【有奖翻译】颠覆神经学的研究

2017 年 12 月 26 日 转化医学网 Yui

点击上方“转化医学网”订阅我们!

干货 | 靠谱 | 实用  

第 12 弹




Title:Physicists negate century-old assumption regarding neurons and brain activity


Neurons are the basic computational building blocks that compose our brain. Their number is approximately one Tera (trillion), similar to Tera-bits in midsize hard discs. According to the neuronal computational scheme, which has been used for over a century, each neuron functions as a centralized excitable element. The neuron accumulates its incoming electrical signals from connecting neurons through several terminals, and generates a short electrical pulse, known as a spike, when its threshold is reached.


Using new types of experiments on neuronal cultures, a group of scientists, led by Prof. Ido Kanter, of the Department of Physics at Bar-Ilan University, has demonstrated that this century-old assumption regarding brain activity is mistaken.


In an article published today in the journal Scientific Reports, the researchers go against conventional wisdom to show that each neuron functions as a collection of excitable elements, where each excitable element is sensitive to the directionality of the origin of the input signal. Two weak inputs from different directions (e.g., "left" and "right") will not sum up to generate a spike, while a strong input from "left" will generate a different spike waveform than that from the "right".


"We reached this conclusion using a new experimental setup, but in principle these results could have been discovered using technology that has existed since the 1980s. The belief that has been rooted in the scientific world for 100 years resulted in this delay of several decades," said Prof. Kanter and his team of researchers, including Shira Sardi, Roni Vardi, Anton Sheinin, and Amir Goldental.


The new results call for a re-examination of neuronal functionalities beyond the traditional framework and, in particular, for an examination into the origin of degenerative diseases. Neurons which are incapable of differentiating between "left" and "right"—similar to distortions in the entire human body—might be a starting point for discovering the origin of these diseases.


The new realization for the computational scheme of a neuron calls into question the spike sorting technique which is at the center of activity of hundreds of laboratories and thousands of scientific studies in neuroscience. This method was mainly invented to overcome the technological barrier to measure the activity from many neuronssimultaneously, using the assumption that each neuron tends to fire spikes of a particular waveform which serves as its own electrical signature. However, this assumption, which resulted from enormous scientific efforts and resources, is now questioned by the work of Kanter's lab.


投稿邮箱:wangjiani@360zhyx.com


投稿规则:


1.本次活动为自愿参加,关注每日文章推送即可,每周一、周三、周五发布翻译稿件,周二、周四、周六进行翻译文章刊登;每篇文章投稿时间为3天;即每周一推送的文章周四发表


2.参与活动均可获得转化医学网小礼品一份,在得到转化医学网邮件回复后,可留下地址号码领取礼物哟


3.投稿文件转化医学网编辑部收到后,会进行审核,我们会在1个工作日内给与回复


4.得到文稿被录用邮件回复的作者可添加转化医学网内容部同事微信领取相应微信红包


5.本次活动最终解释权归转化医学网所有



上海慧晨生物医学科技有限公司

转载、投稿:汪先生

微信:wp4319

商务合作:张女士

微信:zhyxkf

上海市普陀区金沙江路1685号



END


登录查看更多
0

相关内容

专知会员服务
60+阅读 · 2020年3月19日
【CAAI 2019】自然语言与理解,苏州大学| 周国栋教授
专知会员服务
62+阅读 · 2019年12月1日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
开源书:PyTorch深度学习起步
专知会员服务
50+阅读 · 2019年10月11日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
人工智能 | 国际会议信息10条
Call4Papers
5+阅读 · 2018年12月18日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
(TensorFlow)实时语义分割比较研究
机器学习研究会
9+阅读 · 2018年3月12日
人工智能 | 国际会议/SCI期刊约稿信息9条
Call4Papers
3+阅读 · 2018年1月12日
人工智能 | 国际会议截稿信息5条
Call4Papers
6+阅读 · 2017年11月22日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
15+阅读 · 2017年11月16日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
【推荐】用Tensorflow理解LSTM
机器学习研究会
36+阅读 · 2017年9月11日
【今日新增】计算机领域国际会议截稿信息
Call4Papers
9+阅读 · 2017年7月21日
Interpretable CNNs for Object Classification
Arxiv
20+阅读 · 2020年3月12日
Interpretable Adversarial Training for Text
Arxiv
5+阅读 · 2019年5月30日
Arxiv
3+阅读 · 2018年10月8日
VIP会员
相关VIP内容
专知会员服务
60+阅读 · 2020年3月19日
【CAAI 2019】自然语言与理解,苏州大学| 周国栋教授
专知会员服务
62+阅读 · 2019年12月1日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
开源书:PyTorch深度学习起步
专知会员服务
50+阅读 · 2019年10月11日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
相关资讯
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
人工智能 | 国际会议信息10条
Call4Papers
5+阅读 · 2018年12月18日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
(TensorFlow)实时语义分割比较研究
机器学习研究会
9+阅读 · 2018年3月12日
人工智能 | 国际会议/SCI期刊约稿信息9条
Call4Papers
3+阅读 · 2018年1月12日
人工智能 | 国际会议截稿信息5条
Call4Papers
6+阅读 · 2017年11月22日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
15+阅读 · 2017年11月16日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
【推荐】用Tensorflow理解LSTM
机器学习研究会
36+阅读 · 2017年9月11日
【今日新增】计算机领域国际会议截稿信息
Call4Papers
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员