Noise seeded oscillators: on the role of demographic fluctuations in a multi-populations model

Sintesi Tecnica: Oscillatori con Semi di Rumore in un Modello a Multi-Popolazione

Problema
Lo studio della sincronizzazione nei sistemi complessi, in particolare nelle popolazioni neurali, si è tradizionalmente basato su modelli di sincronizzazione di fase come il modello di Kuramoto, che spesso assumono ampiezze costanti. Tuttavia, in contesti biologici come le neuroscienze, la dinamica delle ampiezze è critica e il comportamento collettivo è guidato da cicli di eccitazione e inibizione non lineari. Sebbene il modello deterministico di Wilson–Cowan rappresenti un framework standard per popolazioni neuronali eccitatorie e inibitorie interagenti, esso trascura la stocasticità. Ricerche recenti indicano che il rumore demografico intrinseco (fluttuazioni di dimensione finita) può innescare "quasi-cicli": oscillazioni coerenti sostenute dal rumore anche in regioni parametriche in cui la dinamica deterministica predice un punto fisso stabile. Un limite delle formulazioni stocastiche esistenti è la loro dipendenza da assunzioni riguardanti numeri di copie moderati. Questo articolo affronta la lacuna nella comprensità di come emergano le dinamiche stocastiche quando un sistema è composto da specie interagenti con diverse scale dimensionali caratteristiche (volumi), investigando specificamente se le fluttuazioni che agiscono su un sottoinsieme di variabili (una terza specie) possano sostenere o sopprimere i quasi-cicli delle popolazioni neuronali primarie.

Metodologia
Gli autori estendono un modello di Wilson–Cowan stocastico a due popolazioni (che coinvolge neuroni eccitatori $X$ e inibitori $Y$) introducendo una terza specie fluttuante $Z$ che media le interazioni. Il modello è definito da un insieme di reazioni chimiche che governano la nascita, la morte e l'interazione di queste specie, con volumi $V$ per le popolazioni $X$ e $Y$, e un volume distinto $V_1$ per la specie $Z$.

L'approccio analitico procede in tre fasi:

1. Equazione Master e Limite di Campo Medio: Il sistema è descritto da un'equazione master per la distribuzione di probabilità. Il limite deterministico di campo medio è derivato facendo tendere i volumi $V$ e $V_1$ all'infinito, ottenendo un insieme di equazioni differenziali ordinarie (ODE). L'analisi di stabilità del punto fisso viene eseguita tramite la matrice Jacobiana.
2. Approssimazione di Rumore Lineare (LNA): Per investigare le oscillazioni stocastiche, gli autori applicano l'espansione di Kramers–Moyal per derivare equazioni di Langevin non lineari. Successivamente, eseguono un'espansione della dimensione del sistema (approssimazione di rumore lineare) attorno allo stato stazionario, espandendo le variabili in potenze di $1/\sqrt{V_1}$. Ciò produce un sistema di equazioni di Langevin lineari accoppiate per le fluttuazioni.
3. Analisi Spettrale: Il sistema linearizzato viene risolto nello spazio di Fourier per derivare la matrice della densità dello spettro di potenza. La posizione del picco spettrale è determinata minimizzando il denominatore dell'espressione dello spettro di potenza.
4. Regimi Limite: Lo studio analizza due regimi specifici:
   • Dimensioni Comparabili: $V$ e $V_1$ sono dello stesso ordine.
   • Grandi Popolazioni Neuronali: Il limite $V \gg V_1$, dove la specie $Z$ viene eliminata tramite eliminazione adiabatica stocastica per ottenere un sistema ridotto a due popolazioni con termini di rumore modificati.

La validazione numerica è eseguita tramite integrazione Euler–Maruyama delle equazioni di Langevin e simulazione diretta dell'equazione master, confrontando serie temporali e spettri di potenza con le previsioni teoriche.

Contributi Chiave e Risultati

• Modulazione dei Quasi-Cicli da parte di una Terza Specie: L'articolo dimostra che l'introduzione di una terza specie fluttuante $Z$ altera significativamente l'emergere dei quasi-cicli indotti dal rumore nelle popolazioni neuronali primarie ($X$ e $Y$).
• Meccanismo di Soppressione: I risultati analitici e numerici mostrano che man mano che la forza di interazione $\gamma$ tra la specie $Z$ e le popolazioni neuronali aumenta (avvicinandosi a un limite critico definito da $\gamma \alpha_z / \delta_z \to 1$), la frequenza di picco dello spettro di potenza si sposta verso lo zero. In questo limite, le oscillazioni coerenti (quasi-cicli) sono soppresse e il sistema ritorna a semplici fluttuazioni stocastiche attorno a un punto fisso stabile.
• Amplificazione del Rumore in Grandi Popolazioni: Nel regime in cui le popolazioni neuronali sono molto grandi ($V \gg V_1$), gli autori derivano un modello ridotto a due popolazioni dove l'effetto della specie $Z$ è racchiuso in un'ampiezza di rumore potenziata. Contrariamente alla soppressione osservata nel regime di dimensioni comparabili, qui la presenza della specie $Z$ amplifica la forza del rumore di dimensione finita, aumentando potenzialmente la visibilità dei quasi-cicli.
• Previsioni Spettrali: Le espressioni analitiche derivate per la frequenza di picco dello spettro di potenza (Eq. 17 e Eq. 26) predicono accuratamente le posizioni dei picchi osservati nelle simulazioni numeriche attraverso diversi regimi parametrici. Lo studio conferma che la specie $Z$ stessa non esibisce quasi-cicli, ma agisce come un mediatore stocastico che modula la dinamica di $X$ e $Y$.

Significatività
L'articolo sostiene di fornire un framework esteso per lo studio della sincronizzazione che va oltre le assunzioni di sola fase del seminale modello di Kuramoto. Incorporando la dinamica delle ampiezze e il rumore demografico in un contesto multi-popolazione, il lavoro elucida come le fluttuazioni intrinseche possano guidare i comportamenti neurali collettivi. I risultati evidenziano che il rumore demografico non è meramente una perturbazione, ma una forza costruttiva che può essere modulata dalla presenza di specie interagenti aggiuntive con diverse scale dimensionali. Ciò suggerisce che la dinamica accoppiata di oscillatori rumorosi offre un framework generalizzato per esplorare le transizioni di sincronizzazione in sistemi complessi, particolarmente in contesti biologici dove coesistono molteplici specie interagenti con diverse dimensioni di popolazione. I risultati sottolineano l'importanza di considerare scenari dinamici ibridi in cui variabili stocastiche di diverse dimensioni caratteristiche interagiscono, offrendo nuove intuizioni sui meccanismi che sottendono le oscillazioni neurali auto-organizzate.