Специалисты-нейробиологи из Института Аллен в США сегодня опубликовали статью в научном журнале Nature Communications о своей уникальной для современной нейробиологии разработке – они представили полноценную системную модель предугадывания поведения нейронов и нейронных связей, основанную на использовании интегративных и биофизических моделей изучения поведения и свойств нейронов. Как заявляет руководитель этого уникального проекта, Кристоф Кох, ведущий специалист отдела нейронауки при Институте Аллен, публикация такой системной модели позволит глубже проникнуть в процесс понимания функционирования и свойств нейронов, что в конечном счете должно обогатить понимание того, что представляет собой мозг и как он работает.
Данные модели изучения под индексом GLIF были созданы при помощи ранее основанной клеточной базы данных в институте, которая пополняется до сих пор с 2015 года. Эта база данных представляет собой некое “собрание” нейронов, полученных как из мозга мышей, так и из человеческого. Она содержит электрофизиологическое, морфологические и транскриптомные свойства этих нейронов, которые и образуют наиболее актуальную сферу для современных нейробиологов.
Что касается самих моделей, то модели GLIF (generalized leaky integrate-and-fire) и другие биофизические модели, при помощи компьютерной симуляции, воспроизводят пиковые моменты работы нейронов и захватывают все происходящие в них трансформации. Некоторые отдельные биофизические модели обладают большей точностью, так как они позволяют проследить мельчайшие изменения в нейронных сетях, таким образом воспроизводя нервные импульсы.
Главное преимущество данной системной модели по изучению нейронных связей и самих нейронов состоит в том, что она требует сравнительно небольшого количества электроэнергии и компьютерных мощностей – что, в свою очередь, позволяет специалистам исследовать множество миллионов нейронов мышей и человека, тем самым воспроизводя достаточно точные “предсказания” в отношении работы мозга и его изменений, зависящих от характера и свойств работы тех или иных нейронных сетей. Это действительно уникальная и необычная разработка в этой сфере!
