Ақпарат

Адамның ми қыртысы бойынша типтік нейрондық ату жылдамдығы

Адамның ми қыртысы бойынша типтік нейрондық ату жылдамдығы


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Мен адамның ми қыртысының әртүрлі бөліктеріндегі типтік нейрондық ату жылдамдығын қорытындылайтын ғылыми мақаланы (немесе мақалаларды) тапқым келеді.

Бұл туралы жақсы сілтемелер бар ма?


Мұнда нейрондардың әртүрлі қасиеттерінің атласына қол жеткізуге болатын бастау үшін жақсы анықтама берілген. Аллен ми институтының жасуша түрлері

Есіңізде болсын, сіз әдеттегі ату жылдамдығын айтқан кезде көрсетуіңіз керек қандай Сіз айтып отырған жасушалардың саны, өйткені аралық нейрондар, мысалы, пирамидалық жасушаларға қарағанда жылдамырақ әрекет ете алады. Сондай-ақ, базальды және белсенді ату жылдамдығында айырмашылықтар бар.


Мидағы сигналдық және сигналдық емес компоненттердің кортикальды энергияға сұранысы сүтқоректілердің түрлері мен белсенділік деңгейлері бойынша сақталады.

Жасуша мембранасы арқылы иондық градиентті қалпына келтірудің үздіксіз қажеттілігі, синаптикалық беріліс пен өткізгіштіктің алғышарты мидың жоғары тотығу сұранысының негізгі факторы болып табылады. Дегенмен, қыртыстық нейрондар мен астроциттердің сигналдық және сигналдық емес компоненттерінің энергия талаптары белсенділік деңгейіне және түрлерге байланысты өзгереді ме? Біз сигнализациямен байланысты тотығу ATP сұранысын алдық (Pс) және сигналсыз (Pns) түрлерге тән физиологиялық және анатомиялық деректерді пайдалана отырып, ми қыртысындағы компоненттер. Егеуқұйрықтарда глюкозаның тотығу жылдамдығын изоэлектрліктен сергектікке және сенсорлық ынталандыруға дейінгі әртүрлі күйлер бойынша өлшенген қабатқа тән нейрондық белсенділіктен есептедік. Содан кейін біз осы есептелген глюкоза тотығу жылдамдығын глюкозаның өлшенген метаболизм деректерімен 2-дезокси-глюкоза авторрадиографиясы хабарлаған күйлер үшін салыстырдық. P үшін тұрақты мәндерс және Пns егеуқұйрықтағы күйлердің барлық ауқымын болжай алды. Содан кейін біз тіркелген P көмегімен әртүрлі жағдайларда алынған адамның ЭЭГ деректерінен глюкозаның тотығу жылдамдығын есептедік.с және Пns егеуқұйрық үшін алынған мәндер. Адамның ми қыртысындағы бұл есептелген метаболикалық деректер ПЭТ арқылы өлшенген глюкоза метаболизмімен жақсы салыстырылды. Түрлерінен тәуелсіз нейрондық белсенділік пен изоэлектрліктен тыс нейрондық тотығу сұранысы арасында сызықтық байланыс орнатылды. Кортикальды сигнал беру талаптары ояу күйдегі энергия сұранысында басым болды, ал сигналсыз талаптар ояу мәннің ~20% құрады. Бұл болжамдар 13 С магниттік-резонанстық спектроскопияның нәтижелерімен расталады. Біз ми кортексіндегі сигналдық және сигналсыз компоненттерге арналған митохондриялық энергияны қолдау сүтқоректілер түрлеріндегі белсенділік деңгейлері бойынша сақталады деген қорытындыға келдік.

Ми денедегі энергияны ең көп қажет ететін ұлпалардың бірі болып табылады (1). 13 C магниттік-резонанстық спектроскопия (MRS) егеуқұйрықтағы сергек күйде кортикальды энергияны тұтынудың ~80% глутамат нейротрансмиттерінің бөліну жылдамдығы мен астроглиалды сіңіру жылдамдығымен көрсетілетін сигналды қолдау үшін пайдаланылатынын көрсетті (2, 3) . Церебральды энергияға сұраныс егеуқұйрықтардың кортексіндегі пирамидалық нейрондық ату жылдамдығымен де оң корреляцияланады (4, 5). 13 C Адам қыртысындағы MRS нәтижелері егеуқұйрықтардың нәтижелерімен әдетте сәйкес болды (6). Дегенмен, әртүрлі белсенділік деңгейлерінде және/немесе түрлерде синаптикалық беріліс пен өткізуді қолдау үшін қажет арнайы субклеткалық процестердің энергия шығындары қаншалықты жақсы сақталады деген сұрақтар бар.

Сүтқоректілердің миындағы сұр затқа арналған соңғы төменнен жоғары энергия бюджеттері сигнал беру үшін бір нейронға қолданылатын АТФ есептеу арқылы нейропилде (7, 8) болатын нейрондық және глиальды электрлік және нейротрансмиссиялық оқиғалардың энергетикалық шығындарын түсінуге тырысты (P).с) және сигналсыз (Pns) оқиғалар. Оянған кортексте уақыт бірлігінде кортикальды көлем бірлігіне жұмсалатын жалпы АТФ (Етот сантиметрге АТФ/с бірлігінде 3 ) Р көбейту арқылы анықталдыс (бір ұшына АТФ/нейрон бірлігінде) және Пns (секундына АТФ/нейрон бірлігінде) ұяшық тығыздығы бар параметрлер (η) және орташа кортикальды ату жылдамдығы (<f>) сигнал беру (Es) және сигналсыз (Ens) компоненттерін беру үшін,

мұндағы қосынды нейрондар мен астроциттерге қатысты. Бұл зерттеулер ми энергиясының көп бөлігі сигнал беруді қолдау үшін пайдаланылғандығымен in vivo өлшемдерімен келісілді, сонымен қатар адамдағы сигналдық және сигналсыз оқиғалар егеуқұйрықтарға қарағанда бір нейрондық негізде шамамен екі-үш есе қымбатырақ деген қорытындыға келді. Дегенмен, бұл бюджеттерде шектеулер бар (7, 8), ең бастысы, пайдаланылған гистологиялық және биофизикалық параметрлер соңғы мәндермен келіспейді, кортикальды ламина бойынша гетерогенділік ескерілмеді (9 ⇓ –11) және салыстыру тек бір ғана тыныштықтағы ояу күймен жүргізілді. .

Мұнда нейропилдегі электрлік және химиялық құбылыстар арасындағы іргелі байланыстарды бағалау үшін төменнен жоғарыға қарағанда жоғарыдан төменге қарай қолданамыз. Біз сигнал беру үшін бір ұяшыққа энергия қажеттілігі туралы гипотезаларды тексердік (Пс) және сигналсыз (Pns) нейрондық белсенділік күйінен тәуелсіз (мысалы, сенсорлық белсендіру, ояу, ұйықтап жатқан немесе жансыздандырылған) және түрлерде (яғни, егеуқұйрық пен адамда) сақталады. Біз P есептеу үшін егеуқұйрық миындағы қабатқа тән морфологиялық, нейрофизиологиялық және метаболикалық деректерді қолдандық.с және Пns, олар кейін адам деректерінде сыналған. Егеуқұйрықтар мен адам миының нейрометаболикалық қосылыстарының арасындағы айырмашылықтарды көрсететін көзқарастардан айырмашылығы (7, 8), біздің нәтижелеріміз әрбір жасушалық негізде сүтқоректілердің кортикальды функцияларына сигнал беру және сигнал беру кезіндегі митохондриялық энергияны қолдаудың сақталғанын көрсетеді.


Кіріспе

Қабылдау және есте сақтау кезіндегі нейрондық кодтың іргелі негізін бір нейрондық ату құрайды. Нейрондық ату жылдамдығындағы мінез-құлыққа байланысты өзгерістердің жақсы бекітілген рөлінен басқа, түрлер мен мінез-құлық бойынша дәлелдемелерді біріктіру жергілікті өріс потенциалында (LFP) байқалатын бір нейрондық өсу уақыты мен тербеліс арасындағы өзара әрекеттесу де нейрондық кодқа ықпал етеді деп болжайды. (Hyman және басқалар, 2005 Huxter және т.б., 2003 Rutishauser және т.б., 2010 Belitski және т.б., 2008 Ng және т.б., 2013 Kayser et al., 2009). Кеміргіштерде гиппокампальды және медиальды префронтальды жасушалар навигация кезінде тета тербелістеріне қатысты фазалық прецессияны көрсетеді (O'Keefe және Recce, 1993 Terada және т. жануардың позициясы (Дженсен және Лисман, 2000).

Бұл бақылаулар мінез-құлық ақпаратының әртүрлі түрлерін кодтау үшін тербеліс фазасының жалпы рөлін болжайтын нейрондық кодтаудың теориялық үлгілеріне енгізілген (Nadasdy, 2009 Kayser et al., 2012 Lisman and Jensen, 2013 Watrous and Ekstrom, 2014). Мысалы, Спектро-контекстік кодтау және іздеу теориясында (SCERT) біз әртүрлі фазалардағы төмен жиілікті тербелістерге (яғни фазалық кодтау) жиілік-спецификалық және фазалық құлыпталған нейрондық ату да адамның нейрондық кодының негізін құрайтынын ұсындық. Watrous және Ekstrom, 2014 Watrous және т.б., 2015b). Біз бұрын SCERT (Watrous және т.б., 2015a) LFP-де жоғары жиілікті белсенділікті бір ұяшықты тітіркену үшін прокси ретінде пайдаланатын дәлелдер туралы хабарлағанбыз (Crone және басқалар, 1998 Manning және басқалар, 2009 Миллер және басқалар, 2014) . Дегенмен, белгілі бір жалғыз нейрондардың серпілуі мен адамның медиальды уақытша лобындағы (MTL) жоғары жиілікті белсенділік арасындағы күрделі және ауыспалы қатынасты ескере отырып (Ekstrom және басқалар, 2007 Manning және басқалар, 2009 Rey et al., 2014), адамның MTL нейрондары белгілі бір фазалардағы өртке жалпы артықшылық беруден басқа навигациялық маңызды ақпаратты фазалық кодтауды көрсете ме, бұл түсініксіз (Jacobs және т.б., 2007). Осылайша, біз LFP фазалық кодтауының бұрынғы нәтижелерін (Watrous және т.б., 2015a) виртуалды навигация тапсырмасын орындайтын пациенттердегі бір нейрондық деңгейге дейін кеңейтуге тырыстық, фазалық кодтау адамның екі зерттеуіне де негізделген төмен жиіліктегі тербелістерге әсер етеді деп болжадық. (Jacobs және басқалар, 2010 Watrous және т.б., 2011 Ekstrom және басқалар, 2005 Mormann және басқалар, 2008) және жоғарыда сипатталған кеміргіштер жұмысы.

Оңтайлы навигатор маршруттарды жоспарлауы және олардың межелі жерге жеткенін білуі керек. Адамның кескіні мен зақымдануының дәлелі адамның MTL және медиальды префронтальды кортексіндегі белсенділік навигациялық мақсаттар сияқты кеңістіктік контексттің белсенді көріністерін қалыптастыратынын көрсетеді (Ранганат және Ричи, 2012 Браун және басқалар, 2016 Сиарамелли, 2008 Спирс және Магуайр, 2007 Вольберс және т.б. , 2007) навигациялық жоспарлауды қолдау үшін (Horner et al., 2016 Bellmund et al., 2016 Kaplan et al., 2017). MTL-ден адамның бір нейрондық жазбаларын талдай отырып, алдыңғы зерттеулер мақсат орындарын қарау кезінде олардың ату жылдамдығын арттыратын нейрондарды анықтады (Ekstrom және т.б., 2003). Осы уақытқа дейін фазалық кодтау навигациялық мақсаттар үшін де бар-жоғы белгісіз. Сондай-ақ, кеміргіштердің зерттеулері көрсеткендей, жылдамдық пен фазалық кодтаудың адамдарда бірге бар-жоғы белгісіз, бұл фазалық кодтау жылдамдықты кодтаумен салыстырғанда ерекше құбылыс екенін көрсетті (Huxter және басқалар, 2003 Hyman және басқалар, 2005).

SCERT фазалық кодтау гипотезаларына және кеміргіштердегі соған байланысты табылған мәліметтерге сүйене отырып (Холлуп және басқалар, 2001 Хок және басқалар, 2007 Hyman және т.б., 2005 O'Neill және т.б., 2013), біз кеңістіктік контекстік көріністерді болжадық. нақты навигациялық мақсаттар жеке нейрондар арқылы фазалық кодтаудың ерекше үлгілері арқылы жүзеге асырылатын болады. Сонымен қатар, кеміргіштерге (Wikenheiser және Redish, 2015) және адам зерттеулеріне негізделген (Viard және т.б., 2011 Howard et al., 2014 Brown et al., 2016 Horner et al., 2016 Bellmund et al., 2016) медиальды уақытша әсер етеді. навигациялық жоспарлаудағы лоб құрылымдары мен маңдай қыртысын ескере отырып, біз спик-фазалық кодтау бір нейрондық деңгейде осы мінез-құлықтарды қолдауы мүмкін деп есептедік, бұл ерекше спик фазасының үлгілері белгілі бір мақсаттарды жоспарлау мен іздеуді білдіретін нейрондық желі күйлеріне сәйкес келеді деп болжадық. SCERT әдетте тербелмелі жиіліктер кодтау мен іздеу арасында сәйкес келуі керек және фазалық кодтау белгілі бір мінез-құлық пен ми аймағында орын алатын басым тербеліс жиілігінде болуы керек деп болжайды. Осылайша, гиппокампальды баяу-тета тербелістері адамның виртуалды навигациясы кезінде ең көрнекті екенін көрсететін дәлелдемелерге сүйене отырып (Ekstrom және басқалар, 2005 Watrous және басқалар, 2011 Jacobs, 2014 Bush et al., 2017), біз бұл жерде болжадық. фазалық кодтау ең алдымен баяу тета жиіліктерінде болуы керек.

Бұл идеяларды сынау үшін біз бір уақытта адамның бір нейрондық және тербелмелі белсенділігін MTL (гиппокамп, энторинальды қыртыс, амигдала және парагиппокампалы гирус) және фронтальды (медиальды префронталь/цингулят, мотор, орбитофронталь) аймақтарынан өлшейтін деректер жиынтығын талдадық. бағытталған навигация тапсырмасы (1-сурет — 1-сурет қосымшасы Jacobs et al., 2010 Miller et al., 2015). Мақсат белсенділігіне байланысты ату жылдамдығындағы өзгерістерді алғаш бағалағаннан кейін, біз спик кезінде тербеліс фазасын ескере отырып, мақсатқа қатысты қосымша ақпарат кодталғанын сұрадық. Алдыңғы жұмысымыздың аналитикалық стратегиясына сәйкес (Watrous және т.б., 2015a) біз жиілікке тән фазаны құлыптауды сынадық, содан кейін болашақ мақсатқа сәйкес әртүрлі фазаларда өсетін жеке нейрондар ретінде пайда болатын фазалық кодтау үшін тікелей сынақтан өткіздік. Атыс жылдамдығын пайдалана отырып, навигациялық айнымалы мәндерді кодтайтын жасушалардан басқа, біздің нәтижелеріміз жеке нейрондарда навигациялық мақсаттар үшін фазалық кодтаудың болуын растады, осылайша адам миындағы кеңістіктік контекстік ақпаратты тербелмелі фазалық кодтау үшін алғашқы дәлелді қамтамасыз етті.


Мазмұны

Қартаю көптеген физикалық, биологиялық, химиялық және психологиялық өзгерістерді тудырады. Сондықтан миды бұл құбылыстан тыс қалдырмайды деп ойлау қисынды. Компьютерлік томография ми қарыншаларының жасқа байланысты кеңейетінін анықтады. Жақында жүргізілген МРТ зерттеулері ми көлемінің жасқа байланысты аймақтық төмендеуін хабарлады. [2] [3] Аймақтық көлемді азайту біркелкі емес кейбір ми аймақтары жылына 1%-ға дейін қысқарады, ал басқалары өмір сүру ұзақтығының соңына дейін салыстырмалы түрде тұрақты болып қалады. [4] Ми өте күрделі және көптеген әртүрлі аймақтар мен тіндердің немесе материяның түрлерінен тұрады. Мидағы әртүрлі тіндердің әртүрлі функциялары жасқа байланысты өзгерістерге көбірек немесе азырақ сезімтал болуы мүмкін. [2] Ми затын сұр материя немесе ақ зат ретінде кеңінен жіктеуге болады. Сұр зат қыртыстағы және қыртыс асты ядроларындағы жасуша денелерінен тұрады, ал ақ заттар ми қыртысының нейрондарын бір-бірімен және шеткі бөліктермен байланыстыратын тығыз орналасқан миелинді аксондардан тұрады. [2]

Нейрондық тізбектердің және ми пластикасының жоғалуы Өңдеу

Мидың пластикасы мидың құрылымы мен қызметін өзгерту қабілетін білдіреді. [5] [6] Бұл «қолданбасаңыз, оны жоғалтасыз» деген жалпы сөз тіркесімен байланысты, бұл сөздің тағы бір тәсілі, егер сіз оны қолданбасаңыз, сіздің миыңыз соматотопиялық кеңістікті азырақ бөледі. ол. Жануарларда байқалған жасқа байланысты пластикалық тапшылықтың ұсынылатын бір механизмі кальций реттелуіндегі жасқа байланысты өзгерістердің нәтижесі болып табылады. [7] Кальцийді өңдеу қабілеттеріміздегі өзгерістер, сайып келгенде, нейрондық өршуге және әрекет потенциалын тарату қабілетіне әсер етеді, бұл өз кезегінде мидың құрылымын немесе қызметін (яғни оның пластикалық табиғатын) өзгерту қабілетіне әсер етеді. Мидың барлық құрылымдары мен функцияларының күрделілігіне байланысты кейбір аймақтар басқаларға қарағанда қартаюға осал болады деп болжау қисынды. Бұл жерде атап өтуге болатын екі тізбек - гиппокамптық және неокортикальды тізбектер. [8] Жасқа байланысты когнитивті құлдырау ішінара нейрондық өлімге емес, синаптикалық өзгерістерге байланысты деген болжам бар. Жануарлар жұмысынан алынған бұл идеяны растайтын дәлелдер бұл когнитивті тапшылықтың ферментативті белсенділіктің, химиялық хабаршылардың немесе кортикальды тізбектердегі ген экспрессиясының өзгеруі сияқты функционалдық және биохимиялық факторларға байланысты екенін көрсетеді. [8]

Кортекстің жұқаруы Өңдеу

MRI технологиясының жетістіктері ми құрылымын оңай, инвазивті емес түрде in vivo түрде егжей-тегжейлі көру мүмкіндігін қамтамасыз етті. [9] Барцокис т.б., ересек және кәрілік арасында сұр зат көлемінің азайғанын атап өтті, ал ақ заттың көлемі 19-40 жас аралығында артып, осы жастан кейін азаяды. [9] Voxel негізіндегі морфометрияны қолданатын зерттеулер егде жастағы адамдардың сұр затындағы жасқа байланысты жоғалтуларға әсіресе осал болып табылатын инсула және жоғарғы париетальды гирус сияқты аймақтарды анықтады. [9] Соуэлл т.б., жеке адам өмірінің алғашқы 6 онжылдығы сұр заттың тығыздығының ең жылдам төмендеуімен корреляцияланғанын және бұл ми аралық және бүйірлік ми беттеріндегі дорсальды, фронтальды және париетальды лобтарда орын алғанын хабарлады. Сондай-ақ, калкаринді ойықты қоршап тұрған цингулатты гирус және желке қыртысы сияқты аймақтар уақыт өте келе сұр заттың тығыздығының төмендеуінен босатылғанын атап өткен жөн. [9] Артқы уақытша кортекстегі сұр заттың тығыздығына жас әсерлері сол жақ жарты шарға қарағанда оң жарты шарда көбірек көрінеді және артқы тіл қыртысымен шектелді. Сөзді іздеу және шығару сияқты кейбір тіл функциялары алдыңғы тілдің қыртыстарында орналасатыны және жасына байланысты нашарлайтыны анықталды. Соуэлл және т.б., сонымен қатар бұл алдыңғы тіл кортикстері артқы тілдің қыртыстарына қарағанда ертерек жетіліп, төмендейтіні анықталды. [9] Сондай-ақ, бороздың ені тек жас ұлғайған сайын ұлғайып қоймайды [10], сонымен қатар егде жастағы адамдарда когнитивті құлдыраумен бірге. [11]

Жасқа байланысты нейрондық морфология Өңдеу

Бүкіл дүние жүзіндегі когнитивті нейробиологтардың жасына байланысты когнитивтік жетіспеушілік нейрондық жоғалту немесе жасуша өліміне байланысты емес, нейрондардың морфологиясындағы шағын аймаққа тән өзгерістердің нәтижесі болуы мүмкін екендігі туралы біріктірілген дәлелдер бар. [7] Дуан және т.б. жүргізген зерттеулер кортикальды пирамидалық нейрондардың дендритті арбалары мен дендриттік тікенектерінің жасына байланысты адам және адам емес примат қыртысының белгілі бір аймақтары мен қабаттарында мөлшері және/немесе саны азаяды (Дуан). т.б., 2003 морф). Жас адамдармен салыстырғанда 50 жастан асқан адамдарда омыртқа саны мен омыртқа тығыздығының 46%-ға төмендеуі хабарланды. [8] Маймылдардағы электронды микроскопиялық зерттеу жас жануарлармен (6-9 жас) салыстырғанда кәрі жануарлардың (27-32 жас) префронтальды қыртысындағы пирамидалық жасушалардың апикальды дендритті шоғырларындағы омыртқалардың 50% жоғалғанын хабарлады. [8]

Нейрофибриллярлық түйіспелер Өңдеу

Альцгеймер ауруы, Паркинсон ауруы, қант диабеті, гипертония және атеросклероз сияқты жасқа байланысты нейропатологиялар қартаюдың қалыпты заңдылықтарын ажыратуды қиындатады. [12] [13] Қалыпты қартаю мен патологиялық қартаю арасындағы маңызды айырмашылықтардың бірі нейрофибриллярлық түйіршіктердің орналасуы болып табылады. Нейрофибриллярлық шиыршықтар жұпталған спиральді жіптерден (PHF) тұрады. [14] Қалыпты, ақыл-ойы бұзылмаған қартаюда әрбір зардап шеккен жасуша денесіндегі шиеленістердің саны салыстырмалы түрде аз [14] және иіс сезу ядросымен, парагиппокампалық гируспен, амигдалада және энторинальды қыртыспен шектеледі. [15] Дементті емес жеке адамдардың жасы ретінде, шиеленістердің тығыздығында жалпы өсу байқалады, бірақ шатастыратын жерлерде айтарлықтай айырмашылық жоқ. [15] АД-мен ауыратын науқастардың миында жиі кездесетін нейродегенеративті басқа негізгі себеп - амилоидты бляшкалар. Дегенмен, шиеленістерден айырмашылығы, бляшкалар қалыпты қартаюдың тұрақты белгісі болып табылған жоқ. [15]

Тотығу стрессінің рөлі Өңдеу

Когнитивті бұзылулар тотығу стрессіне, қабыну реакцияларына және церебральды микротамырлардағы өзгерістерге байланысты. [16] Когнитивті қартаюға әсер етуде осы механизмдердің әрқайсысының нақты әсері белгісіз. Тотығу стрессі ең бақыланатын қауіп факторы болып табылады және ең жақсы түсініледі. Онлайн Merriam-Webster медициналық сөздігі тотығу стрессін «антиоксиданттармен жеткіліксіз бейтараптандырылған және қартаюмен байланысты болатын бос радикалдардың жинақталған зақымдануынан туындаған ағзадағы физиологиялық стресс» деп анықтайды. [17] Демек, тотығу стрессі - тотығу процесінен босатылған бос радикалдар арқылы жасушаларға зақым келтіру.

Денедегі басқа тіндермен салыстырғанда, ми тотығу зақымдануына ерекше сезімтал болып саналады. [18] Тотығу зақымдануының жоғарылауы нейродегенеративті аурулармен, жеңіл когнитивті бұзылулармен және сау егде жастағы адамдарда танымдағы жеке айырмашылықтармен байланысты болды. «Қалыпты қартаюда» ми көптеген жолдармен тотығу стрессіне ұшырайды.Негізгі қатысушыларға ақуыздың тотығуы, липидтердің асқын тотығуы және ядролық және митохондриялық ДНҚ-дағы тотығу модификациялары жатады. [18] Тотығу стресс ДНҚ репликациясын зақымдауы және көптеген күрделі процестер арқылы қалпына келтіруді тежеуі мүмкін, соның ішінде ДНҚ компоненттеріндегі теломерлердің қысқаруы. [19] Соматикалық жасуша репликацияланған сайын, теломерлік ДНҚ құрамдас бөлігі қысқарады. Теломер ұзындығы ішінара тұқым қуалайтын болғандықтан, [19] когнитивті құлдыраудың басталу жасында жеке айырмашылықтар бар.

ДНҚ зақымдануы Өңдеу

Кем дегенде 25 зерттеу ДНҚ зақымдануы сүтқоректілердің миында жасына қарай жинақталатынын көрсетті. Бұл ДНҚ зақымдануы тотыққан нуклеозид 8-гидроксидеоксигуанозинді (8-OHdG), бір және қос тізбекті үзілістерді, ДНҚ-ақуыздың айқаспалы байланыстарын және малондиальдегид қосындыларын қамтиды (Бернштейн және т.б. [20] қаралған). Тінтуірдің, егеуқұйрықтың, гербилдің, қоянның, иттің және адамның миында ДНҚ-ның жасына байланысты зақымдануының жоғарылауы туралы хабарланған. 4 күндік жас егеуқұйрықтарда бір нейронға 3000-ға жуық бір жіпті үзіліс пен 156 қос жіпті үзіліс болады, ал 2 жастан асқан егеуқұйрықтарда зақымдану деңгейі бір нейронға шамамен 7400 бір жіпті үзіліс пен 600 қос тізбекті үзіліске дейін артады. . [21]

Лу және т.б. [22] 26 мен 106 жас аралығындағы адамдардың маңдай қыртысының транскрипциялық профильдерін зерттеді. Бұл 40 жастан кейін экспрессиясы өзгерген гендердің жиынтығын анықтауға әкелді. Одан әрі олар осы нақты гендердің промоторлық тізбектері жасына қарай 8-OHdG қоса алғанда, ДНҚ-ның тотығу зақымдалуын жинақтағанын анықтады (қартаюдың ДНҚ зақымдану теориясын қараңыз). Олар ДНҚ зақымдануы оқуға, есте сақтауға және нейрондық өмір сүруге қатысатын селективті осал гендердің экспрессиясын азайтып, өмірдің ерте басталатын мидың қартаю үлгісін бастауы мүмкін деген қорытындыға келді.

Қартаю процесі мидың жасына байланысты болатын құрылымдық өзгерістерімен қатар биохимиялық өзгерістердің де кең ауқымын тудырады. Нақтырақ айтқанда, нейрондар бір-бірімен нейротрансмиттерлер деп аталатын арнайы химиялық хабаршылар арқылы байланысады. Бірнеше зерттеулер қалыпты қартаю процесінің бөлігі ретінде мидың әртүрлі аймақтарында елеулі өзгерістерді көрсететін осы нейротрансмиттерлердің бірқатарын, сондай-ақ олардың рецепторларын анықтады.

Допаминді өңдеу

Зерттеулердің басым көпшілігі дофамин синтезіндегі, байланысу орындарындағы және рецепторлар санындағы жасқа байланысты өзгерістер туралы хабарлады. Тірі адамдарда позитронды эмиссиялық томографияны (ПЭТ) қолданатын зерттеулер дофамин синтезінің [23], әсіресе жолақ және экстрастриатальды аймақтарда (ортаңғы миды қоспағанда) жасқа байланысты айтарлықтай төмендеуін көрсетті. [24] Допаминдік рецепторлардың жасқа байланысты айтарлықтай төмендеуі D1, Д2, және Д3 туралы да жоғары айтылды. [25] [26] [27] [28] [29] Д жалпы төмендеуі1 және Д2 рецепторлары көрсетілген [27] және нақтырақ айтқанда D1 және Д2 каудатты ядро ​​мен путамендердегі рецепторлармен байланысуы. [26] [29] Д-ның жалпы төмендеуі1 рецепторлардың тығыздығы да жасына байланысты байқалды. Допаминдік рецепторлардың жасқа байланысты айтарлықтай төмендеуі, Д2 және Д3 алдыңғы қыртыс қыртысында, маңдай қыртысында, бүйір самай қыртысында, гиппокампта, медиальды самай қыртысында, амигдалада, медиальды таламуста және бүйір таламуста анықталды [25] Бір зерттеу сонымен қатар желке қыртысы мен жасындағы допаминді байланыстыру арасындағы елеулі кері корреляцияны көрсетті. [26] Өлімнен кейінгі зерттеулер де D санының екенін көрсетеді1 және Д2 рецепторлар құйрық ядросында да, путамендерде де жасына қарай азаяды, дегенмен бұл рецепторлардың арақатынасы жасқа байланысты өзгерістерді көрсетпеген. [28] Допаминнің жасына қарай жоғалуы қолдың серпілуінің төмендеуі және қаттылықтың жоғарылауы сияқты жасына байланысты жиілігі арта түсетін көптеген неврологиялық белгілерге жауапты деп саналады. [30] Допамин деңгейінің өзгеруі когнитивті икемділіктің жасқа байланысты өзгерістерін де тудыруы мүмкін. [30]

Серотонинді өңдеу

Әртүрлі серотониндік рецепторлардың және серотонин тасымалдаушысының, 5-HTT деңгейінің төмендеуі де жасына байланысты болатыны көрсетілген. Адамдарда PET әдістерін қолдану арқылы жүргізілген зерттеулер, in vivo, 5-HT деңгейлерін көрсетеді2 құйрықты ядродағы, путамендердегі және алдыңғы ми қыртысындағы рецепторлар жасына қарай азаяды. [29] 5-HT байланыстыру қабілетінің төмендеуі2 Маңдай қыртысындағы рецептор [27], сонымен қатар таламус пен ортаңғы мидағы серотонин тасымалдаушысының 5-HHT байланыстыру қабілетінің төмендеуі анықталды. [31] Адамдарға жасалған өлімнен кейінгі зерттеулер серотониннің байланысу қабілетінің төмендегенін және S санының азайғанын көрсетті.1 маңдай қыртысындағы және гиппокамптағы рецепторлар, сондай-ақ путамендердегі жақындықтың төмендеуі. [32]

Глутаматты өңдеу

Глутамат - жасына қарай төмендейтін тағы бір нейротрансмиттер. [33] [34] [35] Зерттеулер егде жастағы адамдарда жас адамдармен салыстырғанда мотор кортексіндегі глутамат концентрациясының төмен екенін көрсетті [35] Әсіресе париетальды сұр затта, базальды ганглияда және азырақ дәрежеде жасқа байланысты айтарлықтай төмендеу. дәрежесі, фронтальды ақ зат, сондай-ақ атап өтілді. [33] [34] Бұл деңгейлер қалыпты адам миында зерттелгенімен, париетальды және базальды ганглий аймақтары қартаюмен байланысты мидың дегенеративті ауруларында жиі зардап шегеді, сондықтан ми глутаматы мидың маркері ретінде пайдалы болуы мүмкін деген болжам бар. қартаю әсерінен болатын аурулар. [33]

Бағдардағы өзгерістер Өңдеу

Бағдар адамның өзін қоршаған ортаға қатысты санасы ретінде анықталады [36] Көбінесе бағдарлау адамның уақыт, орын және тұлға сезімі бар-жоғын ажырату арқылы зерттеледі. Бағдар тапшылығы ми ауруының ең жиі кездесетін белгілерінің бірі болып табылады, сондықтан бағдарлау сынақтары барлық дерлік медициналық және нейропсихологиялық бағалауларға кіреді. [37] Зерттеулер ең алдымен клиникалық популяциялар арасындағы бағдарлау деңгейіне назар аударғанымен, аздаған зерттеулер сау қартайған ересектер арасында бағдардың қалыпты төмендеуі бар-жоғын зерттеді. Нәтижелер біршама нәтижесіз болды. Кейбір зерттеулер бағдарлау өмір бойы төмендемейтінін көрсетеді. [38] [39] Мысалы, бір зерттеуде кәдімгі егде жастағы ересектердің (65-84 жас) 92%-ы мінсіз немесе мінсіз бағдарға ие болды. [40] Дегенмен, кейбір деректер бағдардағы жұмсақ өзгерістер қартаюдың қалыпты бөлігі болуы мүмкін екенін көрсетеді. [41] [42] Мысалы, Свит пен әріптестері "қалыпты, сау есте сақтау қабілеті бар егде жастағы адамдарда бағдарлауда жеңіл қиындықтар болуы мүмкін. Керісінше, қалыпты жады бар жастарда іс жүзінде бағдарлау проблемалары жоқ" [42] (505-бет) деген қорытындыға келді. . Осылайша, қазіргі зерттеулер қалыпты қартаю әдетте бағдардың айтарлықтай төмендеуімен байланысты емес екенін көрсетеді, бірақ жеңіл қиындықтар қалыпты қартаюдың бір бөлігі болуы мүмкін және міндетті түрде патологияның белгісі емес.

Назар аударудағы өзгерістер Өңдеу

Көптеген егде жастағы адамдар зейін қою қабілеттерінің төмендеуін байқайды. [43] Зейін – бұл «бұдан әрі өңдеу үшін ақпаратты таңдау арқылы адам миының өңдеуге тән шектеулерімен күресуге мүмкіндік беретін когнитивті қабілетке» сілтеме жасайтын кең құрылым (334-бет). [44] Адам миының ресурстары шектеулі болғандықтан, адамдар өздерінің назарын белгілі бір ынталандыруларға бөлуге және басқаларды блоктауға пайдаланады.

Егер егде жастағы ересектердің назар аудару ресурстары жас ересектерге қарағанда аз болса, біз екі тапсырманы бір уақытта орындау қажет болғанда, егде жастағы ересектердің өнімділігі жас ересектерге қарағанда көбірек төмендейді деп күтеміз. Дегенмен, таным мен қартаюға қатысты зерттеулердің үлкен шолуы бұл гипотезаның толық қолдау таппағанын көрсетеді. [45] Кейбір зерттеулер егде жастағы ересектердің назары бөлінген кезде ақпаратты кодтау және алу қиынырақ болатынын анықтағанымен, басқа зерттеулер жас ересектерден маңызды айырмашылықтарды таппады. Сол сияқты, егде жастағы адамдар ұзақ уақыт бойы ынталандыруларға қатысу және оларға жауап беру қабілетін өлшейтін тұрақты зейін тапсырмаларын нашар орындайды деп күтуге болады. Дегенмен, зерттеулер тұрақты зейіннің жасына қарай төмендемейтінін көрсетеді. Нәтижелер тұрақты зейіннің ерте есейген кезде артып, одан кейін өмірдің жетінші онжылдығында салыстырмалы түрде тұрақты болып қалатынын көрсетеді. [46] Сексен жастан кейін қалыпты қартаю зейінге қалай әсер ететіні туралы көбірек зерттеу қажет.

Нағыз зейін қабілеттерінен басқа факторлардың бар екенін атап өткен жөн, олар зейін қою қиындықтарына қатысты болуы мүмкін. Мысалы, сенсорлық жетіспеушілік егде жастағы адамдардың назар аудару қабілеттеріне әсер етуі мүмкін. Басқаша айтқанда, есту немесе көру қабілетінің бұзылуы егде жастағы ересектерге көрнекі және ауызша зейін тапсырмаларын жақсы орындауды қиындатады. [43]

Жадтағы өзгерістер Өңдеу

Адамдарда декларативті жады (соның ішінде эпизодтық жады және семантикалық жады), жұмыстық жады, кеңістіктік жады және процедуралық жады сияқты есте сақтаудың көптеген әртүрлі түрлері анықталды. [2] Жүргізілген зерттеулер жад функцияларының, атап айтқанда, медиальды уақытша лобпен байланыстырылғандардың жасына байланысты төмендеуіне әсіресе осал екенін анықтады. [8] Гистологиялық, құрылымдық бейнелеу, функционалды бейнелеу және рецепторларды байланыстыру сияқты әртүрлі әдістерді қолданатын бірқатар зерттеулер фронтальды лобтар мен фронтальды-стриатальды дофаминергиялық жолдар әсіресе жадыға әкелетін жасқа байланысты процестерге әсер ететінін біріктіретін дәлелдер келтірді. өзгерістер. [2]

Тілдегі өзгерістер Өңдеу

Ауызша тапсырмаларды орындаудағы өзгерістер, сондай-ақ функционалдық МРТ көмегімен өлшенген BOLD сигналының өзгерістерінің орналасуы, көлемі және сигнал қарқындылығы жасына байланысты болжамды үлгілерде өзгереді. Мысалы, жасқа байланысты мінез-құлық өзгерістеріне сөзді іздеумен байланысты тапсырмаларды орындаудың нашарлауы, синтаксистік және/немесе жұмыс жады талаптары жоғары сөйлемдерді түсіну және осындай сөйлемдерді жасау жатады. [47]

Адамдардың қартаю әсерлерінің әртүрлілігін генетикалық және қоршаған орта факторларына жатқызуға болады. Көптеген басқа ғылым пәндеріндегі сияқты, табиғат пен тәрбие туралы пікірталас когнитивті неврология саласындағы үздіксіз қақтығыс болып табылады. [13] [14] Нейропатологиялық процестерді түсінуге тырысуда генетикалық факторларды іздеу әрқашан маңызды аспект болды. AD дамуындағы генетикалық компонентті ашуға бағытталған зерттеулер қалыпты немесе «патологиялық емес» қартаюдың артындағы генетиканы түсінуге де үлкен үлес қосты. [14]

Адам миы функцияның төмендеуін және ген экспрессиясының өзгеруін көрсетеді. Ген экспрессиясының бұл модуляциясы геномдағы промоторлық аймақтардағы ДНҚ-ның тотығу зақымдалуына байланысты болуы мүмкін. [22] 40 жастан жоғары реттелетін гендерге мыналар жатады:

  • GluR1 AMPA рецепторларының суббірлігіR2A рецепторларының суббірлігі (оқуға қатысады)
  • GABA-A рецепторларының суббірліктер
  • Ұзақ мерзімді потенциацияға қатысатын гендер, мысалы. калмодулин 1 және CAM киназа II альфа.
  • Кальций сигнал беретін гендер
  • Синаптикалық пластикалық гендер
  • Синаптикалық везикуланы босату және қайта өңдеу гендер

Жоғары реттелетін гендерге мыналар жатады:

Мишық эпигенетикалық сағат деп аталатын ұлпа жасының эпигенетикалық биомаркеріне сәйкес жүз жылдықтардағы ең жас ми аймағы (және мүмкін дене бөлігі) болып табылады: ол жүзжылдықта күтілгеннен шамамен 15 жасқа кіші. [48] ​​Керісінше, 80 жастан кіші адамдарда мидың барлық аймақтары мен жасушаларының эпигенетикалық жасы шамамен бірдей болып көрінеді. [48] [49] Бұл нәтижелер мидың қартаю әсерінен қорғалғанын көрсетеді, бұл өз кезегінде Неліктен мидың басқа ми аймақтарымен салыстырғанда жасқа байланысты деменцияның невропатологиялық белгілері азырақ болатынын түсіндіріңіз.

Қартаю процесі сөзсіз болуы мүмкін, бірақ бұл прогресстің салдары мен ауырлығын ықтимал кешіктіруі мүмкін. Тиімділік туралы консенсус болмаса да, когнитивті құлдырауды кешіктіру ретінде келесілер хабарланады:

  • Білім деңгейі жоғары [14][50]
  • Дене жаттығулары [51]
  • Зияткерлік белсенділік, яғни оқу және ақыл-ой әрекеттері (мысалы, кроссвордтар) [52]
  • Әлеуметтік және достық желілерді қолдау [53]
  • Омега-3 май қышқылдары мен қорғаныс антиоксиданттарын қоса алғанда, дұрыс диетаны сақтау. [13]

«Супер қарттар» өңдеу

Жақында бойлық зерттеу зерттеулері қартаюдың жағымсыз әсерлерінен қорғаныш факторлары ретінде биомаркерлерді анықтау үшін жүз жылдықтар мен олардың ұрпақтарына генетикалық талдау жүргізді. Атап айтқанда, холестеринді эфирді тасымалдаушы ақуыз (CETP) гені когнитивті құлдырау мен Альцгеймер ауруының алдын алумен байланысты. [54] Нақтырақ айтсақ, гетерозиготалардың емес валиндік CETP гомозиготалары демографиялық факторлар мен APOE күйін түзегеннен кейін анықтамалық топпен салыстырғанда жадтың салыстырмалы түрде 51%-ға аз төмендеуін бастан кешірді.

Когнитивтік резерв Өңдеу

Мидың қартаюына қарамастан адамның қартаюдың когнитивті белгілерін көрсетпеу қабілеті когнитивті резерв деп аталады. [16] [50] Бұл гипотеза екі пациентте бірдей ми патологиясы болуы мүмкін екенін болжайды, бір адамда айтарлықтай клиникалық симптомдар байқалады, ал екіншісі салыстырмалы түрде қалыпты жұмысын жалғастырады. Когнитивті резервті зерттеу бір адамды когнитивті құлдырауға бейім ететін, ал екіншісін әдемірек қартаюға мүмкіндік беретін нақты биологиялық, генетикалық және экологиялық айырмашылықтарды зерттейді.

Nun Study Edit

Ұлттық қартаю институты қаржыландырған зерттеу 678 римдік-католиктік апалы-сіңлілер тобын бақылап, қартаюдың әсерін жазды. Зерттеушілер монахтар өздерінің қарындастарына қосылған кезде жиналған өмірбаяндық эсселерді пайдаланды. Нәтижелер осы эсселерде айтылған идеялардың санымен және күрделі предлогтарды қолданумен анықталған ерте идеялардың тығыздығы егде жастағы Альцгеймер ауруының даму қаупінің төмендеуінің маңызды болжамы болғанын көрсетеді. Төмен идея тығыздығы мидың салмағының төмендеуімен, мидың атрофиясы жоғары және нейрофибриллярлық шиеленістермен айтарлықтай байланысты екені анықталды. [55]

Гипоталамустың қабынуы және GnRH өңдеуі

Жақында жүргізілген зерттеуде (2013 жылы 1 мамырда жарияланған) гипоталамустың қабынуы біздің жалпы қартаю ағзамызға байланысты болуы мүмкін деген болжам бар. Олар тышқандардың зерттелетін субъектілеріндегі NF-κB ақуыз кешенін белсендіруге назар аударды, бұл зерттеуде жасы ұлғайған тышқандар сынақ субъектілері ретінде белсендірудің жоғарылауын көрсетті. Бұл белсендіру тек қартаюға әсер етіп қана қоймайды, сонымен қатар гипоталамустың сыртында тышқандарға енгізгенде жаңа қартаюға қарсы қасиеттерін көрсеткен GnRH деп аталатын гормонға әсер етеді, ал гипоталамусқа енгізгенде керісінше әсер етеді. Мұны адамдарға мағыналы түрде қолдану үшін біраз уақыт қажет, өйткені GnRH қартаюға қарсы қасиеттерінің механикасын түсіну үшін бұл жолды көбірек зерттеу қажет. [56]

Қабынуды өңдеу

Зерттеу көрсеткендей, миелоидты жасушалар тышқандардағы мидың қартаюының бейімсіз қабыну элементінің драйверлері болып табылады және бұл олардың EP2 сигналын тежеу ​​арқылы кері қайтарылуы немесе алдын алуға болады. [57] [58]

Кейбір демографиялық көрсеткіштер үшін қалыпты когнитивті қартаюдың әсері әсіресе айқын. Когнитивті қартаюдағы айырмашылықтар медициналық көмекке қолжетімділіктің жоқтығымен немесе азаюымен байланысты болуы мүмкін және нәтижесінде денсаулықтың теріс нәтижелерінен пропорционалды түрде зардап шегуі мүмкін. Әлемдік халық өсіп, әртараптанған сайын және сұр түске боялған сайын, бұл теңсіздіктерді түсіну қажеттілігі артып келеді.

Жарыс өңдеу

Африкандық американдықтар Өңдеу

Америка Құрама Штаттарында қара және африкалық американдықтардың демографиясы жасына байланысты метаболикалық дисфункциядан пропорционалды түрде зардап шегеді. Мұның көптеген төменгі ағынды әсерлері бар, бірақ олардың ең маңыздысы - жүрек-қан тамырлары денсаулығына зиян. Дені сау қартаю индексінің метаболиттік профильдері - жылдар бойы денсаулықтың басқа корреляциялары арасында нейрокогнитивтік функцияны бағалайтын балл - жүрек-қан тамырлары ауруларымен байланысты. [59] Салауатты жүрек-қан тамырлары қызметі қартайған кезде нейрокогнитивтік тиімділікті сақтау үшін өте маңызды. Назар аудару, ауызша оқыту және когнитивті жиынтық қабілеті тиісінше диастолалық қан қысымы, триглицерид деңгейлері және HDL холестерин деңгейлерімен байланысты. [60]

Латындар өңдеу

Латын демографиясы метаболикалық синдромнан зардап шегеді - қан қысымының жоғарылауы, қандағы қанттың жоғарылауы, триглицеридтердің жоғарылауы және абдоминальды семіздік - бұл жүрек аурулары мен II типті қант диабетінің қаупін арттырып қана қоймайды, сонымен қатар қан қысымының төмендеуімен де байланысты. орта жаста нейрокогнитивті функция. [61] Әртүрлі латын мұраларының арасында деменцияға бейімді apoE4 аллельінің жиілігі Кариб теңізі латындықтары (кубалықтар, доминикандықтар және пуэрто-Риколықтар) үшін ең жоғары және материктік латындықтар (мексикалықтар, орталық американдықтар және оңтүстік американдықтар) арасында ең төмен болды. Керісінше, нейропротекторлық apoE2 аллельінің жиілігі Кариб бассейні латын елдері үшін ең жоғары және материктік мұра үшін ең төмен болды. [62]

Жергілікті халықтар өңдеу

Зерттеулерде жергілікті халықтар жиі зерттелмейді. 45 пен 94 жас аралығындағы қатысушылардың Австралия, Бразилия, Канада және Америка Құрама Штаттарындағы жергілікті тұрғындарды зерттейтін ағымдағы әдебиеттерге шолулары деменциямен байланысты емес когнитивті бұзылулардың әртүрлі таралу көрсеткіштерін көрсетеді, 4,4%-дан 17,7%-ға дейін. [63] Бұл нәтижелерді мәдени бейтарап нейрокогнитивтік сынақтар, бұрыннан бар денсаулық жағдайлары, медициналық көмекке қол жетімділіктің нашарлығы, білім деңгейінің төмендігі және/немесе кәрілік контекстінде түсіндіруге болады. [64]

Жыныстық өңдеу

Әйелдер өңдеу

Еркек әріптестерімен салыстырғанда, әйелдердің шағын психикалық мемлекеттік емтихандағы (MMSE) ұпайлары жасына қарай біршама жылдамырақ төмендейді. [65] Жеңіл когнитивті бұзылыстары бар ер адамдар АЕК бар әйелдерге қарағанда микроқұрылымдық зақымдануды көрсетеді, бірақ мидың абсолютті өлшемі мен нейрондық тығыздығының үлкен болуына байланысты үлкен когнитивті резервке ие болып көрінеді. Нәтижесінде, әйелдер ерлерге қарағанда төменгі шектерде когнитивті құлдырау белгілерін көрсетеді. [66] Бұл әсер білім деңгейімен реттелетін сияқты - жоғары білім невропатологиялық жүктеме артқан сайын жеңіл когнитивтік бұзылыстың кейінірек диагнозымен байланысты. [67]

Трансгендерлік тұлғаларды өңдеу

ЛГБТ ақсақалдар өмірінің соңына жақындаған кезде көптеген теңсіздіктерге тап болады. Трансгендерлер қауымы қартайған сайын өшпенділік қылмысы, үлкендерге зорлық-зомбылық жасау, баспанасыздық, жеке басын жоғалту және тәуелсіздіктен айырылу қаупінен қорқады. Нәтижесінде, демографияда депрессия мен суицид әсіресе жоғары. Қиылыстық - бірнеше азшылық сәйкестіктерінің қабаттасуы - денсаулық нәтижелерінде үлкен рөл атқаруы мүмкін, өйткені трансгендерлер нәсіліне, жыныстық қатынасына, жыныстық сәйкестігі мен жасына байланысты кемсітуге ұшырауы мүмкін. [68] Ең көне заманда бұл ойлар ерекше маңызды - өйткені бұл ұрпақтың мүшелері олардың жеке басы заңсыз деп танылған және психикалық бұзылулардың диагностикалық және статистикалық нұсқаулығында психикалық ауру ретінде белгіленген уақытта жүйелі теріс пікір мен кемсітушілік арқылы аман қалды. [69]

Әлеуметтік-экономикалық жағдайды өңдеу

Әлеуметтік-экономикалық мәртебе – әлеуметтік және экономикалық факторлардың өзара әрекеттесуі. Әлеуметтік-демографиялық факторларды белгілі бір дәрежеде егде жастағы адамдарда когнитивті профильдерді болжау үшін пайдалануға болатыны көрсетілді. [70] Бұл әлеуметтік-экономикалық мәртебесі жоғары отбасылардың когнитивті дамуын жеңілдету үшін балаларын ертерек ресурстармен қамтамасыз ету үшін жабдықталғандықтан болуы мүмкін. Төмен SES отбасыларындағы балалар үшін ата-ана табысының салыстырмалы түрде аздаған өзгерістері ми бетінің үлкен өзгерістерімен байланысты болды, бұл жоғалтулар тіл, оқу, атқарушы функциялар және кеңістіктік дағдылармен байланысты салаларда байқалды. Сонымен қатар, жоғары СЭС отбасыларындағы балалар үшін ата-ана табысының аздаған өзгерістері осы аймақтардағы жер көлемінің шамалы өзгеруімен байланысты болды. [71] Жаһандық кортикальды қалыңдыққа қатысты, төмен SES балалары жасына қарай қалыңдықтың қисық сызықты төмендеуін көрсетті, ал жоғары SES балалары тік сызықты төмендеуді көрсетті, бұл соңғы топта синаптикалық кесу тиімдірек екенін көрсетеді. Бұл тенденция әсіресе сол жақ фусиформада және сол жақ жоғарғы уақытша гируста айқын көрінді - сыни тіл мен сауаттылықты қолдайтын аймақтар. [72]


Гипотезаны тексеру

SHY негізінде жатқан жалпы идеяны қалай тексеруге болады? Синаптикалық күштің бірде-бір жан-жақты өлшемі жоқ, әсіресе in vivo еркін қозғалатын жануарларда. Осы жылдар ішінде біз кеміргіштер мен адамдардағы үздіксіз электрофизиологиялық жазбалардан шыбындар, тышқандар мен егеуқұйрықтардағы молекулалық және генетикалық эксперименттерге дейін көптеген әртүрлі әдістемелерді қолдандық. Мысалы, электрлік ынталандыруды (егеуқұйрықтарда) немесе транскраниальды магнитті ынталандыруды (адамдарда миды инвазивті емес ынталандыру үшін бас сүйегінің үстіндегі магнитті пайдалану) қолдану арқылы біз тұрақты амплитудалық ынталандырудан туындаған нейрондық реакцияның үлкенірек екенін анықтадық. ұйқыда өткізілген бірнеше сағатпен салыстырғанда бірнеше сағат ояу өткізгеннен кейін, 19,20 сергектік кезінде синаптикалық күштің таза өсуіне сәйкес келеді.

Бұл нәтижелер SHY болжамдарына сәйкес келеді, бірақ нейрондық қозғыштықтағы өзгерістер де рөл атқаруы мүмкін екенін жоққа шығаруға болмайды. 21 Толығырақ тікелей дәлелдер кортикальды кесектердегі эксперименттерден келеді, онда біз миниатюралық қоздырғыш синаптикалық потенциалдардың жиілігі мен амплитудасы оянғаннан кейін артып, ұйқыдан кейін төмендейтінін анықтадық. 22 Шыбын мен егеуқұйрық миының үлкен аймақтарындағы синаптикалық ақуыздардың жалпы мөлшерін өлшей отырып, біз ұйқыдан кейінгімен салыстырғанда оянғаннан кейін де жоғарылағанын байқадық. 19,23,24 Сонымен қатар, нейрондық тізбектер әлі де қалыптасып, нақтыланып жатқан жасөспірім тышқандарда біз ояту кезінде жаңа синапстардың пайда болуы олардың жойылуынан асып түсетінін, ал ұйқы кезінде керісінше болатынын анықтадық. 25

Синаптикалық күшті өлшеудің ең тікелей жолы - синапстардың өлшемін өлшейтін ультрақұрылымдық тәсіл. Күшті синапстардың үлкенірек екендігі жақсы анықталған, бұл SHY бойынша көптеген синапстардың бірнеше сағат ішінде ояту кезінде өсіп, ұйқымен кішірейетінін білдіреді. Бұл болжамды тексеру үшін біз көптеген синапстардың жоғары ажыратымдылығы, үш өлшемді кескіндерін тиімді және автоматты түрде алуға мүмкіндік беретін жаңа әдісті сериялық блокты беттік электронды микроскопияны (SBEM) қолдандық. Синапстардың нақты өлшемдері қолмен орындалуы керек болғандықтан, өлшеуге бірнеше адамға төрт жыл қажет болды

Тышқанның ми қыртысында 7000 синапс.

Осы еңбекті қажет ететін процестің соңында нәтижелер анық болды: алты-сегіз сағаттық ұйқы түнгі алты-сегіз сағаттық мәжбүрлі оянумен салыстырғанда синапстардың көлемін орташа есеппен 18 пайызға азайтуға әкелді. Ұйқыны күндізгі жаңа заттардың әсерінен болатын алты-сегіз сағаттық сергектікпен салыстырған кезде ұқсас нәтижелер алынды, 26 бұл өзгерістер циркадиялық факторларға (тәулік пен ояну) емес, мінез-құлық жағдайына (ұйқыға қарсы тұру) байланысты екенін дәлелдеді. түн). Ұйқыға байланысты синапс мөлшерінің төмендеуі зерттелген екі аймақта да болды - бастапқы қозғалтқыш және негізгі сенсорлық кортексте.

Нейрондардың популяциясы бойынша ұйқы кезінде синаптикалық өлшемнің төмендеуі негізінен масштабтау қатынасынан кейін болды, бұл өзгеріс синапс өлшеміне пропорционалды болды. Бір қызығы, ұйқыға байланысты масштабты азайту синапстардың көпшілігінде орын алатын кейбір таңдаулылықты көрсетті (

80 пайыз), бірақ ең тұрақты жад ізімен байланысты болуы мүмкін ең үлкендерін үнемдейді. Бұл өзгерістердің көлемін ескерген жөн. Біздің миымызда шамамен 100 миллиард нейрон бар, олардың 16 миллиарды тек ми қыртысында (тышқанның қыртысында 14 миллион) және әрбір нейрон мыңдаған синапстарды қабылдайды. Осылайша, егер біз кортикальды екі аймақта байқағанымыз мидың басқа аймақтарына таралса, әр түнде миымыздағы триллиондаған синапс 20 пайызға жуығырақ болуы мүмкін.

Жақында SBEM зерттеуі тәуелсіз топтың зерттеулерімен бірге жарияланды, олар SHY-дің ұйқы кезінде синапстардың масштабтау процесіне ұшырайтыны туралы болжамын растау үшін биохимиялық және молекулалық әдістерді қолданды. 27 Бұл зерттеу сонымен қатар бір ген, Гомер1а, ұйқының көмегімен масштабты азайту процесі үшін маңызды екенін көрсетті.


Адамның ми қыртысындағы нейрондық атудың типтік жылдамдығы - Биология

Адам миындағы нейрондық тізбектер арқылы өзін-өзі бастаған мінез-құлық қалай кодталғанын түсіну қиын болып қала береді. Біз 1019 нейронның белсенділігін тіркедік, ал он екі субъекті саусақ қозғалысын өздігінен бастады. Субъектілер көшу туралы шешім қабылдағанға дейін шамамен 1500 мс-ден астам прогрессивті нейрондық жинақтау туралы хабарлаймыз. Біз нейрондық ату жылдамдығының үдемелі өсуін немесе төмендеуін байқадық, әсіресе қосымша қозғалтқыш аймағында (SMA), шешім қабылдау уақыты жақындады. 256 SMA нейронының популяциясы бір сынақтарда субъектілер хабардар болғанға дейін 700 мс бұрын 80%-дан жоғары дәлдікпен қозғалу шешімін болжау үшін жеткілікті. Сонымен қатар, біз бірнеше жүз мс дәлдікпен жылжу туралы ерікті шешімнің нақты уақыт нүктесін болжаймыз. Біз нейрондық жинақтардың ішкі генерацияланған ату жылдамдығының өзгеруі табалдырықты кесіп өткенде еріктілік пайда болатын есептеу моделін енгіземіз.

Видеоконспект

Маңызды жерлер

► Атыс жылдамдығының прогрессивті өзгерістері өздігінен басталатын қозғалыстардың алдында болады ► Орташа маңдай қыртысының бөлімшелері субъектілер хабардар болғанға дейін еріктің басталуы туралы сигнал береді ► Бір сынақтардағы нейрондық реакцияларға негізделген болжау деңгейі жоғары (90%) ► Ерік ансамбль белсенділігінің қиылысуының жинақталуынан туындауы мүмкін. табалдырық


Әдістері

Желі моделі

Біз E-I Net, табиғи кескіндерге үйретілген V1 желілік үлгісін зерттеу үшін негіз ретінде қолданамыз. E-I Net MATLAB-та жазылған және барлық модификациялар мен кейінгі талдау коды да MATLAB-та. Біз мұнда модельге қысқаша шолу жасаймыз, содан кейін осы зерттеуде пайдалану үшін енгізген модельдің модификацияларына тоқталамыз. Бұл модификациялардың кейбірі кодта бұрыннан бар әдепкі емес опциялар болды, ал басқалары - біз өзіміз әзірлеген модификациялар. E-I Net туралы толық мәлімет алу үшін оқырмандарды [37] мекенжайына бағыттаймыз.

E-I Net - пиксельдік кескін кірістеріне жауап ретінде жоғарылайтын ағып жатқан біріктіру және өртеу нейрондарының желісі. Xк. Дискретті уақыт ішінде желінің мембраналық динамикасы (7) жоғары көтерілу жағдайларымен, содан кейін қалпына келтіріледі.

Бұл теңдеулер тәжірибеде [37] қолданатын (1) теңдеуінің дискретті уақыттық тұжырымы болып табылады. Мұнда, Δt уақыт қадамының өлшемі (E-I Net жүйесіндегі 0,1 уақыт бірлігіне тең), τмен = τЕ немесе τI нейронның мембраналық уақыт тұрақтысы болып табылады мен, және Δnмен(т) = nмен(т) − nмен(т − Δт) - нейронмен атқылаған ұштардың саны мен уақыт қадамында т. Нейрон мен уақыт қадамы бойынша ұшқын шығарады т егер vмен(т)≥θмен, содан кейін оның мембраналық потенциалы қалпына келтіріледі vмен(т+ Δт) = 0. Индекстелген сома к енгізу патчының пикселдерінен жоғары X, және сома мен = 1 дейін Н аяқталды Н желінің нейрондары. Желі осы жұмыста баяндалған модельдеуіміз үшін қоздырғыш және тежеуші субпопуляцияларға бөлінген, біз оны пайдалануда [37] ұстанамыз. НЕ = 400 қоздырғыш нейрон және НI = 49 тежегіш нейрон. Бұл қағазда біз аламыз Вij Постсинаптикалық нейрон болса, оң (теріс) болуы j бастапқы E-I Net қағазынан айырмашылығы қоздырғыш (ингибиторлық) болып табылады, бұл белгіні анық етеді, осылайша Вij теріс емес. Біз қоздырғыш-қоздырғыш бүйірлік байланыстарды қоспаймыз (яғни, ВЕ.Е = 0), біз мұндай байланыстар физиологиялық тұрғыдан елеусіз болады деп күтеміз, өйткені бұл таңдаудың қосымша мәліметтері мен негіздемесі және модельді оқытудың басқа аспектілері үшін [37] қараңыз.

Желі кіріс салмақтарын үйренеді Qik, синаптикалық салмақтар Вij, және ату табалдырықтары θмен негізгі мәтінде берілген оқыту ережелеріне сәйкес (2)–(4) теңдеулер). Оқырманға ыңғайлы болу үшін біз осы оқу ережелерін қайталаймыз: (8) (9) (10)

Бұл оқу ережелері кескін кірістерінің сызықтық декодтауын жүктейді (теңдеу 8), өршудегі артықшылықты азайтады (теңдеу 9) және ату кезінде сиректікті арттырады (теңдеу 10). Негізгі мәтіндегідей, жмен нейронның серпілу жылдамдығы болып табылады мен ұзақтықта ұсынылған кескін патчына жауап ретінде Т, және <жмен〉 – өсу жылдамдығының ұзақ уақыттық орташа мәні. Параметрлер α, βij ∈ <βЕ.И, βIE, βII>, және γ оқу қарқыны болып табылады. Уақыт бірлігіне шаққандағы өсудің мақсатты саны бмен(т), тұрақтыға тең бI ингибиторлық нейрондарға және «жасына тәуелді функцияға». бЕ(тцикл) қоздырғыш нейрондар үшін, мұндағы (11) негізгі мәтіндегідей. Уақыт» тцикл орын алған оқыту циклдерінің санына сәйкес келеді (желі «жасы»).

Желілік жаттығулар мен модельдеулерде параметрлер үшін пайдаланылатын стандартты мәндер 2-кестеде берілген. Оқу жылдамдығы үшін біз бастапқы жағдайларымыз үшін түпнұсқа E-I Net үлгісін қолданамыз. Бұл мөлшерлемелер «Функционалдық өнімділіктің төмендеуіне әр түрлі физиологиялық параметрлердің үлесін тексеруге арналған сандық эксперименттер» бөлімінде талқыланған сандық эксперименттерде осы мөлшерлемелердің біреуін немесе бірнешеуін 0-ге орнату арқылы өзгертілген. EI Net кодында бұл мөлшерлемелер мыналардың тіркесімі болып табылады. Біз бұл жерде тізімдемейтін бірнеше параметрлер, дегенмен біз беретін сандық мәндер жаһандық оқыту коэффициентін, барлық оқу жылдамдығына қолданылатын көбейткішті қамтитынын ескереміз, ол 0,4-ке орнатылған, жеделдетілген оқыту үшін қолданылатын мән мысалдарда көрсетілген. EI Net код репозиторийі [37]. Модельде қолданылған барлық параметрлерді 2-кестеде қорытындылаймыз.

Бұл кесте біз негізгі мәтінде беретін теңдеулерде пайда болатын параметрлерді және негізгі модельдеуімізде қолданатын стандартты мәндерді жинақтайды. Егер нақты бірліктер берілмесе, шамалар өлшемсіз бірліктермен өлшенеді. Уақыт қадамы Δт модельдеу кезінде уақыттың стандартты бірлігін орнатады, бірақ бұл модельде уақыт өлшемсіз болғандықтан өзі өлшемсіз шама болып табылады.

Желіні оқыту ережелері толығымен жергілікті [37, 39] (яғни нейронның параметрлерінің өзгеруі тек нейрон қабылдайтын кірістерге байланысты), сондықтан желілік сымдарды немесе күйдіруді қалыптастыратын пластикалық немесе гомеостатикалық механизмдер ретінде тікелей биологиялық интерпретацияны мойындайды. Табиғи кескін кірістерін үйренген кезде желі Габорға ұқсас рецептивтік өрістерді үйренетіні және кірісті дәл қалпына келтіру үшін пайдалануға болатын белсенділік тудыратыны көрсетілген [37, 39].

Желіні оқыту

Желілік үлгіні оқыту екі кезеңнен тұрады: бастапқы даму кезеңі, оның барысында желі қалыптасады және қартаюдың әсерін еліктеген желі құрылымындағы өзгерістерді тудыратын оқыту ережелеріне өзгертулер енгізетін қартаю кезеңі. Жаттығудың бірінші кезеңі негізінен E-I Net оқытудың бастапқы процедурасымен бірдей, ал қартаю кезеңі - бірінші кезең тұрақты күйге жеткеннен кейін біз енгізетін жаңа модификация.

SAILnet [39] және EI Net [37] сирек кодтау принциптері бойынша Габор тәрізді қабылдағыш өрістердің пайда болуы туралы негізгі жұмысында Ольшаузен мен Филд пайдаланған кескіндер дерекқорындағы табиғи көріністердің статикалық пиксельдік кескіндері бойынша желілерін жаттықтырады [75] ]. Бұл көріністердің патчтары осы дерекқордағы берілген фильмнен кездейсоқ таңдалады және әрбір патч желіге ағып кеткен біріктіру және өртеу желі үлгісін модельдеудің 50 уақыт қадамы үшін ұсынылады. Әрбір кескін көрсетілімінен кейін желінің мембраналық потенциалдарының күйі қалпына келтіріледі. Жаттығуды жылдамдату үшін E-I Net желінің 100 көшірмесін жасайды, әрбір көшірме фильмнен кездейсоқ таңдалған патчтардың басқа жиынтығын ұсынады. Жаттығу дәуірінің соңында желі параметрлерін жаңарту жолын анықтау үшін барлық 100 көшірмелердегі жылдам деректер біріктіріледі.

Желілерімізді оқыту кезінде бұл процедураны сәл өзгертеміз. Біз желілерімізді CatCam дерекқорындағы фильмдердегі табиғи көріністерге үйретеміз, олар орманды зерттеген мысықтың кездескен көріністерін бейнелейді [40, 41]. Біз CatCam дерекқорын таңдаймыз, себебі біздің бастапқы мақсатымыз Талқылауда айтылғандай, бағыт таңдаушылығы мен бағдар таңдаушылығындағы өзгерістерді зерттеу болды. Ол үшін желіні уақытша оқыту қажет тізбектер патчтардан тұрады. Біз осы табиғи фильмдерден 8 × 8 патчтан тұратын 50 іргелес кадрды қолданамыз. Біз әрбір патчты реттіліктегі келесі патчты ұсынбас бұрын желілік модельдеудің 50 уақыт қадамы үшін осы ретпен ұсынамыз. Біз патчтар арасындағы нейрондардың мембраналық потенциалдарын қалпына келтірмейміз (опция E-I Net жүйесінде қол жетімді). Біз желінің бағдар таңдағыштығын бағалау үшін, төрт түрлі бағыттың әрқайсысы үшін бір бағытты қамтитын 40 кадрлық торларды алып, желінің бағдар таңдағыштығын бағалау үшін тор кескіндерінің фильмдерін пайдаланамыз. желілер маңызды бағытты таңдауды дамытпады. Бұл жұмыста біз баяндайтын желілер табиғи фильмдерге үйретілген кезде айтарлықтай бағыт таңдау қабілетін дамытпаса да, біз желілерді үйрету үшін дәйекті көрсету процедурасын сақтаймыз.

Модельде біз 30 цикл үшін базалық қоздырғыш мақсатты өсу жылдамдығымен дайындалған жетілген «жас» желімізді көрсету үшін толық дайындалған желіні аламыз. бЕ = 0,01 уақыт бірлігіне күтілетін өсу және бI = 0,05 ингибиторлық нейрондар үшін уақыт бірлігіне күтілетін өсу, [37] қолданылған мәндермен салыстыруға болады. бЕ = бI = 0,05 оқудың барлық ұзақтығына. Бұл жұмыстың мақсаты нейрондық белсенділіктің жоғарылауы және тежелудің төмендеуі сияқты тәжірибе жүзінде байқалған жасқа байланысты физиологиялық өзгерістерді көрсету үшін осы модельді өзгерту және сол арқылы функционалдық өнімділік пен кодтау қалай өзгергенін тексере алатын «қартая» желілерді шығару болып табылады. Физиологиялық өзгерістерді бірнеше тәуелсіз қолмен реттеу арқылы жүзеге асырудың орнына, әлдеқайда қарапайым модификация тек қоздырғыш мақсатты жылдамдықты өзгерту болып табылады. бЕ. Көбейтсек бЕ Жаттығу уақыты желінің жетілген жас кезеңінен өткенде, желі осы жаңа мақсатқа жақын жоғары орташа ату жылдамдығына қол жеткізу үшін қайта құрылады. Біз көбейтеміз бЕ 0,002 әрбір келесі цикл, 80 жалпы циклден кейін «ескі» желімен аяқталады. Бұл тек қоздырғыш нейрон белсенділігінің жоғарылауына әкеліп қана қоймайды (орташа жану және атудың дисперсиясы тұрғысынан), сонымен қатар табиғи түрде тежелудің төмендеуіне әкеледі (2-сурет). Бағдарланған тор тітіркендіргіштерге селективтіліктің өзгеруі де осы бір қолмен өзгертуден туындайды. Қартаю процедурасының бастапқы мәніне қаншалықты сезімтал екенін тексеру бЕ, біз сонымен қатар жоғары мәндерден бастап үш қосымша желілік модельдеуді іске қостық, бЕ(0) = 0,05, 0,07 және 0,09 уақыт бірлігіне шаққанда S1 мәтінін қараңыз. Біздің әдісіміз бұрынғы «жастардың» біртіндеп эволюциясы болып табылатын ескірген желілердің тізбегін шығаратындықтан, біз оқыту процесін желідегі «қартаю» процесі ретінде еркін түсіндіреміз. (Талқылауда айтылғандай, жаттығу циклдары мен ағзаның жасы арасында нақты байланыс жоқ). Бұл желінің бастапқы оқыту кезеңін көру қыртысының даму кезеңі үшін үлгі ретінде түсіндіретін алдыңғы жұмысқа рухы жағынан ұқсас [38].

Тұрақты күйге конвергенция

Біздің қартаю үдерісіміз 30 жаттығу циклі болғанша басталмайды, бұл кезде желі тұрақты күйге жетті, бұл кезде жалғастырылған оқыту тек желі параметрлерінің орташа мәннің айналасында ауытқып кетуіне себеп болады. Тәжірибеде желінің орташа бағдарлану селективтілігі арқылы желінің тұрақты күйге жеткенін анықтаймыз. Біз шамамен 20 цикл арқылы желінің орташа бағдар таңдағыштығы 0,7-ге жақындағанын және осы мәннің айналасында өзгеруін жалғастыратынын анықтаймыз. Осылайша, оқытудың қосымша 10 циклі желінің жетілген тұрақты күйіне жеткенін қамтамасыз ету үшін буфер қызметін атқарады.

Жоғарыда түсіндірілгендей, желі осы тұрақты күйге жеткеннен кейін біз қоздырғыш мақсатты өсу жылдамдығын арттыра бастаймыз. бЕ(тцикл) ағымдағы желінің бағдар таңдау қабілетін бағалау үшін әрбір 5 цикл сайын жаттығуды тоқтата отырып, әрбір цикл. Сондықтан желі осы циклдердің әрқайсысында жаңа тұрақты күйге қол жеткізе алады ма деген сұрақ туындауы мүмкін (бірақ бұл үлкен алаңдаушылық туғызбайды, өйткені қартаю әсерлерінің күшеюінен туындағаны әбден орынды. бЕ(тцикл) синаптикалық пластиканың ілесу қабілетінен асып түседі). Жалғыз оқыту циклінің жоғарылаған мәні бойынша болуын анықтау бЕ(тцикл) желі жаңа тұрақты күйге жақын қалуы үшін жеткілікті, біз қосымша сынақ жүргіземіз, онда біз арттыратын өзгертілген процедураны қолданамыз бЕ(тцикл) әрбір циклды әдеттегі процедурамыздағыдай, бірақ содан кейін әрбір 5-ші циклде ұстаймыз бЕ(тцикл) келесі 5 цикл үшін бекітілген. Бұл қосымша ілмектер желінің деградация барысына айтарлықтай әсер етпейтінін және желі таңдау қабілеті қалпына келмейтінін байқаймыз. Бұл, ең болмағанда, бастапқы жетілу кезеңінен кейін, желі өнімділігі шамамен мақсатты қоздырғыш өсу жылдамдығының күй функциясы болып табылатынын көрсетеді. Бұл гипотеза S1 мәтініндегі қосымша талдау арқылы расталады.

Бағдарланған торларға желілік жауаптарды бағалау

Әр 5 цикл сайын біз оқытуды кідіртеміз және модель нейрондарының селективтілігін өлшеу үшін 4 ықтимал бағыттың қозғалатын тор тітіркендіргіштеріне желінің жауаптарын бағалаймыз (5-суретті қараңыз), оның барысында желі параметрлері сәйкес келетіндей жаһандық желіні үйрену жылдамдығын нөлге орнатамыз. торлардың статистикасына бейімделмейді. Біз VisualStimulusToolbox [76] GratingStim модулін пайдаланып, сәйкесінше 0,1 цикл/пиксель және 0,1 цикл/кадрдың кеңістіктік және уақыттық жиіліктерінде торларды жасаймыз. Жаттығу кезеңіндегідей, біз желіге көрнекі кіріс ретінде осы тор кескіндерінің 8 × 8 пиксель патчтарын қолданамыз. Бұл патч өлшемі үшін әр патчқа шамамен бір тор циклі бар.

Торлы презентациялардың әрбір тізбегі үшін біз әрбір бағдардың торлы патчтарына жауап ретінде барлық нейрондардың серпілу белсенділігін жазамыз және осы жауаптарды әрбір нейронның бағдарлау селективтілігін есептеу үшін пайдаланамыз. Төрт бағдардың әрқайсысы үшін торлы фильмнің 10 кадрынан 100 патчты саламыз. Әрбір кадр презентациясы ағып кету-біріктіру және өртеу желі динамикасының 200 уақыт қадамына созылады (табиғи фильмдер бойынша жаттығу кезіндегі 50 уақыт қадамымен салыстырғанда). Біз әрбір нейронның барлық он кадр бойынша әрбір бағдарға шығарған тітіркендіргіштердің жалпы санын есептеп шығарамыз, содан кейін бағдар таңдауының индексін есептейміз. Бағдар таңдауды анықтаудың әртүрлі әдістері [77] болғанымен, біз [34, 45, 46], қай жерде екенін анықтаймыз. nк(ϑ) – тікенді нейрондардың жалпы саны к бағдарға жауап ретінде шығарылады ϑ ∈ <0, π/4, π/2, 3π/4>. Егер нейрон торлардың кез келгеніне жауап ретінде ешқандай спиктерді атпаса, біз қабылдаймыз ОЖк = 0. Бұл өлшем күрделі санды тағайындайды nк(ϑ)e 2 нейронның әрбір бағдарға реакциясына, содан кейін күрделі сандарды қорытындылайды. |∑ шамасын алуθ e 2 nк(ϑ)| және шиптердің жалпы саны бойынша нормалау береді ОЖк. Жоғары селективті нейрон болады ОЖк ≈ 1, ал бағдарлар бойынша ретсіз жанатын нейронның ОЖк ≈ 0 (2 дюймдік коэффициент e 2 мүмкін болуы үшін қажет ОЖк = 0).

«Габорлық» талдауы

Желідегі нейрондардың рецептивті өрістері (RF) қартаю процесінде дамитындығы байқалады (3-сурет). Мұнда біз нейронның RF-ін салмақтардың пиксельдік кеңістіктегі орналасуы ретінде анықтаймыз Q оның қосылымдарында пиксельді енгізу патчтарынан (1С-сурет). Біз Gabor толқындық профилін орнату арқылы РЖ-нің өзгеруін сандық түрде анықтаймыз Г жаста да, кәрілікте де әрбір РФ-ға. Нормаланған сәйкестік жақсылығы сәйкес келетін RF, ||ГРФ|| 2 /||РФ||, 0,8-ден аз болса, Габор тәрізді ретінде жіктеледі, ал бұл шекті мәннен асатын сәйкестігі бар РФ «Габор емес» ретінде жіктеледі. Бұл [39] орындалған процедурамен бірдей, тек біз неғұрлым қатаң классификация шегін қолданамыз (0,8 қарсы 0,5). Габор профилі келесі пішінді алады: мұнда А Габор толқынының амплитудасы, f амплитудалық тербеліс жиілігі, ψ фаза болып табылады және σx және σж жылы Габор профилінің спрэдтері болып табылады x және ж бағыттар. Габор толқыны тәуелсіз координаталар функциясы ретінде қабылданады xб және жб, координаталарымен байланысты x және ж пиксельдік тордың көрінісі Q 1С-суретте айналу бұрышымен көрсетілген θ (ату табалдырығына қатысы жоқ) және ығысулар x0 және ж0 Габор профилінің ығысқан орталығына сәйкес келеді. Біздің сәйкестік критерийімізге сәйкес келмейтін сәйкестіктерді Габор емес ретінде жіктеумен қатар, біз бұл жіктеуді қабылдау өрісінің шеңберінен тыс орналасқан сәйкестіктерге де тағайындаймыз. Негізінде, біз статистикадан сәйкестігі есептелмейтін кез келген рецептивті өрістерді толығымен алып тастайтын едік, бірақ бұл біздің үлгідегі нейрондар үшін ешқашан болған емес (1-кестені қараңыз).

Сандық эксперименттер

Оқу жылдамдығын төмендету.

арттыру нәтижесінде нейрондық бағдар селективтілігінің байқалған төмендеуіне әрбір желі қасиетінің үлесін зерттеу. бЕ, біз келесі сынақтар сериясын жүргіземіз. Біз қалыпты жағдайларда желінің бірнеше данасын жетілуге ​​(30 цикл) үйретеміз. 30-шы циклды аяқтағаннан кейін біз әртүрлі қосылым салмақтары үшін оқу жылдамдығын нөлге теңестіреміз: бір жағдайда біз тек басқасында қоздырғыш және тежеуші нейрондарға кіріс қосылымдары үшін оқу жылдамдығын нөлге түсіреміз, біз нөлге келтіреміз. тек нейрондар арасындағы бүйірлік байланыстар үшін оқу жылдамдығы және соңғы жағдайда біз кіріс салмақтары үшін де, бүйірлік салмақтар үшін де оқу жылдамдығын нөлге келтіреміз. Шекті мәндердің оқу жылдамдығын нөлге түсіретін жағдай жоқ, өйткені дәл осы оқу ережесі арқылы желіміз қартаяды. Оқу жылдамдығын нөлге келтіргеннен кейін, біз бұл нұсқаларды қартайғанша оқытуды жалғастырамыз (80 цикл), әрбір бес цикл сайын 6-суретті қараңыз.

Қабылдау өрісін қайта құру.

Өзгеретін РЖ құрылымы мен шамасының желі таңдағыштығына әсерін ажырату үшін біз оқыту процедурасынан тәуелсіз, жас желінің кіріс салмағын 35, 40-тан кейінгі желілер үшін кіріс салмақ шамаларының кейінгі үлестіріміне қайта салғаннан кейінгі селективтілікті зерттейміз, 45…80 ілмектер: (12) мұндағы Φжас(·) және Φескі(·) жас және ескі кіріс салмағы үлестірулері үшін жинақталған үлестіру функциялары (CDF) болып табылады. (12) теңдеу әрбір кіріс салмағының мәнін өзгертеді, осылайша қайта салынған жас кіріс салмағының таралуы құндылықтар ескі кіріс салмақ мәндерінің таралуына сәйкес келеді, бірақ әрбір РЖ-ның кеңістіктік пиксельдік ұйымы өзгертілмейді. Біз деректерден CDF және кері CDF-ті эмпирикалық түрде бағалаймыз және тегіс бағалаулар алу үшін интерполяциялық сплайндарды қолданамыз. Осылайша, біз радиожиілік құрылымының селективтілікке қалай ықпал ететінін тексеру үшін ескі желілерге осы қайта салынған салмақтарды енгізе аламыз. Осы қайта салыстырылған кіріс салмақтары бар желілер бастапқы ескірген кіріс салмақтары бар әріптестеріне қарағанда тұрақты түрде жоғары селективтілікті көрсететінін байқаймыз. Біз сондай-ақ ескі кеңістіктік пиксель құрылымын сақтай отырып, бірақ жас шамалары бар ескі желілердің кіріс салмақтары магнитудалардың жас үлестіріміне қайта бейнеленетін инверттелген қайта салыстыруды сынай аламыз. Осы қайта салыстырылған салмақтары бар желілер қартаю процесінің ерте кезеңдеріндегі сәйкес бастапқы (базалық) желілерімен селективтілігі бойынша салыстыруға болады және қартаю кезінде барған сайын таңдамалы болады. 7-суретті қараңыз.

Фигуралар

MATLAB жүйесінде жасалған фигуралар GitHub сайтында қолжетімді export_fig сценарийі арқылы сақталды [78].


Нәтижелер

Нейрондық уақыт шкаласын жиілік доменінен шығаруға болады

Нейрондық уақыттық қатарлар көбінесе уақыт бойынша кешіктірілген корреляцияны көрсетеді (яғни, автокорреляция), мұнда болашақ мәндер бұрынғы мәндерден ішінара болжамдалады, ал болжау уақыт кідірісі артқан сайын азаяды. Көрсету үшін біз ыдырау тұрақтысы өзгеретін экспоненциалды ыдырайтын синаптикалық ядролары бар Пуассон популяциясының ұштарын біріктіру арқылы ECoG жазбаларының апериодтық (ритмдік емес) компонентін имитациялаймыз (1В-сурет). Эмпирикалық түрде өзіндік ұқсастық дәрежесі автокорреляция функциясымен (ACF) сипатталады, ал «уақыт шкаласы» уақыт тұрақтысы ретінде анықталады (τ) экспоненциалды ыдырау функциясының ( e − t τ ) ACF-ке сәйкестігі, яғни автокорреляцияның есе азаюына кететін уақыт. e (1С-сурет).

Эквивалентті түрде біз жиілік доменіндегі уақыт шкаласын қуат спектрінің тығыздығынан (PSD) бағалай аламыз. Нейрондық уақыт қатарларының PSD жиі 1 f k 2 + f 2 түріндегі Лоренц функциясын орындайды, мұнда қуат «тізе жиілігіне» дейін шамамен тұрақты болады (fк, 1D сурет), содан кейін қуат заңы бойынша ыдырайды. Бұл тәсіл Чаудхури және т.б., 2017 жылы ұсынылғанға ұқсайды, бірақ бұл жерде біз қуат заңының көрсеткішіне (жоғарыдағы теңдеуде екіге бекітілген) айнымалы масштабсыз белсенділікті білдіретін бос параметр болуға мүмкіндік береміз (He et al. , 2010 Miller et al., 2009 Podvalny et al., 2015 Voytek et al., 2015c). Біз сонымен қатар тербелмелі компоненттерді Гаусс шыңдары ретінде параметрлендіреміз, бұл олардың қуат спектріне әсерін жоюға мүмкіндік береді, тізе жиілігін дәлірек бағалауды қамтамасыз етеді. Апериодтық компоненттің тізе жиілігінен нейрондық уақыт шкаласын (ыдырау тұрақтысы) τ = 1 2 π f k ретінде дәл есептеуге болады.

Уақыт доменіндегі сәйкес экспоненциалды ыдырау функцияларымен салыстырғанда (мысалы, Мюррей және т.б., 2014) — олар тіпті қосымша құрамдастардың қатысуынсыз да біржақты болуы мүмкін (Zeraati және т.б., 2020) — жиілік доменінің тәсілі айнымалы мән болған кезде тиімді. қуат заңының көрсеткіші және күшті тербелмелі құрамдас бөліктер бар, бұл көбінесе нейрондық сигналдарға қатысты (1D суретіндегі нақты деректердің мысалы). Тербелмелі компонент аңғалдық өлшеуді бұзуы мүмкін τ ACF 1/e-ге жету уақыты ретінде (1D-сурет, кірістірілген), оны жиілік доменінде Гаусс тәрізді шыңдар ретінде оңай есепке алуға және жоюға болады. Бұл стационарлық емес жиіліктегі нейрондық тербелістерді ескере отырып, әсіресе маңызды. Мысалы, қуат спектріндегі кең шың (мысалы,

1D-суреттегі өткізу қабілеттілігіндегі 10 Гц) уақыт бойынша тербеліс жиілігіндегі дрейфтерді білдіреді, ол бір Гаусспен оңай есептеледі, бірақ автокорреляцияда жақсы түсіру үшін бірнеше косинус терминдерін қажет етеді. Сондықтан, бұл зерттеуде біз интракраниальды жазбалардан уақыт шкаласын алу үшін спектрлік параметрлеуді қолданамыз (Donoghue және басқалар, 2020). Біз бұл тәсілді симуляцияланған нейрондық уақыт қатарларынан есептелген PSD-де тексереміз және алынған уақыт шкалаларының олардың ақиқат мәндеріне сәйкес келетінін көрсетеміз (1E-сурет).

Уақыт шкалалары анатомиялық иерархияға сәйкес келеді және солай

Уақыт шкалаларынан 10 есе жылдам

Бұл әдісті қолдана отырып, біз адамның мидың жұмыссыз белсенділігінің интракраниальды (ECoG) жазбаларының үлкен деректер жинағын талдау арқылы адам қыртысы бойынша нейрондық уақыт шкалаларының үздіксіз градиентін шығарамыз (Фраушер және басқалар, 2018a). MNI-iEEG деректер жинағы беткі жолақ/тор немесе стереоEEG электродтары арқылы жазылған және көрінетін артефактілерден тазартылған 106 пациенттің (13–62 жас, 48 әйел) 1772 арна бойынша 1 минуттық тыныштық күйінің деректерін қамтиды. 2А-суретте олардың PSD-лерінен есептелген уақыт шкалаларының ұлғаюымен кортикальды иерархия бойынша деректер іздерінің мысалы көрсетілген (2В-суреттегі шеңберлер бекітілген тізе жиілігін білдіреді). Жеке арналардан уақыт шкалалары MNI координаталарынан әр электродта орталықтандырылған Гаусс өлшенген маска арқылы әрбір пациент үшін HCP-MMP1.0 бетінің парцелляциясының сол жарты шарына (Glasser және т.б., 2016) шығарылды және жобаланды. Қамту жекелеген пациенттерде сирек және идиосинкратикалық болғанымен, ол жасына байланысты өзгермейді және бүкіл популяцияны біріктірген кезде 180 сәлемдеменің 178-інде электроды 4 мм-ден аспайтын кем дегенде бір пациент бар (2-сурет — 1А-сурет қосымшасы). –F).

Уақыт шкаласы адамдарда және макакаларда анатомиялық иерархия бойынша артады.

(А) Адамның кортикальды иерархиясы бойындағы бес электродтан алынған уақыт қатарының мысалы (M1: негізгі қозғалтқыш қыртысы SMC: қосымша қозғалтқыш қыртысы OFC: орбитальды қыртыс ACC: алдыңғы цингулятты қыртысты MTL: медиальды самай лобы) және (Б) 1 минут ішінде есептелген олардың сәйкес қуат спектрлік тығыздықтары (PSD). Шеңбер және үзік сызық әр PSD үшін тізе жиілігін көрсетеді. Деректер: MNI-iEEG дерекқоры, N = 106 қатысушы. (C) Адамның кортикальды уақыт шкаласы градиенті (сол жақта) негізінен рострокаудальды ось бойымен түседі, T1w/T2w қатынасына ұқсас (оң жақтағы z-балы, стандартты ауытқу бірліктерімен). Түсті нүктелер мысал деректерінің электродтарының орындарын көрсетеді. (D) Нейрондық уақыт шкалалары кортикальды T1w/T2w-мен теріс корреляцияланады, осылайша анатомиялық иерархия бойымен сенсорлық аймақтардан ассоциация аймақтарына дейін артады (кеңістіктік автокорреляция үшін түзетілген Спирман корреляциясының p-мәні, 2-сурет — 2A–C сурет қосымшасы). (Е) Макака ECoG жазбаларынан алынған PSD мысалы, ( ұқсасБ) (LIP: бүйірлік интрапариетальды қыртыс LPFC: бүйірлік префронтальды қыртыс S1 және S2: бастапқы және қайталама соматосенсорлық қыртыс). PSD әр аймақтағы электродтар бойынша орташаланады (кіріс ]). Деректер: Нейротихо, N = екі жануардан 8 сеанс. (Ф) Macaque ECoG уақыт шкалалары сәйкес аймақтарда жарияланған бір бірліктен тұратын уақыт шкаласын (Мюррей және т.б., 2014) бақылайды (қате жолақтары орташа ± s.e.m. көрсетеді). Кірістірілген: бір жануардың ECoG электрод картасы және салыстыру үшін таңдалған электродтар. (Г) ECoG-дан алынған уақыт шкалалары (сол жақта) және

Жеке сеанстардағы (оң жақта) бір бірлік уақыт шкаласына қарағанда 10 есе жылдам. Қуыс маркерлер: жеке сеанстардың пішіндері: жануарлардың тұтас шеңберлері: жалпы орташаФ).

Адамның кортексіндегі жылдам электрофизиологиялық динамиканың уақыт шкалалары (

10–50 мс) негізінен рострокаудальды градиентпен жүреді (2С-сурет, шеңберлер 2А-дан алынған мысал деректерінің орнын білдіреді). Бастапқы сенсорлық аймақтардан ассоциация аймақтарына дейінгі негізгі кортикальды ось туралы көптеген есептерге сәйкес (Hilgetag and Goulas, 2020 Margulies және т. сингулярлы, вентральды/медиальды фронтальды және медиальды уақытша лоб (MTL) аймақтары (2-сурет — 1G қосымшасы 21 таңбаланған макро-аймаққа одан әрі біріктіруді көрсетеді). Содан кейін біз уақыт шкаласы градиентін сұр заттың миелинизациясын түсіретін және кортикальды аймақтар арасындағы кері байланыстың және кері байланыстардың пропорциясын индекстейтін, осылайша қосылуға негізделген анатомиялық иерархияның инвазивті емес проксиі ретінде әрекет ететін Human Connectome жобасының орташа T1w/T2w картасымен салыстырамыз. (Бөрт және басқалар, 2018 Glasser және Van Essen, 2011). Біз нейрондық уақыт шкалаларының бүкіл кортексте T1w/T2w-мен теріс корреляцияланғанын анықтаймыз (2D-сурет, ρ = −0,47, p<0,001 кеңістіктік автокорреляция үшін түзетілді [SA], Материалдар мен әдістерді және 2-суретті қараңыз – түзету әдістерін салыстыру үшін 2A–C сурет қосымшасы), сондықтан уақыт шкалалары неғұрлым ауыр миелинді (яғни, төмен- деңгейлік, сенсорлық) аймақтар. Уақыт шкалалары кортикальды қалыңдығымен де оң корреляцияланады (2-сурет - 3-сурет, қосымша, ρ = 0,37, p=0,035) — кортикальды иерархияның тағы бір көрсеткіші, ол өзі T1w/T2w-мен антикорреляцияланады. Осылайша, біз нейрондық уақыт шкаласы адамның кортикальды иерархиясы бойынша сенсомотордан ассоциация аймақтарына дейін ұзартылатынын байқаймыз.

Беткі ECoG жазбалары жасушадан тыс бір блокты жазбаларға қарағанда кеңірек кеңістікті қамтуды ұсынса да, олар түбегейлі әртүрлі сигналдар болып табылады: ECoG және өріс потенциалдары негізінен жалғыз нейрондардың болжамды әрекет потенциалдарынан гөрі көптеген нейрондық және глиальды жасушалардағы біріктірілген синаптикалық және басқа трансмембраналық токтарды көрсетеді ( Buzsáki және т.б., 2012 Сурет 1А, сары қорап). Осыны ескере отырып, біз осы зерттеуде ECoG-ден өлшенген уақыт шкаласы (τ ECoG) кортикальды иерархия (τ spiking) бойымен бір бірліктен тұратын уақыт шкаласына қатысты ма деп сұраймыз. Мұны тексеру үшін біз макакалардағы тапсырмасыз ECoG жазбаларынан нейрондық уақыт шкаласын шығарамыз (Нагасака және т.б., 2011) және оларды макакалардың басқа тобынан (Мюррей және т.б., 2014) бір бірліктен тұратын уақыт шкалаларының жеке деректер жиынтығымен салыстырамыз. ) (2-суретті қараңыз—электродтардың орналасуы үшін 4-суретті қараңыз). τ спайкинг бағалауларына сәйкес (Murray және басқалар, 2014 Wasmuht және басқалар, 2018), τ ECoG макака кортикальды иерархиясы бойымен де артады. Спайкинг пен ECoG уақыт шкаласы арасында күшті сәйкестік бар (2F-сурет ρ = 0,96, p<0,001) — тәуелсіз деректер жиынынан өлшенген — макака кортексі бойынша, τ ECoG

τ өсуден 10 есе жылдам және жеке сеанстарда сақталады (2G-сурет). Бұл нейрондық серпіліс пен трансмембраналық ағымдардың флуктуациялардың нақты, бірақ байланысты уақыт шкаласы бар екенін және екеуі де примат қыртысы бойымен иерархиялық түрде ұйымдастырылғанын көрсетеді.

Синаптикалық және иондық арна гендер нейрондық динамиканың уақыт шкаласын қалыптастырады

Әрі қарай, біз адам кортексіндегі уақыт ауқымындағы өзгерістердің негізінде жатқан әлеуетті жасушалық және синаптикалық механизмдерді анықтаймыз. Теориялық есептер NMDA-делдалдық қайталанатын қозу жылдам тежелумен (Чаудхури және басқалар, 2015 Ванг, 2008 Ван, 1999), сондай-ақ жасушаның ішкі қасиеттерімен (Дуарте және Моррисон, 2019 Gjorgjieva16 және т.б., 20) біріктірілгенін көрсетеді ., 1996), нейрондық уақыт шкалаларын қалыптастыру үшін өте маңызды. Модельдік ағзалардағы in vitro және in vivo зерттеулері (ван Вугт және т.б., 2020 Ванг және басқалар, 2013) бұл гипотезаларды бір нейрондық деңгейде, себеп-салдарлық манипуляциялар мен адамға енгізілген нейрондық желілердің ауқымды жазбаларында тексере алады. миы айтарлықтай шектелген. Мұнда біз мультимодальды бір жасушалық профильге ұқсас тәсілді қолданамыз (Bomkamp және т.

Allen Human Brain Atlas көлемді мРНҚ өрнегі (Gryglewski және т.б., 2018 Hawrylycz және т.б., 2012) бүкіл кортекстік интерполяциясын қолдана отырып, біз HCP-MMP1.0 бетінің парцелляциясына воксельдік экспрессия карталарын жобалаймыз және нейрондық уақыт шкаласы градиенті адам кортексіндегі ген экспрессиясының басым осімен (яғни, миға қатысты 2429 геннің бірінші негізгі компоненті) қабаттасады (3A-сурет, ρ = −0,60, p<0,001 3-суретті қараңыз—барлық 18,114 гендермен ұқсас нәтижелер үшін 1-сурет қосымшасы). Теориялық болжамдарға сәйкес (3В-сурет), уақыт шкалалары ион арнасының қосалқы бөліктері ретінде, кернеуге тәуелді натрий (SCN1A) және калий (KCNA3) NMDA (GRIN2B) және GABA-A (GABRA3) рецепторларының қосалқы бөліктерін кодтайтын гендердің экспрессиясымен айтарлықтай корреляцияланады. сондай-ақ ингибиторлық жасуша түрінің маркерлері (парвалбумин, PVALB) және бұрын бір нейрондық мембраналық уақыт тұрақтыларымен (PRR5) байланысты екені анықталған гендер (Bomkamp және басқалар, 2019) (градиенттердегі SA үшін түзетілген барлық Спирман корреляциялары).

Уақыт шкаласы градиенті адам кортексіндегі синаптикалық рецепторларға және трансмембраналық иондық арналарға қатысты гендердің экспрессиясымен байланысты.

(А) Уақыт шкаласы градиенті кортекстегі ген экспрессиясы вариациясының басым осін бақылайды (2429 миға тән гендердің z-балы PC1, ерікті бағыт). (Б) Уақыт шкаласы градиенті синаптикалық және нейрондық мембрананың уақыт константаларын өзгертетін белгілі гендердің экспрессиясымен, сондай-ақ тежегіш жасуша типті маркерлерімен айтарлықтай корреляцияланады, бірақ (C) гендік отбасындағы мүшелер (мысалы, NMDA рецепторларының суббірліктер) in vitro зерттеулеріндегі болжамдарға сәйкес уақыт шкаласымен оң және теріс байланысты болуы мүмкін. (D) Макрошкала уақыт шкаласы-транскриптомиялық корреляция бірдей гендердің РНҚ-тізбектелген экспрессиясы мен екі зерттеуден алынған патч қысқыш деректеріне сәйкес келетін бір жасушалық уақыт шкаласы қасиеттері арасындағы байланысты анықтайды және сәйкестік уақыт шкаласымен неғұрлым тығыз байланысқан гендер үшін (квинтилдермен бөлінген) жақсарады. (қатты: N = 170 [Трипатия және т.б., 2017], сызықша: N = 4168 гендер [Бомкамп және т.б., 2019] көлденең сызықтар: екі зерттеудегі барлық гендер бойынша корреляция, ρ = 0,36 және 0,25, б<екеуі үшін де 0,001). (Е) T1w/T2w градиенті уақыт шкаласы мен ген экспрессиясы градиенттерінен регрессияланады және ішінара ең кіші квадраттар (PLS) үлгісі қалдық карталарға сәйкес келеді. Кеңістіктік автокорреляция (SA) сақталған нөлдік дистрибутивтермен салыстырғанда маңызды PLS салмағы бар гендер (толтырылған көк жәшіктер) функционалдық гендік кластерлерді (толтырылған жасыл жәшіктер) көрсететін маңызды GO терминдерінің жиынтығын қайтарып, гендік онтологияны байыту талдауына (GOEA) жіберіледі. (Ф) Байытылған гендер, ең алдымен, калий және хлоридті трансмембраналық тасымалдаушылармен байланысты, ал күшті теріс ассоциациялары бар GABA-эргиялық синапс гендері трансмембраналық ион алмасу механизмдерін, әсіресе кернеумен жабылған калий мен катион тасымалдаушыларын одан әрі көрсетеді. Филиалдар жоғары деңгейлі (тек) элементтерді ортақ пайдаланатын GO элементтерін көрсетеді, мысалы: кернеуге тәуелді катион арнасының белсенділігі баласы болып табылады катион каналының белсенділігі молекулярлық функциялар (MF) онтологиясында және екеуі де уақыт шкаласымен айтарлықтай байланысты. Жолдардың түсі таңдалған онтологияны көрсетеді (BP — биологиялық процесс, CC — жасушалық компоненттер немесе MF). Нүктелі, үзік және тұтас сызықтар барлық гендер немесе тек оң немесе теріс PLS салмағы бар гендер арқылы орындалған талдауға сәйкес келеді. Кеңістіктік корреляция p-мәндері (A–C) SA үшін түзетілген ((B,D) тармақтарындағы материалдар мен әдістерді қараңыз. жұлдызшалар p<0,05, 0,01, 0,005 және 0,001 толтырылған маркерлерді көрсетеді (C,D) p<0,05) көрсетіңіз.

Дәлірек айтқанда, in vitro электрофизиологиялық зерттеулер, мысалы, 2В рецепторлық суббірлігінің экспрессиясының жоғарылауы NMDA ағымдағы уақыт курсын ұзартады (Флинт және басқалар, 1997), ал 2А экспрессиясы оны қысқартады (Monyer және басқалар, 1994). Сол сияқты, GABA-A рецепторының уақыт тұрақтысы a3:a1 суббірлік қатынасының жоғарылауымен ұзарады (Eyre және т.б., 2012). Біз бұл қатынастардың макрошкалада қайталанғанын көрсетеміз, мұнда нейрондық уақыт шкалалары GRIN2B және GABRA3 өрнектерімен оң корреляцияланады және GRIN2A және GABRA1-мен теріс корреляцияланады (3C-сурет). Бұл нәтижелер нейрондық динамиканың уақыт шкалалары кең қозу- тежеу ​​әрекеттесуге қосымша (Гао және т. 2017 Ван, 2020 Ван, 2002). Атап айтқанда, кернеуі бар натрий және калий иондық арнасының альфа-суббірліктеріне қатысты барлық дерлік гендер – негізгі функционалдық бөлімшелер – уақыт шкаласымен корреляцияланады, ал парвальбуминнен басқа барлық тежегіш жасуша типті маркерлер уақыт шкаласымен күшті оң байланыстарға ие (3C-сурет және 3-сурет). — 2-сурет қосымшасы).

Біз бір жасушалы уақыт шкаласы-транскриптомиялық ассоциациялардың макрошкалада түсірілген-түсірілмегенін келесідей тексереміз: берілген ген үшін оның экспрессиясының бір жасуша деңгейіндегі мембрана уақытының тұрақты параметрлерімен қаншалықты күшті корреляциясын патч қысқышы мен РНҚ секвенциясы арқылы өлшей аламыз. (scRNASeq) деректері (Bomkamp және т.б., 2019 Tripathy және т.б., 2017). Осыған ұқсас, біз оның макроскопиялық транскриптомиялық-уақыттық корреляциясын жоғарыдағы кортикальды градиенттер арқылы өлшей аламыз. Егер осы геннің экспрессиясы мен нейрондық уақыт шкаласы арасындағы байланыс екі деңгейде де сақталса, микрошкаладағы жасушалар арасындағы корреляция макрошкаладағы кортикальды аймақтар арасындағы корреляцияға ұқсас болуы керек. Екі зерттеуде (N = 170 [Tripathy және т.б., 2017] және 4168 [Bomkamp және т.б., 2019] гендер) бұрын анықталған барлық уақыт шкаласына қатысты гендер үшін осы екі шкала бойынша салыстыра отырып, біз күштілік арасындағы маңызды корреляцияны табамыз. бір ұяшық және макрошкала деңгейлеріндегі байланыс (3D-сурет, көлденең қара сызықтар ρ = екі деректер жиыны үшін 0,36 және 0,25, екеуі үшін p<0,001). Сонымен қатар, уақыт шкаласына байланысты күштірек гендер бұл қатынасты бір ұяшықты және макрошкала деңгейлерінде сақтауға бейім (3D-сурет, макрошкала корреляциясының шамасымен бөлінген). Осылайша, scRNAseq және microarray деректері ген экспрессиясының мүлде басқа өлшемдерін білдірсе де, ген экспрессиясындағы жасушалық вариациялар мен жасушаның ішкі уақытша динамикасы арасындағы байланыс макрошкалада ұсталады.

Кортикальды уақыт шкаласы мен нейрондық динамикаға әсер етеді деп күдіктенген гендер арасындағы байланыстарды көрсеткенімізбен, бұл деректер деректерге негізделген тәсіл арқылы уақыт шкаласымен функционалды түрде байланысты қосымша жаңа гендерді табуға мүмкіндік береді. Дегенмен, транскриптомиялық вариация және анатомиялық иерархия ортақ макроскопиялық градиент бойымен қабаттасатындықтан (Burt және басқалар, 2018 Huntenburg және басқалар, 2018 Margulies және т.б., 2016), біз белгілі бір гендердің олардың байланыс деңгейіне негізделген рөлін көрсете алмаймыз. тек қана уақыт шкаласы: кортекстегі гендердің экспрессиясының айырмашылықтары алдымен қыртыстың анатомиясының иерархиялық ұйымын мүсіндей отырып, жасуша типі мен байланыс айырмашылықтарына әкеледі. Демек, анатомия және жасушаның ішкі қасиеттері қосылыс айырмашылықтары (Чаудхури және басқалар, 2015 Демирташ және басқалар, 2019) және ауыспалы белсендіру уақыт шкаласы бар иондарды тасымалдау және рецепторлық ақуыздарды білдіру арқылы нейрондық динамиканы бірге қалыптастырады. Сондықтан, біз ген экспрессиясының вариациясының негізгі құрылымдық градиенттен тыс уақыт шкаласында өзгеруіне әлі де жауап беретінін сұраймыз және байланысты гендердің биологиялық процестерде (BP) белгілі функционалдық рөлдері болса (3E суретіндегі схема). Бұл әрекетті орындау үшін алдымен T1w/T2w градиентін уақыт шкаласы мен жеке ген экспрессиясы градиенттерінен сызықты түрде регрессиялау арқылы анатомиялық иерархияның үлесін алып тастаймыз. Содан кейін біз барлық гендер үшін регрессия салмағын бір уақытта бағалау үшін ішінара ең кіші квадраттар (PLS) үлгілерін орналастырамыз (Уитакер және басқалар, 2016), маңызды ассоциациялары барларды гендік онтологияны байыту талдауына (GOEA) жібереміз (Клопфенштейн және басқалар, 2018).

Біз нейрондық уақыт шкалаларымен жоғары байланысты гендер негізінен трансмембраналық ион тасымалдаушы кешендерімен, сондай-ақ GABAergic синапстармен және хлоридтік арналармен байланысты екенін анықтаймыз (3F суретін және тек ми гендері бар GOEA нәтижелері үшін 1-қосымша файлды және барлық гендер үшін 2-қосымша файлды қараңыз) . Тек оң байланысқан гендермен шектелген кезде (уақыт шкаласы бойынша экспрессия артады), фосфатидты фосфатаза белсенділігіне қатысты бір функционалды топ ашылады, оның ішінде нейрондық пластикамен байланысты PLPPR1 гені (Саваскан және басқалар, 2004) - әлдеқайда баяу уақыт шкаласы. физиологиялық процесс. Керісінше, уақыт шкаласымен теріс байланысты гендер трансмембраналық тасымалдаушылар мен кернеуі бар иондық арналарды, әсіресе калий және басқа бейорганикалық катиондарды тасымалдаушылардың құрылысы мен жұмыс істеуіне қатысатын көптеген топтармен байланысты. Бұл гендердің арнайы нейрондық уақыт шкаласына қатысты екеніне көз жеткізу үшін біз бақылау ретінде T1w/T2w және ген карталарымен бірдей байыту талдауын орындаймыз. Бақылау талдауы миға тән гендермен шектелген кезде (3F-суретке қарағанда) маңызды GO терминдерін бермейді, ал талдауды барлық гендермен қайталау иондық арналар мен синапстарға қатысты маңызды GO терминдерін береді, бірақ оларға тән емес ( 3-қосымша файлды қараңыз), жалпы метаболикалық процестермен, сигнал беру жолдарымен және жасушалық компоненттермен (CC) байланысты басқа да гендік кластерлерді қоса алғанда. Бұл T1w/T2w үлесін жою нейродинамикамен нақтырақ байланысты гендерді анықтауға көмектесетін нүктені одан әрі нығайтады, бұл тежелудің (Теленчук және басқалар, 2017) GABA және хлорид арналары арқылы және кернеумен жабылған калий арналары арқылы жүзеге асырылатынын көрсетеді. тек анатомиялық иерархия негізінде күтілгеннен тыс, макрошкала деңгейінде нейрондық уақыт шкаласы динамикасын қалыптастыруда маңызды рөлдерге ие.

Уақыт шкалалары жұмыс жадында ұзарады және қартаюда қысқарады

Ақырында, нейрондық уақыт шкалаларының адам кортексіндегі тұрақты анатомиялық және гендік экспрессия градиенттерімен байланысты екенін көрсете отырып, біз зерттеудің соңғы сұрағына жүгінеміз: кортикальды уақыт шкалалары салыстырмалы түрде статикалық ма, әлде олар функционалды динамикалық және адам танымына қатысты ма? Алдыңғы зерттеулер әртүрлі кортикальды аймақтардың ішкі уақыт шкалаларына сәйкес келетін тапсырмаға қатысты ақпараттың иерархиялық сегрегациясын көрсеткенімен (Baldassano және басқалар, 2017 Chien and Honey, 2020 Honey және басқалар, 2012 Runyan et al., 2017 Sarafyazd and Jazayeri, 2017). және т.б., 2018), сондай-ақ мінез-құлық уақыт шкаласын қоршаған ортаға сәйкес келтіру үшін оңтайлы бейімделу (Ganupuru және басқалар, 2019 Ossmy және т.б., 2013), аймақтық нейрондық уақыт шкалаларында функционалдық маңызды өзгерістерге дәлел жоқ. Бұл жерде біз жұмыс жадына техникалық қызмет көрсету және қартаю кезінде уақыт шкалаларының қысқа және ұзақ мерзімді ауысымға ұшырауын тексереміз.

Біз алдымен пациенттердің париетальды, фронтальды (PFC және орбитальды маңдай қыртысы [OFC]) және медиальды уақытша лоб (MTL) аймақтарынан (N = 14) кідіртілген жауап беруді қажет ететін визуалды кеңістіктік жұмыс жады тапсырмасын орындайтын адамның ECoG жазбаларын талдаймыз (4A-сурет). Джонсон және т.б., 2018a). Нейрондық уақыт шкалалары ынталандыруға дейінгі бастапқы және жадты сақтаудың кешігу кезеңдері үшін шығарылды (900 мс, екеуі де ынталандырусыз). 2-суреттегі алдыңғы нәтижені қайталай отырып, 1G-сурет қосымшасы, біз базалық нейрондық уақыт шкаласы қауымдастық аймақтары бойынша иерархиялық прогрессияны бақылайтынын байқаймыз, мұнда париетальды кортекс (PC), PFC, OFC және MTL біртіндеп ұзағырақ уақыт шкалаларына ие (жұптық Манн-Уитни У- сынақ, 4В-сурет). Егер нейрондық уақыт шкалалары ақпараттың уақытша тұрақтылығын функционалды түрде бақылайтын болса, онда олар кідіріс кезеңдерінде кеңеюі керек. Біздің болжамымызға сәйкес, барлық аймақтардағы уақыт шкалалары

Кешігу кезеңдерінде 20% ұзағырақ (4С-сурет Wilcoxon разрядтық жиынтық сынағы). Сонымен қатар, PFC-дегі уақыт ауқымындағы өзгерістер ғана қатысушылардың мінез-құлқымен айтарлықтай корреляцияланады, мұнда бастапқы деңгейге қатысты ұзағырақ кідіріс кезеңдері жұмыс жадысының жақсы өнімділігімен байланысты (4D-сурет, ρ = 0,75, p=0,003). Жазылған ми аймақтарындағы басқа ешбір спектрлік белгілер бастапқы деңгейден кешігу кезеңдері аралығындағы тұрақты өзгерістерді көрсетпейді, сонымен қатар 1/f тәрізді спектрлік көрсеткішті, тар жолақты тетаны (3–8 Гц) және жоғары жиілікті (жоғары) қоса, жеке өнімділікпен айтарлықтай корреляция жасайды. гамма 70–100 Гц) белсенділік қуаты (4-сурет—қосымша 1-сурет).

Уақыт шкалалары өнімділікті қадағалау кезінде жұмыс жадына техникалық қызмет көрсету кезінде кеңейеді және егде жастағы ересектерде тапсырмасыз орташа уақыт шкалалары қысылады.

(А) Бассүйек ішілік қабаты қабаттасатын он төрт қатысушы 900 мс бастапқы (алдын-ала ынталандыру) және кідіріс кезеңі деректері талданған визу-кеңістіктік жұмыс жады тапсырмасын орындады (ДК: париетальды, PFC: префронтальды, OFC: орбитофронтальды, MTL: медиальді уақытша лоб n санды білдіреді сол аймақта электродтары бар субъектілер). (Б) Бастапқы уақыт шкалалары қауымдастық аймақтарындағы иерархиялық ұйымды бақылайды (*: p<0,05, Mann-Whitney U-сынағы шағын нүктелер жеке қатысушыларды, үлкен нүктелерді және қатысушылар арасындағы орташа ± s.e.m үшін қате жолағын білдіреді). (C) Барлық аймақтар бастапқы деңгеймен салыстырғанда кешігу кезеңінде уақыт шкаласын айтарлықтай арттыруды көрсетеді (жұлдызшалар p<0,05, 0,01, 0,005, 0,001, Вилкоксон қол қойылған дәреже сынамасын білдіреді). (D) Кешігу кезеңдеріндегі PFC уақыт шкаласын кеңейту қатысушылар арасында орташа жұмыс жады дәлдігін болжайды (нүкте жеке қатысушыларды білдіреді, қатысушының ішіндегі PFC электродтары бойынша орташа ± s.e.m) кірістірілген: жұмыс жады дәлдігі мен барлық аймақтар үшін уақыт шкаласы өзгеруі арасындағы корреляция. (Е) MNI-iEEG деректер жинағында қатысушының орташа кортикальды уақыт шкалалары жасына қарай азаяды (жылдамырақ болады) (n = кемінде 10 жарамды сәлемдемелері бар 71 қатысушы, 4-сурет—қосымша 2B суретін қараңыз). (Ф) Кортикальды сәлемдемелердің көпшілігі көру қыртысының бөліктері мен уақытша полюстерді қоспағанда, уақыт шкаласы мен жас арасындағы теріс қатынасты көрсетеді (бір үлгідегі t-тест, т = −7,04, p<0,001 n = 114 сәлемдеме, онда кемінде алты қатысушы деректері бар, 4-суретті қараңыз — 2С сурет қосымшасы).

Уақыт шкалалары суреттегі анатомиялық және гендік экспрессия иерархиясына сәйкес болғанымен, ми құрылымының өзі уақыт өте келе статикалық емес, ерте даму кезінде және егде жастағы адамдарда қартаю кезінде көптеген баяу, нейропластикалық өзгерістерге ұшырайды. Атап айтқанда, қартаю жұмыс жадысының бұзылуы (Voytek және т.б., 2015c Wang және т.б., 2011), сондай-ақ нейрондық динамикадағы өзгерістер (Voytek және т.б., 2015c) сияқты функционалдық және құрылымдық өзгерістердің кең ауқымымен байланысты. Voytek және Knight, 2015b Ванг және т.б., 2011) және кортикальды құрылым (де Виллерс-Сидани және т.б., 2010), мысалы, баяу сөндірілетін NMDA рецепторларының қосалқы бөліктерінің жоғалуы (Pegasiou және басқалар, 2020). Нейрондық уақыт шкалалары жұмыс жадысына қолдау көрсетуі мүмкін болғандықтан, біз уақыт шкалалары байқалған когнитивті және құрылымдық бұзылулармен келісе отырып, өмір сүру ұзақтығы бойынша қысқарады деп болжаймыз. Осы мақсатта біз MNI-iEEG деректер жинағындағы (13-62 жас) кең жас ауқымын пайдаланамыз және жас функциясы ретінде әрбір қатысушы үшін орташа кортикальды уақыт шкаласын зерттейміз. ECoG қамтуы қатысушылар арасында сирек және біркелкі емес болғандықтан, жеке қатысушылардың ішіндегі сәлемдемелер бойынша орташалау қартаю әсерін кортикальды иерархияның кеңістіктік әсерімен шатастырады. Оның орнына, 10 жарамды сәлемдемеден азы барларды қоспағанда, қатысушылардың ішінде орташалау алдында әрбір сәлемдемені барлық қатысушылардың максималды мәні бойынша қалыпқа келтіреміз (қалған нәтижелер шекті мәндердің үлкен диапазоны үшін жарамды 106 субъектінің N = 71-і, 4-сурет — қосымша сурет 2B). Біз егде жастағы адамдарда нейрондық уақыт шкаласы жылдамырақ екенін байқаймыз (ρ = −0,31, p=0,010 4E сурет) және бұл уақыт шкаласы қыртыстың көптеген аймақтарында жасына қарай қысқарады (4F-сурет, т = −7,04, p<0,001 Кемінде алты қатысушы деректері бар 189 сәлемдеменің 114-і, 4-суретті қараңыз — 2С сурет қосымшасы). Бұл уақыт шкаласын қысу әсіресе сенсомоторлы, уақытша және медиальды фронтальды аймақтарда ерекше көрінеді. Бұл нәтижелер трансмембраналық ток тербелістерінен есептелетін нейрондық уақыт шкалалары функционалды түрде маңызды түрде жылдам ауысуы мүмкін, сондай-ақ сау қартаюда баяу - ондаған жылдар бойы өзгереді деген гипотезаны қолдайды.


Қол жеткізу опциялары

1 жылға толық журналға қол жеткізіңіз

Барлық бағалар NET бағалары болып табылады.
ҚҚС кейінірек кассада қосылады.
Салықты есептеу тексеру кезінде аяқталады.

ReadCube қолданбасында шектеулі уақытқа немесе толық мақалаға қол жеткізіңіз.

Барлық бағалар NET бағалары болып табылады.


Аннотация

Кортикальды нейрондардың әртүрлі топтарының бірден сараланған және біріктірілген себеп-салдарлық әрекеттесулерге қатысу қабілеті күрделі динамикалық заңдылықтарға әкеледі. Күрделілігі ессіздік кезеңдерінде (терең ұйқы, анестезия, жауапсыз ояну синдромы) төмен, бұл кезде ми жүйке белсенділігінің ауыспалы белсенді және тыныш кезеңдерінен тұратын стереотиптік үлгіні тудыруға бейім болады - баяу тербелістер - және ояу кезінде жоғары болады. Бірақ кортикальды күрделілік қалай құрылады? Бұл континуум ба? Ашық сұрақ - кортикальды күрделілік бір ми күйінде өзгеруі мүмкін бе. Мұнда біз тінтуірдің кортикальды бетінен 32 арналы мультиэлектродты массивтермен жазып алдық және әртүрлі анестезия деңгейлеріндегі күрделілікті өлшеу үшін стихиялы динамика (толқындардың таралу энтропиясы және функционалдық күрделілік) және пертурбациялық тәсілді (қозылу күрделілігі индексінің вариациясы) қолдандық. Баяу тербелістердің екі тұрақты режимінде (0,1–1,5 Гц) анестезия деңгейіндегі ауытқулар баяу тербеліс жиілігінің модуляциясына әкелді. Анестезия деңгейінің төмендеуіне байланысты негізгі желінің когеренттілігінің төмендеуіне байланысты пертурбациялық және өздігінен күрделілік артты. Күрделілік деңгейіндегі өзгерістер қозғыштық өзгерістеріне байланысты, бірақ оларға тәуелді емес. Біз кортикальды күрделілік санамен байланысты жоғары күрделілікке дейін құрайтын баяу тербелістер басым болатын бір ми күйінде өзгеруі мүмкін деген қорытындыға келдік.


Бейнені қараңыз: Ми бөлімдерінің құрылысы мен қызметтері (Қазан 2022).