大腦中的神經(jīng)元的樹突具有復(fù)雜的幾何形態(tài)和生物物理特性，目前較為流行的神經(jīng)元理論模型通常不考慮樹突結(jié)構(gòu)，將神經(jīng)元的幾何形態(tài)簡化為一個點來描述神經(jīng)元的細胞體(點神經(jīng)元模型)，而從樹突上接收的空間輸入信號則被簡化描述成輸入電流在細胞體處的線性加和。

來自上海交通大學(xué)自然科學(xué)研究院、數(shù)學(xué)科學(xué)學(xué)院李松挺、周棟焯及其合作者發(fā)表了題為“Dendritic computations captured by an effective point neuron model”的研究論文，通過理論建模分析、數(shù)值計算模擬、并結(jié)合生物學(xué)實驗的方式發(fā)展了一個簡潔的神經(jīng)元模型，可以有效刻畫神經(jīng)元的樹突計算功能。

這一研究成果公布在7月10日PNAS雜志上，由上海交通大學(xué)自然科學(xué)研究院及數(shù)學(xué)科學(xué)學(xué)院周棟焯教授、紐約大學(xué)的David McLaughlin教授、和北京師范大學(xué)認知神經(jīng)科學(xué)與學(xué)習(xí)國家重點實驗室的章曉輝教授合作完成，第一作者為李松挺教授。

在這項研究中，研究人員通過數(shù)學(xué)理論分析、數(shù)值計算模擬、以及生物學(xué)實驗，首先闡明了傳統(tǒng)點模型中關(guān)于輸入電流線性加和的假設(shè)過于簡化，無法刻畫真實具有樹突結(jié)構(gòu)的神經(jīng)元的輸入電流之間的非線性作用，隨后提出了一個全新的整合電流形式來修正傳統(tǒng)的點神經(jīng)元模型，該修正的模型可以模擬原始點神經(jīng)元模型無法描述的樹突計算功能，如方向性選擇、同步性檢測等，同時模型較低的數(shù)值計算復(fù)雜度和較高的生物真實性特征使其能夠突破大尺度真實神經(jīng)元網(wǎng)絡(luò)動力學(xué)的計算瓶頸。