Na cenzurowanym #35 – Neuronauka i obwody neuronalne: Hodgkin-Huxley, plastyczność synaptyczna i modele całego mózgu

Neuronauka jest niezwykła wśród nauk przyrodniczych, ponieważ obejmuje ponad dziesięć rzędów wielkości skali przestrzennej: od pęcherzyków synaptycznych (50 nm) po pasma istoty białej (metry długości), od milisekundowej skali czasowej potencjału czynnościowego po lata potrzebne na formowanie się pamięci. Podejścia obliczeniowe są niezbędne do integrowania zjawisk w tych skalach. Model Hodgkina-Huxleya, model Isinga neuronauki, był wzorcem dla wszystkiego, od modeli jednoprzedziałowych po symulacje sieci liczących miliony neuronów.

1. Model Hodgkina-Huxleya

Alan Hodgkin i Andrew Huxley przeprowadzili swoje przełomowe eksperymenty na gigantycznym aksonie kałamarnicy w latach 1947–1952, używając techniki voltage clamp do izolowania przewodnictw sodowego i potasowego. Ich czterorównaniowy model, opublikowany w Journal of Physiology w 1952 roku i nagrodzony Nagrodą Nobla w 1963 roku, po raz pierwszy ilościowo odtworzył potencjał czynnościowy.

Bilans prądu błonowego:
  C_m dV/dt = I_ext − I_Na − I_K − I_L

Prądy jonowe:
  I_Na = g_Na m³h (V − E_Na)    E_Na = +50 mV
  I_K  = g_K  n&sup4;  (V − E_K )    E_K  = −77 mV
  I_L  = g_L       (V − E_L )    E_L  = −54 mV

Maksymalne przewodności (akson kałamarnicy):
  g_Na = 120 mS/cm²  g_K = 36 mS/cm²  g_L = 0.3 mS/cm²

Równania różniczkowe zmiennych bramkujących (x ∈ {m, h, n}):
  dx/dt = α_x(V)(1−x) − β_x(V) x
  x_∞ = α_x / (α_x + β_x),  τ_x = 1/(α_x + β_x)

Przykładowe funkcje szybkości (przy 6.3°C):
  α_m = 0.1(V+40) / (1 − exp(−(V+40)/10))
  β_m = 4 exp(−(V+65)/18)
  α_h = 0.07 exp(−(V+65)/20)
  β_h = 1 / (1 + exp(−(V+35)/10))
          

Model generuje potencjały czynnościowe poprzez pętlę sprzężenia zwrotnego dodatniego: depolaryzacja otwiera kanały Na⁺ (szybka bramka aktywacji m), co dalej depolaryzuje błonę, otwierając kolejne kanały. Ten regeneracyjny proces jest zakończony przez inaktywację kanałów Na⁺ (bramka h) oraz opóźnione otwarcie kanałów K⁺ (bramka n), które repolaryzują błonę. Okres refrakcji następujący po każdym impulsie zapobiega propagacji wstecznej i ogranicza częstotliwość generowania impulsów.

2. Transmisja synaptyczna

Gdy potencjał czynnościowy dociera do zakończenia presynaptycznego, otwierają się bramkowane napięciem kanały Ca²⁺, a napływ wapnia wyzwala fuzję pęcherzyków wypełnionych neuroprzekaźnikiem z błoną (egzocytoza). Neuroprzekaźnik dyfunduje przez 20-nanometrową szczelinę synaptyczną i wiąże się z receptorami postsynaptycznymi, generując pobudzający lub hamujący potencjał postsynaptyczny (EPSP lub IPSP).

Model kwantowy (del Castillo & Katz 1954):
  Amplituda EPSP A = n · p · q
  n = liczba miejsc uwalniania
  p = prawdopodobieństwo uwolnienia na miejsce
  q = amplituda kwantowa (odpowiedź pojedynczego pęcherzyka)

Współczynnik zmienności: CV = √[(1−p)/(np)]
  (wysokie CV → niskie p, mało miejsc; diagnostyczne dla loci presynaptycznego)

Krótkoterminowa depresja synaptyczna (STD):
  dx/dt = (1 − x)/τ_D − u_SE · x · δ(t − t_sp)
  u_SE = bazowy ułamek wykorzystania (zwykle 0.5)
  x maleje z każdym impulsem: zmęczenie przy powtarzalnej stymulacji

Krótkoterminowa facylitacja (STF):
  du/dt = −u/τ_F + U(1−u) δ(t − t_sp)
  u rośnie z każdym impulsem: akumulacja Ca²+ w zakończeniu

Receptor NMDA: podwójna bramka Mg²+/ligand
  Aktywuje się tylko gdy Vm > −50 mV ORAZ związany jest glutaminian
  Przepuszczalny dla Ca²+: detektor koincydencji dla plastyczności
          

3. Uczenie Hebbowskie i długoterminowa potencjacja

Donald Hebb zaproponował w 1949 roku, że synapsy wzmacniają się, gdy neurony pre- i postsynaptyczne wystrzeliwują razem: „neurony, które wystrzeliwują razem, łączą się razem”. Ta zasada otrzymała podstawę komórkową, gdy Bliss i Lømo odkryli długoterminową potencjację (LTP) w hipokampie królika w 1973 roku.

Reguła Hebba:
  Δw_ij = η x_i x_j   (x = częstotliwość wystrzeliwania)
  Problem: nieograniczony wzrost wag (brak zapominania)

Teoria BCM (Bienenstock-Cooper-Munro 1982):
  Δw_ij = φ(x_j, θ_M) x_i
  φ < 0 jeśli x_j < θ_M (depresja);  φ > 0 jeśli x_j > θ_M (potencjacja)
  θ_M to próg ruchomy: θ_M ~ ⟨x_j²⟩
  Wyjaśnia plastyczność dominacji ocznej, dostrajanie orientacyjne

Plastyczność zależna od czasu impulsu (STDP, Bi & Poo 1998):
  Δw = A+ exp(−Δt/τ+)   jeśli Δt = t_post − t_pre > 0  (LTP)
  Δw = −A− exp(Δt/τ−)   jeśli Δt < 0  (LTD)
  A+ ≈ 0.005,  τ+ ≈ 20 ms,  A− ≈ 0.005,  τ− ≈ 20 ms

Receptor NMDA jako detektor koincydencji:
  Wymaga jednoczesnego glutaminianu ORAZ postsynaptycznej depolaryzacji
  → naturalna implementacja reguły korelacji czasowej Hebba
          

LTP jest uważana za komórkową podstawę uczenia się i pamięci, szczególnie pamięci jawnej pośredniczonej przez hipokamp. LTP zależna od receptora NMDA w synapsach CA1 wymaga postsynaptycznego napływu Ca²⁺, który aktywuje CaMKII — kinazę fosforylującą receptory AMPA i rekrutującą dodatkowe receptory AMPA do synapsy, zwiększając w ten sposób siłę synaptyczną. Długoterminowa depresja (LTD), wywoływana niskoczęstotliwościową stymulacją, odwraca ten proces.

4. Oscylacje neuronalne

Rytmy mózgowe obejmują wiele pasm częstotliwości: delta (0,5–4 Hz, sen głęboki), theta (4–8 Hz, nawigacja hipokampalna i pamięć robocza), alfa (8–12 Hz, jałowy bieg kory), beta (13–30 Hz, sensomotoryka) i gamma (30–100 Hz, wiązanie cech i uwaga). Te rytmy powstają z zsynchronizowanej aktywności populacji neuronów i kształtują przetwarzanie informacji.

Model Wilsona-Cowana (1972) — sieć E-I w polu średnim:
  τ_E dE/dt = −E + (1 − r_E E) S_E(w_EE E − w_EI I + I_E)
  τ_I dI/dt = −I + (1 − r_I I) S_I(w_IE E − w_II I + I_I)
  S(x) = 1/(1 + exp(−(x−θ)/σ))  (sigmoidalna funkcja wzmocnienia)

Model Kuramoto N sprzężonych oscylatorów:
  dθ_i/dt = ω_i + (K/N) ∑_j sin(θ_j − θ_i)
  Parametr porządku: r = (1/N)|∑_j exp(iθ_j)|
  Przejście fazowe przy K_c = 2/(πg(Ω)) gdzie g = szerokość rozkładu częstotliwości

Sprzężenie międzyczęstotliwościowe:
  Sprzężenie theta/gamma: amplituda gamma modulowana fazą theta
  Indeks modulacji MI = |⟨A_γ e^{iφ_θ}⟩|
  Theta hipokampalna (δ6 Hz) organizuje sekwencje gamma (δ80 Hz)
          

5. Konektomika

Konektomika to systematyczne mapowanie wszystkich połączeń synaptycznych w układzie nerwowym. Istnieją tylko dwa kompletne konektomy: C. elegans (302 neurony, ~7000 synaps, White i in. 1986) oraz mózg dorosłej Drosophili (139 255 neuronów, ~54,5 miliona synaps, konsorcjum FlyWire 2023). Konektomika całego ludzkiego mózgu w rozdzielczości synaptycznej pozostaje wielkim wyzwaniem.

Macierz łączności strukturalnej W_ij:
  W_ij = liczba włókien (traktografia DTI) lub liczba synaps
  Macierz sąsiedztwa A_ij = 1 jeśli W_ij > próg, w przeciwnym razie 0

Miary grafowe:
  Stopień k_i = ∑_j A_ij
  Długość ścieżki L = ⟨d_ij⟩  (d = najkrótsza ścieżka)
  Współczynnik klastrowania C_i = (trójkąty przez i) / (k_i(k_i−1)/2)
  Indeks małego świata σ = (C/C_rand) / (L/L_rand)

Właściwości konektomu C. elegans:
  Gęstość 0.072  (vs losowy: ta sama gęstość)
  Klastrowanie C = 0.308  (vs losowy C_rand = 0.054)
  Długość ścieżki L = 2.65  (vs losowy L_rand = 2.25)
  → Sieć małego świata (σ ≈ 5.6)

Organizacja rich club:
  Węzły-huby (o wysokim stopniu) są gęściej połączone niż oczekiwano:
  φ(k) = E_>k / [k_>(k_>−1)/2]
  Rich club ludzkiego konektomu: precuneus, kora czołowa górna, zakręt obręczy
          

Human Connectome Project (HCP, 2010–2017) wyprodukował wysokorozdzielczą traktografię MRI dyfuzyjnego i fMRI w spoczynku dla 1200 uczestników, umożliwiając statystyczną analizę relacji strukturalno-funkcjonalnych. Allen Brain Atlas dostarcza przestrzennie rozdzielczych danych ekspresji genów, które można zintegrować z łącznością, by zrozumieć, jak profile molekularne wiążą się z topologią sieci.

6. Modelowanie całego mózgu

Platforma The Virtual Brain (TVB) (Sanz Leon i in. 2013) symuluje dynamikę mózgu w spoczynku, umieszczając modele masy neuronalnej (Wilson-Cowan, Jansen-Rit, Hindmarsh-Rose) w każdym fragmencie zparcelowanego konektomu. Macierz łączności strukturalnej ustala siły sprzężeń między regionami, a symulowane sygnały BOLD można bezpośrednio porównywać z empirycznym fMRI.

Model masy neuronalnej (na region i):
  Każdy region opisany przez średnie tempo pobudzające E_i i hamujące I_i
  Sprzężenie między regionami: wejście do i od j ważone przez W_ij

Połączona dynamika:
  τ dE_i/dt = −E_i + S(∑_j w_ij E_j + w_EE E_i − w_EI I_i + I_ext)
  τ dI_i/dt = −I_i + S(w_IE E_i − w_II I_i)

Model hemodynamiczny (Balloon-Windkessel, Buxton-Friston):
  df/dt = s − (f−1)/τ_s − (f−f_0)/τ_f
  dv/dt = (f − v^(1/α)) / τ_0
  dq/dt = (f·E(f)/E_0 − q·v^(1/α−1)) / τ_0
  BOLD = V_0 [k_1(1−q) + k_2(1−q/v) + k_3(1−v)]

Dopasowanie modelu: optymalizacja globalnego sprzężenia G, lokalnego balansu E/I
  by odtworzyć empiryczną macierz łączności funkcjonalnej FC = corr(BOLD_i, BOLD_j)
          

Wypróbuj te symulacje