Od kod vsa ta nihanja?

V nedavni raziskavi so japonske znanstvenice in znanstveniki na podlagi simulirane dinamike proženja nevronov rekonstruirali vhodni signal, ki je takšno dinamiko povzročil. Rezultate so objavili septembra letos v reviji Physical Review E.

Komunikacija med različnimi deli možganov je ključnega pomena pri mnogih možganskih procesih. Točen način kodiranja informacij v tovrstni komunikaciji je sicer še neznan. Trenutno se zdi najbolj verjetna hipoteza, da je mednevronska komunikacija posledica sinhronega proženja nevronov. V laboratoriju lahko sinhrono proženje nevronov spodbudimo s stimuliranjem oddaljenih možganskih celic z enakim izmeničnim električnim tokom. Pri tem pogostost proženja nevronov narašča z večanjem apliciranega električnega toka, ki je vhodni signal za nevrone. Pri takšni namerni stimulaciji nevronov v laboratoriju je vhodni signal znan. Pogosto pa raziskovalke in raziskovalci lahko izmerijo le izhodni signal, pri čemer jim vhodni signal ni poznan.

Raziskovalna skupina je za boljši vpogled v pretok informacij v možganih na podlagi vzorcev proženja nevronov razvila metodo za rekonstrukcijo vhodnega signala. Nevronska dinamika je deterministična, nelinearna in ponovljiva. Za vizualizacijo takšnega ponovljivega obnašanja nelinearnih signalov so že v preteklosti razvili metodo, imenovano Recurrence Plot ali RP. Ta je definirana kot matrika z binarnimi vrednostmi, ki ustrezajo ujemanju signala v dveh časovnih točkah. Vhodni signal lahko rekonstruiramo iz izhodnega na podlagi podobnosti njunih RP matrik.

Metodo RP je japonska raziskovalna skupina uporabila pri rekonstrukciji vhodnega signala in jo pri tem še nekoliko nadgradila. Najprej so definirali modela za vhodni in izhodni signal ter z njima opisali množico nevronov. Model za izhodni signal vključuje tudi člen z vhodnim signalom, od tod tudi razlog za podobnost njunih RP matrik. Nato so samo za izhodni signal vseh posameznih nevronov definirali RP, matrike sešteli in dobljene vrednosti spet preslikali v binarne. S tem so izluščili ključne lastnosti sinhronega proženja nevronov in odpravili vpliv individualnih celičnih karakteristik. Na podlagi tako pridobljene matrike so z multidimenzionalno skalirno metodo uspešno rekonstruirali vhodni signal.

Metoda učinkovito povzame obliko vhodnega signala, zaradi računskih napak pa je rekonstrukcija njegove amplitude nekoliko nezanesljiva. Z obravnavo različnih tipov nevronov in njihovih kombinacij so pokazali, da so rezultati aplikativni za nadaljnje raziskave komunikacije med nevroni na nivoju celotnih možganov. Izpostavili so, da bi bilo za boljše razumevanje sinhronizacij treba analizirati še vpliv dinamičnega šuma in lastnosti celičnih membran.

Vhodni signal je iskala vajenka Liza.

Vir slike: https://deepai.org/machine-learning-model/surreal-graphics-generator