个性化大脑模型将认知衰退的进展与潜在的突触和连接性退化联系起来

科学领域:

• 神经科学是一个神经科学.
• 计算生物学 计算生物学
• 医疗成像医学成像

背景情况:

• 认知能力下降影响了老年人口的很大一部分,是阿尔茨海默病的早期迹象.
• 目前对导致认知衰退的结构缺陷和神经退行过程的理解仍然不完整.
• 现有的模型缺乏完全复制认知衰退不同阶段个体神经活动模式的能力.

研究的目的:

• 引入一种新型的大脑网络模型 (BNM),模拟神经退化对认知任务期间神经活动的影响.
• 调查突触退化和大脑断开在认知衰退的进展中的作用.
• 建立特定的神经退行机制与认知障碍严重程度之间的联系.

主要方法:

• 开发了一个大脑网络模型 (BNM),结合了突触退化 (导致过激) 和大脑断开连接的参数.
• 优化了BNM以复制145名参与者的个人脑电图 (EEG) 反应 (健康对照,主观认知衰退,轻度认知障碍).
• 使用个人EEG数据进行模型逆转,以生成个性化的BNM并分析网络配置和神经退行水平.

主要成果:

• 个性化的BNM准确地反映了个人的认知状态,并显示了与认知衰退严重程度成比例的神经退行水平.
• 确定了神经活动中神经退行驱动的阶段过渡,在执行任务时创建不同的功能模式.
• 它将突触退化和过度兴奋与认知衰退的严重程度联系在一起,并将后环膜纤维退化确定为观察到的相位过渡的结构驱动因素.

结论:

• 大脑网络模型 (BNM) 可以有效地模拟神经活动的变化,跨越认知衰退阶段.
• 这项研究阐明了潜在的神经退行机制,特别是突触退化的作用和后带皮带通路的完整性.
• 这种方法为了解在阿尔茨海默氏病进展中结构和功能性大脑变化的相互作用提供了一个新的框架.