Informacja

Jaka jest szybkość uwalniania neuroprzekaźników i wiązania receptorów w synapsie neuronalnej?

Jaka jest szybkość uwalniania neuroprzekaźników i wiązania receptorów w synapsie neuronalnej?


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Oczywiście sygnały neuronowe przemieszczają się z ekstremalnie dużymi prędkościami, ale zastanawiam się, jak bardzo na tę prędkość wpływa czas uwalniania i wiązania neuroprzekaźników.

Jeśli moje źródła są poprawne, dobrze zmielinizowany akson generuje potencjał czynnościowy z prędkością około 119,807 m/s. W jakim stopniu prędkość uwalniania neuroprzekaźników przez neuron presynaptyczny i wiązania się z receptorami neuronu postsynaptycznego wpływa na tę prędkość? Innymi słowy, zastanawiam się, w jakim stopniu na całkowitą prędkość sygnału neuronowego z jednego neuronu do drugiego wpływa czas, w którym pierwszy neuron uwalnia neuroprzekaźniki, a drugi odbiera neuroprzekaźniki i propaguje potencjał czynnościowy w swoim własna komórka.

Zakładam, że zajmuje to przynajmniej trochę czasu, ale o ile dokładnie spowalnia sygnał?

Dziękuję Ci za Twoje odpowiedzi.


Wydaje się, że zależy to od wielkości neuroprzekaźnika. Im większy neuroprzekaźnik, tym dłużej neuron musi być stymulowany, aby faktycznie uwolnić neuroprzekaźnik. Ale w przypadku acetylocholiny wydaje się, że potrzeba tylko około 2 ms po bodźcu presynaptycznym, aby wygenerować potencjał błony postsynaptycznej, a po około 5 ms cała acetylocholina w szczelinie synaptycznej jest rozszczepiona, umożliwiając komórce postsynaptycznej repolaryzację. Przykład opisano tutaj.


Receptory w ewolucji i rozwoju mózgu

Receptory w ewolucji i rozwoju mózgu: materia w umyśle przedstawia kluczową rolę receptorów i ich pokrewnych ligandów w okablowaniu mózgu ssaków z perspektywy ewolucyjnej biologii rozwojowej. Bada funkcję receptora w ewolucji i rozwoju układu nerwowego w mózgu dużego kręgowca oraz omawia sen o szybkim ruchu gałek ocznych i apoptozę jako mechanizmy niszczenia źle połączonych neuronów. Omówiono również możliwe powiązania między deficytami troficznymi a chorobami łącznymi, w tym chorobą Alzheimera, Parkinsona i ALS. Ta książka jest niezwykle przydatna dla tych, którzy interesują się neuronauką molekularną i komórkową, w tym kognitywnymi i klinicznymi gałęziami tego tematu, a także dla każdego, kto interesuje się tym, jak niewiarygodnie złożony ludzki mózg może sam się budować.

Receptory w ewolucji i rozwoju mózgu: materia w umyśle przedstawia kluczową rolę receptorów i ich pokrewnych ligandów w okablowaniu mózgu ssaków z perspektywy ewolucyjnej biologii rozwojowej. Bada funkcję receptora w ewolucji i rozwoju układu nerwowego w mózgu dużego kręgowca oraz omawia sen o szybkim ruchu gałek ocznych i apoptozę jako mechanizmy niszczenia źle połączonych neuronów. Omówiono również możliwe powiązania między deficytami troficznymi a chorobami łącznymi, w tym chorobą Alzheimera, Parkinsona i ALS. Ta książka jest niezwykle przydatna dla tych, którzy interesują się neuronauką molekularną i komórkową, w tym kognitywnymi i klinicznymi gałęziami tego tematu, a także dla każdego, kto interesuje się tym, jak niewiarygodnie złożony ludzki mózg może sam się budować.


Wyjaśnienie: Co to jest neuroprzekaźnictwo?

Ten rysunek przedstawia synapsę i przestrzeń między dwiema komórkami. Chemiczny przekaźnik dopamina znajduje się w górnej komórce. Receptory w dolnej komórce czekają na jej odebranie.

Narodowy Instytut ds. Narkomanii

Udostępnij to:

17 stycznia 2017 o 7:05

Kiedy dwie komórki nerwowe muszą się komunikować, nie mogą po prostu stuknąć się w ramię. Te neurony przekazują informacje z jednego końca swojego „ciała” do drugiego w postaci malutkiego sygnału elektrycznego. Ale jedna komórka w rzeczywistości nie dotyka drugiej, a sygnały nie mogą przeskakiwać przez maleńkie przestrzenie pomiędzy nimi. Aby przekroczyć te maleńkie szczeliny, zwane synapsy, polegają na posłańcach chemicznych. Te chemikalia są znane jako neuroprzekaźniki. A ich rola w rozmowach komórkowych nazywa się neuroprzekaźnictwo.

Naukowcy mówią: Neuroprzekaźniki

Kiedy sygnał elektryczny dociera do końca neuronu, wyzwala on uwalnianie maleńkich woreczków, które znajdowały się wewnątrz komórek. Nazywane pęcherzykami, worki zawierają chemiczne przekaźniki, takie jak dopamina (DOAP-uh-meen) lub serotonina (Sair-uh-TOE-ninją).

Gdy przechodzi przez komórkę nerwową, sygnał elektryczny będzie stymulował te worki. Następnie pęcherzyki przemieszczają się i łączą z zewnętrzną błoną komórki. Stamtąd rozlewają swoje chemikalia do synapsy.

Uwolnione neuroprzekaźniki unoszą się następnie przez szczelinę i docierają do sąsiedniej komórki. Ta nowa komórka ma receptory skierowany w stronę synapsy. Receptory te zawierają kieszenie, w których musi się zmieścić neuroprzekaźnik.

Neuroprzekaźnik podłącza się do właściwego receptora jak klucz do zamka. A gdy wejdzie substancja chemiczna posłańca, zmieni się kształt receptora. Ta zmiana może otworzyć kanał w komórce, umożliwiając wejście lub wyjście naładowanych cząstek. Zmiana kształtu może również wywołać inne działania wewnątrz komórki.

Jeśli przekaźnik chemiczny zwiąże się z pewnym rodzajem receptora, sygnały elektryczne będą płynąć wzdłuż całej jego komórki. To przesuwa sygnał wzdłuż neuronu. Ale neuroprzekaźniki mogą również wiązać się z receptorami, które będą blokować sygnał elektryczny. To zatrzyma wiadomość, uciszając ją.

Historia jest kontynuowana pod filmem.

Ten film pokazuje, jak neurony komunikują się ze sobą.
Neuronaukowo zakwestionowani

Sygnały dla wszystkich naszych wrażeń — w tym dotyku, wzroku i słuchu — są przekazywane w ten sposób. Podobnie jak sygnały nerwowe, które kontrolują ruchy, myśli i emocje.

Każdy przekaźnik między komórkami w mózgu zajmuje mniej niż jedną milionową sekundy. I ten przekaźnik będzie się powtarzał tak długo, jak długo wiadomość będzie musiała podróżować. Ale nie wszystkie komórki rozmawiają z taką samą prędkością. Niektórzy mówią stosunkowo wolno. Na przykład najwolniejsze komórki nerwowe (te w sercu, które pomagają regulować jego bicie) poruszają się z prędkością około jednego metra na sekundę. Najszybsze — komórki, które wyczuwają pozycję Twoich mięśni podczas chodzenia, biegania, pisania lub wykonywania przewrotów — ścigają się z prędkością około 100 metrów na sekundę! Przybij komuś piątkę, a mózg — oddalony o metr — odbierze wiadomość zaledwie jedną setną sekundy później.

Mocne słowa

komórka Najmniejsza strukturalna i funkcjonalna jednostka organizmu. Zazwyczaj jest zbyt mały, by można go było zobaczyć gołym okiem, składa się z wodnistego płynu otoczonego błoną lub ścianą. Zwierzęta składają się z tysięcy do bilionów komórek, w zależności od ich wielkości. Niektóre organizmy, takie jak drożdże, pleśnie, bakterie i niektóre glony, składają się tylko z jednej komórki.

Błona komórkowa Oddziela wnętrze komórki od zewnątrz. Niektóre cząstki mogą przechodzić przez membranę.

chemiczny Substancja utworzona z dwóch lub więcej atomów, które łączą się (stają połączone) w ustalonej proporcji i strukturze. Na przykład woda jest substancją chemiczną składającą się z dwóch atomów wodoru związanych z jednym atomem tlenu. Jego symbol chemiczny to H2O. Chemical może być również przymiotnikiem opisującym właściwości materiałów, które są wynikiem różnych reakcji pomiędzy różnymi związkami.

kontrola Część eksperymentu, w której nie ma zmiany od normalnych warunków. Kontrola jest niezbędna do eksperymentów naukowych. Pokazuje, że każdy nowy efekt jest prawdopodobnie spowodowany tylko częścią testu, którą zmienił badacz. Na przykład, gdyby naukowcy testowali różne rodzaje nawozu w ogrodzie, chcieliby, aby jedna jego część pozostała nienawożona jako kontrola. Jego powierzchnia pokazywałaby, jak rośliny w tym ogrodzie rosną w normalnych warunkach. A to daje naukowcom coś, z czym mogą porównać swoje dane eksperymentalne.

dokowanie Akt łączenia i wstawiania jednej rzeczy w drugą.

dopamina Neuroprzekaźnik, ta substancja chemiczna pomaga przekazywać sygnały w mózgu.

membrana Bariera, która blokuje przejście (lub przepływ) niektórych materiałów w zależności od ich wielkości lub innych cech. Membrany są integralną częścią systemów filtracyjnych. Wiele z nich pełni tę samą funkcję, co zewnętrzne pokrycie komórek lub narządów ciała.

cząsteczka Grupa atomów obojętna elektrycznie, która reprezentuje najmniejszą możliwą ilość związku chemicznego. Cząsteczki mogą składać się z pojedynczych lub różnych typów atomów. Na przykład tlen w powietrzu składa się z dwóch atomów tlenu (O2), ale woda składa się z dwóch atomów wodoru i jednego atomu tlenu (H2O).

neuron Komórki przewodzące impulsy, które tworzą mózg, kręgosłup i układ nerwowy.

neuroprzekaźnik Substancja chemiczna uwalniana na końcu neuronu w celu przesłania wiadomości do sąsiedniej komórki. Ta substancja chemiczna przemieszcza się w przestrzeni między dwiema komórkami, a następnie wiąże się z cząsteczkami sąsiedniej komórki, aby przekazać wiadomość. Neuroprzekaźniki są uwalniane z neuronów i mogą wiązać się z neuronami lub innymi typami komórek, w tym tymi, które tworzą mięśnie lub gruczoły.

chwytnik (w biologii) Cząsteczka w komórkach, która służy jako stacja dokująca dla innej cząsteczki. Ta druga cząsteczka może wywołać w komórce jakąś szczególną aktywność.

serotonina Substancja chemiczna obecna we krwi, która zwęża naczynia krwionośne i przekazuje sygnały w mózgu i układzie nerwowym.

synapsy Połączenie między neuronami, które przesyła sygnały chemiczne i elektryczne.

pęcherzyki Małe wypełnione płynem worki wewnątrz komórek. Te worki mogą zawierać substancje chemiczne, które mogą być uwalniane w komórce lub poza nią.

Cytaty

Więcej informacji na temat neuroprzekaźnictwa można znaleźć w tej serii z National Institute on Drug Abuse.

O Bethany Brookshire

Bethany Brookshire była długoletnią pisarką personelu w Wiadomości naukowe dla studentów. Posiada doktorat. w fizjologii i farmakologii i lubi pisać o neuronauce, biologii, klimacie i nie tylko. Uważa, że ​​porgi to gatunek inwazyjny.

Zasoby klasowe do tego artykułu Dowiedz się więcej

W tym artykule dostępne są bezpłatne zasoby dla nauczycieli. Zarejestruj się, aby uzyskać dostęp:


1. WSTĘP

SUMOilacja to wysoce dynamiczna modyfikacja potranslacyjna reszt lizyny w białkach docelowych. SUMOilacja i deSUMOilacja określonych białek odgrywa kluczową rolę w szlakach sygnałowych zaangażowanych w prawie wszystkie aspekty formy i funkcji neuronów (Henley, Craig i Wilkinson, 2014 Schorova i Martin, 2016). Modyfikacja SUMO białek jądrowych została obszernie scharakteryzowana (Jentsch i Psakhye, 2013), ale wiele białek w przedziałach pozajądrowych również podlega modyfikacji SUMO, chociaż w wielu przypadkach dokładne zrozumienie mechanizmów i konsekwencji tych zdarzeń SUMOilacji jest jak dotąd , mniej ugruntowana (Luo i in., 2013 ).

Ostatnio pojawiło się wiele recenzji i komentarzy na temat SUMOilacji białek pozajądrowych w neuronach (Henley, Carmichael i Wilkinson, 2018). Jest to jednak szybko zmieniająca się dziedzina neuronauki, a kilka nowych białek, które mają bezpośrednie znaczenie dla funkcji i dysfunkcji synaptycznych, zostało ostatnio zidentyfikowanych i/lub zatwierdzonych jako cele SUMO.

Tutaj skupiamy się głównie na SUMOilacji tych niedawno zidentyfikowanych białek synaptycznych i związanych z synapsami, a także na celach, które nie zostały szeroko omówione w poprzednich przeglądach. Nie jest to wyczerpująca lista, raczej podzieliliśmy substraty SUMO na klasy białek i omówiliśmy, w jaki sposób te nowe odkrycia wzbogacają nasze zrozumienie tego, jak SUMOilacja może regulować szeroki zakres procesów fizjologicznych i patofizjologicznych w neuronach.


Synaptotagmina to czujnik Ca 2+ do fuzji synaptycznej

Białka synaptotagminy są oczywistymi kandydatami do regulacji fuzji za pośrednictwem SNARE w odpowiedzi na dopływ Ca2+. Synaptotagminy to rodzina białek transbłonowych wiążących Ca 2—z co najmniej 16 izoformami u ssaków, z których kilka występuje w dużej ilości na powierzchni pęcherzyków synaptycznych (Yoshihara i inni, 2003 Bai & Chapman, 2004 Brunger, 2005 Rizo i inni, 2006 Takamori i inni, 2006). Dokładniej, synaptotagmina I—zwana tutaj synaptotagminą—jest głównym czujnikiem Ca 2+ w neuronach, gdzie jest niezbędna do szybkiej, synchronicznej fuzji pęcherzyków synaptycznych po napływie Ca 2+ (Geppert i inni, 1994 Fernandez-Chacon i inni, 2001 Yoshihara & Littleton, 2002 Chapman, 2002).

Synaptotagminy na ogół składają się z domeny transbłonowej na końcu aminowym i dwóch konserwatywnych regionów 2 wiążących Ca2+ domen kinazy białkowej C (C2) (Ryc. 1A Shao i inni, 1998 Sutton i inni, 1999 Fernández i inni, 2001). Domeny C2A i C2B są niezależnie sfałdowanymi domenami kanapkowymi, które wspólnie wiążą się z jonami Ca2+ i regionem grupy głowy błony. Domeny C2 synaptotagminy również wydają się wiązać z poszczególnymi t-SNARE, binarnym kompleksem t-SNARE i potrójnymi kompleksami v-/t-SNARE. Oddziaływania te zachodzą w karboksy-końcowych, proksymalnych regionach błony SNARE (Bai & Chapman, 2004 Brunner, 2005 Bowen i inni, 2005 Dai i inni, 2007 Li i inni, 2007). Chociaż synaptotagmina została dobrze przebadana, zarówno in vivo oraz in vitropozostaje wiele szczegółowych pytań funkcjonalnych i debat, w tym: szczegóły molekularne interakcji między kompleksami synaptotagminy i SNARE obecność i rola różnych stanów oligomeryzacji synaptotagminy względne znaczenie domeny C2A w porównaniu z domeną C2B oraz funkcjonalne konsekwencje wiązania fosfolipidów (Bai & Chapman, 2004 Rizo i inni, 2006). Ponadto mechanizm molekularny, za pomocą którego synaptotagmina-Ca 2+ wyzwala fuzję błon, jest nadal niejasny.


Uzyskaj pełny dostęp do dziennika przez 1 rok

Wszystkie ceny są cenami NETTO.
VAT zostanie doliczony później w kasie.
Obliczenie podatku zostanie sfinalizowane podczas realizacji transakcji.

Uzyskaj ograniczony czasowo lub pełny dostęp do artykułów w ReadCube.

Wszystkie ceny są cenami NETTO.


Natura dziękuję S. Sigrist, X. Zhuang i innym anonimowym recenzentom za ich wkład w recenzowanie tej pracy.

Dane rozszerzone Rysunek 1 Filtrowanie lokalizacji i automatyczny algorytm wykrywania osi synaptycznej.

a, Wykres punktowy dopasowanej szerokości piku w tak (Wtak) przeciwko temu w x (Wx). Kolor koduje pozycję w z. Wszystkie lokalizacje z dala od tego gęstego regionu centralnego wynikają z wielu nakładających się lub źle dopasowanych pików i należy je odrzucić. b, eliptyczność (Wx/Wtak) i różnica szerokości (Wx − Wtak) utworzyła przybliżoną zależność liniową, gdy Wx > Wtak (kropkowane pole). CDopasowaliśmy stosunki między eliptycznością a różnicą szerokości do mianowników za pomocą funkcji wielomianowych trzeciego stopnia (czarna linia) i odrzuciliśmy wszystkie lokalizacje z 95% przedziałów ufności (szare linie) krzywej (>1,96 × s.d.). Te same kryteria zastosowano do drugiej frakcji lokalizacji z Wx < Wtak. D, Ten sam wykres punktowy co w a po odrzuceniu wszystkich rozproszonych lokalizacji (około 20–25%). mi, F, Protokół filtrowania oczyścił większość lokalizacji z wielu nakładających się pików lub źle dopasowanych pików, w tym większość nieistotnych lokalizacji tła (mi) i te lokalizacje ze źle skalibrowanymi z pozycje (F). Podziałki skali, 2 μm (mi) i 200 nm (F). Synapsy w F odpowiada prostokątnej synapsie w mi. g, Przekrój 2D przez środek zawiłej skonstruowanej macierzy dystrybucji 3D synapsy. h, Gęstość szczytowa matrycy ustawiona na jedną czwartą średniej gęstości cząsteczek klastra synaptycznego. i, przekrój 2D w tej samej pozycji macierzy 3D bezpośredniej korelacji krzyżowej dwóch kanałów (równanie (3) w Metodach). C jest centrum macierzy, i A jest szczytem korelacji krzyżowej. Jk, Najlepsze nakładanie się dwóch klastrów synaptycznych po przesunięciu PSD-95 w przestrzeni 3D wzdłuż wektora . ja, trójwymiarowe wykresy punktowe synapsy pod dwoma różnymi kątami widzenia. Strzałka oznacza wektor, a przedłużona linia (kropkowana) reprezentuje oś synaptyczną. m, wykres 3D wykrytej osi synaptycznej, gdy pozycje pików o wysokiej gęstości w RIM1/2 (nanoklastry) zostały losowo wybrane w klastrze synaptycznym. Symulację tę przeprowadzono 35 razy, ale przedstawiono tutaj tylko 10 reprezentatywnych wyników, aby uniknąć nakładania się. Kolor czerwony oznacza oś synaptyczną pierwotnego skupiska synaptycznego. n, Uśredniona odległość między wykrytymi Cn pozycje od 35 symulowanych klastrów do C pozycja pierwotnego klastra. Dane przedstawione w średniej ± odch. Ta odległość <6 nm potwierdza, że ​​piki o dużej gęstości mają pomijalny wpływ na wykrywanie osi synaptycznej w tej metodzie. o, Rozkład wszystkich lokalizacji wzdłuż osi synaptycznej o wielkości binu 10 nm. Na podstawie tego rozkładu można zmierzyć odległość między szczytami między parą białek synaptycznych. Pr, Rozkład odległości między szczytami dla trzech par białek synaptycznych.

Rozszerzone dane Rysunek 2 Organizacja nanoklastrowa białek maszynerii uwalniania pęcherzyków w strefie aktywnej i postsynaptycznych receptorach AMPA.

a, En face (na górze) i z boku (na dole) lokalnych map gęstości symulowanej synapsy ze sztucznymi nanoklastrami o średnicy 40 nm. Skala, 100 nm. b, Funkcja autokorelacji symulowanych klastrów z nanoklastrami o różnej wielkości. Punkty reprezentują promień, gdzie g(r) = 1. C, Połączone dane z 15 zestawów symulacji pokazujące, że promień gdzie g(r) pierwsze krzyżyki 1 rozsądnie szacują średnie średnice nanoklastrów. D, Porównanie liczby nanoklastrów, frakcji lokalizacji w nanoklastrze i objętości nanoklastrów w różnych stadiach rozwojowych nie wykazuje znaczącej różnicy, chociaż młode 9 dni in vitro (DIV) wykazuje tendencję do zwiększania liczby nanoklastrów (jednokierunkowa ANOVA dla rang dla liczby i objętości nanoklastra, jednokierunkowa ANOVA dla procentowej lokalizacji w nanoklastrze). Dane pochodziły z 143 nanoklastrów RIM i 135 nanoklastrów PSD z 64 synaps DIV 9, 63 nanoklastrów RIM i 65 nanoklastrów PSD z 38 synaps DIV 14 oraz 44 nanoklastrów RIM i 41 nanoklastrów PSD z 28 synaps DIV 21. mi, Porównanie dwóch przeciwciał RIM (od lewej do prawej) w całej objętości klastra synaptycznego, liczbie nanoklastrów, funkcji autokorelacji szacującej średnią średnicę nanoklastrów i gęstość białka w stosunku do centrów nanoklastrów PSD-95. Anty-RIM1/2 (Synaptic Systems #140-203) celuje w domenę palca cynkowego, a anty-RIM1 celuje w domenę PDZ RIM1 (Synaptic Systems #140-003). Testy te sugerują, że nie ma znaczącej różnicy między tymi dwoma przeciwciałami. Liczby w słupkach oznaczają liczebność grup. F, Lokalne mapy gęstości en face (górny) i boczny (dolny) widok przykładowej gromady Munc13. Skala, 200 nm. g, Funkcje autokorelacji dla rozkładów Munc13 w porównaniu z symulowanymi rozkładami randomizowanymi. h, i, Lokalne mapy gęstości i ACF klastra Bsn. Skala, 200 nm. J, Połączone woluminy klastra, znormalizowane do woluminów PSD-95 w obrębie każdej synapsy. Każda para słupków reprezentuje dane z zestawu barwienia RIM1/2-PSD-95, Munc13-PSD-95 lub Bsn-PSD-95. Liczby w słupkach oznaczają liczebność grup. k, Dystrybucja en face odległości między centrum nanoklastrów a centrum synaps. Dane znormalizowano do rozkładu symulowanych klastrów z taką samą liczbą nanoklastrów jak oryginalna synapsa, ale z losowymi pozycjami. ja, Przykład synapsy z barwieniem RIM1/2 i Munc13 tej samej synapsy, pokazany pod dwoma różnymi kątami. Półprzezroczyste powierzchnie reprezentują kształty alfa, które definiują granice klastra synaptycznego. m, Połączone woluminy klastrów RIM1/2 i Munc13, znormalizowane do RIM1/2 w obrębie każdej synapsy. n, Połączone objętości klastrów RIM1/2, Munc13 i Bsn z barwienia RIM1/2-Bsn i Munc13-Bsn, znormalizowane do Bsn w obrębie każdej synapsy. *P <0,05 ***P < 0,001 Test rangowanych znaków Wilcoxona. jaP < 0,05, jednoczynnikowa ANOVA na rangach z procedurami porównania parami (metoda Dunna). o, Lokalna mapa gęstości klastra GluA2. P, Funkcje autokorelacji dla rozkładów GluA2 w porównaniu z symulowanymi rozkładami randomizowanymi. Q, Lokalna mapa gęstości klastra GluR2/3. r, Funkcje autokorelacji dla rozkładów GluR2/3 w porównaniu z symulowanymi rozkładami randomizowanymi. Wszystkie eksperymenty powtórzono ≥3 razy.

Rozszerzone dane Rysunek 3 Wykryte nanoklastry prawdopodobnie nie są wynikiem znakowania artefaktów lub przeliczania cząsteczek.

ai, Porównanie PSD-95 znakowanego pierwszorzędowymi przeciwciałami monoklonalnymi bezpośrednio sprzężonymi z barwnikiem Alexa647 (1°-A647, czerwony) z tymi samymi cząsteczkami znakowanymi pierwszorzędowymi i drugorzędowymi przeciwciałami sprzężonymi z Cy3 (1°-2°-Cy3, niebieski), jak przedstawiono w C. a, b, Porównanie niesynaptycznych małych grup lokalizacji powstających z izolowanych przeciwciał pierwotnych i przeciwciał wtórnych. Schemat pokazany w a. Odchylenie standardowe lokalizacji w obu grupach wzdłuż różnych wymiarów (n = 32 dla A647 n = 36 dla Cy3) in b. Oba typy grup lokalizacji wykazywały podobne zróżnicowanie we wszystkich wymiarach. D, Lokalne mapy gęstości tego samego klastra PSD-95 oznaczonego 1°-A647 (góra) i 1°-2°-Cy3 (środek) oraz nakładający się rozkład 1°-A647 i 2°-Cy3 z wykrytymi nanoklastrami zaznaczonymi ciemniej kolory (na dole). Skala, 200 nm. mi, Autokorelacja skupisk synaptycznych oznaczonych 1°-A647 i 1°-2°-Cy3. F, Autokorelacja izolowanych małych grup lokalizacji barwników A647 i Cy3. g, Porównanie promienia przecięcia się funkcji autokorelacji z poziomem losowym (g(r) = 1). Nie było różnicy między klastrami PSD-95 z różnymi metodami znakowania, ale r(0) dla izolowanych grup lokalizacji były znacznie mniejsze niż r(0) dla klastrów PSD-95. **P < 0,01, T- test pomiędzy wypełnionymi i otwartymi słupkami tego samego koloru. h, Nanoklastry wykryte w obu kanałach nie wykazywały różnicy w liczbie, objętości ani ułamku nanoklastrów wzbogaconych lokalizacjami z drugiego kanału. i, Wzbogacenie w białka lokalizacji wykrytych w każdym kanale z tymi w drugim kanale (n = 32 synapsy). Wyniki te pokazują, że nanoklastry, które wykryliśmy w naszym badaniu, nie były spowodowane agregacją wielu drugorzędowych przeciwciał z pierwszorzędowymi przeciwciałami. Jr, Komórki transfekowane knockdown-rescue-PSD-95-GFP znakowano nanociałkami przeciwko GFP sprzężonym w stosunku 1:1 z Atto647 (Nb-At647, czerwony) i pierwszorzędowymi/drugorzędowymi przeciwciałami przeciwko PSD-95 (1°-2° -Cy3, niebieski), jak pokazano w ja. J, k, Porównanie niesynaptycznych małych grup lokalizacji powstających z izolowanego Nb-At647 i 1°-2°-Cy3 (jak pokazano na J, n = odpowiednio 26 i 28). k, Nanociała wykazywały znacznie mniejszy rozmiar niż przeciwciała. ***P <0,001, dwukierunkowa ANOVA, †P <0,05,P < 0,01, porównanie parami (test Tukeya) między nanociałami a przeciwciałami. mr, Podobne porównanie jak w Di pomiędzy klastrami PSD-95 znakowanymi Nb-At647 i 1°-2°-Cy3 (n = 13 synaps). Skala, 200 nm. Ogólnie rzecz biorąc, wyniki te wykazały, że nanoklastry, które wykryliśmy w naszym badaniu, nie były prawdopodobnie wynikiem artefaktów wiązania i znakowania przeciwciał. Różnica między wielkością izolowanych grup lokalizacji a klastrami PSD-95 obliczonymi przez autokorelację również przemawia przeciwko możliwości, że wykryte przez nas nanoklastry były spowodowane powtarzalnym przełączaniem jednego lub kilku fluoroforów. **P < 0,01, T- test pomiędzy wypełnionymi i otwartymi słupkami tego samego koloru. s, Przykład synapsy z nanoklastrami wyróżnionymi przed (góra) i po (dolnym) usunięciu lokalizacji wynikających z fluoroforów trwających przez wiele klatek. Skala, 100 nm. T, Funkcja sparowanej autokorelacji klastrów synaptycznych z cząsteczkami o wielu ramkach i bez nich. P = 0.77, n = 25 synaps dla RIM1/2 P = 0.58, n = 25 synaps dla PSD-95, dwuczynnikowa ANOVA z powtarzanymi pomiarami. tyŚledzenie usunęło 13 ± 8% i 17 ± 9% lokalizacji odpowiednio dla RIM1/2 i PSD-95, ale nie miało znaczącego wpływu na wyniki funkcji autokorelacji, liczby nanoklastrów ani objętości nanoklastrów. **P < 0,01 ***P <0,001 NS, P > 0,05 test rangowanych znaków Wilcoxona. Wszystkie dane zebrano z ≥3 replik.

Rozszerzone dane Rysunek 4 Uwalnianie wywołane przez 1AP jest zależne od [Ca2+] i głównie jednopęcherzykowe48.

a, Przykład sygnałów fluorescencyjnych w pojedynczym butonie w powtarzanych próbach 1 stymulacji potencjału czynnościowego. b, Ślady pojedynczego zdarzenia wzrostu fluorescencji vGpH po 1 bodźcu potencjału czynnościowego w standardzie (2 mM) lub podwyższonym zewnątrzkomórkowym [Ca2+] (4 mM). C, Porównanie rozkładów zmian fluorescencji w 2 mM (n = 233/27) i 4 mM (n = 115/12) zewnątrzkomórkowy [Ca2+], w odniesieniu do rozkładów szumu uzyskanych z ramek podstawowych przed stymulacją. D, Porównanie rozkładów zmian fluorescencji po odjęciu szumu w różnych [Ca 2+ ]. mi, Przetworzone obrazy wzrostu fluorescencji vGpH po 1 bodźcu potencjału czynnościowego z trzech prób w odstępie dziesięciu prób. F, Automatyczne wykrywanie za pomocą pHwykorzystania zdarzeń pokazanych na mi. g, Zsumowana projekcja fluorescencji vGpH z odjęciem ramek i tła wzrasta w ciągu 60 prób. h, lokalizacje pHuse na Syn1a (biały). ija, Taki sam jak mih dla zdarzeń spontanicznych w TTX powyżej 5 min. n podane w synapsach/eksperymentach.

Rozszerzone dane Rycina 5 pHuse pokazuje różnice między obszarami wywołanymi i spontanicznymi miejscami fuzji.

a, Porównanie częstości spontanicznej mierzonej presynaptycznie za pomocą vGpH (n = 77/22) i postsynaptycznie przy użyciu GCaMP6f (ref. 45) (n = 61/5), T = 1,02, nieistotne. b, Średnie obszary butonów w grupach, T = 0,87, nieistotne. C, Skumulowane rozkłady obszarów fuzji dla uwolnienia spontanicznego i wywołanego (test Kolmogorova–Smirnova, *D = 0.23) D, Łączne rozkłady znormalizowanych obszarów fuzji dla fuzji wywołanej przez 1 AP, z wyłączeniem zdarzeń z liczbą fotonów >średnia + 2 s.d. spontanicznych wydarzeń (n = 91/27) w porównaniu do wszystkich wywołanych zdarzeń (n = 104/28, próba Kołmogorowa–Smirnowa, D = 0,05, nieistotne) oraz zdarzenia spontaniczne (n = 77/22, test Kołmogorowa–Smirnowa, *D = 0.25) mi, F, Warto zauważyć, gdy został wywołany Pr był istotnie dodatnio skorelowany z obszarem Syn1a, jak opisano wcześniej 49 , częstość zdarzeń spontanicznych nie wykazała związku z obszarem Syn1a (mi, dopasowanie liniowe, ewokowane **r = 0,30, spontaniczne r = 0,12, nieistotne). Z drugiej strony zarówno częstotliwość zdarzeń spontanicznych, jak i wywołanych Pr istotnie dodatnio skorelowane z obszarem pHuse (F, liniowy krój, ewokowany ***r = 0,64, spontaniczne ***r = 0,60). Sugeruje to, że obszar pHuse może być lepszym przybliżeniem obszaru strefy aktywnej i parametrów funkcjonalnych synapsy niż obszar butonu. g, Znormalizowany obszar pHuse w funkcji wieku komórki nie wykazuje istotnej korelacji (wywołane r = 0,03, nieistotne, spontaniczne r = 0,004, nieistotne). mig, nprzywołany = 104/28, nspontaniczny = 77/22. h. Znormalizowany obszar pHuse nie różnił się znacząco w temperaturze pokojowej (nprzywołany = 51/10, nspontaniczny = 32/7) w porównaniu z temperaturą fizjologiczną (nwywołany = 35/9, nspontaniczny = 34/4) w ramach sposobów wypuszczania, ale nadal znacząco różni się między sposobami wypuszczania. i, Znormalizowany obszar pHuse nie różnił się znacząco przy różnych progach dla Syn1a w ramach trybów uwalniania, ale nadal znacząco różnił się pomiędzy trybami uwalniania (n = 51/10). J, Zarówno liczba zdarzeń, jak i sposób uwalniania są istotnymi czynnikami dla obszaru pHuse, ale nie mają znaczącej interakcji nprzywołany = 155/38, nspontaniczny = 109/29. Do i, J, zobacz tabele dodatkowe dla statystyk. n podane w synapsach/eksperymentach, *P <0,05 **P < 0,01 ***P <0,001.

Rozszerzone dane Rysunek 6 RIM1-mEos3.1 PALM identyfikuje nanoklastry.

a, Neurony koekspresjonujące RIM1-mVenus (dar P. Kaesara) i Syn1a-CFP łączą się z tymi samymi butonami. Prawe panele pokazują powiększenie obszarów w białych polach. Słupki skali, 5 μm (po lewej) i 1 μm (po prawej). b. Neurony z ekspresją RIM1-mVenus wybarwiono immunologicznie na RIM1/2 i Bsn. Groty strzałek wskazują na niektóre skolokalizowane strefy aktywne. Skala, 2 μm. C, Intensywność immunofluorescencji transfekowanych komórek znormalizowanych do pobliskich nietransfekowanych komórek wykazuje 3,74 ± 0,11-krotną nadekspresję RIM i 1,24 ± 0,03-krotny wzrost Bsn (n = 262 synapsy/7 komórek). D, Rozkład liczby fotonów w RIM1-mEos3.1 (3997 lokalizacji). mi, Te same boutony pokazane na ryc. 2 wizualizowane przy użyciu 5 × gęstość najbliższego sąsiedztwa (NND) jako miary gęstości lokalnej. Fh, Skumulowane rozkłady średnicy, powierzchni i liczby nanoklastrów PALMed RIM1 zidentyfikowano odpowiednio za pomocą dostosowanej analizy Tesselera i analizy 5 × NND (n = 65/13). i, gęstość lokalizacji RIM1 w funkcji promieniowej odległości od lokalizacji pHuse. (Zobacz dodatkowe tabele dla statystyk.) J, Średnia odległość od lokalizacji pHuse jako funkcja gęstości lokalnej mierzonej przez 5 × NND (dane surowe ***r = 0.23, n = 26/13). k, Proporcja lokalizacji pHuse w promieniu 40 nm od lokalizacji RIM1 w funkcji gęstości lokalnej RIM1 mierzonej przez 5 × NND (***r = 0.35). n podane w synapsach/eksperymentach, o ile nie określono inaczej, ***P <0,001.

Rozszerzone dane Rysunek 7 Wzbogacenie w białka w nanokolumnach.

a, Indeks wzbogacenia między RIM1/2 a PSD-95. Lewe wstawki są replikami z Fig. 3e, a wskaźnik wzbogacenia jest zdefiniowany jako średnia z pierwszych trzech przedziałów w profilu wzbogacenia (w ramce), to znaczy znormalizowana gęstość lokalizacji w promieniu 60 nm od środka projekcji danego nanoklastra. Wypełnione punkty pokazują RIM1/2 względem nanoklastrów PSD-95, otwarte punkty pokazują PSD-95 względem nanoklastrów RIM1/2. Takie same randomizacje jak na ryc. 3e i ponownie przedstawione na b. **P < 0,01 ***P < 0,001, jednoczynnikowa ANOVA na rangach z procedurami porównania parami (metoda Dunna). b, Frakcja wzbogaconych nanoklastrów jest znacznie powyżej poziomu ryzyka i zależy również od względnej pozycji dwóch zestawów nanoklastrów. C, D, boczne i en face widoki pary synaptycznej Munc13 i PSD-95 oraz pary synaptycznej Bsn i PSD-95 z podświetlonymi nanoklastrami. Skala, 200 nm. mi, Łączny wskaźnik wzbogacenia trzech białek strefy aktywnej i PSD-95. Skala, 200 nm. Wypełnione punkty pokazują białka strefy aktywnej w stosunku do nanoklastrów PSD-95, punkty otwarte pokazują PSD-95 w stosunku do nanoklastrów białek strefy aktywnej. **P < 0,01 ***P < 0,001, jednoczynnikowa ANOVA na rangach z procedurami porównania parami (metoda Dunna). F, Przykład RIM1/2 i PSD-95 w skrawkach hipokampa dorosłych. g, Funkcje autokorelacji RIM1/2 i PSD-95 (n = odpowiednio 192 i 43 synapsy). Było średnio 2,02 ± 0,08 i 1,32 ± 0,21 nanoklastrów o objętości (3,6 ± 0,2) i (4,2 ± 0,7) × 105 nm 3 odpowiednio dla RIM1/2 i PSD-95. Z wyjątkiem liczby nanoklastrów PSD, która była znacznie mniejsza niż w kulturach (P = 0,03), wszystkie inne parametry były podobne (test rangowanych znaków Wilcoxona). h, Profil wzbogacania między RIM1/2 a PSD-95 w skrawkach tkanki (28 synaps z 7 skrawków, 4 zwierzęta). *P < 0,05 między zmierzonymi i randomizowanymi synapsami, dwukierunkowa ANOVA z procedurami porównania parami (metoda Dunna).

Rozszerzone dane Rysunek 8 Preferencyjne uwalnianie w nanokolumnach może zwiększyć siłę synaptyczną.

a, Schemat eksperymentalnie ograniczonego, deterministycznego podejścia stosowanego do badania zależności siły synaptycznej od przestrzennego rozmieszczenia miejsc uwalniania i AMPAR. Symulowany rozkład miejsc uwalniania w synapsie został wyprowadzony z jego zmierzonych pozycji RIM i średniej zmierzonej zależności między gęstością RIM a lokalizacjami pH (ryc. 2). b, Rozkłady zmierzonych lokalizacji RIM w obrębie jednej granicy strefy aktywnej (strefy aktywnej) (kolor szary) i tego samego klastra z losowymi pozycjami wskazanych podzbiorów cząsteczek. C, Mapy gęstości lokalnej RIM znormalizowane do ogólnych gęstości w aktywnych strefach. D, Mapy gęstości prawdopodobieństwa możliwych miejsc wydania, biorąc pod uwagę wystąpienie wydania. mi, Rozkłady lokalizacji GluA2/3 w granicach PSD (szary) tej samej mierzonej synapsy (elipsy odnoszą się do tego rozkładu) i randomizowane. F, Mapy frakcji otwartych kanałów przy szczytowej odpowiedzi na średnie uwolnienie z odpowiednich aktywnych stref bezpośrednio nad nimi w D. g, Obliczone kanały otwarte przy szczytowej odpowiedzi, n = 20 losowo wygenerowanych rozkładów molekularnych. Zobacz Metody, aby uzyskać więcej informacji.

Rozszerzone dane Rysunek 9 Wzbogacenie innych białek rusztowania w nanokolumnach.

a, Wzbogacanie Homera1 nanoklastrami PSD-95, n = 118 nanoklastrów z 48 synaps, skala 100 nm. b, Wzbogacenie RIM1/2 do Nanoklastrów Shank, n = 80 nanoklastrów z 32 synaps. Skala, 200 nm. *P < 0,05, ANOVA na rangach z procedurami porównania parami (metoda Dunna) w a oraz b. C, GKAP2 i Shank3 gęstości (oznaczone za pomocą STORM, n = odpowiednio 6 i 12) w nanoklastrach PSD-95 (określonych za pomocą PALM transfekowanego knockdown-replacement-PSD-95-mEos2) znormalizowanych do całkowitej gęstości PSD. Oba białka wykazały znaczne wzbogacenie w nanoklastry PSD-95,*P < 0,05, sparowany T-testy. D, Trójkolorowe obrazowanie STORM RIM1/2, GKAP1 i PSD-95 na tym samym przykładzie synaps (po lewej) oraz profile wzbogacania białka RIM1/2 i GKAP1 w odniesieniu do nanoklastrów PSD-95 (po prawej), n = 32 nanoklastry z 17 synaps. Skala, 200 nm. mi, Wskaźniki wzbogacenia RIM1/2 i GKAP1 względem nanoklastrów PSD-95. Colour-coded bars represent the same set of randomizations as performed in Fig. 3c: orange denotes randomization of only out-of-nanocluster localizations, cyan denotes randomization of nanocluster positions within synaptic clusters and grey denotes randomization of all localizations. F, The percentage of PSD-95 nanoclusters that were enriched with GKAP1, RIM1/2 or both with colour-coded randomizations. *P <0,05 **P < 0.01, ANOVA on ranks with pairwise comparison procedures (Dunn’s method), n = 32 nanoclusters from 17 synapses in 7 different cultures. g, Schematic summary of the distribution of synaptic proteins within nanocolumns. The distributions of colour-coded proteins are based on our results and the proteins in grey are hypothetical, some, such as Ca 2+ channels, have been suggested previously to be clustered 49,50 . All experiments were repeated ≥5 times.

Extended Data Figure 10 Plasticity within nanocolumns.

a, Changes in the localization density within RIM1/2 (red) and PSD-95 (blue) nanoclusters under control, 5 min NMDA treatment, 25 min washout, and NMDA + AP5 treatment conditions. bh, Reorganization of RIM1/2 and GluR2/3 under control, 5 min NMDA treatment, 25 min washout conditions examples (b), comparison of whole synaptic cluster sizes (C), nanocluster number per synapse (D), localization density within nanoclusters (mi), enrichment indices (F), percentage of nanoclusters that were enriched (g), and nanocluster volumes (h). Note that similar to the results from the RIM1/2-PSD-95 analyses, only those RIM1/2 nanoclusters that were enriched with GluR2/3 (dark red) were increased in volume. *P <0,05 **P < 0.01, ANOVA on ranks with pairwise comparison to control group (Dunn’s method), and χ 2 test for the proportion. Data from 62, 21 and 37 nanoclusters from 34, 18 and 24 synapses for control, NMDA, and washout, respectively. i, Colour-coded local density map of an example live-PALMed PSD-95 cluster before and after NMDA treatment. Scale bar, 100 nm. J, k, Changes in PSD-95 nanocluster area induced by NMDA and blocked by AP5 (n = 28 and 21, respectively). **P < 0.01, NS, not significant, paired T-test. jan, LTP stimulation induced changes in nanocluster volumes (ja), localization density within nanoclusters (m) and nanocluster numbers (n). *P < 0.05, ANOVA on ranks with pairwise comparison to control group (Dunn’s method). All experiments were repeated ≥5 times.


Principle (agonist)

Normally neurotransmitters cross the synaptic gap and bind with postsynaptic receptors, which are activated to open ion channels with the result that the post-synaptic neuron is either fired or inhibited. Drugs can act to replace neurotransmitters, binding with the postsynaptic receptors to complete the neuron-to-neuron communication.

Normal neurotransmitter activity still happens, resulting in a significantly increased chance of stimulating the post-sypnaptic neuron.

Nicotine works this way, docking with acetylcholine receptors to increase stimulation.


Wyniki

SNARE-SM Model Dynamics.

The SNARE-SM model has three operating modes. Rys. 3A shows a presynaptic terminal, which encloses the SNARE-SM model’s signaling mechanism. The black arrows labeled p 1 and p 2 span the 2D space within which the protein complexes interact. This space is not physical, but rather a phase-space where protein functions take place and the values of p 1 and p 2 represent the levels of activity between protein complexes. The line Γ 1 and the parabola Γ 2 , called the fast nullclines, indicate the regions in which the functions of the protein complexes are quasistationary (Fig. 3A oraz Dodatek SI, Fig. S1C). The line Γ 1 is stable to the left of the transition point TC , and the parabola Γ 2 is stable above the transition point SN . Past the transition points, the fast nullclines become unstable (Fig. 3A oraz Dodatek SI, Fig. S1C, dashed lines). For clarity, the slow nullclines are not displayed (Dodatek SI).

The stability of the fast nullclines is assessed by looking at the mathematical limit of the model when p 1 is kept constant ( ε = 0 ) (details are provided in Dodatek SI). In this limit, the only variable left is p 2 , and p 1 acts as a parameter the equilibrium states lie on the fast nullclines, and their stability depends on the parameter p 1 and change at bifurcation points SN and TC . Under normal operating conditions ( ε > 0 ), p 1 evolves slowly the points SN and TC are not bifurcation points of the model any longer however, they still organize dynamic transitions between different levels of quasistationary activity close to Γ 1 and Γ 2 . Moreover, the SNARE-SM model possesses two true stationary states, marked S and U (Fig. 3A oraz Dodatek SI, Fig. S1C), which endow it with an excitable structure.

An exocytotic signal (Fig. 3A, red trajectory) is evoked by one or more presynaptic spikes. Input stimuli excite the system away from the functionally inactive state S . However, the protein complexes switch their functional behavior past the switching point ( U ) only when sufficient energy is available, via action potentials and an increase in calcium influx. In this case, the system passes the TC transition point, which enables the appropriate exocytotic signaling mode to be activated. Rys. 3b illustrates the process in the time domain: Fig. 3B1 shows the presynaptic stimulus Fig. 3B2 shows the output signal and Fig. 3B3 is a schematic diagram that depicts a particle (in the abstract sense), initially at a rest point ( S ), that is driven out of the basin of attraction of S by a sufficient force (blue arrows), enabling it to jump the energy barrier ( U ). We refer the reader to the article by Kasai et al. (33) for discussion on energy functions associated with the release of neurotransmitters. Thus, a particular amplitude and timing of a perturbation can drive the system away from the equilibrium point and induce it to make a large-amplitude, transient excursion before it settles again to its inactive state ( S ).

Past the switching point ( U ), the protein complexes p 1 and p 2 begin to interact strongly, activating states associated with vesicle priming I. The passage through the TC point can be associated with the initiation of priming stage II (i.e., SNARE complex assembly and regulation by complexin). Priming can be a fast (synchronous) or slow (asynchronous) process, depending on the time scale parameter ε.

From a mathematical perspective, precise quantitative control of the delay is achieved by the so-called “way-in–way-out function” (Dodatek SI). In short, the activity-induced transcritical canard predicts the existence of delayed inertial protein unbinding occurring between priming I and fusion-pore opening stages. This delayed inertial protein unbinding can possibly be related to the clamping action of complexin, or Ca 2+ -activated calcium sensors (e.g., Syt1) competing with complexin for SNARE complex binding (by displacing part of complexin within the SNARE but via a delayed inertial unbinding). Indeed, from the modeling point of view, ε (which also controls the delayed process), can be associated with complexin or (a)synchronous calcium sensors at a molecular level (Dodatek SI). The unbinding between p 1 and p 2 (e.g., interpreted mesoscopically as translocation of complexin) initiates fusion ( F ) and subsequent neurotransmitter release. Following exocytosis, p 1 and p 2 begin a second phase of strong interaction that induces endocytosis ( E ) and subsequent vesicle refilling ( R ). The final stage is triggered by the SN transition point, which prompts p 1 and p 2 to alter their states and evolve toward their inactive state S , where the vesicle pool is replenished.

SNARE-SM Model Evoked Release Mode.

Evoked synchronous and asynchronous modes of release in the SNARE-SM model are shown in Dodatek SI, ryc. S2 and S3, with the parameters specified in Dodatek SI, Table S1. For the synchronous mode, Dodatek SI, Fig. S3 AA2 shows that the SNARE-SM model’s output, p 2 , is activated almost instantaneously upon an incoming stimulus, V i n . In this case, ε has a small value. Increasing ε induces a weaker binding/unbinding that effectively introduces variability (irregular activation via sensitivity to initial conditions) and a strong inertia in the unbinding process, causing a delay. This asynchronous mode is shown in Dodatek SI, Fig. S3 bB2, where the onset of p 2 is delayed with respect to the stimulus. Note that the output time profile also changes shape and amplitude, with a slower rising phase. These features are crucial, leading to gradual activation of vesicle pools as well as postsynaptic receptors, consistent with the gradual postsynaptic potential response observed in experiments for asynchronous release (1).

Dodatek SI, Fig. S2 shows three different delayed responses under the same two-spike stimulus, demonstrating irregular activation due to the model’s sensitivity to initial conditions. Moreover, a burst of spikes may be required before the vesicle pool is activated, a feature that is widely reported in experiments (1) this burst of spikes is controlled by increasing the distance between the two configuration states S and U , thereby increasing the energy barrier (Fig. 3B3). The farther they are apart, the stronger is the stimulus (multiple spikes) that is needed to elicit vesicle priming ( P ). A delayed response to a stimulus with three spikes is shown in Dodatek SI, Fig. S3 CC2). Note that if the interspike interval between input stimuli is smaller than the exocytotic-endocytotic cycle time, then the delay decreases inversely to the input frequency increase. However, this delay does not decrease below a fixed value that corresponds to synchronous release.

SNARE-SM Model Spontaneous Release Mode.

There are two different ways to generate spontaneous mini-releases in the SNARE-SM model as illustrated in Dodatek SI, rys. S4 AB1, odpowiednio. One way is to assume that Ca 2+ channels open stochastically, which changes the resting baseline of Ca 2+ concentrations (2). Increasing the Ca 2+ concentration decreases the amplitude of the parabola Γ 2 , which changes the fusion dynamics. This change can be related to empirical data showing the existence of multiple fusion processes, such as kiss-and-run, clathrin-dependent endocytosis, and bulk endocytosis (34). Kiss-and-run is relevant to spontaneous release, where vesicles do not fuse entirely with the membrane, and thus are rapidly retrieved from the active zone (release site).

The model also needs to be in a strongly excitable regime, in which the two configuration states S and U are sufficiently close to each other. As a consequence, low-noise perturbations are sufficient to kick the system away from its inactive state ( S ) to complete endocytosis before settling back to S (Dodatek SI, rys. S4B1). An alternative mode of spontaneous release is via Ca 2+ sparks from internal Ca 2+ stores (1, 2), which stimulates a limit cycle (a self-sustained periodic signal) (Dodatek SI, rys. S4A1) that is achieved by moving both the S and U configuration points to the far left as a consequence, signals emanating from the SN point no longer fall into the basin of attraction of S , prompting another exocytotic-endocytotic cycle. The limit cycle can have an irregular period by random variation of its associated parameters (Dodatek SI).

Extended SNARE-SM Model Predictions.

We now test the full model [extended (E)-SNARE-SM] with paired whole-cell recordings from both inhibitory and excitatory synapses having differential modes of exocytosis. For inhibition, we use recordings from isolated synapses between cholecystokinin (CCK)-positive Shaffer collateral-associated (SCA) interneurons in the CA1 region of P18-21 rat hippocampus (16) (Materiały i metody) and we base the model on parameters associated with GABAA-induced currents (16, 35, 36). For excitation, we use data from experiments on calyx-of-Held synapses (4). The SNARE-SM model parameters are adjusted to generate the appropriate release mode (Dodatek SI, Table S1), and the MT model parameters are adopted from Markram et al. (37) as a baseline (Dodatek SI). Note that asynchronous release is known to be accompanied by irregularity in both neurotransmitter release times and amplitudes of the inhibitory postsynaptic potentials (IPSPs) and excitatory postsynaptic potentials therefore, associated parameter values can vary substantially between release events. The remaining parameters are tuned within a bounded region (inhibitory synapses are shown in Dodatek SI, Table S2, and excitatory synapses are shown in Dodatek SI, Table S3). Details of the parameter fitting procedures are provided in Dodatek SI.

The E-SNARE-SM model successfully reproduces the synaptic dynamics of the SCA inhibitory synapse (Fig. 4). The delayed unitary IPSP in Fig. 4A1 is compared with the output of the inhibitory model (Fig. 4B1). A sequence of IPSPs exhibiting short-term synaptic depression and delay in response to multiple presynaptic stimuli (Fig. 4A2) matches the output of the model in Fig. 4B2. The response to a sequence of IPSPs featuring short-term synaptic facilitation and delay, shown in Fig. 4A3, is compared with the response of the model in Fig. 4B3. The model reproduces the onset of the delays and the temporal profile of the IPSP data. Care was taken with fitting delayed release because the model is sensitive to initial conditions. Completion of an exocytotic-endocytotic cycle brings the system to a different configuration. As a consequence, the parameters of the previous exocytotic-endocytotic cycle will give rise to a different delayed response when a new stimulus occurs. Parameters associated with GABAA-induced currents also undergo changes, albeit minor, because eCBs increase the input resistance of the cell, docking time of neurotransmitters, and affinity.

Model comparison with inhibitory synapse. (A1) Delayed IPSP ( ∼ 5.6 ms) of CCK-positive SCA interneuron to unitary input spike at time t s p (dashed red line). (B1) Response of the model to the same input as in A1. (A2) Depressed and delayed IPSP data resulting from spikes occurring at times t s p i , i = < 1 … 5 >(red dashed lines). The first epoch (shaded magenta rectangle) is triggered by the first three spikes causing synchronous mode (release within 5 ms) the second epoch (shaded cyan rectangle) is initiated by two subsequent spikes that lead to asynchronous mode (more than 5-ms delayed release). (Wstawka) Expansion of the region corresponding to the five release events: Vertical red dashed lines mark spike times, and vertical blue lines mark IPSP response times. The distance between them measures the delay: ∼ (2.0, 2.6, 2.5, 9.2, 15.0) ms. (B2) Response of the model to the same input as in A2. (A3) Facilitated and delayed IPSP data. The first epoch (shaded magenta rectangle), induced by the first three spikes, leads to synchronous release with delayed response times of ∼ (4.2, 3.6, 4.1) ms. The second epoch (shaded cyan rectangle) is evoked by two subsequent spikes, with marginal delayed release times [ ∼ (5.0, 5.1) ms]. (B3) Response of the model to the same input as in A3.

The parameters of the MT model also depend on the mode of release. Continuity conditions are enforced to ensure that different epochs of data fit with different modes of release (shaded magenta and cyan rectangles in Fig. 4 A2, B2, A3, oraz B3). Future developments will include the conditions ensured by the way-in–way-out function for an automatic parameter fitting. However, in the limit of complete depletion of neurotransmitters, fitting any continuous mesoscopic model to electrophysiological data becomes increasingly difficult, because noise dominates and expressing microscopic dynamics becomes fundamental (averaging effect is shown in Dodatek SI, rys. S7). In this limit, other theoretical studies reveal that discrete, stochastic, or agent-based models best describe microscopic activity (38).

Comparisons between excitatory postsynaptic currents at the calyx-of-Held synapse and the postsynaptic currents of the E-SNARE-SM model are made in Fig. 5. Specifically, Fig. 5A1 depicts a synchronous activation to a single presynaptic spike, which is matched by the model in Fig. 5B1. Multiple postsynaptic activations elicited by a single input are shown in Fig. 5A2. The first postsynaptic activation is asynchronous, and the two subsequent releases are spontaneous. The model is in good agreement over three epochs shown in different colors (Fig. 5B2). Moreover, the model can also reproduce the WT data from the calyx of Held. In particular, the strong synaptic depression seen at this synapse during high-frequency stimulation and the kinetics of recovery from synaptic depression can both be captured. Indeed, our model builds upon the MT framework, which has been shown to account for these phenomena (39).

Model comparison with excitatory synapse. (A1) Synchronous excitatory postsynaptic current (EPSC at ∼ 1.6 ms) of the calyx-of-Held synapse to unitary input spike at time t s p (dashed red line). The blue dashed line shows the time instant of activation. Data were extracted from figure 2A of ref. 4 (Syt2 KO). (B1) Response of the model to the same input as in A1. (A2) Unitary input spike at time t s p (dashed red line) first causes a delayed EPSC (at ∼ 4 ms) and two additional spontaneous activations at ∼ (27.3, 41.3) ms. Data were extracted from figure 2A of ref. (4) (Syt2 KO). (B2) Response of the model to the same input as in A2. Here, the different epochs of the data reflect the transitions from delayed (shaded magenta rectangle) to spontaneous (shaded cyan and shaded light orange rectangles) activation. The model makes these transitions by varying the parameters of the SNARE-SM model that dictate the transition from the delayed to spontaneous regime (Dodatek SI, Table S1).


Rodzaje

There are two main types of synapses:

Synapsy chemiczne

In a chemical synapse, the electrical activity in the presynaptic neuron triggers the release of chemical messengers, the neurotransmitters.

The neurotransmitters diffuse across the synapse and bind to the specialized receptors of the postsynaptic cell.

The neurotransmitter then either excites or inhibits the postsynaptic neuron. Excitation leads to the firing of an action potential while inhibition prevents the propagation of a signal.

Synapsy elektryczne

In electrical synapses, two neurons are connected by specialized channels known as gap junctions.

Electrical synapses allow electrical signals to travel quickly from the presynaptic cell to the postsynaptic cell, rapidly speeding up the transfer of signals.

The special protein channels that connect the two cells make it possible for the positive current from the presynaptic neuron to flow directly into the postsynaptic cell.

Comparing the Types

Gap between: 20 nanometers

Speed: Several milliseconds

No loss of signal strength

Gap between: 3.5 nanometers

Speed: Nearly instantaneous

Signal strength diminishes

The gap between electrical synapses is much smaller than that of a chemical synapse (about 3.5 nanometers compared to 20 nanometers).

Electrical synapses transfer signals much faster than chemical synapses. While the speed of transmission in chemical synapses can take up to several milliseconds, the transmission at electrical synapses is nearly instantaneous.

While electrical synapses have the advantage of speed, the strength of a signal diminishes as it travels from one cell to the next. Because of this loss of signal strength, it requires a very large presynaptic neuron to influence much smaller postsynaptic neurons.

Chemical synapses may be slower, but they can transmit a message without any loss in signal strength. Very small presynaptic neurons are also able to influence even very large postsynaptic cells.

Where chemical synapses can be excitatory or inhibitory, electrical synapses are excitatory only.



Uwagi:

  1. Shalrajas

    Moim zdaniem się mylisz. Wejdź, omówimy to. Napisz do mnie w PM, porozmawiamy.

  2. Mezikus

    W tym coś jest. Dziękuję za informację, teraz będę wiedział.

  3. Mizshura

    Oni są źli. Napisz do mnie na PW, to do Ciebie mówi.



Napisać wiadomość