Каким образом нейроны мозга координируют свою активность?
Мозг часто называют параллельным органом, поскольку его нейроны, скорее всего, работают независимо друг от друга. Они не имеют центрального командного пункта, который бы определял, что надо делать в тот или иной момент времени. Однако, существует множество связей между нейронами, с помощью которых они координируют свою активность. Одно из направлений такой координации задается большим ритмом для крупной популяции нейронов и, как бы является "дирижером" большого симфонического оркестра. Когда многие вспышки активности нейронов осуществляются в унисон, их активность усиливает друг друга и это напоминает толпу людей, говорящих что-то одновременно.
Почему мозг имеет как длинные, так и короткие пучки волокон, и разные по обширности сети нейронов модули?
В то время как мозговые сети явно предпочитают соединения ближнего радиуса действия, мозг в строгом смысле не минимизирует стоимость проведения импульсов, но позволяет формировать небольшое количество соединений на расстоянии. Эти дорогостоящие соединения по определению не соответствуют гипотезе о том, что архитектура сети мозга оптимизирована в соответствии с принципом минимизации затрат. Вместо этого они являются результатом компромисса между формированием соединений, которые уменьшают стоимость проводки сети, и теми, которые улучшают ее функциональность. Смещение фокуса на эти длинные и "дорогие" соединения может быть полезно для более глубокого понимания модульной структуры мозга и его функций. В принципе, дорогостоящие соединения на расстоянии могли бы быть устранены в ходе эволюции, если бы мозг был строго оптимизирован для минимизации затрат на проводку импульсов. Однако, наличие таких связей подразумевает, что они улучшают работоспособность мозговой сети по сравнению с тем, что было бы, если бы они были заменены более короткими и менее "дорогими" соединениями. Длинные соединения повышают эффективность межрегиональной связи и передачи информации за счет уменьшения среднего числа этапов обработки между нейронными элементами.
Какими способами можно обнаружить модули функционирования мозга?
Поскольку сети нейронов мозга велики, а схемы их соединений сложны, мы обычно не можем идентифицировать модули просто из визуального осмотра сети. Скорее, мы полагаемся на инструменты обнаружения модулей с помощью алгоритмического выявления модулей. Из этих методов наиболее популярным является функция качества, известная как модульность (или просто Q). Модульность измеряет качество узлов, как разность между наблюдаемым количеством соединений внутри модуля и числом таких соединений, ожидаемых при некоторой нулевой модели. Большие значения модульности используются для обозначения более качественных разделов, а раздел, который максимизирует модульность, рассматривается как разумная оценка модульной организации сети.
Каким образом мозг сохраняет баланс между процессами интеграции и дифференциации?
Обычно мозг может сохранять баланс в степени своей активности и осуществлять координацию активности нейронов, направленную против активности какой-либо их фокальной группы и соседних групп для работы над фокальной функцией. Таким образом мозга сохраняет баланс между интеграцией и дифференциацией (Edelman , Tononi , 2000).
Корреляции активности нейронов мозга с его состоянием по данным электроэнцефалографии?
Почему регулярный ритм электроэнцефалограммы можно считать отражением координации активности нейронов?
Регулярный ритм электроэнцефалограммы представляет собой координацию различных сигналов процесса активности нейронов. Регулярный ритм активности мозга может координировать вспышки миллионов отдельных клеток. Нейроны, которые посылают вспышки своей активности на пике альфа - волн отражают очень слабую электрохимическую активность большого количества нейронов, а нейроны, которые посылают другие вспышки, как бы вычитаются из общей активности.
Активность каких частот мозга позволяет ему реализовать различные функции?
Исследования показывают, что быстрая гамма и тета корреляция задает для мозга именно ту частоту, которая позволяет ему активно координировать активность нейронов, работать и реализовать различные функции. Например, высокий удельный вес гамма ритмов имеет отношение к попытке осознать визуальный образ (визуальная перцепция).
Какие процессы отражает активность мозга на частоте 4-6 Гц?
Тета - ритм (406 Гц), вероятно, отражает степень координации активности между гиппокампом и фронтальной корой в тот момент времени, когда человек извлекает из памяти значимые для него воспоминания
Активность, какой частоты мозга отражает отсутствие фокусировки внимания?
Альфа ритм традиционно ассоциируется с отсутствием фокусировки внимания.
Какие изменения на электроэнцефалограмме типичны для стадии глубокого сна?
Дельта - ритм оценивается как типичный сигнал глубокого сна и представляет собой как бы активность группы нейронов, облегчающих консолидацию, тех материалов (данных), которые необходимы для обучения (Kemp A., et.al., 2004).
Основные "сети нейронов" мозга
Какие сети мозга можно исследовать с помощью его функциональной визуализации?
"Сеть режима по умолчанию" (DMN) - крупномасштабная сеть мозга, которая активна во время бодрствования или при обработке подробных мыслей, связанных с решением внешних задач (Raichle, M. E., 2015). "Кора – полосатое тело – зрительный бугор – кора» - (CSTC) схема" включает несколько "подсхем" (например, лимбическую, сенсомоторную, дорсальную петли внимания), играющих ключевую роль в ряде функций мозга (Graybiel, A. M., & Rauch, S. L., 2000). "Сеть заметности" (SN) реализует решающую роль в направлении внимания и выделении приоритетов стимулов на основе их эмоциональной или сенсорной значимости (Seeley W., 2019). Наконец, "лобно-теменная сеть" (FPN) состоит из сложной группы областей мозга, связанных с вниманием, рабочей памятью и когнитивным контролем (Marek S, Dosenbach NU., 2002).
"Сетевой анализ"
Какие методы позволяют оценить анатомические и функциональные связи сетей нейронов?
Сети нейронов мозга можно исследовать с помощью "анатомической связи" между структурами (например, в процессе структурной визуализации мозга с помощью диффузионного тензорного изображения мы оцениваем состояния пучков волокон, соединяющих между собой разные структуры мозга), "функциональной связи" (статистических зависимостей) и даже "эффективной связи" (причинно-следственных связей) между наборами распределенных областей ("узлов") мозга (Sporns, O., & Betzel, R. F., 2016). Понимание того, каким образом связи между сетями нейронов различается между "узлами", является фундаментальным шагом в "сетевом анализе".
Как оценивается активность функциональных сетей нейронов?
Разные регионы мозга ("узлы") реализуют разные топологические роли в сети нейронов. Функциональные сети нейронов можно рассчитать, используя временные корреляции или когерентности между сигналами функциональной магнитно-резонансной томографии, зависящими от уровня кислорода в крови, из различных областей мозга в его сером веществе. Мозговой кровоток и его объемы лежат в основе сигнала BOLD в нейронной активности. По сравнению с серым веществом мозга, и несмотря на большие различия в отношении физиологических факторов, наблюдаемых между серым и белым субстанциями мозга, пучки волокон сохраняют более высокое соотношение клеток нейроглии к нейронам (Azevedo, F., et.al., 2009). Кроме того, в исследованиях функциональной магнитно-резонансной томографией, связанных с решением задач, внешние стимулы могут надежно индуцировать гемодинамику белого вещества с профилем, аналогичным наблюдаемому при изучении серого вещества, хотя и с меньшей пиковой амплитудой.
Почему групповой независимый компонентный анализ приобрел популярность, как метод выделения"функциональных сетей" мозга?
Функциональные сети нейронов мозга, идентифицированные по данным функциональной магнитной резонансной томографии ( fMRI) , могут служить маркерами для диагностики заболеваний головного мозга. В последнее время "групповой независимый компонентный анализ" (GICA) приобрел большую популярность , как метод выделения (извлечения) функциональных сетей нейронов мозга.
Что из себя представляет пространственный независимый компонентный анализ сетей нейронов?
Пространственный независимый компонентный анализ (ICA) , который моделирует данные функциональной магнитной резонансной томографии , как комбинацию пространственно независимых источников, каждый из которых связан с временным ходом (TC), широко применяется в функциональной визуализации. Методы группы ICA также идентифицировали потенциальные маркеры для шизофрении, биполярного расстройства и шизоаффективного расстройства.
В чем отличие независимого компонентного анализа от методов, основанных на области интересов?
В отличие от традиционных методов, таких как общая линейная модель (GLM) и методы, основанные на области интересов (ROI), ICA не требует предварительной информации при определении регионов и временных рядов. Еще одним преимуществом ICA является то, что он может анализировать несколько сетей мозга одновременно, рассматривая все данные fMRI, в то время как традиционные методы должны устанавливать отдельную предварительную информацию для извлечения каждой из нескольких экспериментальных сетей. ICA также может снимать шум с данных fMRI, разлагая артефакты как независимые компоненты, тем самым извлекая более значимые компоненты. Однако самая большая проблема в ICA исходит из произвольного порядка полученных компонентов. Это ограничение создает функциональные сети разных субъектов, рассчитываемые путем выполнения отдельных ICA для данных каждого МРТ субъекта, которые не соответствуют напрямую всем субъектам. Среди GICA, пространственно-временная регрессия (STR) и пространственно-ограниченные подходы ICA, такие как ICA с групповой информацией, управляемой информацией (GIG-ICA), могут использоваться для распространения компонентов (с указанием сетей) на новый объект, который не включен в исходные объекты.
Функциональный коннектом белого и серого веществ мозга
Почему важно сравнивать результаты структурной и функциональной визуализации мозга?
Поскольку конкретные пути белого вещества мозга (пучки волокон или связки) отслеживаются с использованием данных диффузии, также можно идентифицировать функциональную связь в анатомических пучках с данными функциональной магнитно-резонансной томографии в состоянии покоя.
Можно ли считать, что белое вещество мозга по сравнению с его серым веществом обеспечивает меньший кровоток мозга и его объем?
Функциональное значение и роль сигналов белого вещества мозга (BOLD fMRI) является давним спором. Первые дебаты касались того, каким образом белое вещество, по сравнению с серым веществом, обеспечивает меньший мозговой кровоток и объем.
Какие процессы характеризует "функциональный коннектом" белого вещества мозга и в чем его преимущества по сравнению с той информацией, которую предоставляет функциональный коннектом серого вещества мозга?
"Функциональный коннектом" белого вещества продемонстрировал сдвиг в сторону потери сегрегации и предпочтение глобальной интеграции по сравнению с серой субстанцией мозга. При этом, показатели сегрегации указывают на специализированную обработку, которая происходит в плотно связанных между собой областях мозга (Wig, G.,et.al., 2017). Менее сегрегированная или специализированная топологическая организация может быть полезна для функционирования сети. Меры интеграции оценивают способность объединять специализированную информацию между распределенными областями мозга. Предпочтение глобальной интеграции может повысить эффективность глобальной коммуникации и интегрировать распределенную информацию. "Функциональный коннектом" белого вещества также показал повышенную мощность сети по сравнению с той активностью которую обеспечивает функциональный коннектом серого вещества мозга. Исследователи обнаружили, что функциональный коннектом белого вещества демонстрирует неслучайную модульную топологию. Такая модульная организация энергетически выгодна, поскольку она экономит затраты на проведение сигналов, а также позволяет создать специализированную информацию (Li J., et.al.. 2019).
Сети нейронов, принимающие участие в когнитивных процессах
Какие сети нейронов отвечают за организацию когнитивных функций?
По крайней мере , пять различных сетей нейронов представляют различные варианты когнитивных функций: 1) левая височно - пересильвиальная нейронная сеть речи, включающая в себя транс-модальные регионы или эпицентры зон Брока и Вернике); 2) лобно - теменная сеть пространственного внимания ( которая базируется на транс-модальных регионах во фронтальных глазных полях , поясной коре и задней теменной области); 3) лимбическая / паралимбическая сеть нейронов обеспечивает процессы , связанные с эксплицитной памятью и мотивацией ( которая локализуется в гиппокампально - энториальном регионе и миндалине) ; 4) префронтальная область исполнительного функционирования и рабочей памяти ( которая базируется на транс-модальных регионах в латеральном префронтальной коре и ,возможно, в нижнем теменной коре и 5) Внутренняя височная поверхность, сеть распознавания объектов, базирующаяся на полярной и средней височной регионов коры мозга.
Состояние сетей нейронов при психоневрологических расстройствах
Какая сеть нейронов нарушена при шизофрении и биполярном аффективном расстройстве?
Перцептивная-моторная функциональная сеть белого вещества мозга нарушена при шизофрении (Jiang, Y, et.al., 2019). Ряд исследователей сообщил об аномальном состоянии функционального сетевого соединения в состоянии покоя (FNC) у пациентов с шизофренией и тяжелом биполярным расстройство, проявляющим себя на уровне психоза. Было показано, что когерентно-временные сети мозга, такие как височная доля и "сети по умолчанию", надежно различают субъектов с биполярным расстройством , хронической шизофренией и здоровым контролем. Также было показано, что пациенты с шизофренией имеют тенденцию задерживаться в состоянии слабой связи в покое. Аналогичные результаты были зарегистрированы у пациентов с биполярным расстройством.
Как изменяется состояние сетей нейронов при дегенеративных заболеваниях нервной системы?
У пациентов с болезнью Паркинсона наблюдается значительная ограниченность функциональной сети белого вещества мозга (Ji, G., et.al., 2019). Профили функций мозга, связанные с функцией белого вещества, включая спектры мощности, связь функциональных связей белого и серого субстанций также нарушаются при различных заболеваниях головного мозга, таких как инсульт моста, болезнь Альцгеймера и эпилепсия. Сегодня важно изучить функциональные сети белого вещества, чтобы обеспечить возможность проведения функциональной магнитно-резонансной томографии заболеваний головного мозга, например, таких как рассеянный склероз и деменция, при которых необходима точная и ранняя диагностика.
Какая функциональная активность мозга лежит в основе эпилептического припадка?
Однако, и для этой активности нейронов имеется свой предел Эпилептические судороги долгое время объясняли результатом рубца (повреждения) тканей мозга, называя это место очагом или эпилептическим фокусом, который распространяет вокруг себя медленные и регулярные волны, захватывающие другие регионы мозга, конечным этапом этого процесса считалась потеря сознания и судорожный припадок.
Функциональная визуализация мозга, как метод оценки эффективности терапии антипсихотиками
Какое влияние оказывает лечение нейролептиками на постцентральную извилину и дорсомадиальную префронтальну кору?
В среднем по 47 сетям GIG-ICA исследователи обнаружили, что 18 z-показателей вокселей значительно коррелируют с приемом лекарств от пациентов после коррекции Бонферрони для множественных сравнений. Наибольшее количество (80) z-показателей вокселей GIG-ICA со значительными корреляциями было обнаружено в постцентральной извилине, в то время как в черной субстанции не было обнаружено ни одного, задняя поясная извилина или левая угловая извилина также не выявили отклонений. В случае STR исследователи обнаружили наибольшее количество (285) связанных с приемом лекарств вокселей в дорсомедиальной префронтальной коре, тогда как 12 различных сетей, почти все в доменах SM и VIS, не имели вокселей, значительно связанных с приемом лекарств.
Ограничения функциональной магнитно-резонансной томографии
Какие ограничения функциональной магнитно-резонансной томографии?
Когда человек следит за перемещением какого - либо объекта то активность нейронов в обоих полушариях как бы "символизируется" и проявляет тенденцию доминировать на определенном отрезке времени. Кроме того, в каждом полушарии мозга обнаруживаются сильные корреляции, между нейронами ответственными за визуальный анализ и визуальную объектную перцепцию. Обычно подобную активность можно наблюдать при проведении функциональной магнитной - резонансной томографии ( fMRI), которая позволяет увидеть активность нейронов на протяжении сравнительно продолжительного отрезка времени, но не выявляет эту активность , если она быстро прекращается.
Литература
Azevedo, F. A. , Carvalho, L. R. , Grinberg, L. T. , Farfel, J. M. , Ferretti, R. E. , Leite, R. E. et.al. (2009). Equal numbers of neuronal and nonneuronal cells make the human brain an isometrically scaled‐up primate brain. The Journal of Comparative Neurology, 513, 532–541
Graybiel, A. M., & Rauch, S. L. (2000). Toward a neurobiology of obsessive-compulsive disorder. Neuron, 28(2), 343-347.
Ji, G. J., Ren, C., Li, Y. , Sun, J. , Liu, T. , Gao, Y. , … Wang, K. (2019). Regional and network properties of white matter function in Parkinson's disease. Human Brain Mapping, 40, 1253–1263.
Jiang, Y. , Luo, C. , Li, X. , Li, Y. , Yang, H. , Li, J. , … Yao, D. (2019). White‐matter functional networks changes in patients with schizophrenia. NeuroImage, 190, 172–181
Kemp, A. H., Gray, M. A., Silberstein, R. B., Armstrong, S. M., & Nathan, P. J. (2004). Augmentation of serotonin enhances pleasant and suppresses unpleasant cortical electrophysiological responses to visual emotional stimuli in humans. Neuroimage, 22(3), 1084-1096.
Marek S, Dosenbach NU. The frontoparietal network: function, electrophysiology, and importance of individual precision mapping. Dialogues Clin Neurosci. 2022:20(2):133–140
Li J., et.al. Exploring the functional connectome in white matter. Hum Brain Mapp. 2019. Oct 15; 40(15): 4331–4344
Raichle, M. E. (2015). The brain's default mode network. Annual review of neuroscience, 38(1), 433-447.Sporns, O., & Betzel, R. F. (2016). Modular brain networks. Annual Review of Psychology, 67, 613–640
Seeley, W. W. (2019). The salience network: a neural system for perceiving and responding to homeostatic demands. Journal of Neuroscience, 39(50), 9878-9882.
Sporns, O., & Betzel, R. F. (2016). Modular brain networks. Annual Review of Psychology, 67, 613–640
Wig, G. S. (2017). Segregated systems of human brain networks. Trends in Cognitive Sciences, 21, 981–996.