Naukowcy z Uniwersytetu Tokijskiego sprawdzili w symulacjach komputerowych, jak rozmieszczenie połączeń hamujących wpływa na stan sieci neuronów. Okazało się, że liczy się nie tylko liczba takich połączeń, ale też ich długość: im są dłuższe, tym łatwiej sieć przechodzi w stan nadmiernej aktywności. Wyniki opublikowano w czasopiśmie „PLOS Computational Biology”.
Mózg na granicy dwóch stanów
Według hipotezy krytyczności mózgu sieci neuronów działają w pobliżu punktu przejścia między dwoma skrajnościami. W stanie podkrytycznym aktywność szybko wygasa. W nadkrytycznym rozprzestrzenia się lawinowo i może wymknąć się spod kontroli.
Dobrym porównaniem jest stos piasku. Upuszczone ziarenko czasem nie robi nic, a czasem wywołuje mniejszą lub większą lawinę. Podobnie w pobliżu stanu krytycznego niewielki impuls może zostać lokalny albo objąć dużą część sieci. Taki stan daje sieci kilka zalet: największą zdolność przetwarzania i przekazywania informacji, dużą pojemność jej przechowywania oraz wysoką wrażliwość na bodźce z zewnątrz.
Wiadomo już, że do krytyczności mogą prowadzić struktura sieci, reguły plastyczności synaps oraz mechanizmy homeostatyczne, czyli pętle sprzężenia zwrotnego stabilizujące aktywność. Ważna jest też równowaga między pobudzeniem a hamowaniem. Dotychczasowe modele zwykle zakładały jednak sieci losowe lub w pełni połączone, pomijając fakt, że prawdziwe neurony zajmują przestrzeń, a sygnał potrzebuje czasu, by pokonać dystans.
Jak wyglądała symulacja
Zespół pod kierunkiem Zenasa C. Chao zbudował model, w którym 80 neuronów pobudzających i 20 hamujących rozmieszczono losowo na dwuwymiarowym dysku o promieniu 2 mm. Parametry połączeń pobudzających były stałe. W przypadku hamujących zmieniano maksymalną odległość i prawdopodobieństwo połączenia, co dało 25 warunków. Dla każdego z nich badacze wygenerowali 10 sieci. Każdą symulowano przez 15 godzin, zaczynając od zerowych wag synaptycznych, a analizę oparto na ostatnich dwóch godzinach, gdy sieci się ustabilizowały.
Co pokazały wyniki
- W większości ustawień najczęściej występował stan nadkrytyczny.
- Krytyczność była stosunkowo rzadka, a najczęściej pojawiała się przy średnio-wysokiej gęstości połączeń hamujących.
- Przy największej gęstości takich połączeń dominował stan podkrytyczny.
- Przy podobnej liczbie połączeń sieci z dłuższymi połączeniami hamującymi były bardziej nadkrytyczne niż te z krótszymi.
Autorzy tłumaczą to opóźnieniami synaptycznymi. Sygnał na dłuższej drodze dociera do celu później, przez co hamowanie jest słabsze. To pozwala rozwijać się większym lawinom aktywności i popycha sieć ku stanowi nadkrytycznemu.
Jak podsumował Zenas C. Chao: „Nasze wyniki pokazują, że nie tylko liczba połączeń hamujących, ale też ich przestrzenne rozmieszczenie i opóźnienia w przesyłaniu kształtują krytyczność sieci”.
Co to oznacza w praktyce
To badanie podstawowe, oparte na uproszczonym modelu komputerowym, a nie na tkance mózgowej czy pacjentach. Nie ma więc bezpośredniego przełożenia na leczenie ani na przepisy w Polsce czy w UE. Sto symulowanych neuronów to bardzo daleko od rzeczywistego mózgu, więc wyników nie należy przenosić na ludzi wprost.
Autorzy widzą jednak potencjalne zastosowania. Zrozumienie, jak rozmieszczenie połączeń i opóźnienia wpływają na dynamikę sieci, może pomóc w projektowaniu stabilnych i elastycznych sztucznych systemów neuronowych. W dalszej perspektywie mogłoby też ułatwić badanie, jak czynniki genetyczne lub rozwojowe zmieniające połączenia hamujące wpływają na pracę mózgu. Potrzeba do tego jeszcze wielu badań, ale praca dokłada element do bardziej realistycznych modeli mózgu.
Źródło: Medical Xpress – „Longer inhibitory connections can push simulated neural networks beyond critical tipping point”
