اتصالات جهتی چگونه پویایی پیچیده در شبکه های عصبی را شکل می دهند؟

یک تیم تحقیقاتی در دانشگاه توهوکو از دستگاه های میکروسیال استفاده کردند تا نشان دهند که چگونه اتصالات جهتی، پویایی پیچیده شبکه های عصبی را شکل می دهند. آنها همچنین مدل های ریاضی مبتنی بر داده های تجربی را برای پیش بینی چگونگی تأثیر اتصال بر فعالیت در فضا و زمان توسعه دادند.

نتایج در منتشر شد شبکه های عصبی در 28 نوامبر 2024.

مانند جریان رودخانه، اتصالات جهت دار در شبکه های عصبی سیگنال ها را در جریان پایین دست از یک منطقه به منطقه دیگر منتشر می کنند. یک دستگاه میکروسیال دارای کانال های کوچکی است که می توانند جریان را دقیقاً هدایت کنند، که می تواند به ساختن نورون هایی کمک کند که واکنش های مشابهی با مدل های in-vivo نشان دهند. با مطالعه نورون های آزمایشگاهی در محیط آزمایشگاهی، تیم تحقیقاتی توانست به طور موثر و سازنده بررسی کند که آیا اتصالات یک طرفه نقش های اساسی دیگری در شکل دادن به پویایی مغز ایفا می کنند یا خیر.

نوبواکی مونما، نویسنده اصلی این مقاله می گوید: «درک مغز تا حدی به این دلیل که پویا است دشوار است - می تواند یاد بگیرد که در طول زمان بر اساس تعدادی از عوامل به محرک های مشابه واکنش متفاوتی نشان دهد.

تیم تحقیقاتی شبکه های عصبی با اتصال مدولار (همانطور که در سیستم های عصبی حیوانات مشاهده شد) و اتصالات جهت دار بین ماژول ها با استفاده از میکروکانال ها را ساختند. اتصالات به شیوه ای پیشخور تعبیه شده بودند تا واکنش های تحریکی بیش از حد را به حداقل برسانند. با استفاده از تصویربرداری از کلسیم برای ثبت فعالیت خود به خودی نشان داده شده توسط شبکه عصبی، آنها دریافتند که شبکه هایی که اتصالات جهت دار را در بر می گیرند، الگوهای فعالیت پیچیده تری را در مقایسه با شبکه های بدون جهت نشان می دهند.

علاوه بر این، محققان دو مدل ریاضی را برای روشن کردن مکانیسم های شبکه زیربنایی در پشت مشاهدات بیولوژیکی و پیش بینی پیکربندی هایی که پیچیدگی دینامیکی بیشتری را به همراه دارند، توسعه دادند. مدل ها مشخص کردند که تعامل بین مدولار بودن و اتصال، الگوهای فعالیت پیچیده تری را پرورش می دهد.

هیداکی یاماموتو، دانشیار، می گوید: «انتظار می رود که یافته های این مطالعه نه تنها درک اساسی ما از شبکه های عصبی در مغز را عمیق تر کند، بلکه در زمینه هایی مانند پزشکی و یادگیری ماشین نیز کاربردهایی پیدا کند».

این همچنین ممکن است یک مدل in-vitro برای توسعه شبکه های عصبی مصنوعی قابل قبول بیولوژیکی ارائه دهد. پیشرفت های نظری بیشتر همچنین به مدل سازی شبکه های مقیاس بزرگ کمک می کند، که ممکن است بینش هایی را برای تجزیه و تحلیل اتصالات آینده مغز ارائه دهد. هرچه این شبکه های عصبی را به طور کامل تر درک کنیم، می توان از آن به عنوان ابزاری مطمئن برای باز کردن بسیاری از اسرار مغز استفاده کرد.