Attenzione: questa pagina è una traduzione automatica di questa pagina originariamente in lingua inglese. Si prega di notare in quanto le traduzioni sono generate da macchine, non tutte le traduzioni saranno perfetti. Questo sito web e le sue pagine web sono destinati ad essere letto in inglese. Ogni traduzione del sito e le sue pagine web possono essere imprecise e inesatte, in tutto o in parte. Questa traduzione è fornita per comodità.

Le guide del modello matematico spiegano come il cervello forma le nuove memorie senza eliminare quei vecchi

Gli scienziati di Colombia hanno sviluppato un nuovo modello matematico che contribuisce a spiegare come la complessità biologica del cervello umano permette che indichi le nuove memorie senza eliminare quei vecchi -- illustrazione come il cervello mantiene la fedeltà delle memorie per anni, decadi o persino una vita. Questo modello ha potuto aiutare i neuroscenziati a progettare gli studi mirati a sulla memoria ed egualmente stimola gli avanzamenti in hardware neuromorphic -- sistemi informatici potenti ispirati dal cervello umano.

Questa opera è pubblicata oggi online in neuroscienza della natura.

“Il cervello è continuamente ricevente, organizzante e memorizzante le memorie. Questi trattamenti, che sono stati studiati negli esperimenti innumerevoli, sono così complessi che gli scienziati stanno sviluppando i modelli matematici per completamente capirli,„ ha detto Stefano Fusi, PhD, un ricercatore principale all'istituto di comportamento del cervello del Mortimer B. Zuckerman Mind di Colombia, professore associato della neuroscienza al centro medico di Columbia University e l'autore senior del documento. “Il modello che abbiamo sviluppato definitivo spiega perché la memoria di fondo di chimica e di biologia è così complessa -- e come questa complessità determina la capacità del cervello di ricordarsi.„

Le memorie ampiamente sono credute per essere memorizzate nelle sinapsi, strutture minuscole sulla superficie dei neuroni. Queste sinapsi fungono da condotti, trasmettenti gli impulsi elettrici interni alloggiati informazioni che passano normalmente dal neurone al neurone. Nei modelli di memoria più in anticipo, la resistenza dei segnali elettrici che hanno attraversato le sinapsi è stata confrontata ad un perno del volume su una stereotipia; ha composto fino a spinta (o giù abbassarsi) la resistenza della connessione fra i neuroni. Ciò permessa la formazione di memorie.

Questi modelli hanno funzionato estremamente bene, poichè hanno rappresentato la capacità di memoria enorme. Ma egualmente hanno posato un dilemma intrigante.

“Il problema con un modello semplice e del tipo di quadrante di come la funzione di sinapsi era che è stato presupposto che la loro resistenza potrebbe essere composta verso l'alto o verso il basso indefinitamente,„ ha detto il Dott. Fusi, che è egualmente un membro del centro di Colombia per la neuroscienza teorica. “Ma nel mondo reale questo non può accadere. Se è il perno del volume su una stereotipia, o qualunque sistema biologico, ci deve essere un limite fisico a cui potrebbe girare.„

Quando questi limiti sono stati imposti, la capacità di memoria di questi modelli è sprofondato. Così il Dott. Fusi, in collaborazione con il ricercatore Larry Abbott, il PhD, un esperto dell'istituto di Zuckerman del collega nella modellistica matematica del cervello, ha offerto un'alternativa: ogni sinapsi è più complessa di appena un quadrante ed invece dovrebbe essere descritta come sistema con i quadranti multipli.

Nel 2005, DRS. Fusi e Abbott hanno pubblicato la ricerca che spiegano questa idea. Hanno descritto come i quadranti differenti (forse rappresentando i cluster delle molecole) all'interno di una sinapsi potrebbero funzionare in tandem per formare le nuove memorie mentre proteggevano quei vecchi. Ma anche quel modello, gli autori più successivamente realizzati, ha stato a corto di cui hanno creduto il cervello -- specialmente il cervello umano -- ha potuto tenere.

“Siamo venuto a rend contoere che le varie componenti sinaptiche, o i quadranti, non solo funzionati alle scale cronologiche differenti, ma erano egualmente comunicazione probabile a vicenda,„ abbiamo detto Marcus Benna, PhD, un ricercatore del socio al centro di Colombia per la neuroscienza teorica ed il primo autore di odierno documento della neuroscienza della natura. “Una volta che aggiungessimo la comunicazione fra le componenti al nostro modello, la capacità di memoria è aumentato da un fattore enorme, diventante molto più rappresentativo di che cosa è interno raggiunto il cervello vivente.„

Il Dott. Benna ha paragonato le componenti di questo nuovo modello ad un sistema dei becher connessi l'un l'altro con una serie di tubi.

“In un insieme dei becher collegati, ciascuno riempito con differenti importi dell'acqua, il liquido tenderà a scorrere fra loro tali che i livelli dell'acqua sono uguagliati. Nel nostro modello, i becher rappresentano le varie componenti all'interno di una sinapsi,„ il Dott. spiegato Benna. “Aggiungendo liquido ad uno dei becher -- o eliminando alcuno -- rappresenta la codifica di nuove memorie. Col passare del tempo, il flusso risultante di liquido si diffonderà attraverso gli altri becher, corrispondenti al deposito a lungo termine delle memorie.„

DRS. Benna e Fusi sono promettenti che questo lavoro può aiutare i neuroscenziati in laboratorio, fungendo da struttura teorica per guidare gli esperimenti futuri -- infine piombo ad una caratterizzazione più completa e più dettagliata del cervello.

“Mentre la base sinaptica della memoria è bene accettata, in nessuna piccola parte dovuto il lavoro di Dott. Eric Kandel di co-direttore dell'istituto di Zuckerman e del premio Nobel, chiarente come le memorie di sostegno di sinapsi in molti anni senza degradazione è stata estremamente difficili,„ ha detto il Dott. Abbott. “Il lavoro di DRS. Benna e Fusi dovrebbero servire da guida per i ricercatori che esplorano la complessità molecolare della sinapsi.„

Le implicazioni tecnologiche di questo modello egualmente stanno promettendo. Il Dott. Fusi lungamente è stato intrigato da hardware neuromorphic, computer che sono destinati per imitare un cervello biologico.

“Oggi, il hardware neuromorphic è limitato dalla capacità di memoria, che può essere catastroficamente bassa quando questi sistemi sono destinati per imparare autonomamente,„ ha detto il Dott. Fusi. “Creare un migliore modello della memoria sinaptica potrebbe contribuire a risolvere questo problema, accelerante lo sviluppo degli apparecchi elettronici che sono sia compatto che di ottimo rendimento -- ed altrettanto potente quanto il cervello umano.„

Source:

The Zuckerman Institute at Columbia University