Trophic structure predicts seizure propagation in brain network models
Questo studio dimostra che specifiche proprietà strutturali delle reti cerebrali dirette, in particolare la coerenza trofica e il raggio spettrale, predicono significativamente la propensione alle crisi epilettiche, suggerendo che la direzionalità complessiva dell'elaborazione delle informazioni nel cervello possa influenzare la probabilità di crisi epilettiche.
Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA di un preprint non sottoposto a revisione paritaria. Non è un consiglio medico. Non prendere decisioni sulla salute basandoti su questo contenuto. Leggi il disclaimer completo
Immagina il tuo cervello come una città frenetica e tecnologicamente avanzata dove miliardi di neuroni sono i cittadini, che si scambiano costantemente messaggi l'un l'altro. Di solito, questa città funziona con un sistema di traffico fluido e ordinato. Ma a volte, può scoppiare un improvviso e caotico ingorgo stradale, in cui i segnali sfuggono al controllo, girando in tondo all'infinito e causando una crisi epilettica. Gli scienziati sanno da tempo che l'epilessia non riguarda solo una singola parte guasta del cervello, ma piuttosto il modo in cui l'intera rete di connessioni è cablata. Per capire perché queste tempeste elettriche accadano, i ricercatori utilizzano modelli informatici — gemelli digitali di reti cerebrali — per testare diversi schemi di cablaggio. Stanno cercando i "progetti" specifici che rendono una città soggetta a paralisi del traffico. Due idee chiave aiutano a esaminare questi progetti: i cicli, ovvero loop dove i messaggi possono viaggiare continuamente in tondo, e la gerarchia, che è come un sistema di strade a senso unico dove l'informazione fluisce rigorosamente dall'alto verso il basso. La grande domanda è: il modo in cui questi loop e queste strade sono disposti rende il cervello più propenso a una crisi?
In questo studio, un team di ricercatori dell'Università di Birmingham e dell'Università di Lancaster ha costruito modelli digitali di reti cerebrali per vedere come diversi schemi di cablaggio influenzino la probabilità di una crisi. Non si sono limitati a guardare il numero di connessioni; hanno osservato la forma della rete. Hanno testato due modi principali in cui i neuroni possono comunicare tra loro: l'accoppiamento additivo (dove un neurone semplicemente aggiunge il proprio segnale a quello di un altro, come gridare sopra una folla) e l'accoppiamento diffusivo (dove i neuroni cercano di coordinare i propri segnali, come vicini che cercano di accordarsi sul volume). Hanno creato migliaia di reti virtuali, alcune piccole (20 nodi, come una registrazione EEG standard) e altre grandi (128 nodi, una mappa più dettagliata), e hanno osservato quanto spesso una crisi simulata iniziasse e si diffondesse.
I ricercatori hanno scoperto che la "personalità" del cablaggio della rete è un grande predittore del rischio di crisi. Hanno scoperto che le reti con un'alta incoerenza trofica sono molto più propense ad avere crisi. Per usare un'analogia, immagina una città perfettamente gerarchica dove ogni strada va rigorosamente in salita. In una città del genere, un messaggio non può rimanere intrappolato in un loop perché può andare solo in una direzione. Questa è la "coerenza trofica". Tuttavia, lo studio suggerisce che quando una rete è "incoerente", è come una città con un mix disordinato di strade a senso unico, viali a doppio senso e rotatorie circolari tutto mescolato insieme. In queste reti disordinate, i segnali possono rimanere intrappolati in loop complessi, rimbalzando avanti e indietro e accumulando energia finché non scoppia una crisi.
Il documento esclude esplicitamente l'idea che misure semplici, come la dimensione della "Prima Componente Transitiva" (un tipo specifico di gruppo fondamentale di nodi), siano i motori principali delle crisi nelle reti più grandi. Sebbene questo fattore fosse importante in alcuni test su piccola scala, le simulazioni hanno mostrato che man mano che la rete diventava più grande, questa specifica misura perdeva il suo potere di prevedere ciò che sarebbe accaduto. Invece, lo studio punta al raggio spettrale (un modo matematico per misurare quanto siano "grandi" i loop nella rete) e alla non-normalità (una misura di quanto siano asimmetriche le connessioni) come veri colpevoli. I ricercatori hanno dimostrato matematicamente che se una rete ha loop sovrapposti (come una pista a forma di otto dove due cerchi condividono un punto), il raggio spettrale sale sopra 1, il che correla fortemente con l'instabilità della rete e la sua propensione alle crisi.
I risultati sono stati coerenti sia nelle reti piccole che in quelle grandi, e sono rimasti validi indipendentemente dal fatto che i neuroni utilizzassero un accoppiamento additivo o diffusivo, sebbene la connessione fosse ancora più forte nei modelli additivi. Nelle reti più grandi da 128 nodi, il legame tra una struttura disordinata e piena di loop e il rischio di crisi era incredibilmente forte, con un coefficiente di correlazione di 0,957 per il raggio spettrale e di 0,969 per l'incoerenza trofica. Ciò suggerisce che la direzione complessiva dell'elaborazione delle informazioni nel cervello — specificamente, quanto esso eviti un flusso rigoroso dall'alto verso il basso e abbracci loop complessi e sovrapposti — potrebbe essere un fattore chiave nel determinare se una persona è predisposta all'epilessia. Sebbene queste scoperte derivino da simulazioni informatiche e non ancora da dati diretti su pazienti umani, gli autori suggeriscono che la misurazione di queste caratteristiche strutturali potrebbe in futuro aiutare i medici a identificare quali reti cerebrali siano più a rischio, offrendo un nuovo modo per guardare al "diagramma di cablaggio" del cervello.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.