Streszczenie: Nowy, otwarty model plastyczności synaptycznej w korze nowej może pomóc w zrozumieniu procesu uczenia się w mózgu.

Źródło: Uniwersytet w Montrealu

Wszyscy wiedzą, że ludzki mózg jest niezwykle złożony — ale jak dokładnie się uczy? Cóż, odpowiedź może być o wiele prostsza niż się powszechnie uważa.

Międzynarodowy zespół badawczy z udziałem Uniwersytetu w Montrealu dokonał znacznego postępu w dokładnej symulacji zmian synaptycznych w korze nowej, które uważa się za klucz do uczenia się, otwierając drzwi do lepszego zrozumienia mózgu.

Badanie naukowców — zawierające model open-source — zostało opublikowane 1 czerwca w Komunikacja przyrodnicza.

„Otwiera to świat nowych kierunków badań naukowych nad tym, jak się uczymy” – powiedział Eilif Muller, adiunkt w UdeM i kanadyjski CIFAR AI Chair, który współkierował badaniem w projekcie Blue Brain w École. federacja politechniczna w Lozannie (EPFL) w Szwajcarii.

Muller przeniósł się do Montrealu w 2019 roku i prowadzi badania w Architectures of Biological Learning Laboratory, które założył w Centrum Badawczym CHU Sainte-Justine we współpracy z UdeM i Mila, Instytutem Sztucznej Inteligencji w Quebecu.

„Neurony mają kształt drzew, a synapsy to liście na ich gałęziach” – powiedział Muller, współautor badania.

„Wcześniejsze podejścia do plastyczności modelu ignorowały tę strukturę drzewa, ale teraz mamy narzędzia obliczeniowe, aby przetestować ideę, że interakcje synaptyczne na gałęziach odgrywają fundamentalną rolę w kierowaniu uczeniem się in vivo” – powiedział.

„Ma to ważne implikacje dla zrozumienia mechanizmów zaburzeń neurorozwojowych, takich jak autyzm i schizofrenia, ale także dla opracowania nowych, potężnych podejść AI inspirowanych neuronauką”.

Muller współpracował z grupą naukowców z projektu Blue Brain EPFL, Université de Paris, Uniwersytetu Hebrajskiego w Jerozolimie, Instituto Cajal (Hiszpania) i Harvard Medical School, aby opracować model plastyczności synaptycznej w korze nowej w oparciu o dane ograniczone postsynaptyczna dynamika wapnia.

Jak to działa? To skomplikowane — ale ostatecznie prostsze, niż mogłoby się wydawać.

Mózg składa się z miliardów neuronów, które komunikują się ze sobą, tworząc biliony synaps. Te punkty połączeń między neuronami to złożone maszyny molekularne, które nieustannie się zmieniają w wyniku bodźców zewnętrznych i dynamiki wewnętrznej, procesu powszechnie określanego jako plastyczność synaptyczna.

W korze nowej, kluczowym obszarze związanym z uczeniem się funkcji poznawczych na wysokim poziomie u ssaków, komórki piramidalne (PC) stanowią 80 do 90 procent neuronów i wiadomo, że odgrywają ważną rolę w uczeniu się. Pomimo ich znaczenia, długoterminowa dynamika ich zmian synaptycznych została eksperymentalnie scharakteryzowana na zaledwie kilku typach komputerów osobistych i wykazano, że jest zróżnicowana.

W rezultacie wiedza na temat złożonych obwodów nerwowych, które tworzą, jest ograniczona, zwłaszcza w obrębie stereotypowych warstw korowych, które dyktują interakcje między różnymi regionami kory nowej.

Innowacją Mullera i jego kolegów było wykorzystanie modelowania obliczeniowego w celu uzyskania bardziej wszechstronnego obrazu dynamiki plastyczności synaptycznej rządzącej uczeniem się w tych obwodach kory nowej.

Porównując swoje wyniki z dostępnymi danymi eksperymentalnymi, wykazali w swoich badaniach, że ich model plastyczności synaptycznej może uchwycić zróżnicowaną dynamikę plastyczności różnych komputerów tworzących mikroobwód kory nowej. Zrobili to, używając tylko jednego zunifikowanego zestawu parametrów modelu, co wskazuje, że reguły plastyczności kory nowej mogą być wspólne dla różnych typów komórek piramidalnych, a zatem być przewidywalne.

To pokazuje dane z badania
Testowanie uogólnienia modelu plastyczności na typie połączenia L4-PC do L2/3-PC. renderowanie 3D reprezentatywnej pary podłączonych L4-PC do L2/3-PC w modelu in silico. Wstawka pokazuje powiększony widok synaps pośredniczących w połączeniu (żółte kule). b Ewolucja w czasie symulowanej amplitudy EPSP podczas typowego protokołu indukcji plastyczności (u góry po lewej; pokazano jedną parę na 100). Średnie amplitudy EPSP (prawy górny róg) są pokazane przed (linia bazowa; niebieski) i po (długoterminowy; pomarańczowy) protokołem indukcji. c Porównanie współczynników EPSP in silico i in vitro dla pozytywnych i negatywnych czasów oraz z presynaptycznym blokerem NMDAR MK801. Dane eksperymentalne i symulacje bez MK801 na lewym panelu, z MK801 (in vitro) i γd = 0 (in silico) na prawym panelu. Nierówne wariancje dwustronnego testu t Welcha wynosiły ns dla każdego protokołu (wartość p od czasu stymulacji ujemnej do dodatniej: 0,268, 0,209 MK801, 0,959 MK801; n = 100). Dane eksperymentalne (in vitro) z Rodríguez-Moreno i Paulsen42. Dane populacyjne podane jako średnia ± SEM. Źródło: Badacze

Większość z tych eksperymentów plastyczności przeprowadzono na skrawkach mózgu gryzoni in vitro, gdzie dynamika wapnia napędzająca transmisję synaptyczną i plastyczność jest znacząco zmieniona w porównaniu z nauką w nienaruszonym mózgu in vivo. Co ważne, badanie przewiduje jakościową dynamikę plastyczności na podstawie eksperymentów referencyjnych przeprowadzonych in vitro.

Muller i jego zespół uważają, że jeśli zostaną potwierdzone przez przyszłe eksperymenty, implikacje dla naszego zrozumienia plastyczności i uczenia się w mózgu będą głębokie.

„Ekscytujące w tym badaniu jest to, że jest to kolejne potwierdzenie dla naukowców, że możemy pokonać luki w wiedzy eksperymentalnej przy użyciu podejścia modelowania podczas badania mózgu” – powiedział neurobiolog EPFL, Henry Markram, założyciel i dyrektor Blue Brain Project.

„Ponadto model jest open source, dostępny na platformie Zenodo” – dodał.

„Tutaj udostępniliśmy setki plastikowych połączeń komórek piramidalnych różnych typów. Jest to nie tylko najdokładniej potwierdzony do tej pory model plastyczności, ale także reprezentuje najbardziej wszechstronną prognozę różnic między plastycznością obserwowaną na szalce Petriego a nienaruszonym mózgiem.

Zobacz też

Pokazuje osobę przytulającą poduszkę i zdjęcia, jak zbudowana jest poduszka

„Ten skok jest możliwy dzięki naszemu zespołowemu podejściu do nauki. Co więcej, społeczność może posunąć się dalej i rozwijać własne wersje, modyfikując lub dodając do niej — jest to otwarta nauka i przyspieszy postęp ”.

O tej wiadomości z badań plastyczności synaptycznej

Autor: Biuro prasowe
Źródło: Uniwersytet w Montrealu
Kontakt: Biuro prasowe – Uniwersytet w Montrealu
Obraz: Obraz jest przypisywany badaczom

Orginalne badania: Otwarty dostęp.
Model plastyczności oparty na wapniu do przewidywania długoterminowego nasilenia i depresji w korze nowej„Autor: Giuseppe Chindemi et al. Komunikacja przyrodnicza


Abstrakcyjny

Model plastyczności oparty na wapniu do przewidywania długoterminowego nasilenia i depresji w korze nowej

Komórki piramidalne (PC) tworzą szkielet warstwowej struktury kory nowej i uważa się, że plastyczność ich synaps leży u podstaw procesu uczenia się w mózgu.

Jednak takie długoterminowe zmiany synaptyczne zostały eksperymentalnie scharakteryzowane na zaledwie kilku typach komputerów osobistych, co stanowi istotną barierę w badaniu mechanizmów uczenia się kory nowej.

W tym miejscu przedstawiamy model plastyczności synaptycznej oparty na ograniczonej danymi dynamice postsynaptycznej wapnia i pokazujemy w modelu mikroobwodu kory nowej, że pojedynczy zestaw parametrów jest wystarczający do ujednolicenia dostępnych wyników eksperymentalnych dotyczących długotrwałego wzmocnienia (LTP) i długotrwałej depresji (LTD) połączeń z komputerem.

W szczególności stwierdzamy, że różne wyniki plastyczności w różnych typach PC można wytłumaczyć fizjologią synaptyczną specyficzną dla typu komórki, morfologią komórki i wzorcami unerwienia, bez wymagania plastyczności specyficznej dla typu.

Uogólniając model na stężenia wapnia pozakomórkowego in vivo, przewidujemy jakościowo inną dynamikę plastyczności niż obserwowana in vitro.

Prace te dostarczają pierwszego kompleksowego modelu zerowego dla LTP/LTD między typami korowych PC in vivo oraz otwartej struktury do dalszego opracowywania modeli korowej plastyczności synaptycznej.

By admin

Leave a Reply

Your email address will not be published.