Kinetic description and numerical study of a network of noisy resonate and fire neurons
تستنتج هذه الورقة معادلة فوك-بلانك الحركية غير الخطية لنمذجة حد المجال المتوسط للأعصاب المترابطة ذات الرنين والنبض المشوبة بالضجيج، وتطرح مخططاً للفروق المحدودة مثبتًا بصرامة يحافظ على الكتلة وعدم السالبية، وتستخدم المحاكاة العددية للتحقق من صحة النموذج وتوصيف أنماطه الديناميكية المتنوعة، بما في ذلك التذبذبات على مستوى الجماعة والاسترخاء إلى الحالات المستقرة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل
إن الدماغ البشري عبارة عن شبكة شاسعة من مليارات الخلايا الكهربائية الصغيرة التي تسمى العصبونات. ولفهم كيفية تفكير هذه الشبكة، أو تعلمها، أو تذكرها، يدرس العلماء غالباً كيفية تواصل هذه الخلايا. تعمل الخلية العصبية الواحدة مثل بطارية صغيرة تشحن طاقتها؛ فعندما تصل الشحنة الكهربائية إلى نقطة تحول محددة، تطلق الخلية إشارة كهربائية حادة، تُعرف باسم "النبضة"، ثم تعود فوراً لتستقر عند جهد أقل لتبدأ عملية الشحن من جديد. هذه الدورة البسيطة من الشحن، والإطلاق، وإعادة الضبط هي الإيقاع الأساسي للتواصل العصبي. ولعقود من الزمن، استخدم الباحثون نماذج رياضية لوصف هذه العملية، وأشهر هذه النماذج هو نموذج "التكامل والإطلاق"، الذي يعامل العصبون كدلو يمتلئ بالماء حتى يفيض. ورغم فائدة هذا النموذج، إلا أنه يعاني من نقطة عمياء: فهو لا يستطيع تفسير كيف يتم ضبط بعض العصبونات في الدماغ للاستجابة لإيقاعات أو ترددات محددة في الإشارات الواردة، تماماً مثل راديو مضبوط على محطة معينة. هذه العصبونات الخاصة، الموجودة في مناطق الدماغ المسؤولة عن الملاحة والذاكرة، تعمل أشبه بزمبرك أو بندول يمكنه الاهتزاز بسرعات معينة، وتُعرف باسم عصبونات "الرنين والإطلاق".
لقد وضع باحث الآن إطاراً رياضياً جديداً لدراسة مجموعات كبيرة من هذه العصبونات الرنانة وهي تعمل معاً. وبدلاً من تتبع كل خلية على حدة في شبكة تضم الآلاف أو الملايين، وهو أمر مستحيل حوسبياً، طور الباحث طريقة لوصف المجموعة بأكملها كـ "سحابة احتمالية" متدفقة. تخيل خريطة طقس لا تظهر سرعة الرياح عند كل نقطة، بل تظهر كثافة الهواء المتحرك عبر منطقة ما. في هذا النموذج الجديد، تمثل "السحابة" احتمالية وجود عصبون عند جهد معين وسرعة تغير معينة في أي لحظة. وقد استنتج الباحث معادلة معقدة تصف كيفية تحرك هذه السحابة، وانتشارها، وتغير شكلها بمرور الوقت. والأهم من ذلك، أن هذه المعادلة تأخذ في الاعتبار حقيقة أنه عندما تطلق العصبونات نبضاتها، فإنها تعيد ضبط نفسها فوراً، مما يرسل موجة من النشاط تعود إلى النظام وتؤثر على بقية الشبكة. وهذا يخلق حلقة تغذية راجعة حيث يغير سلوك المجموعة سلوك الفرد، والعكس صحيح.
ولحل هذه المعادلة، اضطر الباحث إلى ابتكار نوع جديد من الخوارزميات الحاسوبية. فالأدوات الرياضية القياسية المستخدمة لمشكلات مماثلة غالباً ما تفشل هنا لأنها قد تنتج نتائج مستحيلة، مثل الاحتمالات السالبة أو فقدان العدد الإجمالي للعصبونات في المحاكاة. صمم الباحث طريقة متخصصة تحافظ بدقة على القواعد الفيزيائية للنظام: فهي تضمن بقاء العدد الإجمالي للعصبونات ثابتاً، وأن احتمال وجود عصبون لا يمكن أبداً أن يكون أقل من الصفر. وقد اختبر هذه الأداة الجديدة عبر مقارنة تنبؤاتها بمحاكاة لشبكات فعلية من العصبونات الفردية التي تعمل على حاسوب قوي. وأظهرت النتهای توافقاً ملحوظاً؛ فقد نجحت المعادلة الجديدة في التنبؤ بمتوسط جهد المجموعة ومعدل إطلاقها للنبضات، مطابقةً بذلك سلوك آلاف الخلايا الفردية بدقة عالية.
وكشفت الدراسة أن هذه الشبكات يمكن أن تستقر في عدة أنماط متميزة من النشاط اعتماداً على إعداداتها الداخلية. ففي بعض الحالات، تطلق المجموعة دفعة سريعة ثم تهدأ بسرعة، وفي حالات أخرى، تظهر العصبونات تذبذباً لطيفاً يتلاشى تدريجياً، حيث تهتز معاً عند تردد يضعف ببطء. ولعل الأمر الأكثر إثارة للاهتمام هو أن عمليات المحاكاة أظهرت أنه تحت ظروف معينة، يمكن للشبكة أن تولد إيقاعها الخاص المستدام دون أي محفز خارجي. ينشأ هذا التذبذب المستدام ذاتياً محضاً من التغذية الراجعة الداخلية بين إطلاق العصبونات، وإعادة ضبطها، وتأثيرها المتبادل. كما نظر الباحث فيما يحدث على فترات زمنية طويلة جداً؛ ففي معظم السيناريوهات، يتحول النشاط الفوضوي في النهاية إلى نمط مستقر وقابل للتنبؤ، مما يشير إلى أن هذه الشبكات لديها ميل طبيعي لإيجاد حالة استقرار. ومع ذلك، لاحظ الباحث أنه إذا أصبحت التغذية الراجعة قوية جداً، يصبح من الصعب محاكاة النظام، مما يشير إلى سلوكيات معقدة قد تتطلب أدوات أكثر تقدماً لفهمها بشكل كامل.
يوفر هذا العمل جسراً بين السلوك البسيط للخلية الواحدة والديناميكيات المعقدة لمنطقة كاملة في الدماغ. ومن خلال إثبات أن معادلة مبسطة واسعة النطاق يمكنها بدقة التقاط جوهر شبكة عصبية رنانة وصاخبة، تقدم هذه الدراسة طريقة جديدة وقوية لاستكشاف كيفية معالجة الدماغ للمعلومات. إنها تؤكد أن القدرة الفريدة لهذه العصبونات على الرنين مع ترددات محددة تظل محفوظة حتى عندما تكون جزءاً من مجموعة ضخمة ومترابطة. ورغم أن التفاصيل الرياضية معقدة، إلا أن النتيجة الجوهرية واضحة: السلوك الجماعي لهذه العصبونات ليس مجرد فوضى عشوائية من الإشارات، بل هو رقصة منظمة وإيقاعية من النشاط الكهربائي يمكن وصفها، والتنبؤ بها، وفهمها من خلال عدسة هذا النموذج الحركي.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.