Передача с баженовым про выживание: Рейтинг Баженова. Могло быть хуже

Исследования в нашей группе сосредоточены на следующих областях:

Принятие решений и обучение в нейронных системах . Обучение в живом организме всегда происходит на фоне имеющихся воспоминаний. Приобретение новых воспоминаний при сохранении уже имеющейся информации предъявляет два антагонистических требования: пластичность к новому обучению, но в то же время и стабильность, обеспечивающая постоянство старой памяти. Долгосрочная цель этого предложения состоит в том, чтобы понять, как нейронные системы решают дилемму стабильности и пластичности.

Обработка информации в обонятельной системе . Проблемы, решаемые обонятельной системой, в целом аналогичны задачам, решаемым другими сенсорными системами, такими как зрение или слух. Наше исследование обоняния направлено на выявление общих принципов и нейронных схем, участвующих в кодировании сенсорной информации в мозге. В сотрудничестве с экспериментаторы, мы строим подробные биофизические модели обонятельных систем насекомых и позвоночных для изучения кодирования, обработки и обучения запахов. Эта учеба обещает понимание успешного и, возможно, оптимального биологического алгоритма для обработки сложной информации.

«Электронный нос «. Недавно мы начали новый проект, направленный на разработку новых вычислительных алгоритмов для электронных устройств, которые обрабатывают выходные данные массивов химических сенсоров так же, как обонятельная система обрабатывает выходные данные обонятельных сенсорных нейронов. Эта сильно нелинейная обработка может улучшить разделение запахов, снизить уровень шума и повысить чувствительность. Используя уменьшенные нейронные модели, мы строим вычислительно эффективные сетевые модели для обнаружения химических и биологических агентов, которые воспроизводят механизмы обработки сигналов обонятельной системы насекомых.

Механизмы фокальных и генерализованных приступов спайк-волны . Наше исследование эпилепсии направлено на выявление клеточных и сетевых механизмов, лежащих в основе трансформации нормальных колебаний мозга в электрографические припадки.

Механизмы и функциональная роль сонных колебаний . Целью этого исследования является понимание внутренних и схемных механизмов, лежащих в основе колебаний сна (таких как медленноволновой ритм сна) в таламокортикальной системе. Сон необходим для здоровья и хорошего самочувствия. Нарушения сна, все чаще вызванные образом жизни и факторами окружающей среды, могут быть связаны с различными психическими расстройствами. Недавние исследования показали, что медленный сон может иметь важное значение для формирования и консолидации памяти. Выявление еще неизвестных механизмов, опосредующих этот ритм, поможет нам понять происхождение мозговых ритмов как при нормальном функционировании, так и при патологии.

Для решения этих вопросов мы используем широкий спектр подходов, начиная от подробных моделей, основанных на проводимости, разработанных на основе экспериментальных данных, и заканчивая различными классами упрощенных моделей, позволяющих проводить крупномасштабный анализ с реалистичной сетевой структурой. В частности, мы разрабатываем новый подход к изучению крупномасштабных сетей биологических нейронов на основе разностных уравнений (карт) для моделирования динамики нейронов. Новые модели способны точно воспроизводить пиковую активность, наблюдаемую в различных типах таламических и кортикальных клеток и интернейронов, и предназначены для изучения широкого спектра разнообразных процессов (таких как обработка информации) в крупномасштабных анатомически реалистичных биологических сетях.

Некоторые из наших активных проектов

Колебания в крупномасштабных нейронных сетях

М. Баженов и Н. Рульков

Мы разрабатываем новый вычислительно эффективный подход к анализу крупномасштабных сетей биологических нейронов. Этот подход основан на использовании разностных уравнений (карты) для моделирования динамики нейронов. Нелинейные карты создают очень широкий спектр динамического поведения, оставаясь при этом простыми и низкоразмерными системами и, следовательно, могут быть очень эффективными в вычислительном отношении. Традиционный подход, основанный на моделировании обыкновенных дифференциальных уравнений (таких как модели типа Ходжкина-Хаксли), быстро достигает своего предела, когда количество элементов в сети увеличивается. Это делает этот подход неприменимым для изучения тех проблем, когда анализируемые явления возникают в результате коллективного поведения больших нейронных ансамблей. Картографическая модель нейрона, которая реалистично воспроизводит динамические механизмы, лежащие в основе как его всплесков, так и всплесков активности, и правильно фиксирует процессы ввода-вывода, открывает новые возможности в исследованиях функциональности крупномасштабных сетей. Этот подход послужит основой для сетевого моделирования различных систем мозга, включая сотни тысяч нейронов, в реалистичных масштабах времени с использованием обычных рабочих станций.

Пример кода C++ для имитации динамики спиральных волн в двумерной сети нейронов с регулярными импульсами и интернейронов с быстрыми импульсами:
Код C++ для моделирования двумерной сети — network2D.cpp.txt
Входной файл для моделирования сети — input2D.txt
Для компиляции кода используя компилятор GCC: gcc network2D.cpp -lm -O2 -o network2D
Для запуска моделирования: network2D input2D.txt > tmp

Код Matlab для имитации сеть из 90 нейронов RS на основе карты, соединенных по цепочке с помощью возбуждающих связей, доступен здесь. Повторяет рис. 6 у Н.Рулькова, И.Тимофеева и М.Баженова. Колебания в крупномасштабных корковых сетях: картографическая модель. Journal of Computational Neuroscience 17, 203223, 2004
Основной код: NetworkSim2.m
Функция для расчета синаптических токов: Isynaptic.m
Функция для имитации обычного спайкового нейрона (RS): RS2.m
Функция для имитации нейрона с быстрым выбросом (FS): FS2. m

LabView (версия для MS Windows) для моделирования в реальном времени отклика на импульс постоянного тока нейрона на основе карты типа RS доступен здесь. Пожалуйста, установите и запустите как приложение для Windows: 2D-Map-RS

Нажмите здесь, чтобы посмотреть фильм о динамике спиральных волн. Эти нейронные и сетевые модели обсуждаются у Н.Рулкова, И.Тимофеева и М.Баженова. Колебания в крупномасштабных корковых сетях: картографическая модель. Журнал вычислительной неврологии 17, 203223, 2004 г.

Скорхейм С., Лонджерс П. и Баженов М.

Поощряемая пластичность, зависящая от времени спайков (STDP), рассматривается как возможный механизм обучения в различных системах мозга. Этот механизм сочетает в себе неконтролируемый STDP, который изменяет силу синапсов в зависимости от относительного времени пресинаптических входных и постсинаптических спайков, вместе с сигналом подкрепления, который модулирует синаптические изменения. В этом исследовании STDP с вознаграждением был реализован как часть сетевой модели возбуждения возбуждающих клеток и тормозных интернейронов. Сеть использовалась для моделирования основного поведения при поиске пищи в моделируемом организме. Поведение при поиске пищи происходило в смоделированной среде случайно распределенных «пищевых» частиц. Вход в сеть соответствовал местам местной «еды». На каждом временном шаге направление движения контролировалось активностью группы выходных клеток. Вознаграждение применялось к сети, когда движение приводило к получению «пищевой» частицы. Он использовался для закрепления недавно созданных трассировок событий STDP. В течение периода обучения сеть, которая начинается с набора синаптических связей одинаковой силы, развивается в сеть, способную производить поведение, близкое к оптимальному. Изменение плотности частиц «пищи» привело к первоначальному падению производительности, которое затем увеличилось после ряда испытаний, предполагающих, что синаптические изменения коррелируют со статистикой окружающей среды.

Фильм о поиске пищи

Г. Кришнан и М. Баженов

Электрографические припадки, наблюдаемые у животных под наркозом, демонстрируют периодические взрывы (клоническая фаза) и высокочастотную активацию возбуждения (тоническая фаза), что соответствует паттернам ЭЭГ, наблюдаемым у людей во время эпилептических припадков. Предыдущие модели показали, что сети пирамидных клеток и ингибирующих интернейронов проявляют бистабильность (сосуществование взрывной и тонической активности) в диапазоне концентраций внеклеточного калия, что может объяснить периодические колебания между тоническими и клоническими состояниями сети во время припадка. Концентрация внеклеточного калия увеличивается во время тонических всплесков и снижается во время периодов медленных взрывов, что приводит к непрерывным переходам между этими двумя отдельными состояниями сети. В этом исследовании мы расширили существующую модель, включив в нее переменные концентрации натрия. В новой модели увеличение возбуждающего входа приводило к пароксизмальным колебаниям, включающим периоды всплесков и быстрых всплесков с последующим спонтанным прекращением приступов, что было связано с прогрессивным увеличением внутриклеточной концентрации натрия во время пароксизмальной активности. Бифуркационный анализ показал, что увеличение внутриклеточной концентрации натрия уменьшало область разрыва за счет прогрессивного увеличения порогового уровня внеклеточного калия, необходимого для инициации разрывной активности; это в конечном итоге привело к прекращению эпилептиформных событий. Кроме того, в соответствии с наблюдениями in vivo, внеклеточный калий снижался ниже исходного уровня после прекращения приступа, что объясняет состояние постиктальной депрессии. Наше исследование предполагает, что динамика внутриклеточного натрия играет решающую роль в ходе развития припадка и может быть достаточной для объяснения спонтанного прекращения припадка.

Использование структуры тормозных сетей для раскрытия механизмов формирования пространственно-временных паттернов

К. Ассизи и М. Баженов

Нейронные сети демонстрируют богатый динамический репертуар, что является следствием как внутренних свойств нейронов, так и структуры сети. Было высказано предположение, что тормозные интернейроны объединяют основные нейроны в временно синхронные ансамбли, которые кодируют сенсорную информацию и вспомогательное поведение. Как структура тормозной сети способствует формированию пространственно-временного паттерна? Мы установили связь между важным структурным свойством сети, ее раскраской и динамикой, которую она ограничивает. Используя модель антенной доли насекомого, мы показываем, что наше описание позволяет явно идентифицировать группы тормозных интернейронов, которые во время запаховой стимуляции переключаются между активностью и состоянием покоя скоординированным образом, определяемым особенностями сетевой структуры. Это описание оптимально соответствует точке зрения нижестоящих нейронов, ищущих синхронность в ансамблях пресинаптических клеток, и позволяет низкоразмерное описание кажущейся сложной многомерной сетевой активности.

Обнаружение совпадений и интеграция в обонятельную систему

К. Ассизи и М. Баженов

В идеале стратегия кодирования, используемая сенсорной системой, должна обеспечивать оптимальное представление всего возможного диапазона условий стимуляции. Для обонятельной системы эта задача включает в себя оптимальное кодирование запахов в различных концентрациях, что является критически важным для выживания многих видов. Эта задача достигается серией трансформаций представления запаха по мере того, как он проходит через несколько уровней обонятельной системы. Первый обонятельный центр в мозгу саранчи, антеннальная доля, состоит из сети возбуждающих проекционных нейронов (PN) и тормозных локальных интернейронов (LN). PN управляют клетками Кеньона (KC) грибовидного тела (MB), которые также получают отсроченное прямое торможение от интернейронов боковых рогов (LHI). Быстро чередующееся возбуждение от коактивных PN и торможение от LHI конкурируют за создание циклических окон времени, в которых KC могут реагировать на ввод PN. Ранее мы показали, что продолжительность этих окон может адаптивно регулироваться концентрацией запаха, чтобы поддерживать редкое возбуждение в KC. Здесь мы исследуем, обеспечивает ли LHI-опосредованное ингибирование прямой связи механизм для установки оптимальной стратегии обработки информации, либо обнаружения совпадений, либо временной интеграции, в зависимости от концентрации запаха. Чтобы понять функциональное значение этого переключателя, мы изучили расстояние между представлениями запаха в нейронах бета-доли, которые следуют за KC. В вычислительной модели мы обнаружили, что окна интегрирования разной продолжительности в KC лучше всего соответствовали разным концентрациям запаха, чтобы максимизировать разделение представлений. Кроме того, значение окна интеграции, которое максимизировало разделение, определялось силой синаптической связи между KC и нейронами бета-долей. Недавняя работа показала, что синапсы между KC и нейронами бета-долей являются возбуждающими и подвергаются пластичности, зависящей от времени спайка Хебба. Мы демонстрируем, что эта форма пластичности может эффективно изменить вес сети лепестков KC-бета так, чтобы окно интеграции, максимизирующее расстояние между представлениями запаха, соответствовало режиму работы сети, обнаружению совпадений или интеграции.

Роль гетеросинаптической пластичности в достижении стабильного синаптического распределения

П. Лонджерс и М. Баженов

Пластичность, зависящая от времени спайков (STDP), изменяет силу синапсов в зависимости от относительного времени пресинаптических входных и постсинаптических спайков. Эффекты STDP в вычислительных моделях часто приводят к физиологически неточным или нестабильным распределениям синаптической силы. Примеры стабильных, но физиологически нереалистичных распределений синаптической силы включают бимодальные распределения и сильно асимметричные распределения. Сильные связи также имеют тенденцию быть чрезмерно нестабильными для обучения. Предотвращение этой «убегающей» динамики с использованием базовых механизмов STDP требует точной настройки правил обучения и параметров сети, которые определяют паттерны срабатывания модельных нейронов. Эти результаты свидетельствовали о необходимости дополнительных механизмов пластичности. Одной из возможных форм пластичности, которая может решить эти проблемы, является гетеросинаптическая пластичность, то есть изменения в синапсах, которые не были активны во время индукции пластичности. Здесь мы использовали комбинацию экспериментов in vitro для изучения правил гетеросинаптической пластичности в возбуждающих синапсах неокортекса и компьютерного моделирования, чтобы выяснить, может ли гетеросинаптическая пластичность, реализованная в соответствии с правилами, обнаруженными в экспериментах, преодолевать «убегающие» эффекты STDP и стабилизировать синаптические распределение весов. Внутриклеточная тетанизация in vitro — экспериментальная модель гетеросинаптической пластичности — приводила к изменениям синаптической силы весоспецифическим образом. Синапсы с исходно низкой вероятностью высвобождения имели тенденцию к потенцированию, тогда как синапсы с исходно высокой вероятностью высвобождения имели тенденцию к угнетению или не менялись. Эти экспериментальные правила были реализованы в основанной на проводимости модели нейрона коры, получающего входные сигналы через возбуждающие синапсы типа AMPA. Пресинаптическая активность моделировалась с помощью последовательностей спайков, распределенных по Пуассону, с разной степенью корреляции между входами. STDP, реализованный в модели, включал зависимость от концентрации внутриклеточного кальция и от текущей синаптической силы. Эти синаптические правила позволили моделям синапсов поддерживать одномодальное распределение синаптических весов. Результаты нашего исследования показывают, что гетеросинаптическая пластичность может контролировать синаптическую динамику и играть решающую роль в достижении стабильного, но адаптируемого хранения памяти.

Моделирование контролируемого обучения, опосредованного синаптической пластичностью, в мочке усика медоносной пчелы

Ж.-Ю. Чен, К. Ассизи и М. Баженов

В обонятельной системе стимуляция запахом обычно вызывает сложные пространственно-временные паттерны нейронной активности, которые коррелируют с особенностями запаха. В антенной доле насекомого (AL) и грибовидном теле (MB) эти пространственно-временные паттерны могут систематически изменяться после обучения запаху. Мы использовали методы компьютерного моделирования для изучения деталей механизмов синаптической пластичности в AL, участвующих в обучении запаху подкрепления. Согласно недавним сообщениям о медоносных пчелах, сигнал подкрепления пластичности в AL опосредуется набором вентральных непарных срединных (VUM) нейронов в основании мозга. Нейроны VUM получают входные данные от чувствительных к сахарозе вкусовых рецепторов на ротовом аппарате медоносной пчелы и широко проецируют выходные данные как на AL, так и на MB. Исследования с использованием поведенческих, электрофизиологических и молекулярных методов определили клетки VUM как важный компонент обучения с подкреплением. При стимуляции они выделяют биогенный амин, октопамин, преимущественно в AL и MB. Ключевой рецептор сигнала подкрепления октопамином (AmOA1) экспрессируется на ГАМКергических нейронах, которые являются частью тормозной схемы в AL и MB. Используя компьютерное моделирование модели AL, основанной на проводимости, мы показали, что пресинаптическая и постсинаптическая фасилитация ГАМКергических нейронов AL может способствовать обучению запахов под наблюдением. Мы обнаружили, что пресинаптическая фасилитация способствует обучению с положительным подкреплением, а постсинаптическая фасилитация связана с отрицательным подкреплением. Кроме того, мы обнаружили, что корреляция между реакциями AL на разные запахи увеличивалась, когда они усиливались вместе. Мы использовали анализ основных компонентов, чтобы визуализировать эти траектории отклика. Мы предсказываем, что сигналы подкрепления, опосредованные пре- или постсинаптическим облегчением ГАМКергических нейронов, могут выполнить задачу, которая не может быть достигнута при обучении без учителя, — они могут объединить представление запахов, которые изначально были закодированы как несходные.

Роль таламокортикального входа в генерацию медленных колебаний сна

Ж.-Ю. Чен, П.Лонджерс и М.Баженов    

Во время естественного медленноволнового сна (МСС) активность головного мозга, регистрируемая по электроэнцефалограмме (ЭЭГ), характеризуется крупноамплитудными колебаниями потенциала поля, отражающими синхронное чередование периодов активности (корковые состояния Up) и тишины (корковые состояния Down) в таламокортикальная система. Восстановление медленных колебаний после обширных поражений таламуса и отсутствие медленных колебаний в таламусе декортикированных кошек указывало на внутрикорковое происхождение этого ритма. Было высказано предположение, что таламические нейроны играют лишь второстепенную роль, просто следуя внутренней активности коры. Недавние исследования in vivo показали, однако, что после инъекции QX-314 в дорсальный таламус соответствующие нейроны коры успокоились, за исключением случайных и редких активных состояний. В этом исследовании с использованием крупномасштабных моделей таламокортикальной системы систематически изучалась роль таламического входа во время медленных колебаний сна. При интактном таламусе во всей сети обнаруживались ритмичные медленные (

Роль пластичности, зависящей от времени спайка, в развитии обнаружения свипирования частоты в слуховой коре

Скорхейм С. и Баженов М.    

Частотно-модулированные (FM) развертки распространены в видоспецифичных вокализациях, включая человеческую речь. Обнаружение развертки FM, вероятно, будет иметь важное значение при обработке речи. Таким образом, нормальная разработка детекторов FM-развертки имеет ключевое значение для связи между видами. Несмотря на то, что была проделана большая работа по раскрытию механизмов, лежащих в основе избирательности направления и скорости FM, синаптическая организация, лежащая в основе этих детекторов признаков, только начинает пониматься. Хотя известно, что опыт формирует избирательность FM-развертки, очень мало известно о механизмах пластичности, которые могут лежать в основе развития этих схем. Основываясь на экспериментальных данных, мы ранее разработали модель подавления боковой полосы для обнаружения FM свипирования. В этой модели каждая входная клетка одновременно возбуждает возбуждающие и тормозные нейроны следующего слоя. Затем тормозные клетки тормозят латерально, в результате чего сеть реагирует только на движения с достаточной скоростью, чтобы обогнать торможение. Детекторы развертки на основе подавления боковой полосы по своей природе реагируют на развертку в противоположном направлении по-разному. Избирательность этого направления возникает из-за асимметрии синаптических входов в тормозную клетку. Развертки, идущие в предпочтительном направлении, сначала активируют более слабые синаптические входы в тормозную клетку. Более сильные синапсы активируются позже, что приводит к отсроченным вспышкам, которые не могут предотвратить всплески возбуждающего нейрона. Напротив, взмахи, идущие в неправильном направлении, сначала активируют более сильные синапсы. Это вызывает более ранний спайк, который подавляет и предотвращает спайк в выходном возбуждающем нейроне. В этом исследовании мы внедрили пластичность, зависящую от времени спайка, чтобы проверить эффективность синаптических изменений в развитии синаптических организаций, лежащих в основе избирательности направления в модели боковой полосы обнаружения развертки. Обучение сети, начиная с изначально равномерного распределения синаптических весов, приводило к прогрессивному увеличению весов вдоль направления обучения и асимметрии распределения весов — требованию направленной избирательности. Когда сеть тестировалась с разверткой в ​​обученном направлении, выходная ячейка реагировала потенциалом действия. Напротив, ответ отсутствовал для тестовых проходов необученного направления. Наше исследование предлагает механизмы синаптической пластичности, которые могут лежать в основе зависимого от опыта развития избирательности направления FM.

Рассечение эпилептиформной активности в гиппокампе мыши

Г. Филатов, Г. Кришнан и М. Баженов    

Роль изменения концентрации ионов при эпилепсии остается неясной. Давно было известно, что повышение [K+]o (Hodgkin, Horovicz, 1959) и/или снижение [Ca2+]o (Frankenhauser, Hodgkin, 1957) приводят к повышенной возбудимости нейронов и возможной эпилепсии. Но при эпилепсии точные механизмы ионных изменений и вклад сетевой динамики еще предстоит выяснить. Здесь мы использовали записи многоэлектродной матрицы (MEA) в сочетании с K-селективным электродом и оптическими измерениями срезов гиппокампа мыши in vitro, чтобы получить представление о пространственно-временном распределении эпилептиформной активности в различных частотных областях. Мы использовали повышенный [K+]o (10 мМ), пониженный [Ca2+]o (0 мМ без буфера) и специфический ингибитор ГАМКа-рецепторов бикукулин (100 мкМ) для индуцирования судорожной активности, которая состояла из серии спонтанных эпизодов гиперактивности, повторяющихся каждые несколько минут. Каждый эпизод длился ~30 с и включал несколько сетевых событий с характерной частотой 0,2-1 Гц. В свою очередь, каждое событие состояло из нескольких внутрисобытийных всплесков (10-100 Гц) и высокочастотных колебаний (100-1000 Гц). Мы предполагаем, что низкий диапазон частотного спектра, вероятно, отражает медленные синаптические токи, синхронизированные во время эпилептиформной генерации, поскольку он полностью устраняется применением ванночки с синаптическим ингибитором (5 мкМ NBQX). Колебания в среднечастотном диапазоне возникают в результате синхронизации локальной сети за счет тормозной обратной связи, опосредованной ГАМКергическими интернейронами. Высокочастотные колебания, вероятно, представляют собой многоэлементную активность. Кросс-когерентный анализ выявил снижение когерентности для высоких частот, в то время как когерентность для низких и средних частот увеличивалась во время эпилептиформных событий. Распространение активности по гиппокампу было подтверждено анализом MEA, который выявил систематические задержки начала эпилептиформных событий, зарегистрированных между 60 электродами. Мы делаем вывод, что снижение надежности синаптической передачи снижает дальнюю синхронность спайков отдельных клеток при эпилептиформной активности. С другой стороны, увеличение когерентности низкочастотного диапазона между каналами предполагает синхронизированное развитие низкочастотной активности, характерной для пространственно-временных паттернов припадков.