神经系统疾病的数据驱动和无方程方法:分析和控制条纹体网络

科学领域:

• 计算神经科学是一种计算神经科学.
• 系统神经科学 系统神经科学
• 神经生物学 神经生物学 神经生物学

背景情况:

• 状体是基底的关键组成部分,在运动和认知功能中起着至关重要的作用.
• 了解条纹体的复杂动态对于神经学和精神病学研究至关重要.

研究的目的:

• 开发一个大规模的人类状体的生物物理网络模型.
• 分析网络动态并识别与健康和病理条件相应的宏观状态.
• 提出治疗干预的闭环控制方案.

主要方法:

• 用修改的霍奇金-哈克斯利动力学来进行神经元建模.
• 从详细的人类大脑图谱中集成的连接数据.
• 应用了无方程的方法,用于从微观模拟中进行宏观网络分析.
• 在宏观动态上进行了数值分叉和稳定性分析.

主要成果:

• 该模型显示出基于皮质输入强度的独特时空活动模式.
• 确定了作为宏观变量的平均突触活动,与局部场势相关联.
• 与正常/健康和病态神经条件相对应的分化宏观状态.
• 没有方程的方法促进了分叉和稳定性分析.

结论:

• 开发的条状网络模型有效地捕捉了与神经系统疾病相关的不同活动状态.
• 无方程方法为分析复杂神经网络动态提供了强大的工具.
• 这项研究提出了一个潜在的治疗控制策略,以两叉分析为基础的条状网络.