Making Connections: Synapses

1.5 Making Connections: Synapses

_56bd5c0f37acc6ca52547d8ac3e39dc0_1.5.pdf

0.66MB

Hello again and namaste to all of you. In the last lecture we talked
about ion channels and how to give rise to action potentials or
spikes. In a later lecture we will
describe this mathematically using a model first proposed
by Hachkin and Hagsli in 1952. Hachkin and Hagsli got a Nobel prize for their computational model,
now what does that mean for you? It means that you too could
get a Nobel Prize someday by solving problems in
computational neuroscience. But before you start making plans for that
trip to Sweden, we first need to learn about what happens to a spike when
it reaches the end of an axon. This is where we meet the Synapse. So, what is a Synapse? A synapse is a connection or
junction between two neurons. There are two different kinds of synapses. The first kind are called
electrical synapses and the used something called gap junctions. The second kind of synapses
are chemical synapses. And they use chemicals
known as neurotransmitters. Let's first look at electrical synapses. Now here is an example of an electrical
synapse between two neurons, neuron A and neuron B. Now electrical synapses function in
a manner very similar to the way that the connections between components in your
cell phone or in your computer function. They allow the activity from one side,
in this case neuron A, to be directly propagated to the other
side, in this case neuron B. So they changed the voltage on one side, given some activity and
changes on the other side. And the way that neuron a communicates
with neuron B, or vice versa, is through what is known
as a gap junction here. And a gap junction is depicted
here in terms of these. So these are essentially ionic channels. So here's one, here's another and so on. And you notice that these ion
channels span the membrane of both neuron A and
the membrane of neuron B. And the result of this particular
arrangement is that if you have excitation on one side, due to for
example, an action potential. And maybe you have sodium
ions on this side that are in higher concentration
than on the other side. Then these channels allow these
ions to migrate to the other side. And the result of this movement of ions from one side to the other is
that you're going to have a change in the membrane potential of neuron B as
a result of some activity in neuron A. So these types of electrical synopsis are really useful when you want to have
fast connections between two neurons. And typically they're found in the case
where you need to synchronize, which is you want to make neurons
fire simultaneously together. It turns out to be a useful mechanism when
you want to synchronize sets of neurons. The other case where you would
like to have these types of fast electrical synapses or
fast connection between neurones is when you have to implement something
like an escape reflex. And that's something that's found for
example in the crayfish. So that's an example of an electrical
synapses and what about chemical synapses? So here's a depiction
of a chemical synapse. So suppose we have a neuron A and a neuron B and here's the action
potential, or spike coming in. Now what we have on one side, on the side
of neuron A are these bags which are known as vesicles, so these are bags
of neurotransmitter molecules. So these are chemicals that
are stored in these bags. And so when an action potential spike
comes in along the axon of neuron A it causes these bags,
these bags called reticules to fuse with the membrane and
in doing so this bags release the neurotransmitter molecules
into the gap between the two neurons. Now this gap is called the synaptic clef. And so when these
neurotransmitter molecules stand fuse with the receptors on the other side. So these receptors are nothing but
the chemically gated ionic channels that we talked
about in the previous lecture, then these chemically gated
channels start to open. And so you know what happens
when these channels are to open? Well, they're going to allow some
ions to either come inside or go outside according to the concentration
of the ions on the inside or the outside. So suppose that these are channels
that allow sodium ions to come in, then you're going to have sodium
ions coming in, into this neuron. And as a result,
you're going to have an increase in the membrane potential of neuron B. So you can see how a spike from neuron A,
causes this cascade of chemical events, and then that
in turn causes these channels to open. And that finally causes some
changes in the membrane potential. So you're going from electrical
activity to chemical and back to an electrical change again,
on the side of neuron B. Now you might ask yourself why evolution
go to the trouble of constructing such a complex electrical chemical an
electrical connection when it could have just use the electrical connections
with gap junctions to begin with. Any thoughts on that? So why would something like this,
like in a chemical synapse, be useful compared to just
a simple electrical synapse? So here's a possible answer. A chemical synapse allows you to
change the way that neuron B is affected by the seam spike,
by simply changing the number of ionic channels or the density of ionic
channels that you have on this side. And so, if for example for
the seam spike you want to decrease the amount of excitation in B,
then you could, for example, take out or
remove some of these ionic channels and then just leave a few of them and, in that
case, for the same spike from neuron A, you would have a lesser
amount of excitation in B. So this is the reason why chemical
synapses have been suggested as being the basis for learning and memory in the brain,
as we will look at a little bit later. Here's a wonderful picture from
the Kennedy Lab at Cal Tech. Now what does this picture remind you of? Well, it looks like it could be
the picture of a city taken at night from an airplane flying overhead perhaps. Well actually it's the picture of
a neuron and all of its synapses. Each of these bright spots
corresponds to a synapse. And typically a neuron has up to 10,000 synapses on its dendrites and
on the cell body. Now these synapses can be either
excitatory or inhibitory. So what does that mean? An excitatory synapse is
one that tends to increase the postsynaptic membrane potential. So what does that mean? Well, if you have a neuron A and a neuron
B and you have a synapse between them, then we call neuron
A the presynaptic neuron, and we call neuron B the postsynaptic neuron. So pre and post, and so
an excitatory synapse is one that tends to increase
the postsynaptic membrane potential. Which means that it tends
to excite the neuron B. On the other hand,
an inhibitory synapse is one that tends to decrease the postsynaptic
membrane potential, which means that it tends to decrease
the membrane potential of neuron B. Now, how does that happen? Let's go through the sequence of events
governing the action of an excitatory synapse. So first we have an input spike. So here's a spike. And the spike is going to cause
neurotransmitters to be released. So in the case of an excitatory synapse,
the neurotransmitter could be Glutamate. And when these neurotransmitter molecules
are released into the synaptic cleft, they are going to bind with
ion channel receptors. So in this case the ion channels
could be selective for sodium, so you might have these sodium
selective channels opening. And that in turn is going to
cause sodium ions to come into the cell,
in this case cell B if this was cell A. And now what's going to happen on
the side of cell B is something called depolarization, so you might
remember the word from a previous lecture. And that intern causes an EPSP or
excitatory postsynaptic potential. That's again something we
encounter in the previous lecture. And so,
the sequence of events is basically spike. And then you have a release of
the neurotransmitter, Glutamate. And then the ion channels opening,
causing sodium to come inside. And that in turn increases
the membrane potential of neuron B. Synapses are thought to be the basis for
memory and learning in the brain. This is called the Synapse Doctrine. This is quite deep actually. Think about what this means. This means that all of your memories from
the first time you rode your bike and crashed into your
neighbor's brand new car, to the first time you met the love of
your life is all stored in your synapses. What's more all of your
skills from typing, dancing, driving to reading and writing. Guess where it's stored? It's in your synapses. Synapses plays such an important
role in our lives that perhaps we should have a world synapse day. What do you think? Well okay maybe not, but how do synapses play such an important
role in memory and learning? Let's find out. Synapses allow learning in
the brain through mechanism called Synaptic Plasticity. Let's look at one particular example
of synaptic plasticity and this is Hebbian Plasticity, named after Donald
Hebb who was a Canadian psychologist. In 1949, Hebb proposed
the following rule for plasticity. If a neuron A repeatedly takes
part in firing neuron B, then we should strengthen
the synapse from A to B. Now, here's a diagram that represents
Hebbs rule for plasticity. So here's neuron A and when neuron A fires
it participates in firing neuron B. So here is a single spike from neuron B. Now according to the rule for
plasticity, we need to strengthen the synapse from A to B, and
that's shown by this, bigger red triangle. So, what happens? So, the next time A fires. So, here's A and here's the input from A. You're going to get a bigger and
perhaps a faster response from neuron B. Now why is this computation useful? Well, suppose you are in a jungle and
it is dark. And then you hear a growl. Let's say the growl is conveyed
by this firing of neuron A. Now right after that,
neuron B fires and you see a tiger. And you start running and
barely escape with your life. Now, if you increase the strength of
the connection between neuron A and neuron B as we did here
using Hebbian Plasticity. Then the next time that you hear a growl,
and that's given by neuron A firing, you're going to predict that
you're going to see a tiger. And you're going to start running
even before the tiger appears. And you have Hebbian Plasticity
to thank for it. Isn't that great? Hebbian Plasticity is so useful that there's in fact
a mantra that goes along with it. Here it is. Neurons that fire together wire together. Some say that if you repeat
the mantra three times every morning, you're sure to have a great day. But I'm skeptical. Is there any evidence for
Hebbian Plasticity in the brain? In fact, there is. There is something called
Long Term Potentiation that researchers have observed
in several areas of the brain, most prominently in the area
called the hippocampus. So LTP is defined as
an experimentally observed increase in the synaptic strength that lasts for
hours or even days. And the way that you can
demonstrate that experimentally is by measuring the size of the EPSP caused
by a single input to this neuron B. So if you demonstrate that
the size of the EPSP increases as you pair neuron A with neuron B and
you give lots of stimulation to neuron A which in
turn causes some excitation in neuron B. Then, what you'll observe
is an increase in the size. So, here is the final size. Here is the initial size. So, you can see that
the effect of a single input to this neuron B has increased from being
this little bump to this really big bump. And that is taken to be evidence for an increase in the synaptic
strength from A to B. What about the opposite? Is there something that can decrease
the synaptic strength between two neurons and
which can last for hours or days. Well, there's something
called long term depression. That's not the same as the kind of
depression you get when you fail an exam or get a rejection letter
that's a different kind of depression. This is an experimentally
observed decrease in the synaptic strength from one neuron to another
that lasts for hours or even days. Now how do we experimentally observe
long term depression or LTD? Well, you can do the same
thing that you did with LTP. You could look at the EPSP that's
generated when you stimulate one neuron, you observe the EPSP in
the second neuron B. Now, if over time,
there's a decrease in the size of EPSP until you get a smaller sized EPSP for
the same input from A to B. Then you have evidence that
there has been a decrease in the synaptic strength from A to B. There's a recent twist to the story
of synaptic plasticity that I thought I should mention. And that is that synaptic
plasticity depends on spike timing. So what do we mean by spike timing? Well it turns out that
whether you get LTP or LTD depends on the relative timing
of input and output spikes. So remember that we have A neuron A that
has a synaptic connection to neuron B. And so when you have an input. So we're calling A the input and
B the output neuron. So when we have the situation that the
input spike is before the output spike, which means that neuron A fired and
then you have neuron B firing. Then what you have is
a situation such as this. So here is the input-output pairing. So you have the input happening
before the output spike, which is given by this spike over here. Then what we observe in
this case is an increase in the size of the EPSP after
you have repeatedly paired the input-output in the sequence that
the input occurs before the output. Now the interesting case is where
you have the reverse situation where the input spike occurs
after the output spike. So you have B firing, and
then you have A firing. So in that situation,
here's the situation. Here's the pairing. So you have the output spike here, and then you have the input
spiking right after that. And so if you keep doing this pairing for
several repetitions, you're going to observe that
the EPSP size diminishes from being like that to something
that looks like this. And that's what we mean
by long term depression. So we have both LTP and LTD. So if you summarize in this particular
result for different intervals between the input and the output spike you get a
window of plasticity that looks like this. So we have one portion of it
has LTP the other LTD, and here is the delta t between the input and
the output spikes. So the input happens to
be before the output. So the delta t is bigger than 0,
then you are in this portion of this plot. And you can see that if the input happens
before the output, you have LTP or an increase in the synaptic strength. If the input occurs after the output where
the delta t is negative, then you have LTD or a decrease in the synaptic
strength from neuron A to neuron B. So this is actually quite amazing
because you can see that there is a very short interval of about 40
milliseconds between the input and output and depending on where
the input spike occurs with respect to the awkward spike, you could get
a dramatic shift from LTD to LTP. So the neurons in several brain areas,
including the cerebral cortex, seem to be very sensitive to the timing
of the input versus the output spike. And we learn later that this type
of sensitivity to the timing of spikes is very important for
learning sequences to make predictions. Okay, to summarize the last
couple of lectures, we seem to know a lot about ionic
channels, about neurons, about synapses. But what do we know about
networks of neurons give rise to perception behavior and
maybe even consciousness? Well, not as much. This is actually one of
the primary motivations for the recent large scale brain project that
has been announced in Europe and the US. In Europe, the Human Brain Project
led by Henry Markram, will attempt to construct a large scale
computer simulation of the human brain. While in the US, President Obama has
announced the brain initiative to map the activities of hundreds of thousands
of neurons simultaneously in order to understand how large scale networks
of neurons give rise to perception, action and cognition. In the next lecture we will briefly cover what we do know about networks
in the brain and their function. Until then, bye-bye.