在日常生活中，生物体会遇到源源不断的混合信息，这些信息必须由大脑解缠以形成正确的表征。通过计算建模，我们证明了树突钙介导的动作电位（dCaAPs）与突触可塑性和重构之间的相互作用使得单个神经元能够成功执行这一复杂任务。与其他类型的树突尖峰相比，dCaAPs具有较高的触发阈值、大但渐进的尖峰幅度，对于更强的突触输入则表现出较低的幅度。我们表明，这些特性使得神经元能够成功学习从连续输入流中表征离散项，通过促进时序相关的前突触活动的突触聚类到同一树突分支。与N-甲基-D-天冬氨酸尖峰相比，产生dCaAPs的树突能够更有效地构建单个项目的表征，而不受学习过程中呈现的时间顺序的影响——无论是随机的、顺序的，作为同时显示的输入项目随机流的一部分，还是具有共享属性的项目。因此，我们的结果进一步证明了dCaAPs在单个神经元计算能力中的关键作用。
Hashemi等人（周五）研究了这个问题。