简单网络生成复杂动态

精新研究预测小小连接变化如何驱动电路行为大变

数以百万计的研究元注入所谓的连接项目中, 研究者努力绘制大脑在不同细节层次上广博连通性图比方说FlyEM项目霍华德休斯医学院Janelia农园图单连接果蝇艾伦脑科学学院开发多地图集鼠标脑和两个国家卫生院并欧洲研究理事会人脑映射项目启动

这样的努力激起神经科学家激烈讨论将这么多科学资源转作这些大规模项目是否明智神经科学家毕竟知道完全布线图单机蠕虫Caenorhabtise自1986.可没有人能预测单蠕虫行为方式理解脑精线图有多重要科学家需要知道所有连接的细节吗单连通性能预测电路行为

新的数学发现显示神经元精确连接方式对理解电路行为至关重要卡琳娜库尔托宾夕法尼亚州立大学数学家发现简单网络结构小小改变可触发活动大改变库尔图介绍她的作品计算系统神经科学大会3月在科罗拉多州丹佛市

中心问题在于网络连通如何影响动态,问题多层次解决神经科学问题生物问题但也是一个数学问题

库尔图和她协同者Katie 莫里森北科罗拉多大学设计数学规则CTLNs数学模型网络的节点表示神经元,库尔图选择网络中多节点并连接方式并发音数学模型并记起所产生活动简单化说,她先使用小网点,比如5或9节点

发现网络以单向连接时可能脉冲有节奏性,但以略微不同方式连接时行为混乱有时节点完全退出操作连初级网络都按同样的规则联通显示活动大相径庭库尔图表示:「我对网络完全了解,

左端两个网络都拥有相同的“局部连通性”统计:顶端网络中每个节点接收输入数和输出数与底端网络中相应的节点相同但由于全局的全局布线图并不一样网络产生非常不同的活动模式研究人员使用不同初始条件模拟网络活动并分析输出中间列显示每个网络的开射模式,右侧显示表示网络所有活动模式(吸引器)的“投影图集”。顶端网络生成节奏点火模式(顶端中心),不管初始条件如何圆形投影图(上方右侧)显示网络总归为完全周期模式底端网络显示更多异常点火模式(底部中心)。视初始条件而定,网络可归结为四种活动模式中的一种这些模式不是节奏型的,而是混乱型Carina Curto和Katie 莫里森

反直觉发现惊人琳达威尔布理希特Cosyne的联席会长和加州大学生物学家伯克利分校研究脑电路开发身为生物学家兼解剖师, 我真的专注于细胞项目和突触方式, 但在我看到她的谈话前我并不完全理解这样一个简单网络如何能有如此不同的属性连通性变化很小, Wilbrecht说。

库尔托发现数学原理描述自身行为这些基本洞察力使她从网络结构中预测活动并引出指导CTLN行为定理,并有上百个节点或上亿个节点

库尔图警告说,结果并非字面生物原理实神经元行为多变无法精确描述相同的简单非线性方程我不期望规则如此简单支持真正的神经电路这不是脑模型玩具模型受脑启发开发数学

库尔图作品“非常强势”,马涅什萨哈尼大学学院伦敦神经科学家和Simons协作全球脑调查但他提醒说,需要做大量工作将结果扩展至大脑网络,如哺乳动物脑皮层网络,而她的数学假设可能站不住脚。并理解广连通性之大网络, 我们认为网络受统计原理或略微随机原理支配,再说一次,你甚至无法启动直到你得到了数学这些基础系统,她分析即显进度

Sahani认为Curto的工作可能更直接地切合无脊椎动物中小型定型电路,指针工作夏娃马德并显示小微微微微网络可产生截然不同神经性点火模式

库尔托发现精确电路图很重要-但还不够字段需要数学模型解释库尔托说她不惊讶映射C.叶洛根斯连接体尚需生成生物预测模型即使是六神经元也很难预测连接体会发生什么但我的工作不单是揭露问题有多难-我也在努力解决它

库尔图研究可能不直接应用大型复杂网络,但总体教益可能与大规模绘图工作相关欧洲联盟1.3亿人脑项目比方说,目标模拟大脑上超级计算机科学家并不知道人脑的精密布线图, 他们推理出'局部连通统计' 描述两个神经元从实验数据连接的可能性举例说,建模者或可判定特定类型神经元与同类型神经元连接的可能性为20%,如果这些神经元位于一毫米内。

库尔托结果为这些模拟工作发出警告,即使这些模拟是基于无可挑剔的实验工作。“你不能说本地连接匹配,所以我的模型将忠实于脑中发生的事情。”微小连通性即使是正确的本地连通统计也能产生巨大的效果

标签标签