側面が検討されてきた。しかし、興奮性−抑制性（EI）比の違いが層ごとのダイナミクスと計算特性に与える固有の効果は、我々の知る限り、未だ取り上げられていない。我々は興奮性・抑制性ニューロンからなる疎結合ネットワークモデルを用いてこの問題を調べる。ネットワークの発火率を生理学的範囲に保つため、抑制性ニューロンの発火閾値、あるいは興奮性と抑制性の間のシナプス強度を変化させた。EI比を低下させると、ネットワークがより高次元の状態空間を探索でき、複雑な入力を表現する能力が高まることを見出す。げっ歯類のバレル皮質における層2/3と層4の経験的なEI比を比較することで、層2/3は層4よりも高い次元性と符号化能力を持つと予測する。さらに、Allen Brain Instituteの一次視覚皮質データを用いた解析により、これらのモデリング結果が裏付けられ、層2/3において次元性と符号化能力が増大することも示される。
https://doi.org/10.1101/2024.11.28.625852