Эффекты домино и синхронность в инициировании припадка

Ученые наблюдали отличительные закономерности в электрической активности нейронных групп в здоровом мозге. Сети нейронов проходят через состояния схожего поведения (синхронизация) и различного поведения (десинхронизация) в процессе, связанном с памятью и вниманием.

Но в мозге с неврологическим расстройством, таким как эпилепсия, синхронизация может достигать опасной степени, когда скопление клеток мозга начинает излучать избыточное электричество. «Считается, что синхронизация важна для обработки информации», – сказала Дженнифер Кризер из Университета Эксетера. "Но слишком много синхронизации – например, то, что происходит при эпилептических припадках или болезни Паркинсона – связано с болезненными состояниями и может нарушить функцию мозга."
Измерения эпилептических припадков показали, что десинхронизация в мозговых сетях часто происходит до или во время ранних стадий припадка.

По мере прогрессирования приступа сети становятся все более синхронизированными, поскольку вовлекаются дополнительные области мозга, что приводит к высокому уровню синхронизации к концу приступа. Понимание взаимосвязей между повышенной электрической активностью во время приступа и изменениями синхронизации – важный шаг на пути к улучшению диагностики и лечения эпилепсии.

Дженнифер Кризер, Питер Ашвин (Университет Эксетера) и Красимира Цанева-Атанасова (Университет Эксетера, Технический университет Мюнхена и Болгарская академия наук) изучали механизмы синхронизации, которые сопровождают начало припадка, в статье, опубликованной в декабре в Журнал SIAM по прикладным динамическим системам. В своем исследовании, которое проводилось в Центре прогнозного моделирования в здравоохранении Совета по инженерным и физическим наукам при Университете Эксетера и Университета Бирмингема, исследователи использовали математическое моделирование для изучения взаимодействия между группами нейронов в мозге, которые приводит к переходам в синхронизацию изменений во время начала припадка. «Хотя это теоретическое исследование идеализированной модели, оно основано на проблемах, связанных с пониманием переходов между здоровой и патологической активностью мозга», – сказал Эшвин.
Авторы используют расширенную версию существующей математической модели, которая представляет мозг как сеть, соединяющую несколько узлов нейронных групп.

Модельная сеть состоит из бистабильных узлов, что означает, что каждый узел может переключаться между двумя стабильными состояниями: покой (состояние покоя) и захват (активное и колебательное состояние). Эти узлы остаются в своем текущем состоянии до тех пор, пока они не получат стимул, который даст им достаточный толчок для перехода в другое состояние. В модели этот стимул исходит от других связанных узлов или проявляется в виде «шума» – внешних источников нейронной активности, таких как эндокринные реакции, связанные с эмоциональным состоянием или физиологическими изменениями, вызванными болезнью.
Влияние между соседними узлами регулируется функцией связи, которая представляет способ, которым узлы в сети взаимодействуют друг с другом.

Первый из двух возможных типов связи – это связь по амплитуде, которая регулируется «громкостью» соседних узлов. Второй – фазовая связь, которая связана со скоростью, с которой стреляют соседи.

Хотя исследователям нужно было использовать простую формулировку в небольшой сети, чтобы даже сделать их анализ возможным – более сложная и реалистичная система потребовала бы слишком больших вычислительных затрат – они ожидали, что их модель будет демонстрировать те же типы поведения, что и клинические записи реальных активности мозга выявили.
Все узлы в смоделированной системе начинаются в нормальном состоянии покоя. В предыдущем исследовании авторы обнаружили, что добавление небольшого количества шума в систему заставляло каждый узел переходить в активное состояние, но геометрия системы была такова, что возвращение в состояние покоя занимало гораздо больше времени, чем выход из него. Из-за этого эти побеги могут последовательно распространяться как «эффект домино», когда несколько узлов соединены.

Это приводит к каскаду переходов в активное состояние – так же, как падающая линия домино, – которая распространяет активность по сети.
Новая статья Кризера, Эшвина и Цанева-Атанасова основывается на этом предыдущем исследовании эффекта домино, чтобы изучить переходы в синхронность и выход из нее, которые происходят во время каскадов побегов. Команда использовала свою модель, чтобы идентифицировать обстоятельства, которые вызывают эти изменения синхронно, и исследовать, как тип связи в сети влияет на ее поведение.

Когда модель включала только амплитудную связь, она демонстрировала новое явление, в котором эффект домино мог ускорять или замедлять. Однако этот эффект не повлиял на синхронизацию изменений в сети; все узлы запустились и остались синхронизированными. Но когда модель включала более общую амплитудную и фазовую связь, авторы обнаружили, что синхронность узлов может изменяться между последовательными выходами во время эффекта домино. Затем они определили, какие условия могут вызвать изменения синхронности при фазо-амплитудной связи.

Это изменение синхронности на протяжении всей последовательности побегов было самым новым результатом исследования.
Результаты этой работы могут облегчить дальнейшие исследования изъятий и способов борьбы с ними. «Математическое моделирование инициирования и распространения припадков может не только помочь раскрыть сложные механизмы, лежащие в основе припадков, но также предоставить средства, позволяющие экспериментам in silico предсказать результат манипулирования нейронной системой», – сказала Цанева-Атанасова.

Понимание взаимосвязи между синхронизированной и десинхронизированной динамикой в ​​мозговых сетях может помочь определить клинически значимые меры для лечения припадков. Например, Кризер и Цанева-Атанасова недавно были ведущим и старшим автором, соответственно, в работе, в которой использовалась более простая версия модели для классификации паттернов начала припадков, которые были зарегистрированы в клинических условиях.

В будущем подобные исследования моделирования могут привести к персонализации выявления приступов и лечения людей с эпилепсией.

OKA-MOS.RU