Neuron’s synaptic input causes spike output depending on membrane excitability. In understanding the meaning of spikes, conventional approach is statistical analysis entirely depending on an input-output analysis without consideration of events happening within the neuron. In my thesis, I interpret the meaning of spikes with considering neuron as an observer who knows only internal biophysical state. According to theory proposed in my thesis, membrane excitability is an expectation of excitatory postsynaptic conductance (EPSG) amplitude, and a spike is generated only when EPSG amplitude exceeds its expectation (“prediction error”). When the membrane excitability is optimal by the accurate expectation about EPSG amplitude, optimal balance would be achieved by the peak of an excitatory postsynaptic potential (EPSP) being at precisely spike threshold, so that the spike generation is maximally sensitive to EPSG amplitude. It will maximize information about the EPSG amplitude in the binary spike output. Optimal balance would be implemented by a diversity of synaptic inputs and voltage-gated ion channels. In my thesis, I focused on optimal balance between synaptic excitation and inhibition. Synaptic inhibition counterbalance synaptic excitation, but it is not known what constitute optimal balance. I predicted inhibitory postsynaptic conductance (IPSG) that achieve optimal balance, using the theory (EPSP peak should be at spike threshold) and computer simulation. A single combination of IPSG amplitude and decay time was identified for a particular EPSG pattern that was distinct with respect to mean rate. The optimal IPSG increases in amplitude and decay rate as the EPSG rate increased from 1 to 800 Hz. As further proposed by the theory, the optimal IPSG parameters could be learned through anti-Hebbian rules. These theoretical predictions of IPSG parameters match experimental observations. From an infinite range of possible decay times, the theory predicted experimental data within less than a factor of 2. Thus the theory can explain a biophysical quantity from first principles.
뉴런의 시냅스 입력은 막의 활동성에 따라 스파이크 출력을 발생시킨다. 스파이크의 의미를 이해하는데 있어서 통상적으로 뉴런 내부에서 발생하는 사건들은 고려하지 않은 채 전적으로 입출력 분석에만 의존한다. 본 학위 논문에서는 뉴런을 내부의 생물학적 상태를 유일하게 알 수 있는 하나의 관찰자로 간주하여 스파이크의 의미를 이해하려 한다. 본 학위 논문에서 제안된 이론에 따르면, 막 활동성은 흥분시냅스후전도도의 정점에 대한 예측을 나타내며, 스파이크는 오직 흥분시냅스후전도도의 정점이 막 활동성의 예측보다 클 때에만 발생한다 (“예측 오류”). 막 활동성이 흥분시냅스후전도도의 정점에 대해 정확히 예측할 때, 최적 균형이 이루어 질 것이며, 이는 흥분시냅스후전압의 정점이 정확하게 스파이크 역치에 있을 때 이루어 지며, 스파이크 발생이 흥분시냅스후전도도의 정점에 최대로 민감하게 반응하게 된다. 이는 이원화된 스파이크 출력에 담긴 시냅스후전도도 정점에 대한 정보를 최대가 되게 한다. 최적 균형은 다양한 시냅스 입력과 전압조정식 이온채널에 의해 구현될 수 있다. 본 학위 논문에서는 시냅스의 흥분성 자극과 억제성 자극의 균형에 집중하였다. 시냅스의 억제성 자극은 시냅스의 흥분성 자극을 상쇄한다. 그러나 무엇이 최적 균형을 이루는 지는 알려져 있지 않다. 본인은 제안하는 이론 (흥분시냅스후전압의 정점이 스파이크 역치에 있어야함)에 근거한 컴퓨터 시뮬레이션을 수행하여, 최적 균형을 이루게 하는 억제시냅스후전도도를 예측하였다. 평균 빈도에 의해 구분되는 하나의 특정한 흥분시냅스후전도도 패턴에 대해, 억제시냅스후전도도의 정점과 감쇠율이 오직 하나의 조합으로 특정되었다. 흥분시냅스후전도도가 1에서 800 Hz로 증가함에 따라 최적의 억제시냅스후전도도는 정점이 증가하고 감쇠율이 증가한다. 이론에 의한 더 나아간 제안으로써, 최적의 억제시냅스후전도도가 안티-헤비안 학습 규칙에 의해 학습될 수 있음을 보이고자 한다. 억제시냅스후전도도 매게 변수에 대한 이론적 예측치는 실험적 측정치와 일치한다. 무한한 범위에서 예측 가능한 감쇠율의 실험적 측정치를 이론을 통해 2의 배수적인 범위보다 작은 오차 내에서 예측해 냈다. 이와 같이 제안한 이론은 제일원리로서 생물물리학적 수치의 설명을 가능하게 한다.