Action potential dynamics on heterogenous neural networks: from kinetic to macroscopic equations

Titolo e Contesto

Titolo: Action potential dynamics on heterogenous neural networks: from kinetic to macroscopic equations (Dinamiche del potenziale d'azione su reti neurali eterogenee: dalle equazioni cinetiche a quelle macroscopiche).
Autori: Marzia Bisi, Martina Conte, Maria Groppi (Università di Parma).

1. Il Problema

Il lavoro si concentra sulla modellazione della dinamica del potenziale d'azione nelle reti neurali, con un'attenzione specifica all'eterogeneità del sistema. Tradizionalmente, i modelli neuronali possono essere visti a livello microscopico (singole cellule) o macroscopico (popolazioni). Tuttavia, il cervello presenta una complessa struttura gerarchica:

1. Microscopica: Interazioni tra neuroni all'interno di una singola area cerebrale (macro-area).
2. Macroscopica: Connessioni tra diverse aree cerebrali, che formano una rete complessa.

Il problema affrontato è come descrivere matematicamente la propagazione del potenziale di membrana tenendo conto simultaneamente di:

• L'eterogeneità nelle connessioni tra neuroni (grado di connessione).
• L'eterogeneità nella topologia della rete cerebrale (struttura del grafo tra le macro-aree).
• La transizione da una descrizione statistica delle interazioni locali a equazioni deterministiche a livello di popolazione.

2. Metodologia

Gli autori adottano un approccio ibrido che combina la teoria cinetica (tipica dei sistemi di particelle interagenti) con la teoria dei grafi.

• Modello Microscopico:

  • Lo stato di un neurone è definito dal quartetto $(X, V, W, C)$, dove $X$ è la posizione (macro-area), $V$ il potenziale di membrana, $W$ la variabile di recupero e $C$ il grado di connessione.
  • Le interazioni sono modellate come processi stocastici binari (collisioni) governati da un nucleo di collisione $B(X, X^*)G(C, C^*)$.
  • $B(X, X^*)$ descrive la probabilità di connessione basata sulla posizione (topologia del grafo).
  • $G(C, C^*)$ descrive la probabilità di interazione basata sul grado di connessione. Il paper analizza due casi specifici:
    1. $G(C, C^*) = 1$: Tutti i neuroni in un'area interagiscono equamente.
    2. $G(C, C^*) = C^*$: La probabilità di interazione dipende dal grado di connessione del neurone postsinaptico (rilevante per la propagazione di malattie come l'Alzheimer, dove neuroni più connessi sono più vulnerabili).
  • La dinamica interna segue regole derivate dai modelli Morris-Lecar e FitzHugh-Nagumo.

• Derivazione Macroscopica:

  • Partendo dall'equazione cinetica di Boltzmann per la funzione di distribuzione $f(x, v, w, c, t)$, gli autori derivano sistemi di equazioni differenziali ordinarie (ODE) per i momenti statistici (valori medi).
  • Per il caso $G=1$, si ottiene un sistema chiuso per i potenziali medi $V_i(t)$ e le variabili di recupero $W_i(t)$.
  • Per il caso $G=C^*$, il sistema non è chiuso e richiede l'introduzione di momenti misti del primo ordine ($K_v, K_w$) che coinvolgono la media del grado di connessione.

• Analisi Matematica:

  • Studio delle soluzioni di equilibrio (stati stazionari) per entrambi i sistemi macroscopici.
  • Dimostrazione dell'esistenza e unicità dell'equilibrio utilizzando proprietà di matrici a diagonale dominante.

3. Contributi Chiave

1. Framework Ibrido: Sviluppo di un modello che unisce la descrizione statistica delle interazioni locali (cinetica) con la descrizione topologica delle connessioni globali (grafo), permettendo di catturare diverse scale di eterogeneità.
2. Analisi di Due Scenari di Interazione: Distinzione matematica tra un'interazione uniforme ($G=1$) e un'interazione dipendente dal grado ($G=C^*$), mostrando come quest'ultima richieda equazioni aggiuntive per i momenti misti.
3. Dimostrazione Teorica: Prove rigorose dell'esistenza e unicità dell'equilibrio per sistemi su grafi generali, anche in presenza di parametri eterogenei (correnti esterne e parametri di rilassamento diversi per ogni nodo).
4. Caratterizzazione della Distribuzione di Equilibrio: Dimostrazione che la distribuzione cinetica di equilibrio è una delta di Dirac concentrata sui valori medi macroscopici.

4. Risultati Numerici e Simulazioni

Gli autori hanno eseguito simulazioni numeriche (metodo Runge-Kutta del 4° ordine) su reti con $N=5$ macro-aree per validare il modello:

• Test 1 (Topologia del Grafo):
  • Analisi di grafi diretti e pesati.
  • Risultato: Il tempo di innesco (spike) del potenziale d'azione è fortemente influenzato dalla topologia. Per grafi diretti, il tempo dipende dal flusso netto in uscita dal nodo; per grafi pesati, dipende dalla somma dei pesi in uscita. I nodi con più connessioni uscenti o vicini ad altri nodi tendono a sincronizzare o a spikeare prima.
• Test 2 (Eterogeneità dei Parametri):
  • Variazione delle correnti esterne ($i_{ext}$) e dei parametri di rilassamento ($\gamma$) tra i nodi.
  • Risultato: L'eterogeneità nei parametri rompe la sincronizzazione perfetta dello stato di riposo. Variazioni in $\gamma$ modificano l'ampiezza dell'undershoot e il valore di riposo, mentre variazioni in $i_{ext}$ causano uno spostamento lineare del profilo del potenziale senza alterarne la forma.
• Test 3 (Eterogeneità nella Distribuzione delle Connessioni):
  • Utilizzo del modello con $G(C, C^*) = C^*$ e diverse distribuzioni medie di connessione ($m_c$) per nodo.
  • Risultato: Anche su un anello simmetrico, l'assunzione asimmetrica del nucleo di interazione genera scenari eterogenei. La velocità di emergenza del picco dipende dalla media pesata delle connessioni del nodo e dei suoi vicini. Questo dimostra come l'eterogeneità strutturale interna (grado di connessione) possa guidare la dinamica globale.

5. Significato e Implicazioni

Il lavoro è significativo per diversi motivi:

• Modellistica Biologica: Offre un ponte teorico tra la dinamica molecolare/cellulare e il comportamento di rete su larga scala, essenziale per comprendere fenomeni come la sincronizzazione neuronale.
• Patologie Neurodegenerative: Il modello con $G(C, C^*) = C^*$ è particolarmente rilevante per lo studio di malattie come l'Alzheimer, dove la propagazione della patologia è correlata alla connettività dei neuroni. Il modello suggerisce che neuroni con alto grado di connessione potrebbero essere i primi a essere influenzati o a propagare il danno.
• Flessibilità: Il framework proposto può essere esteso a reti più complesse e realistiche, andando oltre le semplici topologie a anello usate nelle simulazioni dimostrative.
• Controllo e Sincronizzazione: Fornisce strumenti analitici per prevedere come modifiche nella topologia o nei parametri locali influenzino la sincronizzazione globale, con potenziali applicazioni nel controllo di disturbi neurologici o nella progettazione di interfacce cervello-computer.

In sintesi, il paper dimostra che l'eterogeneità, sia nella struttura della rete che nelle proprietà dei singoli nodi, gioca un ruolo fondamentale nel determinare la dinamica di propagazione e sincronizzazione dei potenziali d'azione, e che la teoria cinetica è uno strumento potente per derivare modelli macroscopici coerenti da queste interazioni complesse.