Neurovetenskapare arbetar för närvarande flitigt med att förstå dynamiken hos tusentals kopplade neuroner. Att förstå hur de fungerar kräver noggranna modeller. Problemet är att var och en av de befintliga neurovetenskapsmodellerna har sina egna brister. Ryska fysiker har, för första gången, utvecklat en effektiv metod för att lösa ekvationerna för en välkänd teoretisk neurovetenskaplig dynamisk modell och göra den mer biologiskt relevant.
Dessa fynd har just publicerats i EPJ Plus av Eugene Postnikov och Olga Titkova från Kursk State University, Ryssland. De kunde inte bara hjälpa till att lösa problem inom neurovetenskapen, men kan också ge en djupare förståelse av neuronal aktivitet i den framväxande sektorn av neurovaskulär dynamik, som beskriver samspelet mellan hjärnans neuroner och blodflödet.
Den mest biologiskt korrekta neurovetenskapsmodellen är 1952-modellen Hodgkin-Huxley (HH), som fick sina uppfinnare 1963 års Nobelpris i fysiologi och medicin. Denna modell ger en förståelse för neurons dynamik som fysiska objekt som liknar elektriska kretsar. Däremot, den mest utbredda teoretiska modellen är FitzHugh-Nagumo-modellen (FHN), en kvalitativ modell som återger huvuddragen i neuronala dynamikmönster utan att ge kvantifierbar biologisk information.
Tidigare försök att modellera neuronal aktivitet i faktiska hjärnor involverade att kombinera de elektriska strömmarna i mikroskopiska fack för var och en av tusentals individer neuroner. Istället, författarna utgår från de makroskopiska lösningarna av en förenklad version av den biologiskt korrekta HH -modellen, som återspeglar mätningen i en nerv av den globala spänningen hos neuronpikar som utvecklas över tiden.
De ändrade sedan parametrarna för FHN -modellen så att nyckelfunktionerna i dess grafiska utgång matchade de för den faktiska spänningskurvan som registrerades i neuronet. Författarna visade att för att FHN -modellen ska likna den biologiska verkligheten så nära som möjligt, det måste inkludera beroende av yttre strömmar. Denna egenskap ger värdefull insikt i dynamiken i kopplade neuronala system.
