スパイクタイミング依存可塑性（Spike-Timing-Dependent Plasticity, STDP）は、神経科学におけるシナプス可塑性の一形態であり、シナプス前ニューロンとシナプス後ニューロンの活動電位（スパイク）の発生タイミングの順序と時間差に依存して、シナプス結合の強度が変化する生物学的メカニズムである。具体的には、シナプス前スパイクがシナプス後スパイクよりも数ミリ秒から数十ミリ秒先行して発生する場合にシナプス長期増強（LTP）が誘導され、逆にシナプス後スパイクが先行する場合にシナプス長期抑圧（LTD）が誘導される。この法則は、神経回路の情報処理や学習・記憶の基礎原理として広く研究されており、ヘッブ則を時間的に精密化したものと位置づけられる。
1 発見と歴史的背景
1.1 初期の理論的予測
1949年、ドナルド・ヘッブは「細胞の組み立て」仮説の中で、シナプス前ニューロンが繰り返しシナプス後ニューロンの発火に寄与する場合にシナプス結合が強化されると提唱した。このヘッブ則は「一緒に発火するニューロンは結合する」という簡潔な表現で知られるが、具体的な時間的順序については言及していなかった。1970年代から1980年代にかけて、複数の理論的神経科学者が、シナプス前後のスパイクの正確なタイミングがシナプス可塑性の方向と強度を決定する可能性を指摘した。特に、ニコラス・テュルキンとチャールズ・スティーブンスは1992年に、スパイクタイミングの因果関係が学習の基本規則となることを理論的に示唆した。
1.2 実験的確認（1990年代）
1990年代中盤から後半にかけて、複数の研究室が独立にSTDPの存在を実験的に確認した。1993年、マークラムと坂本はラット海馬スライスを用いた実験で、シナプス前後のスパイクタイミングの順序によってシナプス強度が変化することを示した。1997年、ビアンとヘのグループ、および1998年のマギーらによる研究では、大脳皮質の興奮性シナプスにおいて、シナプス前スパイクがシナプス後スパイクに先行する場合にLTPが、逆の場合にLTDが誘導されることを明確に実証した。これらの実験は、海馬CA1領域や大脳皮質第2/3層の錐体細胞などで行われ、スパイクタイミングの数ミリ秒オーダーの差異がシナプス可塑性の方向を決定することを明らかにした。
1.3 発展と応用への展開
2000年代以降、STDP研究は急速に発展した。実験手法の進歩により、in vivo条件下でのSTDPの検証や、異なる脳領域・異なる細胞種でのSTDPの特性比較が進められた。同時に、計算論的神経科学の分野ではSTDPの数理モデル化が進み、スパイキングニューラルネットワークにおける学習則として応用されるようになった。2010年代以降は、機械学習や人工知能の分野でもSTDPに着想を得た学習アルゴリズムが開発され、脳型計算の重要な構成要素として注目されている。
2 生物学的メカニズム
2.1 分子基盤
2.1.1 NMDA受容体とカルシウムシグナル
NMDA受容体は、STDPの誘導において中心的な役割を果たす。NMDA受容体はグルタミン酸とグリシンまたはD-セリンの同時結合に加え、シナプス後膜の脱分極によるマグネシウムブロックの解除が必要である。シナプス前スパイクがシナプス後スパイクに先行する場合、前者がグルタミン酸を放出し、後者が脱分極を引き起こすことで、NMDA受容体が活性化され、カルシウムイオンが細胞内に流入する。このカルシウムシグナルの時間的パターンと濃度が、LTPまたはLTDの誘導経路を決定する。高濃度のカルシウムはCaMKII（カルモジュリン依存性プロテインキナーゼII）を活性化し、AMPA受容体のリン酸化と細胞膜への挿入を促進してLTPを引き起こす。
2.1.2 代謝型グルタミン酸受容体の関与
NMDA受容体に加えて、代謝型グルタミン酸受容体（mGluR）もSTDPの調節に関与する。特にmGluR1およびmGluR5は、Gタンパク質共役型受容体として細胞内セカンドメッセンジャー系を活性化し、蛋白質合成依存的な可塑性の誘導に寄与する。mGluRの活性化は、LTDの誘導において特に重要な役割を果たす場合があり、エンドカンナビノイド系を介した逆行性シグナル伝達とも連携する。
2.2 シナプス前後での相互作用
2.2.1 スパイクタイミングと電位依存性チャネル
シナプス後細胞の電位依存性チャネルは、STDPの誘導に影響を与える。特に、電位依存性カルシウムチャネル（VDCC）は、NMDA受容体を介さないカルシウム流入の経路として機能する。また、電位依存性ナトリウムチャネルやカリウムチャネルは、バックプロパゲーションする活動電位の樹状突起への伝播を調節し、シナプス後スパイクの到達タイミングに影響を与える。樹状突起の能動的特性は、STDPの誘導に必要な脱分極の時空間パターンを決定する。
2.2.2 逆行性シグナル伝達
シナプス後細胞からシナプス前細胞への逆行性シグナルは、特にLTDの誘導において重要である。エンドカンナビノイドはシナプス後細胞で合成され、逆行性に拡散してシナプス前終末のCB1受容体に結合し、神経伝達物質放出の確率を低下させる。一酸化窒素（NO）も逆行性シグナルとして働き、シナプス前細胞のサイクリックGMP依存性経路を活性化する。これらの逆行性シグナルは、シナプス前細胞の可塑性を調節し、STDPの完全な発現に寄与する。
2.3 樹状突起における局所的な調節
樹状突起は、STDPの空間的な特異性を決定する重要な構造である。樹状突起スパインは、生化学的シグナル伝達のための隔離された微小空間を提供し、カルシウム濃度上昇などのシグナルを局所的に閉じ込める。これにより、個々のシナプスが独立して可塑性を示すことが可能になる。しかし、隣接するシナプス間でのシグナルの拡散や、樹状突起幹での電位変化の伝播により、ある程度の空間的相互作用も存在する。また、樹状突起の分枝パターンやイオンチャネルの分布は、バックプロパゲーション電位の減衰特性を決定し、STDPの誘導条件を局所的に調節する。
3 計算論的モデル
3.1 基本数理モデル
3.1.1 対称型STDPと非対称型STDP
STDPの数理モデルは、主に対称型と非対称型に分類される。非対称型STDPは、シナプス前スパイクが先行する場合（正の時間差）にLTP、シナプス後スパイクが先行する場合（負の時間差）にLTDが誘導される標準的なパターンである。これに対し、対称型STDPは、時間差の絶対値が小さい場合に増強または抑圧が生じ、大きくなるにつれて効果が減衰するパターンを示す。実際の生物学的STDPは多くの場合非対称型であるが、抑制性シナプスや一部の脳領域では対称型に近い特性も観察されている。モデル化には、指数関数やガウシアン関数を用いた時間窓が一般的に使用される。
3.1.2 学習窓の関数表現
STDPの時間依存性は、学習窓（learning window）関数として定式化される。標準的な非対称型STDPの学習窓は、正の時間差領域で正の振幅、負の時間差領域で負の振幅を持つ指数関数として表現される。具体的には、シナプス前スパイクがシナプス後スパイクよりΔtだけ先行する場合のシナプス重み変化Δwは、Δw = A_+ * exp(-Δt/τ_+) （Δt>0）およびΔw = -A_- * exp(Δt/τ_-) （Δt<0）で表される。ここでA_+とA_-は増強と抑圧の振幅係数、τ_+とτ_-は時定数であり、典型的な値は10-20ミリ秒の範囲である。近年のモデルでは、複数の時定数を持つ二重指数関数や、バイオロジカルに詳細な分子反応速度式を取り入れたモデルも提案されている。
3.2 ニューラルネットワークにおける役割
3.2.1 スパイクタイミングと情報符号化
STDPは、スパイクタイミングを情報のキャリアとして利用する神経回路において、時系列パターンの学習を可能にする。入力スパイクの順序情報は、STDPによってシナプス重みの非対称な変化として符号化される。これにより、ニューロンは特定のスパイクパターンに対して選択的に応答するようになり、時系列予測やパターン認識の基礎となる。また、STDPは自然に発火率の恒常性を維持する傾向があり、入力の統計的構造に適応した情報表現を実現する。
3.2.2 競合学習とスパースコーディング
STDPは、シナプス前ニューロン間の競合を生み出す。特定のシナプス前ニューロンがシナプス後ニューロンの発火に寄与した場合、その結合は強化されるが、他の弱い結合は相対的に抑制される。この競合学習のプロセスは、シナプス重みの正規化機構と組み合わさることで、スパースコーディング（少数のニューロンのみが活動する効率的な情報表現）を促進する。また、抑制性ニューロンとの相互作用やホメオスタシス機構が、この競合プロセスを安定化させる。
3.3 機械学習への応用
3.3.1 スパイキングニューラルネットワーク
STDPは、スパイキングニューラルネットワーク（SNN）における主要な学習則として広く採用されている。SNNは、生物学的なニューロンの発火タイミングを模倣したスパイクベースの計算を行い、STDPはその重み更新に利用される。従来の人工ニューラルネットワークと比較して、SNNは時間情報の処理に優れ、エネルギー効率が高いという利点がある。STDPを組み込んだSNNは、パターン認識、時系列予測、センサーデータ処理など様々なタスクで応用されている。
3.3.2 強化学習との融合
STDPは、強化学習の枠組みと融合させることで、より柔軟な学習を実現する。特に、ドーパミンなどの報酬シグナルによってSTDPの効果が変調される現象（報酬変調型STDP）は、強化学習の時間的差分学習と類似した特性を示す。シナプス後ニューロンのドーパミン受容体の活性化は、LTPの誘導閾値を変化させ、報酬に関連するスパイクパターンの学習を促進する。このメカニズムは、エージェントが環境との相互作用から最適な行動を学習するための神経基盤として研究されている。
4 実験的証拠と知見
4.1 海馬と大脳皮質における観察
4.1.1 in vitro実験
in vitro実験では、脳スライス標本を用いたパッチクランプ記録法により、STDPの詳細な特性が調べられてきた。海馬CA1領域のシャッファー側枝シナプスでは、シナプス前後のスパイクの時間差が10ミリ秒程度で最大の可塑性変化が観察され、時間窓は約40ミリ秒であることが報告されている。大脳皮質のレイヤー2/3からレイヤー5へのシナプスでも同様のSTDPが確認され、さらにGABA作動性抑制の影響や、樹状突起位置によるSTDPの特性の違いも明らかにされている。これらの実験では、スパイクタイミングの厳密な制御と細胞内カルシウム濃度の測定が行われ、可塑性誘導の因果関係が確立された。
4.1.2 in vivo実験
in vivo実験では、生きた動物の脳内でのSTDPの機能が検証されている。げっ歯類の体性感覚皮質や視覚皮質において、感覚刺激のタイミングを操作することでSTDP様の可塑性が誘導されることが示されている。また、自由行動中の動物で、特定の行動と関連した神経活動パターンがSTDPを誘導する可能性が示唆されている。例えば、海馬の場所細胞では、ラットが特定の場所を通過する際のスパイクタイミングの順序が、シナプス結合の非対称な強化を引き起こし、空間記憶の形成に寄与することが報告されている。
4.2 異なるシナプスでの特性比較
4.2.1 興奮性シナプスと抑制性シナプス
興奮性シナプスにおけるSTDPは多くの研究で確認されているが、抑制性シナプスでもSTDPが存在することが明らかになっている。GABA作動性抑制性シナプスでは、シナプス前抑制性ニューロンとシナプス後興奮性ニューロンの間で、タイミング依存的な可塑性が観察される。しかし、その特性は興奮性シナプスとは異なり、対称型のSTDPを示す場合が多い。また、抑制性ニューロンへの興奮性入力のSTDPや、抑制性ニューロン間のシナプスでも可塑性が報告されており、神経回路全体の動的バランスの調整に寄与している。
4.2.2 発達期と成熟期の相違
STDPの特性は、発達段階によって変化する。発達期の脳では、STDPの時間窓が広く、可塑性の誘導閾値が低い傾向がある。これは、臨界期における神経回路の感受性の高さと一致する。成熟した脳では、時間窓が狭くなり、STDPの誘導にはより厳密なスパイクタイミングの制御が必要となる。また、発達期にはLTDの誘導が優位であるのに対し、成熟期にはLTPとLTDのバランスが変化する。この変化には、NMDA受容体サブユニットの組成変化や、カルシウム結合タンパク質の発現パターンの変化が関与している。
5 関連する神経現象
5.1 STDPとシナプスホメオスタシス
シナプスホメオスタシスは、神経活動の長期的な維持に寄与する、シナプス強度の全体的な調節機構である。STDPによるシナプス強度の変化は、発火率の過剰な上昇や低下を引き起こす可能性があるため、これを補償するホメオスタシス機構が並行して働く。例えば、シナプススケーリングは、すべてのシナプス強度を一定の倍率で一斉に調整することで、発火率を目標範囲に維持する。STDPとホメオスタシス機構の相互作用は、神経回路の安定性と可塑性の両立に不可欠であり、学習後の回路の安定化や、記憶の固定化に寄与する。
5.2 時系列パターン学習
STDPは、神経回路が時間的なパターンを学習する能力の基盤となる。入力スパイクの時間的順序に敏感であるため、特定の順序で発火するシナプス前ニューロンの集団を選択的に強化できる。これにより、ニューロンは予測的応答を示すようになり、例えば、連続する刺激パターンの学習、リズムの検出、因果関係の推定などが可能になる。海馬の時間的セルや、運動学習における順序学習の神経メカニズムは、STDPに基づく時系列学習の例として研究されている。
5.3 他の可塑性則との相互作用
5.3.1 古典的ヘッブ則との比較
古典的ヘッブ則は、シナプス前後の同時発火に基づく結合強化を主張し、時間的な順序については明確な規定を持たない。STDPは、この同時性の条件を精密化し、発火の因果関係を導入した点で進化している。実際には、ヘッブ則はSTDPの特殊な場合（時間差が十分に小さい場合）として解釈できる。また、ヘッブ則では逆の順序（シナプス後が先行する場合）の効果は明示されていなかったが、STDPはこれに対してLTDを割り当てることで、より完全な学習則を提供する。
5.3.2 BCM理論との関係
BCM理論（Bienenstock-Cooper-Munro理論）は、シナプス後発火率と可塑性の方向を関連付ける理論であり、発火率が閾値より高い場合にLTP、低い場合にLTDが誘導されるとする。BCM理論とSTDPは、異なる時間スケールでの可塑性規則を記述しているが、相互に関連している。STDPのスパイクタイミングベースの規則は、発火率が高い状況ではより多くのLTP誘導的なスパイクペアが発生するため、結果的にBCM理論と整合する動作を示す。近年の研究では、BCM理論のスライディング閾値がSTDPの長期変調として実現される可能性が指摘されている。
6 疾患との関連性
6.1 自閉症スペクトラム障害
自閉症スペクトラム障害（ASD）では、STDPの異常が報告されている。ASDモデルマウスを用いた研究では、シナプス可塑性の時間窓が拡大していることや、LTPとLTDのバランスが崩れていることが示されている。また、ASD関連遺伝子（SHANK3、NLGN3、MECP2など）の変異が、STDPの分子機構に影響を与えることが明らかになっている。これらのSTDP異常は、感覚情報処理の障害や社会的行動の異常といったASDの症状と関連している可能性がある。
6.2 てんかん
てんかん発作は、神経回路の過剰な興奮によって生じるが、STDPの異常がその基盤となる可能性がある。てんかん原性組織では、NMDA受容体の発現パターンの変化や抑制性シナプスの機能低下により、STDPが過剰なLTPを誘導しやすい状態になっている。また、発作そのものが異常な神経活動パターンを生成し、これがSTDPによって回路に学習されることで、てんかんの慢性化に寄与する可能性が指摘されている。STDPの時間窓の拡大は、てんかん発作の伝播を促進する要因の一つと考えられている。
6.3 アルツハイマー病
アルツハイマー病では、アミロイドβペプチドの蓄積がシナプス機能を障害し、STDPに影響を与える。アミロイドβオリゴマーは、NMDA受容体の機能を阻害し、LTPの誘導を抑制する一方で、LTDを促進することが報告されている。また、タウタンパク質の過剰リン酸化も、樹状突起の構造やイオンチャネルの機能に影響を与え、STDPの正常な発現を妨げる。これらのSTDP異常は、記憶障害や認知機能の低下と密接に関連しており、疾患初期のシナプス喪失の一因と考えられている。
7 将来の展望と未解決問題
7.1 多次元STDPの可能性
従来のSTDP研究は、単一のシナプスにおけるスパイクタイミングの影響に焦点を当ててきたが、近年ではより複雑な要因を考慮した多次元的なSTDPモデルが提案されている。例えば、スパイクの頻度やパターン、シナプス前後の膜電位、樹状突起上の位置、神経修飾物質の濃度など、複数のパラメータが同時に可塑性に影響を与える可能性がある。これらの要因の相互作用を統合的に理解することで、神経回路のより現実的なモデリングが可能になると期待される。
7.2 神経修飾物質による変調
ドーパミン、セロトニン、アセチルコリン、ノルアドレナリンなどの神経修飾物質は、STDPの特性を動的に変化させることが知られている。これらの修飾物質は、学習や記憶、注意、覚醒などの行動状態に応じてシナプス可塑性を調節し、脳の情報処理を柔軟に制御する。将来の研究では、異なる神経修飾系がSTDPに与える影響の詳細なメカニズムの解明や、行動タスクにおける修飾物質の役割の統合的理解が求められる。
7.3 人工知能と脳型計算への応用
STDPは、脳型計算やニューロモルフィック工学の分野で重要な原理として応用されている。スパイキングニューラルネットワークにおける教師なし学習、教師あり学習、強化学習へのSTDPの応用が進められており、特にエネルギー効率の高いハードウェア実装に適している。また、STDPを基盤とした学習則は、時系列データの処理やイベント駆動型の計算において従来のニューラルネットワークを上回る性能を示す可能性がある。将来的には、STDPのさらなる理解が、より生物学的に妥当で高性能な人工知能システムの開発につながることが期待される。