Advertencia: Esta página es una traducción de esta página originalmente en inglés. Tenga en cuenta ya que las traducciones son generadas por máquinas, no que todos traducción será perfecto. Este sitio Web y sus páginas están destinadas a leerse en inglés. Cualquier traducción de este sitio Web y su páginas Web puede ser imprecisa e inexacta en su totalidad o en parte. Esta traducción se proporciona como una conveniencia.

El modelo matemático muestra cómo el cerebro sigue siendo estable en medio de perturbaciones diversas

Si usted está jugando entra en un parque en medio de pájaros que gojean, de una brisa apacible y de los cabritos que juegan el fiador cerca o usted está jugando en una guarida con un reloj que hace tictac en un estante para libros y un gato de ronroneo en el sofá, si la situación del juego está idéntica y sin obstrucción, su próximo paso estaría probablemente, también, sin importar esas diversas condiciones. Usted todavía jugará el mismo próximo paso a pesar de una amplia gama de sensaciones internas o aún si algunas neuronas aquí y allá apenas están siendo poco erráticas. ¿Cómo el cerebro vence las perturbaciones imprevisibles y diversas para producir cómputos seguros y estables? Un nuevo estudio de los neurólogos del MIT ofrece una demostración del modelo matemático cómo tal estabilidad intrínsecamente se presenta de varios mecanismos biológicos sabidos.

Más fundamental que el esfuerzo voluntarioso del mando cognoscitivo sobre la atención, el modelo las personas desarrolladas describe una inclinación hacia la estabilidad robusta que se incorpora a los circuitos de los nervios en virtud de las conexiones, o las “sinapsis” esas las neuronas hacen con uno a. Las ecuaciones que derivaron y que publicaron en la demostración de cómputo de la biología de PLOS que las redes de las neuronas implicadas en el mismo cómputo convergerán en varias ocasiones hacia las mismas configuraciones de la actividad eléctrica, o “regímenes de despedida,” incluso si son perturbadas a veces arbitrariamente por la ruidosidad natural de neuronas individuales o los estímulos sensoriales arbitrarios el mundo puede producir.

¿Cómo el cerebro tiene sentido de esta naturaleza altamente dinámica, no lineal de la actividad de los nervios? El cerebro es ruidoso, allí es diversas condiciones que comienzan - cómo hace el cerebro logran una representación estable de la información frente a todos estos factores que puedan golpearla alrededor?”

Conde Miller, autor Co-Mayor, profesor de Picower de la neurología en el instituto de Picower para aprender y memoria y el departamento del cerebro y de las ciencias cognitivas (BCS) en el MIT

Para descubrir, el laboratorio de Miller, que estudia cómo las redes neuronales representan la información, ensambló fuerzas con el colega y profesor Jean-Jacques Slotine de BCS de la ingeniería industrial, que lleva el laboratorio de los sistemas no lineales en el MIT. Slotine trajo el método matemático de “análisis de la contracción,” un concepto desarrollado en teoría de mando, al problema junto con las herramientas su laboratorio desarrollado para aplicar el método. Las redes de contratación exhiben la propiedad de las trayectorias que empiezan con los puntos dispares que convergen final en una trayectoria, como los tributarios en una cuenca hidrográfica. Hacen tan incluso cuando las entradas varían con tiempo. Son robustas divulgar y perturbación, y permiten para que muchas otras redes de contratación sean combinadas juntas sin una baja de la estabilidad total - como cerebro integra típicamente la información de muchas regiones especializadas.

“En un sistema tenga gusto del cerebro donde usted tiene [los centenares de mil millones] de conexiones que las cuestiones qué preservarán la estabilidad y qué clase de apremios que impone ante la configuración de sistema haga muy importante,” de Slotine dijeron.

La matemáticas refleja mecanismos naturales

Leo Kozachkov, estudiante de tercer ciclo en los laboratorios de Miller y de Slotine, llevó el estudio aplicando análisis de la contracción al problema de la estabilidad de cómputos en el cerebro. Qué él encontró es que las variables y los términos en las ecuaciones resultantes que refuerzan estabilidad directamente refleje las propiedades y los procesos de sinapsis: las conexiones inhibitorias del circuito pueden conseguir más fuertes, las conexiones excitadoras del circuito pueden conseguir más débiles, ambas clases de conexiones se equilibran típicamente apretado en relación con uno a, y las neuronas hacen lejos menos conexiones que podrían (cada neurona, por término medio, podría hacer áspero 10 millones de más conexiones que lo hace).

“Éstas son todas las cosas que los neurólogos han encontrado, pero no los han conectado a esta propiedad de la estabilidad,” Kozachkov dijo. “En cierto modo, estamos sintetizando algunas conclusión dispares en el campo para explicar este fenómeno común.”

El nuevo estudio, que también implicó el postdoc Miguel Lundqvist del laboratorio de Miller, era apenas el primer a atacar con estabilidad en el cerebro, pero los autores lo discute ha producido un modelo más avanzado explicando la dinámica de sinapsis y teniendo en cuenta amplias variaciones en comenzar condiciones. También ofrece las pruebas matemáticas de la estabilidad, Kozachkov agregó.

Centrado sin embargo en los factores que aseguran estabilidad, los autores conocidos, su modelo no van en cuanto condenar el cerebro a la inflexibilidad o al determinismo. La capacidad del cerebro de cambiar - aprender y recordar - es apenas tan fundamental a su función como su capacidad de razonar y de formular constantemente comportamientos estables.

“No estamos preguntando cómo el cerebro cambia,” a Miller dijimos. “Estamos preguntando cómo el cerebro guarda de cambiar demasiado.”

No obstante, las personas proyectan guardar el iterar en el modelo, por ejemplo abarcando un más rico explicando cómo las neuronas producen picos individuales de la actividad eléctrica, no apenas los índices de esa actividad.

También están trabajando para comparar las predicciones del modelo con datos de los experimentos en los cuales los animales realizaron en varias ocasiones las tareas en las cuales necesitaron realizar los mismos cómputos de los nervios, a pesar de experimentar ruido de los nervios interno inevitable y por lo menos pequeñas diferencias sensoriales de la entrada.

Finalmente, las personas están considerando cómo los modelos pueden informar a la comprensión diversos estados de la enfermedad del cerebro. Las aberraciones en el equilibrio delicado de la actividad de los nervios excitadora e inhibitoria en el cerebro se consideran cruciales en la epilepsia, notas de Kozachkov. Un síntoma de la enfermedad de Parkinson, también, exige una baja de los nervios-arraigada de la estabilidad del motor. Miller agrega que algunos pacientes con desordenes del espectro del autismo luchan para relanzar estable las acciones (e.g dientes que aplican con brocha) cuando las condiciones externas varían (e.g el aplicar con brocha en un diverso cuarto).

Source:
Journal reference:

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