معلومة

معدلات إطلاق الخلايا العصبية النموذجية عبر قشرة الدماغ البشرية

معدلات إطلاق الخلايا العصبية النموذجية عبر قشرة الدماغ البشرية


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.

أود أن أجد مقالة علمية (أو مقالات) تلخص معدلات إطلاق الخلايا العصبية النموذجية في أجزاء مختلفة من القشرة المخية البشرية.

أي مراجع جيدة في هذا؟


إليك مرجع جيد لتبدأ حيث يمكنك الوصول إلى أطلس لخصائص مختلفة من الخلايا العصبية. أنواع الخلايا من معهد ألين برين

تذكر أنه عندما تقول معدلات إطلاق نار نموذجية عليك تحديدها اي نوع من الخلايا التي تتحدث عنها لأن الخلايا العصبية الداخلية يمكنها إطلاق النار بشكل أسرع على سبيل المثال من الخلايا الهرمية. هناك أيضًا اختلافات في معدلات إطلاق النار القاعدية مقابل معدلات إطلاق النار النشط.


يتم حفظ متطلبات الطاقة القشرية للإشارات ومكونات غير الإشارات في الدماغ عبر أنواع الثدييات ومستويات النشاط

يُعتقد أن الحاجة المستمرة لاستعادة التدرج الأيوني عبر غشاء الخلية ، وهي شرط أساسي للانتقال والتوصيل التشابكي ، عامل رئيسي في ارتفاع الطلب التأكسدي للدماغ. ومع ذلك ، هل تختلف متطلبات الطاقة الخاصة بالإشارات والمكونات غير المشعة للخلايا العصبية والخلايا النجمية القشرية باختلاف مستويات النشاط وعبر الأنواع؟ اشتقنا طلب ATP المؤكسد المرتبط بالإشارة (Pس) وعدم الإشارة (صنانوثانية) المكونات في القشرة الدماغية باستخدام البيانات الفيزيولوجية والتشريحية الخاصة بالأنواع. في الفئران ، قمنا بحساب معدلات أكسدة الجلوكوز من النشاط العصبي الخاص بالطبقة المقاسة عبر حالات مختلفة ، بدءًا من الكهرباء المتساوية إلى التنبيه اليقظ والحسي. قمنا بعد ذلك بمقارنة معدلات أكسدة الجلوكوز المحسوبة مع بيانات التمثيل الغذائي للجلوكوز المقاسة لنفس الحالات كما تم الإبلاغ عنها بواسطة التصوير الشعاعي الذاتي 2-deoxy-glucose. قيم ثابتة لـ Pس و صنانوثانية كانت قادرة على التنبؤ بمجموعة كاملة من الحالات في الفئران. ثم قمنا بحساب معدلات أكسدة الجلوكوز من بيانات EEG البشرية التي تم الحصول عليها في ظل ظروف مختلفة باستخدام P الثابتس و صنانوثانية القيم المشتقة للفأر. تمت مقارنة هذه البيانات الأيضية المحسوبة في القشرة الدماغية البشرية بشكل جيد مع استقلاب الجلوكوز الذي تم قياسه بواسطة PET. بغض النظر عن الأنواع ، تم إنشاء علاقة خطية بين النشاط العصبي والطلب التأكسدي العصبي خارج الكهربي المتساوي. سيطرت متطلبات الإشارات القشرية على الطلب على الطاقة في حالة اليقظة ، في حين أن متطلبات عدم الإشارة كانت 20 ٪ من قيمة اليقظة. هذه التنبؤات مدعومة بنتائج التحليل الطيفي بالرنين المغناطيسي 13 درجة مئوية. نستنتج أن دعم طاقة الميتوكوندريا للإشارة ومكونات غير الإشارة في القشرة الدماغية يتم حفظها عبر مستويات النشاط في أنواع الثدييات.

يعتبر الدماغ من أكثر الأنسجة التي تتطلب طاقة في الجسم (1). أظهر التحليل الطيفي بالرنين المغناطيسي 13 درجة مئوية (MRS) في الفئران أنه في حالة الاستيقاظ ، يتم استخدام 80 ٪ من استهلاك الطاقة القشرية لدعم الإشارات كما ينعكس في معدل إطلاق الناقل العصبي للجلوتامات والامتصاص النجمي (2 ، 3) . يرتبط الطلب على الطاقة الدماغية أيضًا ارتباطًا إيجابيًا بمعدل إطلاق الخلايا العصبية الهرمية في قشرة الفئران (4 ، 5). كانت نتائج 13 C MRS في القشرة البشرية متوافقة بشكل عام مع نتائج الفئران (6). ومع ذلك ، لا تزال هناك أسئلة حول مدى جودة تكاليف الطاقة الخاصة بالعمليات الخلوية المحددة اللازمة لدعم النقل والتوصيل المشبكي والتي يتم حفظها على مستويات النشاط المختلفة و / أو عبر الأنواع.

حاولت ميزانيات الطاقة التصاعدية الأخيرة للمادة الرمادية في دماغ الثدييات فهم التكاليف النشطة لأحداث الخلايا العصبية والدبقية الكهربائية والناقلات العصبية التي تحدث في الخلايا العصبية (7 ، 8) عن طريق حساب ATP المستخدم لكل خلية عصبية للإشارة (Pس) وعدم الإشارة (صنانوثانية) الأحداث. في قشرة اليقظة ، إجمالي ATP المستخدم لكل وحدة حجم قشري لكل وحدة زمنية (Eتوت بوحدات ATP / s لكل سنتيمتر 3) بضرب P.س (بوحدات ATP / الخلايا العصبية لكل مسمار) و P.نانوثانية (بوحدات ATP / الخلايا العصبية في الثانية) المعلمات ذات الكثافة الخلوية (η) ومتوسط ​​معدلات إطلاق النار القشري (& ltF& gt) لإعطاء إشارات (Es) و nonignaling (Ens) مكونات ،

حيث يمتد الجمع للخلايا العصبية والخلايا النجمية. اتفقت هذه الدراسات مع القياسات في الجسم الحي من حيث أن غالبية استهلاك طاقة الدماغ قد تم استخدامه لدعم الإشارات وخلصت أيضًا إلى أن كلاً من أحداث الإشارات وعدم الإشارة في الإنسان كانت أكثر تكلفة بنحو مرتين إلى ثلاث مرات على أساس كل خلية عصبية مقارنة بالفئران. ومع ذلك ، فإن هذه الميزانيات لها قيود (7 ، 8) وأبرزها أن المعلمات النسيجية والفيزيائية الحيوية المستخدمة لا تتفق مع القيم الحديثة ، وتم تجاهل التباين عبر الصفيحة القشرية (9 -11) ، وتم إجراء المقارنة مع حالة واحدة فقط وهي حالة يقظة. .

هنا ، نستخدم نهجًا من أعلى إلى أسفل بدلاً من نهج من أسفل إلى أعلى لتقييم الروابط الأساسية بين الأحداث الكهربائية والكيميائية في العصب. اختبرنا الفرضيات القائلة بأن متطلبات الطاقة لكل خلية للإشارة (Pس) وعدم الإشارة (صنانوثانية) مستقلة عن حالة النشاط العصبي (على سبيل المثال ، التنشيط الحسي ، أو اليقظة ، أو النوم ، أو التخدير) ويتم حفظها عبر الأنواع (أي الفئران والبشر). استخدمنا البيانات المورفولوجية والفيزيولوجية العصبية والأيضية الخاصة بالطبقة في دماغ الفئران لحساب Pس و صنانوثانية، والتي تم اختبارها بعد ذلك على البيانات البشرية. على النقيض من وجهات النظر التي تسلط الضوء على الاختلافات بين اقتران الاستقلاب العصبي في الدماغ البشري (7 ، 8) ، تشير نتائجنا إلى أنه ، على أساس خلوي ، يتم حفظ دعم طاقة الميتوكوندريا للوظائف القشرية للثدييات أثناء الإشارات وعدم الإشارة.


مقدمة

يشكل إطلاق الخلايا العصبية الواحدة أساسًا أساسيًا للشفرة العصبية أثناء الإدراك والذاكرة. بالإضافة إلى الدور الراسخ للتغيرات المرتبطة بالسلوك في معدلات إطلاق الخلايا العصبية ، فإن الأدلة المتقاربة عبر الأنواع والسلوكيات تشير إلى أن التفاعلات بين توقيت ارتفاع الخلايا العصبية المفردة والتذبذبات التي لوحظت في إمكانات المجال المحلي (LFP) تساهم أيضًا في الكود العصبي (Hyman et al.، 2005 Huxter et al.، 2003 Rutishauser et al.، 2010 Belitski et al.، 2008 Ng et al.، 2013 Kayser et al.، 2009). في القوارض ، تُظهِر خلايا الحصين وخلايا الفص الجبهي الإنسي مداورة المرحلة بالنسبة لتذبذبات ثيتا أثناء التنقل (O'Keefe and Recce ، 1993 Terada et al. ، 2017 Jones and Wilson ، 2005) ، حيث تمثل مرحلة ثيتا من إطلاق الخلايا العصبية معلومات حول موقع الحيوان (جنسن وليسمان ، 2000).

تم دمج هذه الملاحظات في النماذج النظرية للتشفير العصبي التي تفترض دورًا عامًا للمرحلة التذبذبية لترميز أنواع مختلفة من المعلومات السلوكية (Nadasdy، 2009 Kayser et al.، 2012 Lisman and Jensen، 2013 Watrous and Ekstrom، 2014). على سبيل المثال ، في التشفير الطيفي السياقي ونظرية الاسترجاع (SCERT) ، اقترحنا أن إطلاق الخلايا العصبية الخاص بالتردد والمُغلق بالطور إلى التذبذبات منخفضة التردد في مراحل مختلفة (أي ترميز الطور) يشكل أيضًا أساسًا للشفرة العصبية البشرية ( Watrous and Ekstrom، 2014 Watrous et al.، 2015b). لقد أبلغنا سابقًا عن أدلة على SCERT (Watrous et al. ، 2015a) باستخدام نشاط عالي التردد في LFP كبديل لارتفاع الخلية المفردة (Crone et al. ، 1998 Manning et al. ، 2009 Miller et al. ، 2014) . ومع ذلك ، نظرًا للعلاقة المعقدة والمتغيرة (Ekstrom et al. ، 2007 Manning et al. ، 2009 Rey et al. ، 2014) بين ارتفاع عدد الخلايا العصبية المفردة والنشاط عالي التردد في الفص الصدغي البشري (MTL) ، من غير الواضح ما إذا كانت الخلايا العصبية البشرية MTL تظهر ترميز طوري للمعلومات ذات الصلة بالملاحة بما يتجاوز التفضيل العام لإطلاق النار في مراحل معينة (جاكوبس وآخرون ، 2007). لذلك سعينا إلى توسيع نتائجنا السابقة لتشفير طور LFP (Watrous et al. ، 2015a) إلى مستوى الخلايا العصبية المفردة في المرضى الذين يؤدون مهمة تنقل افتراضية ، بافتراض أن ترميز الطور سيحدث للتذبذبات منخفضة التردد بناءً على كلتا الدراستين البشريتين (جاكوبس وآخرون ، 2010 واتروس وآخرون ، 2011 إكستروم وآخرون ، 2005 مورمان وآخرون ، 2008) وعمل القوارض الموصوف أعلاه.

يجب على الملاح الأمثل أن يخطط للطرق وأن يتعرف على وقت وصولهم إلى وجهتهم. تشير أدلة التصوير البشري والآفات إلى أن النشاط في MTL البشري وقشرة الفص الجبهي الإنسي تشكل تمثيلات نشطة للسياق المكاني مثل الأهداف الملاحية (Ranganath and Ritchey، 2012 Brown et al.، 2016 Ciaramelli، 2008 Spiers and Maguire، 2007 Wolbers et al. ، 2007) لدعم التخطيط الملاحي (Horner et al.، 2016 Bellmund et al.، 2016 Kaplan et al.، 2017). بتحليل تسجيلات الخلايا العصبية المفردة البشرية من MTL ، حددت الدراسات السابقة الخلايا العصبية التي تزيد من معدل إطلاقها عند عرض مواقع الهدف (Ekstrom et al. ، 2003). حتى الآن ، من غير الواضح ما إذا كان ترميز الطور موجودًا أيضًا للأهداف الملاحية. من غير المعروف أيضًا ما إذا كان المعدل والترميز الطوري يتعايشان في البشر ، كما اقترحت دراسات القوارض التي أشارت إلى أن ترميز الطور كان ظاهرة مميزة مقارنة بتشفير المعدل (Huxter et al. ، 2003 Hyman et al. ، 2005).

بالاعتماد على فرضيات الترميز المرحلي من SCERT والنتائج ذات الصلة في القوارض (Hollup et al. ، 2001 Hok et al. ، 2007 Hyman et al. ، 2005 O'Neill et al. ، 2013) ، افترضنا أن التمثيلات السياقية المكانية لـ سيتم تنفيذ أهداف ملاحية محددة من خلال أنماط مميزة من ترميز الطور بواسطة الخلايا العصبية الفردية. علاوة على ذلك ، استنادًا إلى القوارض (Wikenheiser and Redish ، 2015) والدراسات البشرية (Viard et al. ، 2011 Howard et al. ، 2014 Brown et al. ، 2016 Horner et al. ، 2016 Bellmund et al. الهياكل الفصية والقشرة الأمامية في التخطيط الملاحي ، رأينا أن ترميز الطور المرتفع قد يدعم هذه السلوكيات على مستوى العصبون المفرد ، بافتراض أن أنماط طور السنبلة المميزة تتوافق مع حالات الشبكة العصبية التي تمثل التخطيط والبحث عن أهداف معينة. تتنبأ SCERT عمومًا بأن الترددات التذبذبية يجب أن تتطابق بين التشفير والاسترجاع وأن ترميز الطور يجب أن يحدث عند التردد التذبذب السائد الذي يحدث في سلوك معين ومنطقة الدماغ. وبالتالي ، بناءً على مجموعة الأدلة التي تشير إلى أن تذبذبات ثيتا البطيئة في الحصين هي الأبرز أثناء التنقل الافتراضي البشري (Ekstrom et al. ، 2005 Watrous et al. ، 2011 Jacobs ، 2014 Bush et al. ، 2017) ، توقعنا هنا أن يجب أن يحدث تشفير الطور بشكل أساسي عند ترددات ثيتا البطيئة.

لاختبار هذه الأفكار ، قمنا بتحليل مجموعة بيانات قامت في وقت واحد بقياس نشاط الخلايا العصبية المفردة البشرية والنشاط التذبذبي من MTL (الحصين ، القشرة المخية الداخلية ، اللوزة ، التلفيف المجاور للحصين) والمناطق الأمامية (الفص الجبهي الإنسي / الحزامي ، الحركي ، المداري الجبهي) أثناء الهدف- مهمة ملاحة موجهة (الشكل 1 - ملحق الشكل 1 جاكوبس وآخرون ، 2010 ميلر وآخرون ، 2015). بعد تقييم التغييرات في معدل إطلاق النار لأول مرة المتعلقة بنشاط الهدف ، سألنا بعد ذلك عما إذا كانت المعلومات الإضافية المتعلقة بالهدف مشفرة من خلال النظر في المرحلة التذبذبية أثناء الارتفاع. باتباع الاستراتيجية التحليلية من عملنا السابق (واتروس وآخرون ، 2015 أ) ، اختبرنا قفل الطور الخاص بالتردد ثم اختبرنا ترميز الطور مباشرةً ، والذي سيظهر كخلايا عصبية فردية ارتفعت في مراحل مختلفة وفقًا للهدف المرتقب. بالإضافة إلى الخلايا التي تشفر المتغيرات الملاحية باستخدام معدل إطلاق النار ، أكدت نتائجنا وجود ترميز طوري للأهداف الملاحية في الخلايا العصبية الفردية ، وبالتالي توفير الدليل الأول لتشفير الطور التذبذب للمعلومات السياقية المكانية في الدماغ البشري.


محتويات

الشيخوخة تنطوي على العديد من التغيرات الجسدية والبيولوجية والكيميائية والنفسية. لذلك ، من المنطقي أن نفترض أن الدماغ ليس استثناءً من هذه الظاهرة. وجدت فحوصات التصوير المقطعي المحوسب أن البطينين الدماغيين يتوسعان نتيجة التقدم في العمر. أبلغت دراسات التصوير بالرنين المغناطيسي الحديثة عن انخفاضات إقليمية مرتبطة بالعمر في حجم المخ. [2] [3] إن تقليل الحجم الإقليمي غير منتظم تتقلص بعض مناطق الدماغ بمعدل يصل إلى 1٪ سنويًا ، بينما تظل مناطق أخرى مستقرة نسبيًا حتى نهاية فترة الحياة. [4] الدماغ معقد للغاية ، ويتكون من عدة مناطق وأنواع مختلفة من الأنسجة ، أو مادة. قد تكون الوظائف المختلفة للأنسجة المختلفة في الدماغ أكثر أو أقل عرضة للتغيرات التي يسببها التقدم في العمر. [2] يمكن تصنيف مادة الدماغ على نطاق واسع على أنها إما مادة رمادية أو مادة بيضاء. تتكون المادة الرمادية من أجسام خلوية في القشرة والنواة تحت القشرية ، بينما تتكون المادة البيضاء من محاور نقيوية معبأة بإحكام تربط الخلايا العصبية في القشرة الدماغية ببعضها البعض ومع المحيط. [2]

فقدان الدوائر العصبية ودونة الدماغ

تشير اللدونة الدماغية إلى قدرة الدماغ على تغيير الهيكل والوظيفة. [5] [6] يرتبط هذا بالعبارة الشائعة ، "إذا لم تستخدمها ، فستفقدها" ، وهي طريقة أخرى للقول ، إذا لم تستخدمها ، فسوف يخصص عقلك مساحة أقل جسدية لـ هو - هي. إحدى الآليات المقترحة لعجز اللدونة المرتبط بالعمر في الحيوانات هي نتيجة التغيرات التي يسببها العمر في تنظيم الكالسيوم. [7] ستؤثر التغييرات في قدراتنا على التعامل مع الكالسيوم في النهاية على إطلاق الخلايا العصبية والقدرة على نشر إمكانات العمل ، والتي بدورها ستؤثر على قدرة الدماغ على تغيير هيكله أو وظيفته (أي طبيعته البلاستيكية). نظرًا لتعقيد الدماغ ، بكل بنياته ووظائفه ، فمن المنطقي أن نفترض أن بعض المناطق ستكون أكثر عرضة للشيخوخة من غيرها. دائرتان جديران بالذكر هنا هما دائرة الحصين والقشرة المخية الحديثة. [8] وقد اقترح أن التدهور المعرفي المرتبط بالعمر لا يرجع جزئيًا إلى موت الخلايا العصبية ولكن إلى التغيرات المشبكية. تشير الدلائل التي تدعم هذه الفكرة من العمل الحيواني أيضًا إلى أن هذا العجز المعرفي يرجع إلى عوامل وظيفية وكيميائية حيوية مثل التغيرات في النشاط الإنزيمي أو الرسل الكيميائي أو التعبير الجيني في الدوائر القشرية. [8]

ترقق القشرة تحرير

لقد وفرت التطورات في تقنية التصوير بالرنين المغناطيسي القدرة على رؤية بنية الدماغ بتفاصيل كبيرة بطريقة سهلة وغير جراحية في الجسم الحي. [9] بارتزوكيس وآخرون.، لاحظ أن هناك انخفاضًا في حجم المادة الرمادية بين سن البلوغ والشيخوخة ، بينما وجد أن حجم المادة البيضاء يزداد من سن 19-40 ، وينخفض ​​بعد هذا العمر. [9] وقد حددت الدراسات التي تستخدم قياس التشكل المعتمد على فوكسل مناطق مثل العزلة والتلافيف الجداري العلوي على أنها معرضة بشكل خاص للخسائر المرتبطة بالعمر في المادة الرمادية لكبار السن. [9] سويل وآخرون.، ذكر أن العقود الستة الأولى من حياة الفرد كانت مرتبطة بأسرع انخفاض في كثافة المادة الرمادية ، وقد حدث هذا على الفصوص الظهرية والجبهة والجدارية على كل من أسطح الدماغ بين نصفي الكرة والجانبية. وتجدر الإشارة أيضًا إلى أن مناطق مثل التلفيف الحزامي والقشرة القذالية المحيطة بالتلم الكلسي تبدو مستثناة من هذا الانخفاض في كثافة المادة الرمادية بمرور الوقت. [9] تظهر تأثيرات العمر على كثافة المادة الرمادية في القشرة الصدغية الخلفية في الغالب في نصف الكرة الأيسر مقابل النصف الأيمن ، وكانت محصورة في قشرة اللغة الخلفية. تم العثور على وظائف لغوية معينة مثل استرجاع الكلمات وإنتاجها لتكون موجودة في قشور اللغة الأمامية ، وتتدهور بسبب تقدم العمر. أفاد سويل وزملاؤه أيضًا أن قشور اللغة الأمامية هذه وُجد أنها تنضج وتتراجع في وقت أبكر من قشور اللغة الخلفية. [9] وقد وجد أيضًا أن عرض التلم لا يزداد مع تقدم العمر فقط ، [10] ولكن أيضًا مع التدهور المعرفي لدى كبار السن. [11]

تحرير مورفولوجيا الخلايا العصبية المرتبطة بالعمر

هناك أدلة متقاربة من علماء الأعصاب الإدراكيين في جميع أنحاء العالم على أن العجز المعرفي الناجم عن تقدم العمر قد لا يكون بسبب فقدان الخلايا العصبية أو موت الخلايا ، بل قد يكون نتيجة لتغيرات صغيرة خاصة بمنطقة معينة في مورفولوجيا الخلايا العصبية. [7] أظهرت الدراسات التي أجراها دوان وآخرون أن العرش الشجيري والعمود الفقري الشجيري للخلايا العصبية الهرمية القشرية يتناقص في الحجم و / أو العدد في مناطق وطبقات معينة من قشرة الرئيسيات البشرية وغير البشرية نتيجة للعمر (دوان) وآخرون.، 2003 مورف). تم الإبلاغ عن انخفاض بنسبة 46 ٪ في عدد العمود الفقري وكثافة العمود الفقري لدى البشر الأكبر من 50 عامًا مقارنة بالأفراد الأصغر سنًا. [8] أفادت دراسة بالمجهر الإلكتروني على القرود عن خسارة بنسبة 50٪ في العمود الفقري على الخصل الشجيري القمي للخلايا الهرمية في قشرة الفص الجبهي للحيوانات القديمة (27-32 عامًا) مقارنة بالصغار (6-9 سنوات). [8]

تحرير التشابك الليفي العصبي

الأمراض العصبية المرتبطة بالعمر مثل مرض الزهايمر ومرض باركنسون والسكري وارتفاع ضغط الدم وتصلب الشرايين تجعل من الصعب تمييز الأنماط الطبيعية للشيخوخة. [12] [13] أحد الاختلافات المهمة بين الشيخوخة الطبيعية والشيخوخة المرضية هو موقع التشابك الليفي العصبي. تتكون التشابك الليفي العصبي من خيوط حلزونية مقترنة (PHF). [14] في الشيخوخة الطبيعية غير المصابة بالخرف ، يكون عدد التشابك في كل جسم خلية مصاب منخفضًا نسبيًا [14] ويقتصر على النواة الشمية والتلفيف المجاور للحصين واللوزة المخية والقشرة المخية الداخلية. [15] مع تقدم العمر غير المصاب بالخرف ، هناك زيادة عامة في كثافة التشابك ، ولكن لا يوجد فرق كبير في مكان وجود التشابك. [15] العامل المساعد الرئيسي الآخر في التنكس العصبي الموجود بشكل شائع في دماغ المرضى المصابين بمرض الزهايمر هو لويحات الأميلويد. ومع ذلك ، على عكس التشابك ، لم يتم العثور على اللويحات لتكون سمة ثابتة للشيخوخة الطبيعية. [15]

دور الاكسدة تحرير

يُعزى الضعف المعرفي إلى الإجهاد التأكسدي والتفاعلات الالتهابية والتغيرات في الأوعية الدموية الدقيقة في الدماغ. [16] التأثير الدقيق لكل من هذه الآليات في التأثير على الشيخوخة المعرفية غير معروف. الإجهاد التأكسدي هو عامل الخطر الأكثر قابلية للسيطرة وهو الأفضل فهمًا. يعرّف قاموس ميريام وبستر الطبي على الإنترنت الإجهاد التأكسدي بأنه "الإجهاد الفسيولوجي على الجسم الناجم عن الضرر التراكمي الذي تسببه الجذور الحرة التي لا يتم تحييدها بشكل كافٍ بمضادات الأكسدة وهذا مرتبط بالشيخوخة". [17] ومن ثم فإن الإجهاد التأكسدي هو الضرر الذي يلحق بالخلايا بواسطة الجذور الحرة التي تم إطلاقها من عملية الأكسدة.

بالمقارنة مع الأنسجة الأخرى في الجسم ، يعتبر الدماغ حساسًا بشكل غير عادي للتلف التأكسدي. [18] ارتبطت زيادة الضرر التأكسدي بالأمراض التنكسية العصبية والضعف الإدراكي الخفيف والفروق الفردية في الإدراك لدى كبار السن الأصحاء. في حالة "الشيخوخة الطبيعية" ، يخضع الدماغ للإجهاد التأكسدي بعدة طرق.المساهمون الرئيسيون يشملون أكسدة البروتين ، بيروكسيد الدهون والتعديلات المؤكسدة في الحمض النووي النووي والميتوكوندريا. [18] الإجهاد التأكسدي يمكن أن يدمر تكاثر الحمض النووي ويمنع الإصلاح من خلال العديد من العمليات المعقدة ، بما في ذلك تقصير التيلومير في مكونات الحمض النووي. [19] في كل مرة تتكاثر فيها الخلية الجسدية ، يقصر مكون الحمض النووي التيلومري. نظرًا لأن طول التيلومير وراثي جزئيًا ، [19] فهناك اختلافات فردية في عمر بداية التدهور المعرفي.

تحرير تلف الحمض النووي

أظهرت 25 دراسة على الأقل أن تلف الحمض النووي يتراكم مع تقدم العمر في دماغ الثدييات. يشتمل تلف الحمض النووي على النيوكليوزيد المؤكسد 8-هيدروكسي ديوكسي جوانوزين (8-OHdG) ، والكسور أحادية ومزدوجة الخيط ، والروابط المتشابكة لبروتين الحمض النووي ، وقوائم malondialdehyde (تمت مراجعتها في Bernstein et al. [20]). تم الإبلاغ عن زيادة تلف الحمض النووي مع تقدم العمر في أدمغة الفئران والجرذان والجربيل والأرانب والكلاب والإنسان. تمتلك الفئران الصغيرة البالغة من العمر 4 أيام حوالي 3000 فاصل أحادي الخيط و 156 فاصلًا مزدوجًا لكل خلية عصبية ، بينما في الجرذان التي يزيد عمرها عن عامين ، يرتفع مستوى الضرر إلى حوالي 7400 فاصل أحادي الجديلة و 600 فاصل بشريط مزدوج لكل خلية عصبية . [21]

لو وآخرون. [22] درس الملامح النسخية للقشرة الأمامية البشرية للأفراد الذين تتراوح أعمارهم بين 26 و 106 سنة. أدى ذلك إلى تحديد مجموعة من الجينات التي تغير تعبيرها بعد سن الأربعين. ووجدوا كذلك أن متواليات المحفز لهذه الجينات المعينة تراكمت ضررًا مؤكسدًا للحمض النووي ، بما في ذلك 8-OHdG ، مع تقدم العمر (انظر نظرية تلف الحمض النووي للشيخوخة). وخلصوا إلى أن تلف الحمض النووي قد يقلل من التعبير عن الجينات المعرضة للخطر بشكل انتقائي والتي تشارك في التعلم والذاكرة وبقاء الخلايا العصبية ، مما يؤدي إلى ظهور نمط من شيخوخة الدماغ يبدأ في وقت مبكر من الحياة.

بالإضافة إلى التغييرات الهيكلية التي يتعرض لها الدماغ مع تقدم العمر ، فإن عملية الشيخوخة تنطوي أيضًا على مجموعة واسعة من التغييرات البيوكيميائية. وبشكل أكثر تحديدًا ، تتواصل الخلايا العصبية مع بعضها البعض عبر مراسلات كيميائية متخصصة تسمى الناقلات العصبية. حددت العديد من الدراسات عددًا من هذه الناقلات العصبية ، بالإضافة إلى مستقبلاتها ، التي تظهر تغيرًا ملحوظًا في مناطق مختلفة من الدماغ كجزء من عملية الشيخوخة الطبيعية.

تحرير الدوبامين

أبلغ عدد هائل من الدراسات عن تغييرات مرتبطة بالعمر في تخليق الدوبامين ، ومواقع الارتباط ، وعدد المستقبلات. أظهرت الدراسات التي أجريت باستخدام التصوير المقطعي بالإصدار البوزيتروني (PET) في البشر الأحياء انخفاضًا كبيرًا مرتبطًا بالعمر في تخليق الدوبامين ، [23] ولا سيما في منطقة المخطط وخارج الولادة (باستثناء الدماغ المتوسط). [24] انخفاض كبير مرتبط بالعمر في مستقبلات الدوبامين د1، د2و د3 كما تم الإبلاغ عنها بشكل كبير. [25] [26] [27] [28] [29] انخفاض عام في د1 و د2 تم عرض مستقبلات ، [27] وبشكل أكثر تحديدًا انخفاض في D1 و د2 مستقبلات ملزمة في النواة المذنبة والبوتامين. [26] [29] انخفاض عام في د1 كما تبين أن كثافة المستقبلات تحدث مع تقدم العمر. انخفاضات كبيرة مرتبطة بالعمر في مستقبلات الدوبامين ، د2 و د3 تم اكتشافها في القشرة الحزامية الأمامية ، القشرة الأمامية ، القشرة الصدغية الجانبية ، الحصين ، القشرة الصدغية الإنسي ، اللوزة ، المهاد الإنسي ، المهاد الجانبي [25] أشارت إحدى الدراسات أيضًا إلى وجود علاقة عكسية كبيرة بين ارتباط الدوبامين في القشرة القذالية والعمر. [26] تظهر دراسات تشريح الجثة أيضًا أن عدد د1 و د2 تنخفض المستقبلات مع تقدم العمر في كل من النواة المذنبة والبوتامين ، على الرغم من أن نسبة هذه المستقبلات لم تظهر تغيرات مرتبطة بالعمر. [28] يُعتقد أن فقدان الدوبامين مع تقدم العمر مسؤول عن العديد من الأعراض العصبية التي تزداد وتيرتها مع تقدم العمر ، مثل انخفاض تأرجح الذراع وزيادة الصلابة. [30] التغيرات في مستويات الدوبامين قد تسبب أيضًا تغيرات مرتبطة بالعمر في المرونة الإدراكية. [30]

تحرير السيروتونين

كما تبين أن انخفاض مستويات مستقبلات السيروتونين المختلفة وناقل السيروتونين ، 5-HTT ، يحدث مع تقدم العمر. أظهرت الدراسات التي أجريت باستخدام طرق PET على البشر ، في الجسم الحي ، أن مستويات 5-HT2 المستقبل في النواة المذنبة ، البوتامين ، والقشرة الدماغية الأمامية ، تتراجع مع تقدم العمر. [29] قدرة ربط منخفضة لـ 5-HT2 تم العثور أيضًا على مستقبلات في القشرة الأمامية ، [27] بالإضافة إلى انخفاض قدرة الارتباط لناقل السيروتونين ، 5-HHT ، في المهاد والدماغ المتوسط. [31] أشارت دراسات ما بعد الوفاة على البشر إلى انخفاض قدرات الارتباط بالسيروتونين وانخفاض في عدد S1 المستقبلات في القشرة الأمامية والحصين وكذلك انخفاض في التقارب في البوتامين. [32]

تحرير الغلوتامات

الجلوتامات هو ناقل عصبي آخر يميل إلى الانخفاض مع تقدم العمر. [33] [34] [35] أظهرت الدراسات أن الأشخاص الأكبر سنًا لديهم تركيز أقل من الجلوتامات في القشرة الحركية مقارنة بالأشخاص الأصغر سنًا. درجة ، المادة البيضاء الأمامية ، كما لوحظ. [33] [34] على الرغم من دراسة هذه المستويات في الدماغ البشري الطبيعي ، غالبًا ما تتأثر مناطق العقد الجدارية والقاعدية بأمراض الدماغ التنكسية المرتبطة بالشيخوخة ، وبالتالي فقد اقترح أن الغلوتامات في الدماغ قد تكون مفيدة كعلامة على الدماغ الأمراض التي تتأثر بالشيخوخة. [33]

التغييرات في الاتجاه تحرير

يُعرَّف التوجيه على أنه وعي الذات فيما يتعلق بمحيط المرء [36] غالبًا ما يتم فحص التوجيه من خلال التمييز بين ما إذا كان لدى الشخص إحساس بالوقت والمكان والشخص. يعد نقص التوجيه أحد أكثر أعراض أمراض الدماغ شيوعًا ، وبالتالي يتم تضمين اختبارات التوجيه في جميع التقييمات الطبية والنفسية العصبية تقريبًا. [37] بينما ركزت الأبحاث في المقام الأول على مستويات التوجه بين المجموعات السريرية ، فقد قام عدد قليل من الدراسات بفحص ما إذا كان هناك انخفاض طبيعي في التوجه بين البالغين الأصحاء المتقدمين في السن. كانت النتائج غير حاسمة إلى حد ما. تشير بعض الدراسات إلى أن التوجه لا يتراجع على مدى العمر. [38] [39] على سبيل المثال ، في إحدى الدراسات ، قدم 92٪ من كبار السن العاديين (65-84 عامًا) توجهًا مثاليًا أو قريبًا من الكمال. [40] ومع ذلك ، تشير بعض البيانات إلى أن التغييرات الطفيفة في الاتجاه قد تكون جزءًا طبيعيًا من الشيخوخة. [41] [42] على سبيل المثال ، خلص سويت وزملاؤه إلى أن "كبار السن الذين يتمتعون بذاكرة طبيعية وصحية قد يعانون من صعوبات خفيفة في التوجه. وعلى النقيض من ذلك ، فإن الأشخاص الأصغر سنًا الذين يتمتعون بذاكرة طبيعية لا يعانون فعليًا من مشاكل في التوجه" [42] (ص 505) . لذا ، على الرغم من أن الأبحاث الحالية تشير إلى أن الشيخوخة الطبيعية لا ترتبط عادةً بانخفاض كبير في التوجه ، إلا أن الصعوبات الخفيفة قد تكون جزءًا من الشيخوخة الطبيعية وليست بالضرورة علامة على علم الأمراض.

التغييرات في الانتباه تحرير

يلاحظ العديد من كبار السن انخفاضًا في قدراتهم على الانتباه. [43] الانتباه هو بناء واسع يشير إلى "القدرة المعرفية التي تسمح لنا بالتعامل مع قيود المعالجة الكامنة في الدماغ البشري عن طريق اختيار المعلومات لمزيد من المعالجة" (ص 334). [44] نظرًا لأن موارد الدماغ البشري محدودة ، فإن الناس يستخدمون اهتمامهم بالمنطقة في منبهات معينة ويمنعون الآخرين.

إذا كان لدى كبار السن موارد انتباه أقل من البالغين الأصغر سنًا ، فإننا نتوقع أنه عندما يجب تنفيذ مهمتين في نفس الوقت ، فإن أداء كبار السن سينخفض ​​أكثر من أداء البالغين الأصغر سنًا. ومع ذلك ، تشير مراجعة كبيرة للدراسات حول الإدراك والشيخوخة إلى أن هذه الفرضية لم يتم دعمها بالكامل. [45] بينما وجدت بعض الدراسات أن كبار السن يواجهون صعوبة أكبر في تشفير المعلومات واسترجاعها عندما ينقسم انتباههم ، إلا أن دراسات أخرى لم تجد اختلافات ذات مغزى عن البالغين الأصغر سنًا. وبالمثل ، قد يتوقع المرء أن يكون أداء كبار السن ضعيفًا في مهام الاهتمام المستمر ، والتي تقيس القدرة على الحضور والاستجابة للمحفزات لفترة طويلة من الزمن. ومع ذلك ، تشير الدراسات إلى أن الاهتمام المستمر لا يظهر أي انخفاض مع تقدم العمر. تشير النتائج إلى أن الاهتمام المستمر يزداد في بداية مرحلة البلوغ ثم يظل مستقرًا نسبيًا ، على الأقل خلال العقد السابع من العمر. [46] هناك حاجة إلى مزيد من البحث حول كيفية تأثير الشيخوخة الطبيعية على الانتباه بعد سن الثمانين.

من الجدير بالذكر أن هناك عوامل أخرى غير قدرات الانتباه الحقيقية التي قد تتعلق بصعوبة الانتباه. على سبيل المثال ، من الممكن أن تؤثر حالات العجز الحسي على قدرات الانتباه لدى كبار السن. بمعنى آخر ، قد يؤدي ضعف السمع أو الرؤية إلى زيادة صعوبة أداء كبار السن بشكل جيد في مهام الانتباه البصري واللفظي. [43]

التغييرات في الذاكرة تحرير

تم تحديد العديد من أنواع الذاكرة المختلفة لدى البشر ، مثل الذاكرة التقريرية (بما في ذلك الذاكرة العرضية والذاكرة الدلالية) ، والذاكرة العاملة ، والذاكرة المكانية ، والذاكرة الإجرائية. [2] الدراسات التي أجريت ، وجدت أن وظائف الذاكرة ، وبشكل أكثر تحديدًا تلك المرتبطة بالفص الصدغي الإنسي ، معرضة بشكل خاص للتدهور المرتبط بالعمر. [8] قدم عدد من الدراسات التي تستخدم مجموعة متنوعة من الأساليب مثل التصوير النسيجي ، والتصوير الهيكلي ، والتصوير الوظيفي ، وربط المستقبلات أدلة متقاربة على أن الفص الأمامي ومسارات الدوبامين الأمامية تتأثر بشكل خاص بالعمليات المرتبطة بالعمر مما يؤدي إلى الذاكرة التغييرات. [2]

التغييرات في تحرير اللغة

التغييرات في الأداء في المهام اللفظية ، وكذلك الموقع والمدى وشدة الإشارة لتغييرات إشارة BOLD المقاسة باستخدام التصوير بالرنين المغناطيسي الوظيفي ، تختلف في الأنماط التي يمكن التنبؤ بها مع تقدم العمر. على سبيل المثال ، تتضمن التغييرات السلوكية المرتبطة بالعمر الأداء الضعيف في المهام المتعلقة باسترجاع الكلمات ، وفهم الجمل ذات المتطلبات التركيبية العالية و / أو الذاكرة العاملة ، وإنتاج مثل هذه الجمل. [47]

يمكن أن يعزى الاختلاف في آثار الشيخوخة بين الأفراد إلى عوامل وراثية وبيئية. كما هو الحال في العديد من التخصصات العلمية الأخرى ، فإن الجدل حول الطبيعة والتنشئة هو صراع مستمر في مجال علم الأعصاب الإدراكي. [13] [14] لطالما كان البحث عن العوامل الوراثية جانبًا مهمًا في محاولة فهم العمليات المرضية العصبية. ساهم البحث الذي يركز على اكتشاف المكون الجيني في الإصابة بمرض الزهايمر بشكل كبير في فهم الجينات الكامنة وراء الشيخوخة الطبيعية أو "غير المرضية". [14]

يظهر الدماغ البشري انخفاضًا في الوظيفة وتغيرًا في التعبير الجيني. قد يكون هذا التعديل في التعبير الجيني ناتجًا عن تلف الحمض النووي المؤكسد في مناطق المروج في الجينوم. [22] تشمل الجينات التي تخضع للتنظيم المنخفض فوق سن الأربعين ما يلي:

  • الوحدة الفرعية لمستقبلات GluR1 AMPA (تشارك في التعلم)
  • الوحدات الفرعية لمستقبلات GABA-A
  • الجينات المشاركة في التقوية طويلة الأجل على سبيل المثال calodulin 1 و CAM kinase II alpha.
  • جينات إشارات الكالسيوم
  • جينات اللدونة المشبكية
  • إطلاق الحويصلة المشبكية وإعادة تدوير الجينات

تشمل الجينات التي يتم تنظيمها ما يلي:

المخيخ هو أصغر منطقة دماغية (وربما جزء من الجسم) عند المعمرين وفقًا للعلامة الحيوية اللاجينية لعمر الأنسجة المعروفة باسم الساعة اللاجينية: وهي أصغر بحوالي 15 عامًا مما كان متوقعًا عند المعمرين. [48] ​​على النقيض من ذلك ، يبدو أن جميع مناطق الدماغ وخلايا المخ لها نفس العمر اللاجيني تقريبًا في الأشخاص الذين تقل أعمارهم عن 80 عامًا. [48] [49] تشير هذه النتائج إلى أن المخيخ محمي من آثار الشيخوخة ، والتي بدورها يمكن أن شرح لماذا يُظهر المخيخ عددًا أقل من العلامات المرضية العصبية للخرف المرتبط بالعمر مقارنة بمناطق الدماغ الأخرى.

قد تكون عملية الشيخوخة حتمية ، ومع ذلك ، قد يؤخر المرء تأثيرات وشدة هذا التقدم. في حين لا يوجد إجماع على الفعالية ، تم الإبلاغ عن ما يلي على أنه يؤخر التدهور المعرفي:

  • مستوى تعليمي مرتفع [14] [50]
  • التمارين البدنية [51]
  • الاستمرار في المشاركة الفكرية ، أي القراءة والأنشطة العقلية (مثل الكلمات المتقاطعة) [52]
  • الحفاظ على الشبكات الاجتماعية والصداقة [53]
  • الحفاظ على نظام غذائي صحي ، بما في ذلك أحماض أوميغا 3 الدهنية ومضادات الأكسدة الوقائية. [13]

تحرير "سوبر Agers"

أجرت الدراسات البحثية الطولية مؤخرًا تحليلات وراثية للمعمرين وذريتهم لتحديد المؤشرات الحيوية كعوامل وقائية ضد الآثار السلبية للشيخوخة. على وجه الخصوص ، يرتبط جين بروتين نقل الكوليسترول استر (CETP) بالوقاية من التدهور المعرفي ومرض الزهايمر. [54] على وجه التحديد ، شهدت متجانسات فالين CETP ولكن ليس متغايرة الزيجوت انخفاضًا نسبيًا بنسبة 51٪ في الذاكرة مقارنة بمجموعة مرجعية بعد التعديل وفقًا للعوامل الديموغرافية وحالة APOE.

تحرير الاحتياطي المعرفي

إن قدرة الفرد على إظهار عدم وجود علامات معرفية للشيخوخة على الرغم من شيخوخة الدماغ تسمى الاحتياطي المعرفي. [16] [50] تقترح هذه الفرضية أن مريضين قد يكون لهما نفس أمراض الدماغ ، حيث يعاني أحدهما من أعراض سريرية ملحوظة ، بينما يستمر الآخر في العمل بشكل طبيعي نسبيًا. تستكشف دراسات الاحتياطي المعرفي الاختلافات البيولوجية والجينية والبيئية المحددة التي تجعل شخصًا ما عرضة للتدهور المعرفي ، وتسمح للآخر بالتقدم في العمر بشكل أكثر رشاقة.

تحرير دراسة راهبة

تابعت دراسة مولها المعهد الوطني للشيخوخة مجموعة من 678 راهبة كاثوليكية رومانية وسجلت آثار الشيخوخة. استخدم الباحثون مقالات عن سيرتهم الذاتية تم جمعها عندما انضمت الراهبات إلى أخواتهن. تشير النتائج إلى أن كثافة الفكرة المبكرة ، التي تم تحديدها من خلال عدد الأفكار التي تم التعبير عنها واستخدام حروف الجر المعقدة في هذه المقالات ، كانت مؤشرا هاما على انخفاض خطر الإصابة بمرض الزهايمر في الشيخوخة. تم العثور على كثافة الفكرة المنخفضة مرتبطة بشكل كبير بانخفاض وزن الدماغ ، وضمور الدماغ الأعلى ، والمزيد من التشابك الليفي العصبي. [55]

التهاب المهاد وتحرير GnRH

في دراسة حديثة (نُشرت في 1 مايو 2013) ، يُقترح أن التهاب منطقة ما تحت المهاد قد يكون مرتبطًا بأجسامنا التي تتقدم في السن بشكل عام. ركزوا على تنشيط مركب البروتين NF-B في موضوعات اختبار الفئران ، والذي أظهر زيادة التنشيط مع اختبار الفئران الذين تتراوح أعمارهم في الدراسة. لا يؤثر هذا التنشيط على الشيخوخة فحسب ، بل يؤثر أيضًا على هرمون يعرف باسم GnRH ، والذي أظهر خصائص جديدة مضادة للشيخوخة عند حقنها في الفئران خارج منطقة ما تحت المهاد ، بينما تسبب تأثيرًا معاكسًا عند حقنها في منطقة ما تحت المهاد. سوف يمر بعض الوقت قبل أن يتم تطبيق هذا على البشر بطريقة ذات مغزى ، حيث أن المزيد من الدراسات حول هذا المسار ضرورية لفهم آليات خصائص GnRH المضادة للشيخوخة. [56]

تحرير الالتهاب

وجدت دراسة أن الخلايا النخاعية هي الدافع لعنصر التهاب غير قادر على التكيف مع شيخوخة الدماغ في الفئران ويمكن عكس ذلك أو منعه عن طريق تثبيط إشارات EP2. [57] [58]

بالنسبة لبعض الديموغرافيات ، تظهر آثار الشيخوخة المعرفية الطبيعية بشكل خاص. قد تكون الاختلافات في الشيخوخة المعرفية مرتبطة بنقص أو انخفاض الوصول إلى الرعاية الطبية ، ونتيجة لذلك ، تعاني بشكل غير متناسب من النتائج الصحية السلبية. مع نمو سكان العالم وتنويعهم ورمايتهم ، هناك حاجة متزايدة لفهم أوجه عدم المساواة هذه.

تحرير العرق

الأمريكيون الأفارقة تحرير

في الولايات المتحدة ، تعاني التركيبة السكانية للأمريكيين السود والأفارقة بشكل غير متناسب من اختلال وظيفي في التمثيل الغذائي مع تقدم العمر. هذا له العديد من التأثيرات في مجرى النهر ، ولكن أبرزها هو التأثير السلبي على صحة القلب والأوعية الدموية. ترتبط الملامح الأيضية لمؤشر الشيخوخة الصحية - وهي الدرجة التي تقيم الوظيفة الإدراكية العصبية ، من بين ارتباطات أخرى بالصحة على مر السنين - بأمراض القلب والأوعية الدموية. [59] تعد وظيفة القلب والأوعية الدموية الصحية أمرًا بالغ الأهمية للحفاظ على الكفاءة الإدراكية العصبية في سن الشيخوخة. يرتبط الانتباه والتعلم اللفظي وقدرة المجموعة المعرفية بضغط الدم الانبساطي ومستويات الدهون الثلاثية ومستويات الكوليسترول HDL على التوالي. [60]

تحرير اللاتينيين

من المرجح أن يعاني السكان اللاتينيون من متلازمة التمثيل الغذائي - مزيج من ارتفاع ضغط الدم ، وارتفاع نسبة السكر في الدم ، وارتفاع مستويات الدهون الثلاثية ، والسمنة في منطقة البطن - مما لا يزيد فقط من خطر الإصابة بأمراض القلب والسكري من النوع الثاني ، ولكنه يرتبط أيضًا بانخفاض الوظيفة الإدراكية العصبية خلال منتصف العمر. [61] من بين الموروثات اللاتينية المختلفة ، كان تكرار أليل apoE4 المؤهب للخرف أعلى بالنسبة لللاتينيين الكاريبيين (الكوبيين والدومينيكيين والبورتوريكيين) والأدنى بين اللاتينيين (المكسيكيين وأمريكا الوسطى وأمريكا الجنوبية). على العكس من ذلك ، كان تكرار أليل apoE2 الوقائي للأعصاب هو الأعلى بالنسبة لللاتينيين الكاريبيين وأقل تواترًا لتلك الموجودة في تراث البر الرئيسي. [62]

تحرير الشعوب الأصلية

غالبًا ما يتم دراسة السكان الأصليين في البحث. تكشف مراجعات الأدبيات الحالية التي تدرس السكان الأصليين في أستراليا والبرازيل وكندا والولايات المتحدة من المشاركين الذين تتراوح أعمارهم بين 45 و 94 عامًا عن معدلات انتشار متنوعة للضعف الإدراكي غير المرتبط بالخرف ، من 4.4٪ إلى 17.7٪. [63] يمكن تفسير هذه النتائج في سياق الاختبارات المعرفية العصبية المتحيزة ثقافيًا ، والظروف الصحية الموجودة مسبقًا ، وضعف الوصول إلى الرعاية الصحية ، والتحصيل التعليمي المنخفض ، و / أو الشيخوخة. [64]

تحرير الجنس

تحرير النساء

مقارنة بنظرائهن من الرجال ، تميل درجات النساء في اختبار الحالة العقلية المصغر (MMSE) إلى الانخفاض بمعدلات أسرع قليلاً مع تقدم العمر. [65] يميل الذكور الذين يعانون من ضعف إدراكي معتدل إلى إظهار ضرر هيكلي مجهري أكثر من الإناث المصابات بالاختلال المعرفي المعتدل ، ولكن يبدو أن لديهم احتياطيًا معرفيًا أكبر بسبب حجم المخ المطلق الأكبر والكثافة العصبية. نتيجة لذلك ، تميل النساء إلى إظهار أعراض التدهور المعرفي عند عتبات أدنى من الرجال. [66] يبدو أن هذا التأثير معتدل من خلال التحصيل العلمي - يرتبط التعليم العالي بالتشخيص اللاحق للضعف الإدراكي الخفيف مع زيادة العبء المرضي العصبي. [67]

تحرير الأفراد المتحولين جنسيا

يواجه كبار السن من مجتمع الميم العديد من الفوارق مع اقترابهم من نهاية الحياة. يخشى مجتمع المتحولين جنسياً من مخاطر جرائم الكراهية وإساءة معاملة كبار السن والتشرد وفقدان الهوية وفقدان الاستقلال مع تقدمهم في السن. نتيجة لذلك ، فإن الاكتئاب والانتحار مرتفعان بشكل خاص داخل الديموغرافية. يمكن أن يلعب التقاطع - تداخل العديد من هويات الأقليات - دورًا رئيسيًا في النتائج الصحية ، حيث يمكن التمييز ضد المتحولين جنسيًا بسبب العرق والجنس والهوية الجنسية والعمر. [68] في كبار السن ، تعتبر هذه الاعتبارات مهمة بشكل خاص - حيث نجا أفراد هذا الجيل من التحيز والتمييز المنهجي في وقت تم فيه حظر هويتهم ووصفها في الدليل التشخيصي والإحصائي للاضطرابات العقلية بأنها مرض عقلي. [69]

الحالة الاجتماعية والاقتصادية تحرير

الوضع الاجتماعي والاقتصادي هو التفاعل بين العوامل الاجتماعية والاقتصادية. لقد ثبت أنه يمكن استخدام العوامل الاجتماعية والديموغرافية للتنبؤ بالملفات المعرفية لدى الأفراد الأكبر سنًا إلى حد ما. [70] قد يكون هذا بسبب أن العائلات ذات الوضع الاجتماعي والاقتصادي العالي مجهزة لتزويد أطفالها بالموارد في وقت مبكر لتسهيل التطور المعرفي. بالنسبة للأطفال في العائلات ذات SES المنخفضة ، ارتبطت التغييرات الصغيرة نسبيًا في دخل الوالدين بالتغيرات الكبيرة في مساحة سطح الدماغ ، وقد شوهدت هذه الخسائر في المناطق المرتبطة باللغة والقراءة والوظائف التنفيذية والمهارات المكانية. وفي الوقت نفسه ، بالنسبة للأطفال في العائلات ذات الاحتياجات الخاصة المرتفعة ، ارتبطت التغيرات الطفيفة في دخل الوالدين بتغيرات طفيفة في مساحة السطح داخل هذه المناطق. [71] فيما يتعلق بالسمك القشري العالمي ، أظهر الأطفال SES المنخفضون انخفاضًا منحنيًا في السماكة مع تقدم العمر بينما أظهر الأطفال ذوو SES المرتفع انخفاضًا خطيًا أكثر حدة ، مما يشير إلى أن التقليم التشابكي يكون أكثر كفاءة في المجموعة الأخيرة. كان هذا الاتجاه واضحًا بشكل خاص في الشكل المغزلي الأيسر وترك التلافيف الصدغي العلوي - مناطق دعم اللغة الحرجة ومحو الأمية. [72]


اختبار الفرضيات

كيف يمكن اختبار الفكرة العامة الكامنة وراء SHY؟ لا يوجد مقياس شامل واحد للقوة التشابكية ، على وجه الخصوص في الجسم الحي في الحيوانات التي تتحرك بحرية. على مر السنين ، استخدمنا العديد من المنهجيات المختلفة ، من التسجيلات الكهربية المستمرة في القوارض والبشر إلى التجارب الجزيئية والجينية في الذباب والفئران والجرذان. على سبيل المثال ، باستخدام التحفيز الكهربائي (في الجرذان) أو التحفيز المغناطيسي عبر الجمجمة (في البشر ، باستخدام مغناطيس فوق الجمجمة لتحفيز الدماغ بشكل غير جراحي) ، وجدنا أن الاستجابة العصبية الناتجة عن منبه ذي السعة الثابتة أكبر بعد قضاء عدة ساعات مستيقظًا مقارنة بعدة ساعات قضاها نائمًا ، 19،20 بما يتوافق مع صافي زيادة في القوة التشابكية أثناء اليقظة.

تتوافق هذه النتائج مع تنبؤات SHY ، لكن لا يمكن استبعاد أن التغيرات في استثارة الخلايا العصبية قد تلعب دورًا أيضًا. يأتي المزيد من الأدلة المباشرة من التجارب التي أجريت على الشرائح القشرية ، حيث وجدنا أن تواتر واتساع الإمكانات المشبكية الاستثارة المصغرة تزداد بعد الاستيقاظ وتنخفض بعد النوم. 22 بقياس الكمية الإجمالية للبروتينات المشبكية في مناطق كبيرة من دماغ الذبابة والفئران ، وجدنا بالمثل زيادة بعد الاستيقاظ مقارنةً بعد النوم. 19،23،24 علاوة على ذلك ، في الفئران المراهقة التي لا تزال الدوائر العصبية فيها تتشكل وتتحسن ، وجدنا أنه أثناء اليقظة ، يتجاوز تكوين مشابك عصبية جديدة القضاء عليها ، بينما العكس هو الصحيح أثناء النوم. 25

ربما تكون الطريقة الأكثر مباشرة لقياس قوة التشابك هي من خلال نهج البنية التحتية الذي يقيس حرفياً حجم المشابك. من الثابت جيدًا أن المشابك أقوى أكبر ، مما يعني أنه لكل خجول ، يجب أن تنمو معظم المشابك مع اليقظة وتتقلص مع النوم ، في غضون ساعات قليلة. لاختبار هذا التوقع ، استخدمنا المجهر الإلكتروني للوجه التسلسلي (SBEM) ، وهي طريقة جديدة تسمح بالحصول الفعال والآلي على صور ثلاثية الأبعاد عالية الدقة للعديد من المشابك. نظرًا لأنه يجب إجراء القياسات الفعلية للمشابك يدويًا ، فقد استغرق الأمر عدة أشخاص أربع سنوات للقياس

7000 نقطة الاشتباك العصبي في قشرة دماغ الفأر.

في نهاية هذه العملية الشاقة ، كانت النتائج واضحة: ست إلى ثماني ساعات من النوم أدت ، في المتوسط ​​، إلى انخفاض بنسبة 18 في المائة في حجم المشابك مقارنة بست إلى ثماني ساعات من الاستيقاظ غير القسري في الليل. تم الحصول على نتائج مماثلة عندما تمت مقارنة النوم بست إلى ثماني ساعات من اليقظة التي تم فرضها من خلال التعرض لأشياء جديدة خلال النهار ، مما يثبت أن هذه التغييرات ناتجة عن الحالة السلوكية (النوم مقابل الاستيقاظ) وليس إلى العوامل اليومية (اليوم مقابل الاستيقاظ). ليل). حدث الانخفاض المرتبط بالنوم في حجم المشبك في كلا المنطقتين اللتين تم فحصهما - القشرة الحسية الأولية والقشرة الحسية الأولية.

عبر مجموعة الخلايا العصبية ، يتبع الانخفاض في حجم المشبك مع النوم إلى حد كبير علاقة تحجيم ، مما يعني أن التغيير كان متناسبًا مع حجم المشبك. من المثير للاهتمام ، مع ذلك ، أن تصغير الحجم المرتبط بالنوم أظهر بعض الانتقائية ، تحدث في الغالبية العظمى من نقاط الاشتباك العصبي (

80٪) ولكن مع الاحتفاظ بأكبرها ، والتي قد تترافق مع آثار الذاكرة الأكثر استقرارًا. حجم هذه التغييرات يستحق النظر. يوجد ما يقرب من 100 مليار خلية عصبية في دماغنا ، 16 مليار منها في القشرة الدماغية وحدها (14 مليونًا في قشرة الفأر) ، وتتلقى كل خلية عصبية الآلاف من نقاط الاشتباك العصبي. وبالتالي ، إذا امتد ما لاحظناه في منطقتين قشريتين إلى مناطق دماغية أخرى ، فإن تريليونات من نقاط الاشتباك العصبي في دماغنا كل ليلة يمكن أن تصبح أقل نحافة بنسبة 20٪ تقريبًا.

نُشرت دراسة SBEM مؤخرًا جنبًا إلى جنب مع بحث من مجموعة مستقلة ، والتي استخدمت طرقًا بيوكيميائية وجزيئية لتأكيد تنبؤات SHY بأن المشابك العصبية تخضع لعملية تصغير أثناء النوم. أظهرت هذه الدراسة أيضًا أن جينًا واحدًا ، Homer1a ، مهم لعملية تصغير الحجم بوساطة النوم.


معدلات إطلاق الخلايا العصبية النموذجية عبر القشرة الدماغية البشرية - علم الأحياء

لا يزال فهم كيفية تشفير السلوك الذاتي بواسطة الدوائر العصبية في الدماغ البشري بعيد المنال. سجلنا نشاط 1019 خلية عصبية بينما قام اثنا عشر شخصًا بحركة إصبع ذاتية. نبلغ عن تجنيد عصبي تدريجي يزيد عن 1500 مللي ثانية قبل تقرير الموضوعات اتخاذ قرار الانتقال. لاحظنا زيادة أو نقصانًا تدريجيًا في معدل إطلاق الخلايا العصبية ، لا سيما في المنطقة الحركية التكميلية (SMA) ، مع اقتراب وقت القرار المبلغ عنه. عدد السكان المكون من 256 خلية عصبية SMA كافٍ للتنبؤ في تجارب فردية بالقرار الوشيك للتحرك بدقة أكبر من 80٪ بالفعل 700 مللي ثانية قبل الوعي بالمواضيع و # x27. علاوة على ذلك ، نتوقع ، بدقة تصل إلى بضع مئات من المللي ثانية ، النقطة الزمنية الفعلية لهذا القرار الطوعي للتحرك. ننفذ نموذجًا حسابيًا يظهر بموجبه الإرادة بمجرد أن يتجاوز التغيير في معدل إطلاق النار المتولد داخليًا للتجمعات العصبية عتبة.

ملخص الفيديو

يسلط الضوء

التغييرات التدريجية في معدلات إطلاق النار تسبق الحركات الذاتية وحدات القشرة الأمامية الأمامية تبدأ بالإشارة قبل الموضوعات والوعي # x27 مستوى التنبؤ مرتفع (90٪) استنادًا إلى الاستجابات العصبية في التجارب الفردية ► يمكن أن ينشأ الإرادة من تراكم عبور نشاط المجموعة عتبة


أساليب

نموذج الشبكة

نحن نستخدم E-I Net ، وهو نموذج لشبكة تصاعدية لـ V1 تم تدريبه على الصور الطبيعية ، كأساس لتحقيقاتنا. تمت كتابة E-I Net بلغة MATLAB ، وجميع التعديلات ورموز التحليل اللاحقة موجودة أيضًا في MATLAB. سنقدم لمحة موجزة عن النموذج هنا ، ثم نركز على تعديلات النموذج الذي طبقناه للاستخدام في هذه الدراسة. بعض هذه التعديلات كانت خيارات غير افتراضية متاحة بالفعل في الكود ، بينما البعض الآخر عبارة عن تعديلات طورناها بأنفسنا. للحصول على تفاصيل كاملة عن E-I Net نوجه القراء إلى [37].

شبكة E-I Net عبارة عن شبكة من الخلايا العصبية المتسربة التي تعمل على دمج وإطلاق النار والتي تتزايد استجابةً لمدخلات صورة البكسل Xك. في الوقت المنفصل ، يتم إعطاء ديناميكيات الغشاء للشبكة بواسطة (7) مع ظروف تصاعدية متبوعة بإعادة تعيين

هذه المعادلات هي صيغة زمنية منفصلة للمعادلة (1) المستخدمة في الممارسة من قبل [37]. هنا، Δt هو حجم الخطوة الزمنية (يساوي 0.1 وحدة زمنية في شبكة E-I) ، τأنا = τه أو τأنا هو ثابت وقت غشاء الخلايا العصبية أناو Δنأنا(ر) = نأنا(ر) − نأنا(ر - Δر) هو عدد النبضات التي تطلقها الخلايا العصبية أنا في الوقت المناسب ر. عصبون أنا يطلق ارتفاعًا مفاجئًا في الخطوة الزمنية ر لو الخامسأنا(ر)≥θأنا، وبعد ذلك يتم إعادة ضبط إمكاناته الغشائية إلى الخامسأنا(ر+ Δر) = 0. المجموع المفهرس ك هو فوق بكسل التصحيح الإدخال Xوالمبلغ أنا = 1 إلى ن انتهى ن الخلايا العصبية للشبكة. تم تقسيم الشبكة إلى مجموعات سكانية فرعية مثيرة ومثبطة لعمليات المحاكاة التي تم الإبلاغ عنها في هذا العمل ، نتبع [37] في استخدام نه = 400 خلية عصبية مثيرة و نأنا = 49 خلية عصبية مثبطة. في هذه الورقة نأخذ دبليواي جاي أن تكون إيجابية (سلبية) إذا كانت الخلايا العصبية ما بعد المشبكي ي مثير (مثبط) ، على عكس ورقة E-I Net الأصلية ، مما يجعل الإشارة صريحة ، بحيث دبليواي جاي غير سالب. لا نقوم بتضمين الوصلات الجانبية المثيرة والمثيرة (على سبيل المثال ، دبليوإي = 0) ، حيث نتوقع أن تكون مثل هذه الروابط مهملة من الناحية الفسيولوجية ، انظر [37] لمزيد من التفاصيل والتبرير لهذا الاختيار والجوانب الأخرى لتدريب النموذج.

تتعلم الشبكة أوزان الإدخال سik، أوزان متشابكة دبليواي جاي، وإطلاق العتبات θأنا وفقًا لقواعد التعلم الواردة في النص الرئيسي (المعادلات (2) - (4)). لراحة القارئ ، نكرر قواعد التعلم هذه هنا: (8) (9) (10)

تفرض قواعد التعلم هذه فكًا خطيًا لمدخلات الصورة (المعادل 8) ، وتقليل التكرار في التصاعد (مكافئ 9) ، وتعزيز التباين في إطلاق النار (مكافئ 10). كما في النص الرئيسي ، ذأنا هو معدل ارتفاع الخلايا العصبية أنا ردًا على تصحيح الصورة المقدم على مدار فترة تي، و <ذأنا〉 هو متوسط ​​الوقت الطويل لمعدل الارتفاع. المعلمات α, βاي جاي ∈ <βإي, βبمعنى آخر, βثانيًا> و و γ هي معدلات التعلم. العدد المستهدف من الارتفاعات لكل وحدة زمنية هو صأنا(ر) ، يساوي ثابتًا صأنا للخلايا العصبية المثبطة ووظيفة تعتمد على "العمر" صه(رحلقة) للخلايا العصبية المثيرة حيث (11) كما في النص الرئيسي. الوقت" رحلقة يتوافق مع عدد حلقات التدريب التي حدثت ("عمر" الشبكة).

ترد القيم القياسية المستخدمة للمعلمات في تدريب شبكتنا وعمليات المحاكاة في الجدول 2. بالنسبة لمعدلات التعلم ، نتبع نموذج E-I Net الأصلي لحالاتنا الأساسية. يتم تعديل هذه المعدلات في التجارب العددية التي تمت مناقشتها في قسم "التجارب العددية لاختبار مساهمة المعلمات الفسيولوجية المختلفة في الانخفاض في الأداء الوظيفي" عن طريق تعيين واحد أو أكثر من هذه المعدلات إلى 0. في رمز EI Net ، هذه المعدلات عبارة عن مجموعات من العديد من المعلمات التي لا ندرجها هنا ، ومع ذلك ، نلاحظ أن القيم العددية التي نقدمها تشمل عامل التعلم العالمي ، ومضاعف يتم تطبيقه على جميع معدلات التعلم ، والذي تم تعيينه على 0.4 ، وهي القيمة المستخدمة للتدريب السريع الموضحة في الأمثلة في مستودع كود EI Net [37]. نلخص جميع المعلمات المستخدمة في النموذج في الجدول 2.

يلخص هذا الجدول المعلمات التي تظهر في المعادلات التي نقدمها في النص الرئيسي ، إلى جانب القيم القياسية التي نستخدمها في عمليات المحاكاة الأساسية الخاصة بنا. ما لم يتم إعطاء وحدات صريحة ، يتم قياس الكميات بوحدات بدون أبعاد. الوقت الخطوة Δر يحدد الوحدة القياسية للوقت أثناء عمليات المحاكاة ، ولكنه في حد ذاته كمية بلا أبعاد حيث أن الوقت لم يتم تحديد أبعاده في هذا النموذج.

قواعد التعلم الشبكي محلية بالكامل [37 ، 39] (أي أن التغييرات التي تطرأ على معلمات الخلية العصبية تعتمد فقط على المدخلات التي تتلقاها الخلايا العصبية) ، ومن ثم تعترف بتفسير بيولوجي مباشر كآليات بلاستيكية أو متجانسة تشكل أسلاك الشبكة أو إطلاقها. عند تدريبها على مدخلات الصور الطبيعية ، ثبت أن الشبكة تتعلم مجالات واقعية تشبه غابور وتنتج نشاطًا يمكن استخدامه لإعادة بناء المدخلات بدقة [37 ، 39].

تدريب الشبكة

يتكون تدريب نموذج شبكتنا من مرحلتين: مرحلة التطوير الأولية ، والتي تتشكل خلالها الشبكة ، ومرحلة الشيخوخة التي نقوم خلالها بتنفيذ تعديلات على قواعد التعلم لإحداث تغييرات في بنية الشبكة تحاكي آثار الشيخوخة. المرحلة الأولى من التدريب هي إلى حد كبير نفس الإجراء الأصلي للتدريب E-I Net ، في حين أن مرحلة الشيخوخة هي تعديل جديد نقوم بتنفيذه بعد أن تصل المرحلة الأولى إلى حالة مستقرة.

تقوم SAILnet [39] و EI Net [37] بتدريب شبكتيهما على صور بكسل ثابتة لمشاهد طبيعية من قاعدة بيانات الصور التي استخدمها Olshausen و Field في عملهما الأساسي على ظهور حقول متقبلة تشبه Gabor وفقًا لمبادئ التشفير المتناثر [75 ]. يتم اختيار بقع هذه المشاهد بشكل عشوائي من فيلم معين في قاعدة البيانات هذه ويتم تقديم كل تصحيح إلى الشبكة لمدة 50 خطوة زمنية لمحاكاة نموذج شبكة الدمج والإطلاق المتسرب. بعد كل عرض للصورة ، تتم إعادة تعيين حالة إمكانات غشاء الشبكة. لتسريع التدريب ، تنشئ E-I Net 100 نسخة من الشبكة ، وتقدم كل نسخة بمجموعة مختلفة من التصحيحات المختارة عشوائيًا من الفيلم. في نهاية فترة التدريب ، يتم دمج البيانات المتصاعدة من جميع النسخ المائة لتحديد كيفية تحديث معلمات الشبكة.

نقوم بتعديل هذا الإجراء قليلاً في تدريب شبكاتنا. نقوم بتدريب شبكاتنا على المشاهد الطبيعية من الأفلام الموجودة في قاعدة بيانات CatCam ، والتي تصور المشاهد التي واجهتها قطة تستكشف غابة [40 ، 41]. اخترنا قاعدة بيانات CatCam لأن هدفنا الأصلي كان التحقيق في التغييرات في انتقائية الاتجاه وانتقائية الاتجاه ، كما هو مذكور في المناقشة. لهذا الغرض ، من الضروري تدريب الشبكة على الوقت التسلسلات من البقع. نستخدم 50 إطارًا متجاورًا من بقع 8 × 8 من هذه الأفلام الطبيعية. نقدم كل تصحيح في هذا التسلسل لـ 50 خطوة زمنية لمحاكاة الشبكة قبل تقديم التصحيح التالي في التسلسل. لا نقوم بإعادة ضبط إمكانات غشاء الخلايا العصبية بين البقع (خيار متاح في E-I Net). وبالمثل ، نستخدم أفلامًا للصور المحززة لتقييم انتقائية اتجاه الشبكة ، مع أخذ 40 إطارًا من حواجز شبكية تنجرف عموديًا على اتجاهها ، وتغطي اتجاهًا واحدًا لكل من الاتجاهات الأربعة المختلفة التي توقفنا عن تقييم الأداء الوظيفي في كلا الاتجاهين المحزوز بعد العثور على أن لم تطور الشبكات انتقائية اتجاهية كبيرة. على الرغم من أن الشبكات التي نبلغ عنها في هذا العمل لا تطور في النهاية انتقائية اتجاهية كبيرة عند تدريبها على أفلام طبيعية ، فإننا نحتفظ بإجراء العرض التقديمي المتسلسل لتدريب شبكاتنا.

في نموذجنا ، نأخذ الشبكة المدربة تدريباً كاملاً لتمثيل شبكتنا "الشابة" الناضجة ، المدربة على 30 حلقة عند معدل تصاعد الهدف المثير الأساسي البالغ صه = 0.01 طفرات متوقعة لكل وحدة زمنية و صأنا = 0.05 ارتفاعات متوقعة لكل وحدة زمنية للخلايا العصبية المثبطة ، مقارنة بالقيم المستخدمة في [37] ، والتي تستخدم صه = صأنا = 0.05 لكامل مدة التدريب. الهدف من هذا العمل هو تعديل هذا النموذج ليعكس التغيرات الفسيولوجية المرتبطة بالعمر التي تمت ملاحظتها تجريبياً ، مثل زيادة النشاط العصبي وانخفاض التثبيط ، وبالتالي إنتاج شبكات "قديمة" يمكننا من خلالها اختبار كيفية تغير الأداء الوظيفي والتشفير. بدلاً من تنفيذ التغييرات الفسيولوجية من خلال العديد من التعديلات اليدوية المستقلة ، فإن التعديل الأكثر شحًا هو تغيير معدل ارتفاع الهدف المثير فقط صه. إذا زادنا صه مع مرور وقت التدريب بعد مرحلة الشباب الناضجة للشبكة ، ستتم إعادة تنظيم الشبكة لتحقيق معدل إطلاق متوسط ​​أعلى قريبًا من هذا الهدف الجديد. نزيد صه بمقدار 0.002 كل حلقة لاحقة ، وبلغت ذروتها في الشبكة "القديمة" بعد 80 حلقة إجمالية. هذا لا يؤدي فقط إلى زيادة نشاط الخلايا العصبية المثيرة (سواء من حيث متوسط ​​إطلاق النار وتباين إطلاق النار) ، ولكن أيضًا يؤدي بشكل طبيعي إلى انخفاض في التثبيط (الشكل 2). التغييرات في الانتقائية لمحفزات مقضب موجهة تظهر أيضًا من هذا التغيير الفردي اليدوي. للتحقق من مدى حساسية إجراء الشيخوخة للقيمة الأولية لـ صه، أجرينا أيضًا ثلاث عمليات محاكاة إضافية للشبكة بدءًا من القيم الأعلى ، صه(0) = 0.05 و 0.07 و 0.09 ارتفاعًا لكل وحدة زمنية ، انظر نص S1. نظرًا لأن طريقتنا تنتج سلسلة من الشبكات القديمة التي هي تطورات تدريجية من "الأعمار" السابقة ، فإننا نفسر بشكل فضفاض عملية التدريب على أنها عملية "الشيخوخة" في شبكتنا. (كما لوحظ في المناقشة ، لا توجد علاقة محددة بين حلقات التدريب وعمر الكائن الحي). وهذا مشابه من حيث الروح للعمل السابق الذي يفسر مرحلة التدريب الأولي للشبكة كنموذج لفترة تطور القشرة البصرية [38].

التقارب في حالة الاستقرار

لا تبدأ عملية التقادم الخاصة بنا حتى تحدث 30 حلقة تدريب ، وعند هذه النقطة تصل الشبكة إلى حالة مستقرة حيث يؤدي التدريب المستمر فقط إلى تقلب معلمات الشبكة حول قيمة متوسطة. في الممارسة العملية ، نحدد ما إذا كانت الشبكة قد وصلت إلى حالة مستقرة باستخدام انتقائية الاتجاه المتوسط ​​للشبكة. نجد أنه من خلال ما يقرب من 20 حلقة ، تقارب متوسط ​​انتقائية الاتجاه للشبكة إلى 0.7 ويستمر في التقلب حول هذه القيمة. وبالتالي ، فإن حلقات التدريب العشر الإضافية تعمل كمخزن مؤقت لضمان وصول الشبكة إلى حالتها المستقرة الناضجة.

كما هو موضح أعلاه ، بعد أن تصل الشبكة إلى هذه الحالة المستقرة ، نبدأ في زيادة معدل ارتفاع الهدف المثير صه(رحلقة) كل حلقة ، يتم إيقاف التدريب مؤقتًا كل 5 حلقات فقط لتقييم انتقائية اتجاه الشبكة الحالية. لذلك قد يتساءل المرء عما إذا كانت الشبكة قادرة على تحقيق حالة مستقرة جديدة خلال كل حلقة من هذه الحلقات (على الرغم من أن هذا ليس مصدر قلق كبير ، لأنه من المعقول تمامًا أن تحدث تأثيرات الشيخوخة عن طريق زيادة صه(رحلقة) تفوق قدرة اللدونة المشبكية على مواكبة). لتحديد ما إذا كانت حلقة تدريب واحدة ذات قيمة متزايدة صه(رحلقة) كافٍ لكي تظل الشبكة قريبة من حالة مستقرة جديدة ، فنحن نجري اختبارًا إضافيًا نستخدم فيه إجراءً معدلًا نزيد فيه صه(رحلقة) كل حلقة كما هو الحال في إجرائنا المعتاد ، ولكن بعد ذلك في كل حلقة خامسة نحملها صه(رحلقة) ثابت لمدة 5 حلقات لاحقة. نجد أن هذه الحلقات الإضافية لا تؤثر بشكل ملحوظ على مسار تدهور الشبكة ، ولا يتم استرداد انتقائية الشبكة. يشير هذا إلى أنه ، على الأقل بعد فترة النضج الأولية ، يكون أداء الشبكة تقريبًا وظيفة حالة لمعدل الارتفاع الاستثاري المستهدف. هذه الفرضية مدعومة بتحليل تكميلي في نص S1.

تقييم استجابات الشبكة للشبكات الموجهة

كل 5 حلقات نوقف التدريب مؤقتًا ونقيم استجابات الشبكة لتحريك المنبهات المشبك (انظر الشكل 5) لأربعة اتجاهات ممكنة من أجل قياس انتقائية الخلايا العصبية النموذجية ، والتي نقوم خلالها بتعيين معدل التعلم للشبكة العالمية إلى الصفر بحيث تعمل معلمات الشبكة لا تتكيف مع إحصائيات حواجز شبكية. نقوم بتوليد حواجز شبكية بترددات مكانية وزمنية تبلغ 0.1 دورة / بكسل و 0.1 دورة / إطار ، على التوالي ، باستخدام وحدة GratingStim في VisualStimulusToolbox [76]. كما في مرحلة التدريب ، نستخدم بقع 8 × 8 بكسل لهذه الصور المحززة كمدخل مرئي لشبكتنا. بالنسبة لحجم الرقعة هذا ، توجد دورة واحدة تقريبًا للشبكة لكل رقعة.

لكل تسلسل من العروض التقديمية المحززة نسجل نشاط التصاعد لجميع الخلايا العصبية استجابة لبقع مقضب لكل اتجاه ونستخدم هذه الاستجابات لحساب انتقائية الاتجاه لكل خلية عصبية. لكل اتجاه من الاتجاهات الأربعة ، نرسم 100 رقعة من 10 إطارات للفيلم المقضب. يدوم كل عرض تقديمي للإطار 200 خطوة زمنية من ديناميكيات شبكة الدمج والإطلاق المتسربة (مقارنة بـ 50 خطوة زمنية أثناء التدريب على الأفلام الطبيعية). نحسب العدد الإجمالي للنبضات التي تنبعث من كل خلية عصبية إلى كل اتجاه عبر الإطارات العشرة ، ثم نحسب مؤشر انتقائية الاتجاه. في حين أن هناك طرقًا مختلفة لتحديد انتقائية التوجه [77] ، فإننا نتبع [34 ، 45 ، 46] ، ونحدد أين نك(ϑ) هو العدد الإجمالي للخلايا العصبية المسامير ك المنبعثة استجابة للتوجيه ϑ ∈ <0, π/4, π/2, 3π/ 4>. إذا لم تطلق الخلية العصبية أي طفرات استجابة لأي من الشبكات ، فإننا نتخذها نظام التشغيلك = 0. هذا المقياس يعيّن عددًا مركّبًا نك(ϑ)ه 2أنا لاستجابة العصبون لكل اتجاه ثم جمع الأعداد المركبة. أخذ المقدار | ∑θ ه 2أنا نك(ϑ) | والتطبيع من خلال العدد الإجمالي للارتفاعات التي يعطيها نظام التشغيلك. سيكون للخلايا العصبية الانتقائية للغاية نظام التشغيلك ≈ 1 ، في حين أن العصبون الذي ينشط بشكل عشوائي في التوجهات سيكون له نظام التشغيلك ≈ 0 (عامل 2 في ه 2أنا من الضروري أن يكون ذلك ممكنًا نظام التشغيلك = 0).

تحليل "جابور نيس"

لوحظ أن الحقول المستقبلة (RFs) للخلايا العصبية في الشبكة تتطور خلال عملية الشيخوخة (الشكل 3). هنا نحدد RF للخلايا العصبية على أنها ترتيب مساحة البكسل للأوزان س على اتصالاته من تصحيحات إدخال البكسل (الشكل 1C). نقيس التغيير في الترددات الراديوية من خلال تركيب ملف تعريف غابور المويج جي لكل RF في كل من الشباب وكبار السن. الترددات الراديوية ذات النوبات التي تناسب جودة الملائمة ، ||جيالترددات اللاسلكية|| 2 /||الترددات اللاسلكية|| ، أقل من 0.8 مصنفة على أنها شبيهة بجابور ، بينما تُصنف الأطقم الراديوية ذات النوبات التي تتجاوز هذا الحد على أنها "ليست غابور". هذا هو نفس الإجراء الذي تم إجراؤه في [39] ، باستثناء أننا نستخدم حد تصنيف أقل صرامة (0.8 مقابل 0.5). يأخذ ملف تعريف Gabor الشكل التالي: أين أ هو اتساع موجة غابور المويجة ، F هو تردد تذبذب السعة ، ψ هي المرحلة ، و σx و σذ هي فروق ملف تعريف Gabor في ملف x و ذ الاتجاهات. تعتبر موجة غابور دالة للإحداثيات المستقلة xص و ذص، المتعلقة بالإحداثيات x و ذ لتمثيل شبكة البكسل لـ س هو مبين في الشكل 1C بزاوية دوران θ (لا تتعلق بعتبات إطلاق النار) والتعويضات x0 و ذ0 المقابلة للمركز المحول لملف تعريف Gabor. بالإضافة إلى تصنيف النوبات التي تفشل في معيار جودة الملاءمة لدينا على أنها ليست غابور ، فإننا نخصص هذا التصنيف أيضًا للنوبات التي تتمركز خارج إطار مجال الاستيعاب. من حيث المبدأ ، سنستبعد تمامًا من الإحصائيات أي مجالات تقبل لا يمكن حساب النوبات من أجلها ، ولكن لم يكن هذا هو الحال أبدًا بالنسبة للخلايا العصبية في نموذجنا (انظر الجدول 1).

تجارب عددية

تجميد معدل التعلم.

لفحص مساهمة كل خاصية شبكة في الانخفاض الملحوظ في انتقائية التوجه العصبي نتيجة للزيادة في صه، نجري سلسلة الاختبارات التالية. نقوم بتدريب عدة حالات من الشبكة حتى النضج (30 حلقة) في ظل الظروف العادية. عند الانتهاء من الحلقة الثلاثين ، قمنا بضبط معدل التعلم على صفر لمجموعات مختلفة من أوزان الاتصال: في حالة واحدة ، قمنا بإلغاء الصفر لمعدلات التعلم فقط لتوصيلات الإدخال بالخلايا العصبية المثيرة والمثبطة في أخرى ، ونحن صفر معدلات التعلم للوصلات الجانبية فقط بين الخلايا العصبية ، وفي الحالة الأخيرة ، نخرج صفرًا من معدلات التعلم لكل من أوزان المدخلات والأوزان الجانبية. لا توجد حالة نستبعد فيها معدلات التعلم من العتبات ، حيث إنه من خلال قاعدة التعلم هذه تتقدم شبكتنا في العمر. بعد استبعاد معدلات التعلم ، نواصل تدريب هذه المتغيرات حتى سن الشيخوخة (80 حلقة) ، مع التحقق من الانتقائية كل خمس حلقات ، انظر الشكل 6.

إعادة رسم خرائط المجال المستقبلي.

لفصل تأثيرات بنية التردد الراديوي المتغيرة والحجم على انتقائية الشبكة ، نفحص ، بغض النظر عن إجراء التدريب ، الانتقائية بعد إعادة تعيين أوزان مدخلات الشبكة الشابة إلى توزيع لاحق لمقادير وزن الإدخال ، للشبكات بعد 35 ، 40 ، 45… 80 حلقة: (12) حيث Φصغيرة(·) و Φقديم(·) هي وظائف التوزيع التراكمي (CDFs) لتوزيعات وزن المدخلات الصغيرة والكبيرة. Eq (12) يعدل قيمة كل وزن إدخال بحيث يتم توزيع وزن المدخلات الصغير المعاد تعيينه القيم يطابق توزيع قيم وزن الإدخال القديمة ، ولكن لا يتم تغيير تنظيم البكسل المكاني لكل RF. نحن نقدر تجريبيًا CDFs و CDFs المعكوسة من البيانات ونستخدم شرائح الاستيفاء للحصول على تقديرات سلسة. وبالتالي ، يمكننا إدخال هذه الأوزان المعاد تعيينها في شبكاتنا القديمة لاختبار كيفية مساهمة بنية التردد الراديوي في الانتقائية. وجدنا أن الشبكات التي تحتوي على أوزان المدخلات المعاد تعيينها تظهر انتقائية أعلى باستمرار من نظيراتها مع أوزان المدخلات الأصلية القديمة. يمكننا أيضًا اختبار إعادة التخطيط المقلوب ، حيث يتم إعادة تعيين أوزان مدخلات الشبكات القديمة على التوزيع الصغير للأحجام ، مع الاحتفاظ ببنية البكسل المكانية القديمة ولكن بأحجام صغيرة. الشبكات التي تحتوي على هذه الأوزان المعاد تعيينها قابلة للمقارنة في الانتقائية مع شبكاتها الأصلية (الأساسية) المقابلة في المراحل المبكرة من عملية الشيخوخة ، وأكثر انتقائية بشكل متزايد في وقت متأخر من الشيخوخة. انظر الشكل 7.

الأرقام

تم حفظ الأشكال التي تم إنشاؤها في MATLAB باستخدام البرنامج النصي export_fig ، المتاح على GitHub [78].


نتائج

يمكن استنتاج الجدول الزمني العصبي من مجال التردد

غالبًا ما تظهر السلاسل الزمنية العصبية ارتباطًا متأخرًا زمنيًا (أي الارتباط التلقائي) ، حيث يمكن التنبؤ بالقيم المستقبلية جزئيًا من القيم السابقة ، وتقل القدرة على التنبؤ مع زيادة التأخير الزمني. للتوضيح ، نقوم بمحاكاة المكون غير الدوري (غير الإيقاعي) لتسجيلات ECoG عن طريق إجراء ارتفاعات تعداد سكان Poisson مع حبات متشابكة متحللة بشكل كبير مع ثابت تسوس متغير (الشكل 1B). من الناحية التجريبية ، تتميز درجة التشابه الذاتي بوظيفة الارتباط التلقائي (ACF) ، ويتم تعريف "مقياس الوقت" على أنه ثابت الوقت (τ) لدالة الانحلال الأسي (e - t τ) الملائمة لـ ACF ، أي الوقت الذي يستغرقه الارتباط التلقائي لتقليل عامل ه (الشكل 1 ج).

بالتساوي ، يمكننا تقدير النطاق الزمني في مجال التردد من الكثافة الطيفية للقدرة (PSD). غالبًا ما تتبع PSDs من السلاسل الزمنية العصبية دالة لورنتزيان بالشكل 1 f k 2 + f 2 ، حيث تكون القوة ثابتة تقريبًا حتى "تردد الركبة" (Fك، الشكل 1 د) ، ثم يتحلل وفقًا لقانون السلطة. يشبه هذا النهج النهج المقدم في Chaudhuri et al. ، 2017 ، لكننا هنا نسمح أيضًا لأس قانون القوة (الثابت عند اثنين في المعادلة أعلاه) أن يكون معلمة حرة تمثل نشاطًا متغيرًا خالٍ من المقاييس (He et al. ، 2010 Miller et al.، 2009 Podvalny et al.، 2015 Voytek et al.، 2015c). نقوم أيضًا بتحديد معلمات المكونات التذبذبية في وقت واحد مع قمم Gaussians ، مما يسمح لنا بإزالة تأثيرها على طيف الطاقة ، مما يوفر تقديرات أكثر دقة لتردد الركبة. من تردد الركبة للمكوِّن غير الدوري ، يمكن بعد ذلك حساب النطاق الزمني العصبي (ثابت الانحلال) تمامًا مثل τ = 1 2 π f k.

مقارنة بتركيب وظائف الانحلال الأسي في المجال الزمني (على سبيل المثال ، Murray et al. ، 2014) - والتي يمكن أن تكون متحيزة حتى بدون وجود مكونات إضافية (زرعاتي وآخرون ، 2020) - يكون نهج مجال التردد مفيدًا عندما يكون متغيرًا يوجد أس قانون القوة والمكونات التذبذبية القوية ، كما هو الحال في كثير من الأحيان بالنسبة للإشارات العصبية (مثال على البيانات الحقيقية في الشكل 1 د). في حين أن المكون التذبذب يمكن أن يفسد القياس الساذج لـ τ كوقت وصول ACF إلى 1 / e (الشكل 1D ، أقحم) ، يمكن بسهولة حسابه وإزالته في مجال التردد مثل قمم تشبه Gaussian. هذا مهم بشكل خاص بالنظر إلى التذبذبات العصبية ذات الترددات غير الثابتة. على سبيل المثال ، ذروة واسعة في طيف الطاقة (على سبيل المثال ،

10 هرتز في عرض النطاق الترددي في الشكل 1 د) يمثل الانجرافات في تردد التذبذب بمرور الوقت ، والذي يمكن حسابه بسهولة باستخدام غاوسي واحد ، ولكنه يتطلب شروط جيب التمام المتعددة لالتقاط جيد في الارتباط التلقائي. لذلك ، في هذه الدراسة ، نطبق المعلمات الطيفية لاستخراج المقاييس الزمنية من التسجيلات داخل الجمجمة (Donoghue et al. ، 2020). نحن نتحقق من صحة هذا النهج على PSDs المحسوبة من السلاسل الزمنية العصبية المحاكاة ونوضح أن المقاييس الزمنية المستخرجة تتطابق بشكل وثيق مع قيم الحقيقة الأساسية (الشكل 1E).

تتبع المقاييس الزمنية التسلسل الهرمي التشريحي وهي كذلك

10 مرات أسرع من النطاقات الزمنية المتصاعدة

بتطبيق هذه التقنية ، نستنتج التدرج المستمر للمقاييس الزمنية العصبية عبر القشرة البشرية من خلال تحليل مجموعة بيانات كبيرة من تسجيلات داخل الجمجمة (ECoG) لنشاط الدماغ الخالي من المهام (Frauscher et al. ، 2018a). تحتوي مجموعة بيانات MNI-iEEG على دقيقة واحدة من بيانات حالة الراحة عبر 1772 قناة من 106 مرضى (13-62 عامًا ، 48 إناثًا) بأغطية متغيرة ، مسجلة باستخدام إما شريط / شبكة أو أقطاب استريو EEG ، وتنظيفها من القطع الأثرية المرئية. يوضح الشكل 2 أ آثار بيانات المثال على طول التسلسل الهرمي القشري مع زيادة النطاقات الزمنية المقدرة من PSDs الخاصة بهم (تشير دوائر الشكل 2 ب إلى تردد الركبة المجهز). تم استخراج جداول زمنية من القنوات الفردية وإسقاطها من إحداثيات MNI على النصف الأيسر من تجزئة السطح HCP-MMP1.0 (Glasser et al. ، 2016) لكل مريض باستخدام قناع مرجح Gaussian يتمركز على كل قطب كهربائي. في حين أن التغطية متفرقة وخصوصية في المرضى الأفراد ، فإنها لا تختلف حسب العمر ، وعند التجميع عبر جميع السكان ، تحتوي 178 من 180 طردًا على مريض واحد على الأقل مع قطب كهربائي في حدود 4 مم (الشكل 2 - ملحق الشكل 1 أ -F).

يزيد المقياس الزمني على طول التسلسل الهرمي التشريحي في البشر وقرود المكاك.

(أ) مثال على سلسلة زمنية من خمسة أقطاب على طول التسلسل الهرمي القشري البشري (M1: القشرة الحركية الأولية SMC: القشرة الحركية التكميلية OFC: القشرة الأمامية المدارية ACC: القشرة الحزامية الأمامية MTL: الفص الصدغي الإنسي) ، و (ب) محسوبة الكثافة الطيفية للقدرة المقابلة لها (PSDs) على مدى 1 دقيقة. يشير الخط الدائري والمتقطع إلى تردد الركبة لكل PSD ، مشتق من نوبات المكون غير الدورية (داخلي). البيانات: قاعدة بيانات MNI-iEEG ، العدد = 106 مشاركًا. (ج) يقع تدرج المقياس الزمني القشري البشري (يسارًا) في الغالب على طول محور rostrocaudal ، على غرار نسبة T1w / T2w (يسجل z الأيمن ، في وحدات الانحراف المعياري). تظهر النقاط الملونة مواقع الأقطاب الكهربائية لبيانات المثال. (د) ترتبط المقاييس الزمنية العصبية سلبًا مع T1w / T2w القشري ، وبالتالي تزداد على طول التسلسل الهرمي التشريحي من مناطق الحسية إلى مناطق الارتباط (تم تصحيح قيمة ارتباط سبيرمان للارتباط الذاتي المكاني ، الشكل 2 - ملحق الشكل 2A-C). (ه) مثال على PSDs من تسجيلات ECoG المكاك ، مشابه لـ (ب) (LIP: القشرة الجانبية داخل الفص الجداري LPFC: القشرة الجبهية الوحشية S1 و S2: القشرة الحسية الجسدية الأولية والثانوية). يتم حساب متوسط ​​PSDs على الأقطاب الكهربائية داخل كل منطقة (داخلي [F]). البيانات: Neurotycho ، N = 8 جلسات من حيوانين. (F) نشر مسار النطاقات الزمنية Macaque ECoG جداول زمنية متصاعدة أحادية الوحدة (Murray et al. ، 2014) في المناطق المقابلة (تمثل أشرطة الخطأ متوسط ​​± sem). أقحم: خريطة قطب ECoG لحيوان واحد وأقطاب كهربائية مختارة للمقارنة. (جي) ترتبط المقاييس الزمنية المشتقة من ECoG باستمرار بـ (يسار) و

10 مرات أسرع من (يمين) ، مقياس الوقت لوحدة واحدة عبر الجلسات الفردية. أقلام جوفاء: أشكال جلسات فردية: دوائر صلبة للحيوانات: متوسط ​​كبير من (F).

عبر القشرة البشرية ، نطاقات زمنية للديناميات الكهربية السريعة (

10-50 مللي ثانية) في الغالب تتبع التدرج الروستروكاودي (الشكل 2C ، الدوائر تشير إلى موقع بيانات المثال من 2A). تماشيًا مع العديد من الروايات عن المحور القشري الرئيسي الممتد من مناطق الحسية الأولية إلى مناطق الارتباط (Hilgetag and Goulas، 2020 Margulies et al.، 2016 Wang، 2020) ، تكون النطاقات الزمنية أقصر في المناطق الحسية الحركية والمناطق المرئية المبكرة ، وأطول في مناطق الارتباط ، خاصةً مناطق الفص الصدغي الحزامي ، والبطني / الإنسي ، والفص الصدغي الإنسي (الشكل 2 - يوضح ملحق الشكل 1G مزيدًا من التجميع في 21 منطقة كلية معنونة). قمنا بعد ذلك بمقارنة تدرج النطاق الزمني بخريطة متوسط ​​T1w / T2w من مشروع Connectome البشري ، الذي يلتقط الميالين للمادة الرمادية ويفهرس نسبة وصلات التغذية إلى الأمام مقابل التغذية المرتدة بين المناطق القشرية ، وبالتالي يعمل كوكيل غير باضع للتسلسل الهرمي التشريحي القائم على الاتصال (Burt et al.، 2018 Glasser and Van Essen، 2011). نجد أن المقاييس الزمنية العصبية مرتبطة سلبًا بـ T1w / T2w عبر القشرة بأكملها (الشكل 2D ، ρ = −0.47، p & lt0.001 مصححة للارتباط الذاتي المكاني [SA] ، راجع المواد والطرق والشكل 2 - ملحق الشكل 2A-C للمقارنة بين طرق التصحيح) ، بحيث تكون المقاييس الزمنية أقصر في كثيفة الميالين (أي ، أقل- المستوى ، الحسي) المناطق. ترتبط المقاييس الزمنية أيضًا ارتباطًا إيجابيًا بسمك القشرة (الشكل 2 - ملحق الشكل 3 ، ρ = 0.37، p = 0.035) - مؤشر آخر للتسلسل الهرمي القشري الذي هو نفسه غير مرتبط بـ T1w / T2w. وبالتالي ، نلاحظ أن المقاييس الزمنية العصبية تطول على طول التسلسل الهرمي القشري البشري ، من مناطق الحسية إلى مناطق الارتباط.

في حين أن تسجيلات ECoG السطحية توفر تغطية مكانية أوسع بكثير من تسجيلات الوحدة المفردة خارج الخلية ، إلا أنها إشارات مختلفة اختلافًا جوهريًا: ECoG وإمكانات المجال تعكس إلى حد كبير تيارات متشابكة متشابكة وتيارات غشائية أخرى عبر العديد من الخلايا العصبية والدبقية ، بدلاً من إمكانات الفعل المفترضة من الخلايا العصبية المفردة ( Buzsáki وآخرون ، 2012 الشكل 1 أ ، المربع الأصفر). بالنظر إلى ذلك ، نسأل ما إذا كانت المقاييس الزمنية التي تم قياسها من ECoG في هذه الدراسة (ECoG) مرتبطة بمقاييس زمنية تصاعدية أحادية الوحدة على طول التسلسل الهرمي القشري (spiking). لاختبار ذلك ، نقوم باستخراج النطاقات الزمنية العصبية من تسجيلات ECoG الخالية من المهام في قرود المكاك (Nagasaka et al. ، 2011) ومقارنتها بمجموعة بيانات منفصلة من نطاقات زمنية متصاعدة أحادية الوحدة من مجموعة مختلفة من قرود المكاك (Murray et al. ، 2014 ) (انظر الشكل 2 - الشكل الملحق 4 لمواقع القطب). تمشيا مع تقديرات τ الارتفاع (Murray et al. ، 2014 Wasmuht et al. ، 2018) ، τ ECoG يزيد أيضًا على طول التسلسل الهرمي القشري المكاك. في حين أن هناك تطابقًا قويًا بين النطاقات الزمنية التصاعدية وتخطيط كهربية القلب (الشكل 2 و ρ = 0.96، p & lt0.001) - مقاسة من مجموعات بيانات مستقلة - عبر قشرة المكاك ، τ ECoG

10 مرات أسرع من τ spiking ويتم حفظها عبر الجلسات الفردية (الشكل 2G). يشير هذا إلى أن التيارات العصبية المتصاعدة والغشائية لها نطاقات زمنية متميزة ولكنها مرتبطة بالتقلبات ، وأن كلاهما منظم بشكل هرمي على طول قشرة الرئيسيات.

تشكل جينات القناة المتشابكة والأيونية مقاييس زمنية لديناميات الخلايا العصبية

بعد ذلك ، نحدد الآليات الخلوية والتشابكية المحتملة الكامنة وراء اختلافات النطاق الزمني عبر القشرة البشرية. تفترض التفسيرات النظرية أن الإثارة المتكررة بوساطة NMDA المقترنة بالتثبيط السريع (Chaudhuri et al.، 2015 Wang، 2008 Wang، 1999) ، وكذلك الخصائص الجوهرية للخلية (Duarte and Morrison، 2019 Gjorgjieva et al.، 2016 Koch et al. . ، 1996) ، حاسمة لتشكيل الجداول الزمنية العصبية. أثناء إجراء الدراسات في المختبر وفي الجسم الحي في الكائنات الحية النموذجية (Van Vugt et al. ، 2020 Wang et al. ، 2013) يمكن اختبار هذه الفرضيات على مستوى الخلايا العصبية المفردة ، والتلاعب السببي والتسجيلات واسعة النطاق للشبكات العصبية المدمجة في الإنسان. محدودة للغاية. هنا ، نطبق نهجًا مشابهًا للتنميط متعدد الوسائط للخلية المفردة (Bomkamp et al. ، 2019) ونفحص الأساس النسخي للديناميات العصبية على النطاق الكبير.

بالاستفادة من استيفاء القشرة الكاملة لتعبير الرنا المرسال الأكبر من Allen Human Brain Atlas (Gryglewski et al. ، 2018 Hawrylycz et al. ، 2012) ، فإننا نعرض خرائط تعبير فوكسل على قطع سطح HCP-MMP1.0 ، ونجد أن يتداخل تدرج النطاق الزمني العصبي مع المحور السائد للتعبير الجيني (أي المكون الرئيسي الأول لـ 2429 جينة مرتبطة بالدماغ) عبر القشرة البشرية (الشكل 3 أ ، ρ = 0.60 ، p & lt0.001 انظر الشكل 3 - ملحق الشكل 1 للحصول على نتائج مماثلة مع جميع الجينات 18114). تمشيا مع التوقعات النظرية (الشكل 3 ب) ، ترتبط الجداول الزمنية بشكل كبير بالتعبير عن ترميز الجينات للوحدات الفرعية لمستقبلات NMDA (GRIN2B) ووحدات مستقبلات GABA-A (GABRA3) ، والصوديوم ببوابات الجهد (SCN1A) والبوتاسيوم (KCNA3) الوحدات الفرعية لقناة أيون ، مثل بالإضافة إلى العلامات المثبطة من نوع الخلية (parvalbumin ، و PVALB) ، والجينات التي تم تحديدها سابقًا لتكون مرتبطة بثوابت وقت غشاء الخلايا العصبية المفردة (PRR5) (Bomkamp et al. ، 2019) (تم تصحيح جميع ارتباطات سبيرمان لـ SA في التدرجات).

يرتبط تدرج مقياس الوقت بالتعبير عن الجينات المتعلقة بالمستقبلات المشبكية والقنوات الأيونية عبر القشرة البشرية.

(أ) يتبع تدرج مقياس الوقت المحور السائد لتغير التعبير الجيني عبر القشرة (PC1 سجل z لـ 2429 جينًا خاصًا بالدماغ ، اتجاه تعسفي). (ب) يرتبط تدرج المقياس الزمني ارتباطًا وثيقًا بالتعبير عن الجينات المعروفة بتغيير ثوابت وقت الغشاء المشبكي والعصبي ، بالإضافة إلى علامات نوع الخلية المثبطة ، ولكن (ج) يمكن أن يرتبط الأعضاء داخل عائلة الجينات (على سبيل المثال ، الوحدات الفرعية لمستقبلات NMDA) بشكل إيجابي وسلبي بالمقاييس الزمنية ، بما يتوافق مع التنبؤات من الدراسات المختبرية. (د) يلتقط الارتباط على نطاق واسع النطاق الزمني - النسخي الارتباط بين التعبير المتسلسل للحمض النووي الريبي لنفس الجينات وخصائص النطاق الزمني للخلية المفردة الملائمة لتصحيح بيانات المشبك من دراستين ، وتحسن المراسلات للجينات (المفصولة بخُمس) التي ترتبط ارتباطًا وثيقًا بالمقياس الزمني (صلب: N = 170 [Tripathy et al. ، 2017] ، متقطع: N = 4168 جينًا [Bomkamp et al. ، 2019] الخطوط الأفقية: الارتباط عبر جميع الجينات من الدراستين ، ρ = 0.36 و 0.25 ص& lt0.001 لكليهما). (ه) يتم تراجع التدرج اللوني T1w / T2w من مقياس الوقت وتدرجات التعبير الجيني ، ويتناسب نموذج المربعات الصغرى الجزئية (PLS) مع الخرائط المتبقية. يتم تقديم الجينات ذات الأوزان الكبيرة PLS (المربعات الزرقاء المملوءة) مقارنةً بالتوزيعات الفارغة المحفوظة بالارتباط الذاتي المكاني (SA) لتحليل إثراء علم الجينات (GOEA) ، مما يُعيد مجموعة من مصطلحات GO المهمة التي تمثل مجموعات الجينات الوظيفية (المربعات الخضراء المملوءة). (F) ترتبط الجينات المخصبة بشكل أساسي بناقلات غشاء البوتاسيوم والكلوريد ، وجينات المشابك GABA-ergic على وجه التحديد مع الارتباطات السلبية القوية تزيد من تمثيل آليات التبادل الأيوني عبر الغشاء ، وخاصة ناقلات البوتاسيوم والكاتيون ذات الجهد الكهربائي. تشير الفروع إلى عناصر GO التي تشارك عناصر المستوى الأعلى (الأصل) ، على سبيل المثال ، نشاط قناة الكاتيون ذات الجهد الكهربائي هو طفل نشاط قناة الكاتيون في الوظائف الجزيئية (MF) ، وكلاهما مرتبطان بشكل كبير بالمقياس الزمني. يشير لون الخطوط إلى علم الوجود المنسق (BP - العملية البيولوجية ، CC - المكونات الخلوية ، أو MF). تتوافق الخطوط المنقطة والمتقطعة والصلبة مع التحليل الذي يتم إجراؤه باستخدام جميع الجينات أو فقط تلك التي تحتوي على أوزان PLS موجبة أو سلبية. القيم الاحتمالية للارتباط المكاني في (أ-ج) لـ SA (انظر المواد والأساليب العلامات النجمية في (B ، D) تشير إلى p & lt0.05 ، 0.01 ، 0.005 ، و 0.001 على التوالي علامات مملوءة في (ج ، د) تشير إلى p & lt0.05).

وبشكل أكثر تحديدًا ، أظهرت الدراسات الفيزيولوجية الكهربية في المختبر ، على سبيل المثال ، زيادة التعبير عن الوحدة الفرعية للمستقبلات 2B ، مما يؤدي إلى تمديد الدورة الزمنية الحالية لـ NMDA (Flint et al. ، 1997) ، بينما يقصر التعبير 2A (Monyer et al. ، 1994). وبالمثل ، فإن ثابت وقت مستقبلات GABA-A يطيل مع زيادة نسبة الوحدة الفرعية a3: a1 (Eyre et al. ، 2012). نظهر أن هذه العلاقات يتم تلخيصها على المستوى الكلي ، حيث ترتبط المقاييس الزمنية العصبية بشكل إيجابي مع تعبير GRIN2B و GABRA3 وترتبط سلبًا بـ GRIN2A و GABRA1 (الشكل 3C). توضح هذه النتائج أن النطاقات الزمنية للديناميات العصبية تعتمد على مجموعات محددة من الوحدات الفرعية للمستقبلات ذات نطاقات زمنية مختلفة (دي) للتنشيط (Duarte et al. ، 2017 Gjorgjieva et al. ، 2016) ، بالإضافة إلى تفاعلات الإثارة والتثبيط الواسعة (Gao et al. ، 2017 وانج ، 2020 وانج ، 2002). وتجدر الإشارة إلى أن جميع الجينات تقريبًا المرتبطة بوحدات ألفا الفرعية لقناة أيونات الصوديوم والبوتاسيوم ذات الجهد الكهربائي - الوحدات الفرعية الوظيفية الرئيسية - مرتبطة بالمقياس الزمني ، في حين أن جميع علامات نوع الخلية المثبطة باستثناء البارفالبيومين لها ارتباطات إيجابية قوية مع مقياس زمني (الشكل 3C والشكل 3 - الشكل الملحق 2).

نختبر أيضًا ما إذا كانت الارتباطات ذات النطاق الزمني للخلية المفردة يتم التقاطها على النطاق الكلي على النحو التالي: بالنسبة لجين معين ، يمكننا قياس مدى ارتباط تعبيره بمعلمات وقت الغشاء الثابت على مستوى الخلية المفردة باستخدام مشبك التصحيح وتسلسل الحمض النووي الريبي بيانات (scRNASeq) (Bomkamp et al. ، 2019 Tripathy et al. ، 2017). بشكل مشابه ، يمكننا قياس ارتباطها بالمقياس الزمني النسبي العياني باستخدام التدرجات القشرية أعلاه. إذا تم الحفاظ على الارتباط بين التعبير عن هذا الجين والمقياس الزمني للخلايا العصبية على كلا المستويين ، فيجب أن يكون الارتباط عبر الخلايا على المستوى المجهري مشابهًا للارتباط عبر المناطق القشرية على المستوى الكلي. عند المقارنة عبر هذين المقياسين لجميع الجينات المرتبطة بالمقياس الزمني التي تم تحديدها مسبقًا في دراستين (العدد = 170 [Tripathy وآخرون ، 2017] و 4168 [Bomkamp et al. ، 2019]) ، وجدنا ارتباطًا مهمًا بين قوة الجينات. الارتباط على مستوى الخلية الواحدة والمستويات الكبيرة (الشكل ثلاثي الأبعاد ، خطوط سوداء أفقية ρ = 0.36 و 0.25 لمجموعتي البيانات ، p & lt0.001 لكليهما). علاوة على ذلك ، تميل الجينات ذات الارتباطات الأقوى إلى النطاق الزمني إلى الحفاظ على هذه العلاقة عبر مستويات الخلية الواحدة والمستويات الكبيرة (الشكل ثلاثي الأبعاد ، مفصولة بحجم الارتباط الكبير). وهكذا ، فإن الارتباط بين الاختلافات الخلوية في التعبير الجيني والديناميات الزمنية الجوهرية للخلية يتم التقاطها على المستوى الكلي ، على الرغم من أن بيانات scRNAseq و microarray تمثل قياسات مختلفة تمامًا للتعبير الجيني.

بينما أظهرنا ارتباطات بين الجداول الزمنية القشرية والجينات المشتبه في تأثيرها على ديناميكيات الخلايا العصبية ، تقدم هذه البيانات فرصة لاكتشاف جينات جديدة إضافية مرتبطة وظيفيًا بالمقاييس الزمنية من خلال نهج يعتمد على البيانات. ومع ذلك ، نظرًا لأن التباين النسبي والتسلسل الهرمي التشريحي يتداخلان على طول التدرج العياني المشترك (Burt et al. ، 2018 Huntenburg et al. ، 2018 Margulies et al. ، 2016) ، لا يمكننا تحديد الدور الذي تلعبه بعض الجينات بناءً على مستوى ارتباطها مع النطاق الزمني وحده: تؤدي الاختلافات في التعبير الجيني عبر القشرة أولاً إلى اختلافات في نوع الخلية والاتصال ، مما يؤدي إلى نحت التنظيم الهرمي للتشريح القشري. وبالتالي ، فإن الخصائص التشريحية والخلوية الجوهرية تشكل بشكل مشترك ديناميكيات الخلايا العصبية من خلال اختلافات الاتصال (Chaudhuri et al. ، 2015 Demirtaş et al. ، 2019) والتعبير عن نقل الأيونات وبروتينات المستقبل مع نطاقات زمنية تنشيط متغيرة ، على التوالي. لذلك ، نسأل ما إذا كان التباين في التعبير الجيني لا يزال يفسر التباين في النطاق الزمني بعد التدرج الهيكلي الرئيسي ، وما إذا كانت الجينات المرتبطة لها أدوار وظيفية معروفة في العمليات البيولوجية (BP) (التخطيطي في الشكل 3E). للقيام بذلك ، نقوم أولاً بإزالة مساهمة التسلسل الهرمي التشريحي عن طريق التراجع الخطي عن التدرج T1w / T2w من كل من تدرجات التعبير الجيني الفردي ومقياس الوقت. ثم قمنا بتركيب نماذج المربعات الصغرى الجزئية (PLS) لتقدير أوزان الانحدار في وقت واحد لجميع الجينات (Whitaker et al. ، 2016) ، وتقديم تلك التي لها ارتباطات مهمة لتحليل إثراء علم الجينات (GOEA) (Klopfenstein et al. ، 2018).

وجدنا أن الجينات المرتبطة بشكل كبير بالمقاييس الزمنية العصبية ترتبط بشكل تفضيلي بمجمعات نقل الأيونات عبر الغشاء ، وكذلك المشابك GABAergic وقنوات الكلوريد (انظر الشكل 3F والملف التكميلي 1 لنتائج GOEA مع جينات الدماغ فقط ، والملف التكميلي 2 لجميع الجينات) . عندما يقتصر الأمر على الجينات المرتبطة بشكل إيجابي فقط (يزيد التعبير مع النطاقات الزمنية) ، يتم الكشف عن مجموعة وظيفية واحدة مرتبطة بنشاط فوسفاتيدات الفوسفاتيز ، بما في ذلك الجين PLPPR1 ، الذي تم ربطه باللدونة العصبية (Savaskan et al. ، 2004) - وهو مقياس زمني أبطأ بكثير عملية فسيولوجية. على العكس من ذلك ، ترتبط الجينات المرتبطة سلبًا بالمقياس الزمني بالعديد من المجموعات المشاركة في بناء وتشغيل ناقلات الغشاء والقنوات الأيونية ذات الجهد الكهربائي ، وخاصة البوتاسيوم وناقلات الكاتيونات غير العضوية الأخرى. لمزيد من التأكد من أن هذه الجينات تتعلق على وجه التحديد بالمقياس الزمني للخلايا العصبية ، نقوم بإجراء نفس تحليل الإثراء باستخدام خرائط T1w / T2w مقابل خرائط الجينات كعنصر تحكم. لا ينتج عن تحليل التحكم أي مصطلحات GO مهمة عندما يقتصر على الجينات الخاصة بالدماغ (على عكس الشكل 3F) ، بينما يؤدي تكرار التحليل مع جميع الجينات إلى الحصول على مصطلحات GO مهمة تتعلق بالقنوات والمشابك الأيونية ، ولكنها أقل تحديدًا لتلك ( انظر الملف التكميلي 3) ، بما في ذلك مجموعة متنوعة من مجموعات الجينات الأخرى المرتبطة بعمليات التمثيل الغذائي العامة ، ومسارات الإشارات ، والمكونات الخلوية (CC). يعزز هذا أيضًا النقطة التي مفادها أن إزالة مساهمة T1w / T2w تساعد في تحديد الجينات المرتبطة بشكل أكثر تحديدًا بالديناميكا العصبية ، مما يشير إلى هذا التثبيط (Teleńczuk et al. ، 2017) - بوساطة قنوات GABA والكلوريد - وقنوات البوتاسيوم ذات الجهد الكهربائي لها أدوار بارزة في تشكيل ديناميكيات النطاق الزمني العصبية على المستوى الكلي ، بما يتجاوز ما هو متوقع بناءً على التسلسل الهرمي التشريحي وحده.

تطول النطاقات الزمنية في الذاكرة العاملة وتقصر في الشيخوخة

أخيرًا ، بعد أن أظهرنا أن المقاييس الزمنية العصبية مرتبطة بتدرجات تعبير تشريحية وجينية مستقرة عبر القشرة البشرية ، ننتقل إلى السؤال الأخير للدراسة: هل المقاييس الزمنية القشرية ثابتة نسبيًا ، أم أنها ديناميكية وظيفية وذات صلة بالإدراك البشري؟ بينما أظهرت الدراسات السابقة الفصل الهرمي للمعلومات ذات الصلة بالمهام المقابلة للمقاييس الزمنية الجوهرية للمناطق القشرية المختلفة (Baldassano et al. ، 2017 Chien and Honey ، 2020 Honey et al. ، 2012 Runyan et al. ، 2017 Sarafyazd and Jazayeri ، 2019 Wasmuht وآخرون. هنا ، نقوم بفحص ما إذا كانت النطاقات الزمنية تخضع لتحولات قصيرة وطويلة المدى أثناء صيانة الذاكرة العاملة والشيخوخة ، على التوالي.

نقوم أولاً بتحليل تسجيلات ECoG البشرية من منطقة الجدارية والجبهة (PFC والقشرة الأمامية المدارية [OFC]) والفص الصدغي الإنسي (MTL) للمرضى (N = 14) الذين يؤدون مهمة الذاكرة العاملة المرئية التي تتطلب استجابة متأخرة (الشكل 4 أ) جونسون وآخرون ، 2018 أ). تم استخراج النطاقات الزمنية العصبية لفترات تأخير صيانة الذاكرة وخط الأساس قبل التحفيز (900 مللي ثانية ، كلاهما خالي من المحفزات). بتكرار النتيجة السابقة في الشكل 2 - ملحق الشكل 1G ، نلاحظ أن المقاييس الزمنية للخلايا العصبية الأساسية تتبع تقدمًا هرميًا عبر مناطق الارتباط ، حيث يكون للقشرة الجدارية (PC) و PFC و OFC و MTL نطاقات زمنية أطول تدريجيًا (الزوجي Mann – Whitney U-) اختبار ، الشكل 4 ب). إذا كانت المقاييس الزمنية العصبية تتعقب الاستمرارية الزمنية للمعلومات بطريقة وظيفية ، فيجب أن تتوسع خلال فترات التأخير. تمشيا مع تنبؤاتنا ، فإن الجداول الزمنية في جميع المناطق هي

20٪ أطول خلال فترات التأخير (الشكل 4 ج اختبار رتبة ويلكوكسون). علاوة على ذلك ، ترتبط تغييرات النطاق الزمني فقط في PFC بشكل كبير بالسلوك عبر المشاركين ، حيث ترتبط النطاقات الزمنية لفترة التأخير الأطول بالنسبة إلى خط الأساس بأداء أفضل للذاكرة العاملة (الشكل 4 د ، ρ = 0.75 ، ع = 0.003). لا توجد ميزات طيفية أخرى في مناطق الدماغ المسجلة تُظهر تغييرات متسقة من خط الأساس إلى فترات التأخير بينما ترتبط أيضًا بشكل كبير بالأداء الفردي ، بما في ذلك الأس الطيفي الشبيه بـ 1 / f ، وثيتا النطاق الضيق (3-8 هرتز) ، والتردد العالي (عالي) جاما 70-100 هرتز) قوة النشاط (الشكل 4 - ملحق الشكل 1).

تتوسع الجداول الزمنية أثناء صيانة الذاكرة العاملة أثناء تتبع الأداء ، وضغط متوسط ​​النطاقات الزمنية الخالية من المهام عند كبار السن.

(أ) قام أربعة عشر مشاركًا بتغطية متداخلة داخل الجمجمة بأداء مهمة الذاكرة العاملة المرئية المكانية ، مع تحليل بيانات 900 مللي ثانية من خط الأساس (ما قبل التحفيز) وبيانات فترة التأخير (الكمبيوتر: الجداري ، PFC: الجبهي ، OFC: المداري الجبهي ، MTL: الفص الصدغي الإنسي n يشير إلى الرقم من الموضوعات ذات الأقطاب الكهربائية في تلك المنطقة). (ب) تتبع النطاقات الزمنية الأساسية تنظيمًا هرميًا داخل مناطق الارتباط (*: p & lt0.05 ، تمثل النقاط الصغيرة لاختبار Mann-Whitney U-test مشاركين فرديين ونقاط كبيرة وشريط خطأ لمتوسط ​​± sem عبر المشاركين). (ج) تظهر جميع المناطق زيادة كبيرة في النطاق الزمني خلال فترة التأخير مقارنة بخط الأساس (تمثل العلامات النجمية p & lt0.05 ، 0.01 ، 0.005 ، 0.001 ، اختبار تصنيف موقع Wilcoxon). (د) توسيع النطاق الزمني لـ PFC خلال فترات التأخير يتنبأ بمتوسط ​​دقة الذاكرة العاملة عبر المشاركين (تمثل النقطة مشاركين فرديين ، يعني ± sem عبر أقطاب PFC داخل المشارك) داخليًا: الارتباط بين دقة الذاكرة العاملة وتغيير النطاق الزمني لجميع المناطق. (ه) في مجموعة بيانات MNI-iEEG ، تنخفض النطاقات الزمنية القشرية المتوسطة للمشارك (تصبح أسرع) مع تقدم العمر (ن = 71 مشاركًا مع 10 طرود صالحة على الأقل ، انظر الشكل 4 - ملحق الشكل 2 ب). (F) تظهر معظم الطرود القشرية علاقة سلبية بين المقاييس الزمنية والعمر ، باستثناء أجزاء من القشرة البصرية والأقطاب الزمنية (اختبار t لعينة واحدة ، ر = −7.04، p & lt0.001 n = 114 طردًا حيث ستة مشاركين على الأقل لديهم بيانات ، انظر الشكل 4 - ملحق الشكل 2C).

في حين أن المقاييس الزمنية تتوافق مع التسلسل الهرمي للتعبير التشريحي والجيني في لقطة سريعة ، فإن بنية الدماغ نفسها ليست ثابتة بمرور الوقت ، حيث تخضع للعديد من التغيرات البطيئة في اللدونة العصبية أثناء التطور المبكر وطوال الشيخوخة في السكان الأكبر سنًا. على وجه الخصوص ، ترتبط الشيخوخة بمجموعة واسعة من التغييرات الوظيفية والهيكلية ، مثل ضعف الذاكرة العاملة (Voytek et al.، 2015c Wang et al.، 2011) ، وكذلك التغيرات في ديناميات الخلايا العصبية (Voytek et al.، 2015c). Voytek and Knight، 2015b Wang et al.، 2011) والبنية القشرية (de Villers-Sidani et al.، 2010) ، مثل فقدان الوحدات الفرعية لمستقبلات NMDA بطيئة التعطيل (Pegasiou et al. ، 2020). نظرًا لأن النطاقات الزمنية العصبية قد تدعم صيانة الذاكرة العاملة ، فإننا نتوقع أن المقاييس الزمنية ستقصر عبر العمر الافتراضي ، بالاتفاق مع التدهور المعرفي والبنيوي المرصود. تحقيقًا لهذه الغاية ، نستفيد من النطاق العمري الواسع في مجموعة بيانات MNI-iEEG (من 13 إلى 62 عامًا) ونبحث في متوسط ​​النطاقات الزمنية القشرية لكل مشارك كدالة للعمر. نظرًا لأن تغطية ECoG متفرقة وغير منتظمة عبر المشاركين ، فإن المتوسط ​​عبر الطرود داخل المشاركين الفرديين يخلط بين تأثير الشيخوخة والتأثير المكاني للتسلسل الهرمي القشري. بدلاً من ذلك ، نقوم أولاً بتطبيع كل طرد بقيمته القصوى عبر جميع المشاركين قبل حساب المتوسط ​​داخل المشاركين ، باستثناء أولئك الذين لديهم أقل من 10 طرود صالحة (N = 71 من 106 موضوعًا تبقى النتائج معلقة لمجموعة كبيرة من قيم العتبة ، الشكل 4 - ملحق الشكل 2 ب). نلاحظ أن كبار السن لديهم نطاقات زمنية عصبية أسرع (ρ = −0.31 ، p = 0.010 الشكل 4E) ، وأن المقاييس الزمنية تقصر مع تقدم العمر في معظم المناطق عبر القشرة (الشكل 4F ، ر = −7.04، p & lt0.001 114 من 189 طردًا حيث ستة مشاركين على الأقل لديهم بيانات ، انظر الشكل 4 - ملحق الشكل 2C). يكون ضغط النطاق الزمني هذا بارزًا بشكل خاص في المناطق الأمامية الحسية والزمانية والوسطى. تدعم هذه النتائج فرضيتنا القائلة بأن المقاييس الزمنية العصبية ، المقدرة من تقلبات التيار عبر الغشاء ، يمكن أن تتغير بسرعة بطريقة ملائمة وظيفيًا ، وكذلك ببطء - على مدى عقود - في الشيخوخة الصحية.


خيارات الوصول

احصل على حق الوصول الكامل إلى دفتر اليومية لمدة عام واحد

جميع الأسعار أسعار صافي.
سيتم إضافة ضريبة القيمة المضافة في وقت لاحق عند الخروج.
سيتم الانتهاء من حساب الضريبة أثناء الخروج.

احصل على وصول محدود أو كامل للمقالات على ReadCube.

جميع الأسعار أسعار صافي.


الملخص

إن قدرة مجموعات مختلفة من الخلايا العصبية القشرية على الانخراط في تفاعلات سببية متمايزة ومتكاملة في آن واحد تؤدي إلى أنماط ديناميكية معقدة. يكون التعقيد منخفضًا أثناء فترات فقدان الوعي (النوم العميق ، التخدير ، متلازمة اليقظة غير المستجيبة) حيث يميل الدماغ إلى تكوين نمط نمطي يتكون من فترات متناوبة نشطة وصامتة من النشاط العصبي - التذبذبات البطيئة - ويكون مرتفعًا أثناء اليقظة. ولكن كيف يتم بناء التعقيد القشري؟ هل هي سلسلة متصلة؟ السؤال المفتوح هو ما إذا كان التعقيد القشري يمكن أن يختلف داخل نفس حالة الدماغ. سجلنا هنا مع مصفوفات متعددة الأقطاب ذات 32 قناة من السطح القشري للماوس واستخدمنا ديناميكيات عفوية (إنتروبيا انتشار الموجة والتعقيد الوظيفي) ونهج مضطرب (تباين في مؤشر تعقيد الاضطراب) لقياس التعقيد عند مستويات التخدير المختلفة. أدت الاختلافات في مستوى التخدير داخل النظام ثنائي الاستقرار للتذبذبات البطيئة (0.1-1.5 هرتز) إلى تعديل تردد التذبذب البطيء. زاد كل من التعقيد المضطرب والعفوي مع انخفاض مستويات التخدير ، في ارتباط مع انخفاض تماسك الشبكة الأساسية. ترتبط التغييرات في مستوى التعقيد بالتغيرات في الاستثارة ، ولكنها لا تعتمد عليها. نستنتج أن التعقيد القشري يمكن أن يختلف داخل حالة دماغية واحدة تهيمن عليها التذبذبات البطيئة ، مما يؤدي إلى التعقيد الأعلى المرتبط بالوعي.


شاهد الفيديو: هل الخلايا العصبيه بالمخ تتجدد (ديسمبر 2022).