Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

Le modèle mathématique montre comment le cerveau reste stable parmi des bruits variables

Si vous jouez entrez en stationnement parmi des oiseaux de gazouillement, une brise douce et des chevreaux jouant le loquet tout près ou vous jouez dans un repaire avec une horloge de coutil sur une bibliothèque et un chat de ronronnement sur le sofa, si la situation de jeu est identique et claire, votre prochaine étape vraisemblablement serait, aussi, indépendamment de ces différentes conditions. Vous jouerez toujours la même prochaine étape en dépit d'un large éventail de sensations internes ou même si quelques neurones ici et là sont juste peu des irréguliers. Comment le cerveau surmonte-t-il des bruits imprévisibles et variables pour produire des calculs fiables et stables ? Une étude neuve par des neurologistes de MIT fournit une apparence de modèle mathématique comment une telle stabilité résulte par nature de plusieurs mécanismes biologiques connus.

Plus principal que l'effort obstiné du contrôle cognitif de l'attention, le modèle l'équipe développée décrit une inclinaison vers la stabilité robuste qui est incorporée aux circuits neuraux en vertu des liens, ou les « synapses » ces des neurones effectuent les uns avec les autres. Les équations qu'elles ont dérivées et publié dans l'exposition de bio-informatique de PLOS que les réseaux des neurones impliqués dans le même calcul convergeront à plusieurs reprises vers les mêmes configurations de l'activité électrique, ou les « cadences de tir, » même si ils sont parfois arbitrairement perturbés par le vacarme naturel de différents neurones ou les stimulus sensoriels arbitraires le monde peut produire.

Comment le cerveau semble-t-il raisonnable de cette nature hautement dynamique et non linéaire d'activité neurale ? Le cerveau est bruyant, là sont différentes conditions commençantes - comment fait le cerveau réalisent une représentation stable d'information face à tous ces facteurs qui peuvent la frapper autour ? »

Comte Miller, auteur de Co-Sénior, professeur de Picower de la neurologie dans l'institut de Picower pour apprendre et mémoire et le service du cerveau et des sciences cognitives (BCS) au MIT

Pour découvrir, le laboratoire de Miller, qui étudie comment les réseaux neuronaux représentent l'information, a joint des forces avec le collègue et le professeur Jean-Jacques Slotine de BCS d'industrie mécanique, qui aboutit le laboratoire de systèmes non linéaires au MIT. Slotine a porté la méthode mathématique de « analyse de contraction, » un concept développé dans la théorie de contrôle, au problème avec des outils son laboratoire développé pour appliquer la méthode. Les réseaux de adjudication présentent la propriété des trajectoires qui commencent à partir des remarques disparates convergeant éventuel dans une trajectoire, comme des tributaires dans une ligne de partage. Ils font ainsi même lorsque les entrées varient avec du temps. Ils sont robustes pour ébruiter et bruit, et ils tiennent compte pour que beaucoup d'autres réseaux de adjudication soient combinés ensemble sans perte de stabilité générale - tout comme le cerveau intègre type l'information de beaucoup de régions spécialisées.

« Dans un système aimez le cerveau où vous avez [des centaines de milliards] des liens que les questions ce qui préserveront la stabilité et les quels genres de contraintes qui impose à l'architecture de système devenez très important, » de Slotine ont indiqués.

Les maths réfléchissent les mécanismes naturels

Lion Kozachkov, un étudiant de troisième cycle dans les laboratoires de Miller et de Slotine, a abouti l'étude en s'appliquant l'analyse de contraction au problème de la stabilité des calculs dans le cerveau. Ce qu'il a trouvé est que les variables et les conditions dans les équations donnantes droit qui imposent la stabilité directement reflétez les propriétés et les procédés des synapses : les liens inhibiteurs de circuit peuvent devenir plus intenses, les liens excitatoires de circuit peuvent devenir plus faibles, les deux genres de liens sont en général fortement relatifs équilibré, et les neurones établissent bien moins rapports qu'ils pourraient (chaque neurone, en moyenne, pourrait établir approximativement 10 millions de rapports supplémentaires qu'il fait).

« Ce sont toutes les choses que les neurologistes ont trouvées, mais ils ne les ont pas liés à cette propriété de stabilité, » Kozachkov a dit. « Dans une certaine mesure, nous synthétisons quelques découvertes disparates dans le domaine pour expliquer ce phénomène courant. »

L'étude neuve, qu'aussi le postdoc impliqué Mikael Lundqvist de laboratoire de Miller, était à peine le premier à s'attaquer à la stabilité dans le cerveau, mais les auteurs le discutent a produit un modèle plus avancé en représentant la dynamique des synapses et en tenant compte de grandes variations en commençant des conditions. Elle offre également les épreuves mathématiques de la stabilité, Kozachkov a ajouté.

Cependant concentré sur les facteurs qui assurent la stabilité, les auteurs remarquables, leur modèle ne va pas autant que pour condamner au cerveau à l'inflexibilité ou au déterminisme. La capacité du cerveau de changer - pour apprendre et rappeler - est juste comme principale à son fonctionnement que sa capacité chronique de raisonner et de préparer des comportements stables.

« Nous ne demandons pas comment le cerveau change, » à Miller avons dit. « Nous demandons comment le cerveau maintient de changer trop. »

Toujours, l'équipe planification pour continuer à réitérer sur le modèle, par exemple en entourant un plus riche représentant comment les neurones produisent différentes pointes d'activité électrique, pas simplement des régimes de cette activité.

Ils fonctionnent également pour comparer les prévisions du modèle aux caractéristiques des expériences dans lesquelles les animaux ont à plusieurs reprises effectué les tâches dans lesquelles ils ont dû exécuter les mêmes calculs neuraux, en dépit de remarquer le bruit neural interne inévitable et au moins les petites différences sensorielles d'entrée.

En conclusion, l'équipe considère comment les modèles peuvent aviser la compréhension de différentes conditions de la maladie du cerveau. Des aberrations dans le reste fragile de l'activité neurale excitatoire et inhibitrice dans le cerveau est considérées essentielles dans l'épilepsie, notes de Kozachkov. Un sympt40me de la maladie de Parkinson, aussi bien, nécessite une perte neural-enracinée de stabilité de moteur. Miller ajoute que quelques patients présentant des troubles de spectre d'autisme luttent pour répéter stablement des actions (par exemple dents de brossage) quand les conditions externes varient (par exemple brossage dans une salle différente).

Source:
Journal reference:

Kozachkov, L., et al. (2020) Achieving stable dynamics in neural circuits. PLOS Computational Biology. doi.org/10.1371/journal.pcbi.1007659.