Kredit:CC0 Public Domain
At studere hjernen involverer måling af aktiviteten af milliarder af individuelle hjerneceller kaldet neuroner. Følgelig, mange hjernemålingsteknikker producerer data, der beregnes i gennemsnit for at afspejle aktiviteten af store populationer af disse neuroner. Hvis alle neuroner opfører sig anderledes, dette vil gennemsnitligt ud. Men, når individuelle neurons adfærd synkroniseres, det producerer klart synlige svingninger.
Synkronisering er vigtig for at forstå, hvordan neuroner opfører sig, hvilket er særligt relevant med hensyn til hjernesygdomme som Alzheimers, epilepsi og Parkinsons. Nu, en gruppe forskere fra Institute of Computational Physics and Complex Systems ved Lanzhou University, Kina, har brugt en kombination af to computermodeller til at studere, hvordan forskellige slags neuroner kan påvirke synkronisering. Undersøgelsen er offentliggjort i European Physical Journal B .
For at studere virkningerne på synkronisering, forfatterne undersøgte neuroner kaldet hæmmende neuroner - som arbejder for at bremse eller stoppe andre neurons aktivitet. I øvrigt, de undersøgte sandsynligheden for, at disse hæmmende neuroner affyres enten spontant eller slet ikke i netværket.
Brug af computermodeller, forskerne konstruerede derefter et Izhikevich neuralt netværk; de anvendte også en model for neuronal transmission, kaldet Tsodyks-Uziel-Markram (TUM) modellen.
Deres fund tyder på, at hæmmende neuroner kan have en dobbelt indvirkning på oscillerende mønstre. På den ene side, de kan forsinke fyringen af neuronerne, hvilket forhindrer synkronisering i at ske. På den anden, de kan lette overgangen af de oscillerende mønstre, hvilket bidrager til synkronisering.
Forskningen er vigtig for at øge vores forståelse af hjernesygdomme, som slagtilfælde, Alzheimers og epilepsi. "Den stadigt stigende sygelighed i hjernesygdomme gør undersøgelsen af dette emne betydningsfuld i både psykologi og medicin" siger forfatterne.