Ny neurondynamikmodel bedre tilpasset den biologiske virkelighed

Neurovidenskabsfolk arbejder i øjeblikket flittigt på at forstå dynamikken i tusinder af koblede neuroner. At forstå, hvordan de fungerer, kræver nøjagtige modeller. Problemet er, at hver af de eksisterende neurovidenskabsmodeller har sine egne mangler. Russiske fysikere har, for første gang, udviklet en effektiv metode til at løse ligningerne for en velkendt teoretisk neurovidenskabelig dynamisk model og gøre den mere biologisk relevant.

Disse fund er netop blevet offentliggjort i EPJ Plus af Eugene Postnikov og Olga Titkova fra Kursk State University, Rusland. De kunne ikke kun hjælpe med at løse problemer inden for neurovidenskaben, men kunne også give en dybere forståelse af neuronal aktivitet i den nye sektor inden for neurovaskulær dynamik, som beskriver samspillet mellem hjernens neuroner og blodgennemstrømningen.

Den mest biologisk nøjagtige neurovidenskabsmodel er 1952 Hodgkin-Huxley-modellen (HH), som skaffede sine opfindere Nobelprisen i fysiologi og medicin i 1963. Denne model giver en forståelse af neurons dynamik som fysiske objekter, der ligner elektriske kredsløb. Derimod, den mest udbredte teoretiske model er FitzHugh-Nagumo-modellen (FHN), en kvalitativ model, der gengiver hovedtrækkene ved neuronale dynamikmønstre uden at levere kvantificerbare biologiske oplysninger.

Tidligere forsøg på at modellere neuronal aktivitet i egentlige hjerner involverede at kombinere de elektriske strømme inden for mikroskopiske rum for hver af tusinder af individers neuroner. I stedet, forfatterne startede med de makroskopiske løsninger af en forenklet version af den biologisk nøjagtige HH -model, som afspejler målingen i en nerve af den globale spænding af neuronspidser, der udvikler sig over tid.

De ændrede derefter parametrene for FHN -modellen, så nøglefunktionerne i dens grafiske output matchede dem for den faktiske spændingskurve registreret i neuronen. Forfatterne demonstrerede, at for at FHN -modellen ligner den biologiske virkelighed så tæt som muligt, det skal omfatte afhængighed af eksterne strømme. Denne egenskab giver værdifuld indsigt i dynamikken i koblede neuronale systemer.