Att studera hjärnan innebär att mäta aktiviteten hos miljarder enskilda hjärnceller som kallas neuroner. Följaktligen, många hjärnmätningstekniker producerar data som är medelvärde för att återspegla aktiviteten hos stora populationer av dessa neuroner. Om alla neuroner beter sig olika, detta kommer att utgå i genomsnitt. Men, när beteendet hos enskilda neuroner är synkroniserat, det ger tydligt synliga svängningar.

Synkronisering är viktigt för att förstå hur neuroner beter sig, vilket är särskilt relevant med tanke på hjärnsjukdomar som Alzheimers, epilepsi och Parkinsons. Nu, en grupp forskare från Institute of Computational Physics and Complex Systems vid Lanzhou University, Kina, har använt en kombination av två datormodeller för att studera hur olika typer av neuroner kan påverka synkronisering. Studien publiceras i European Physical Journal B .

För att studera effekterna på synkronisering, författarna undersökte neuroner som kallas hämmande neuroner - som arbetar för att bromsa eller stoppa aktiviteten hos andra neuroner. Dessutom, de undersökte sannolikheten för att dessa hämmande neuroner avfyrar antingen spontant eller inte alls inom nätverket.

Använda datormodeller, forskarna konstruerade sedan ett Izhikevich neuralt nätverk; de använde också en modell för neuronal överföring, kallad Tsodyks-Uziel-Markram (TUM)-modellen.

Deras resultat tyder på att hämmande neuroner kan ha en dubbel inverkan på oscillerande mönster. Å ena sidan, de kan fördröja avfyrningen av neuronerna, vilket förhindrar att synkronisering sker. På den andra, de kan underlätta övergången av de oscillerande mönstren, vilket bidrar till synkronisering.

Forskningen är viktig för att öka vår förståelse för hjärnsjukdomar, som stroke, Alzheimers och epilepsi. "Den ständigt ökande sjukligheten av hjärnsjukdomar gör undersökningen om detta ämne betydande inom både psykologi och medicin", säger författarna.