معلومة

كيف نعرف ما إذا كانت الخلايا العصبية مثبطة أم مثيرة؟

كيف نعرف ما إذا كانت الخلايا العصبية مثبطة أم مثيرة؟


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.

أمثلة الكتب المدرسية للناقل العصبي المثير هو الجلوتامات ، وبالنسبة لناقل عصبي مثبط فهو GABA.

في فهمي الساذج ، كان العصبون مثبطًا أو مثيرًا اعتمادًا على الناقل العصبي الذي يطلقه على شركائه بعد المشبكي.

ومع ذلك ، وفقًا لهذا الخيط ، فإن الناقل العصبي ليس في حد ذاته مثيرًا أو مثبطًا ، ولكن هذه الخاصية تعتمد على مستقبل ما بعد المشبكي الذي يعمل عليه.

الآن تبدو هذه الخاصية مستقلة عن الخلية قبل المشبكية - ومن ثم ، كيف يمكننا تصنيف الخلية قبل المشبكية على أنها إما مثبطة أو مثيرة (عندما تكون هذه خاصية لمستقبلات ما بعد المشبكي ، والتي يمكن أن تكون أيضًا)؟

إلى جانب ذلك ، نظرًا لأن لدينا عددًا كبيرًا من الخلايا العصبية ووصلاتها في كل منها $ مم ^ 3 $، كيف يمكننا التأكد من أن عمل الخلايا قبل المشبكي لا يتم بوساطة الخلايا الأخرى ، وأن التثبيط / الإثارة المرصودة ليس بالأحرى تأثيرًا للشبكة؟


في فهمي الساذج ، كان العصبون مثبطًا أو مثيرًا اعتمادًا على الناقل العصبي الذي يطلقه على شركائه بعد المشبكي.

هذا صحيح في الغالب. ما يبقى السؤال هو ما الذي يجعل المعطى ناقل عصبي مثبط أو مثير. إلى حد ما ، يعتمد ذلك على مستقبلات ما بعد التشابك العصبي ، ولكنه يعتمد أيضًا على شروط أخرى: حالة واحدة مذكورة في الأسئلة والأجوبة المرتبطة التي سأكررها هي أن GABA هي في الواقع مثير في بعض الأوقات ، بما في ذلك أثناء النمو (ويمكن أن يحدث نفس الشيء لأسباب معينة من الصرع). في هذه الحالة ، السبب هو أن مستقبلات GABA-A عبارة عن قنوات كلوريد ، لذا فإن احتمالية انعكاس الكلوريد هي ما يهم. إذا كانت إمكانية انعكاس الكلوريد أكثر استقطابًا من العتبة ، فإن GABA-A هو مستقبل مثبط ؛ إذا كانت إمكانية انعكاس الكلوريد أكثر استقطابًا من العتبة ، فإن GABA-A هو مستقبل مثير. تختلف تركيزات أيون الكلوريد خلال مراحل معينة من التطور ، لذا يتغير دور GABA (في التطور يبدو أنه مهم لتطوير الدوائر المثبطة في النهاية).


أستطرد قليلاً ، لكنني أعتقد أنك واجهت بالفعل كل ما تحتاج إلى معرفته: تسميات مثل "مثير" و "مثبط" للناقل العصبي نفسه هي تعميمات ترضي التفضيلات البشرية للاستدلال. إنه مناسب للحديث عن GABA كناقل عصبي مثبط ، لأنه في معظم الحالات يكون التأثير الجهازي الرئيسي لـ GABA هو التثبيط. نفس الشيء مع الغلوتامات في اتجاه الإثارة.

معظم التثبيط الذي يسببه الغلوتامات هو نوع التثبيط قبل المشبكي الذي تمت مناقشته في سؤال وجواب سابق ؛ أي أنه يقوم بقمع إفراز الغلوتامات نفسه. وبهذا المعنى ، يكون تثبيط الجلوتامات فعالاً فقط مثل تأثير الإثارة الغلوتاماتيكية: التأثير الصافي للجلوتامات سيكون دائمًا مثيرًا في هذا النظام.

لذلك ، من السهل اعتبار الخلايا GABAergic و glutamatergic مثبطة ومثيرة ، على التوالي.

كيف يمكننا التأكد من أن عمل الخلايا قبل المشبكي لا تتوسطه خلايا أخرى ، وأن التثبيط / الإثارة المرصودة ليس بالأحرى تأثير شبكة؟

الطريقة الأساسية هي التسجيلات المزدوجة: تقوم بالتسجيل من خلية ما قبل المشبكي وما بعد المشبكي في نفس الوقت ، وتنشيط الخلية قبل المشبكية ، وقياس الجهد في خلية ما بعد المشبكي. هذه الأنواع من التسجيلات الزوجية هي أداة شائعة في علم الأعصاب.


Cancedda، L.، Fiumelli، H.، Chen، K.، & Poo، M.M (2007). يعد إجراء GABA المثير ضروريًا للنضج المورفولوجي للخلايا العصبية القشرية في الجسم الحي. مجلة علم الأعصاب ، 27 (19) ، 5224-5235.

أوينز ، دي إف ، بويس ، إل إتش ، ديفيس ، إم بي ، وكريغستين ، إيه آر (1996). استجابات GABA المثيرة في الشرائح القشرية الجنينية وحديثي الولادة التي تظهر من خلال تسجيلات الجراميسيدين المثقبة وتصوير الكالسيوم. مجلة علم الأعصاب، 16 (20) ، 6414-6423.

طومسون ، إيه إم ، ودوشارس ، ج. (1997). التفاعلات المشبكية في الدوائر المحلية للقشرة المخية الحديثة: التسجيلات المزدوجة داخل الخلايا في المختبر. القشرة المخية (نيويورك ، نيويورك: 1991) ، 7 (6) ، 510-522.


الناقلات العصبية الكيميائية

الخلايا العصبية التي تُستخدم لإدراك الأحداث الخارجية ، عند إثارة الحافز المناسب ، ستنقل جهد فعل إلى أسفل محاورها. عندما تصل الإشارة الكهربائية إلى الحزمة الطرفية للمحور ، فإنها تتفاعل مع هياكل تسمى المقابض المشبكية. إنه يحفز تدفق الكالسيوم (Ca 2+) من خلال بوابات Ca 2+ ذات الجهد الكهربائي. يؤدي هذا إلى حركة الحويصلات نحو أغشية المقابض المشبكية. يوجد داخل هذه الحويصلات مواد كيميائية ناقل عصبي. يتم تصنيع الناقلات العصبية في جسم الخلية وتنتقل إلى أسفل المحور العصبي ليتم تخزينها في حويصلات مرتبطة بالمقابض المشبكية. عندما تصل الحويصلة إلى غشاء الخلية للمقبض المشبكي ، فإنها تندمج مع غشاء الخلية وتطلق ناقلها العصبي في المنطقة المشبكية. على العصبون ما بعد المشبكي توجد مستقبلات من شأنها ربط هذه الناقلات العصبية على وجه التحديد. سوف يقوم الناقل العصبي إما بإثارة أو تثبيط إطلاق الخلايا العصبية بعد المشبكية.

تتمثل إحدى آليات تثبيط إطلاق العصبون ما بعد المشبكي في التسبب في فرط الاستقطاب مثل ذلك الذي يتبع نبضة جهد الفعل. هذا من شأنه أن يرفع عتبة إطلاق الخلايا العصبية.

لاحظ أن الخلايا العصبية قبل وبعد المشابك قد تم رسمها بشكل مماثل أعلاه ، ولكن هذا فقط بسبب الجهل بماهية الاختلافات الهيكلية.

المؤلف المساهم: Ka Xiong Charand


قد يؤدي فهم التنشيط العصبي التثبيطي إلى إلقاء الضوء على الاضطرابات العصبية

في محاولة لفهم أفضل لوظيفة الخلايا العصبية المثبطة في الدماغ ودورها في الاضطرابات العصبية ، طور علماء الأعصاب في معهد ماساتشوستس للتكنولوجيا منصة جديدة لإظهار الآثار الحسابية لتعديل فئات فرعية مختلفة من الخلايا العصبية المثبطة أثناء المعالجة الحسية.

يحتوي الدماغ على مليارات الخلايا العصبية ، مرتبة في دوائر معقدة تسمح لنا بإدراك العالم والتحكم في حركاتنا واتخاذ القرارات. يعد فك رموز تلك الدوائر أمرًا بالغ الأهمية لفهم كيفية عمل الدماغ وما يحدث في الاضطرابات العصبية.

لقد اتخذ علماء الأعصاب في معهد ماساتشوستس للتكنولوجيا الآن خطوة كبيرة نحو هذا الهدف. في بحث جديد ظهر في عدد 9 أغسطس من مجلة Nature ، أفادوا أن فئتين رئيسيتين من خلايا الدماغ تقومان بقمع النشاط العصبي بطرق رياضية محددة: نوع يطرح من التنشيط الكلي ، بينما يقسمه الآخر.

"هذه حسابات بسيطة للغاية ولكنها عميقة" ، كما تقول مريجانكا سور ، أستاذة بول إي نيوتن في علم الأعصاب وكبيرة مؤلفي بحث الطبيعة. "التحدي الرئيسي لعلم الأعصاب هو تصور كميات هائلة من البيانات في إطار يمكن وضعه في لغة الحساب. لقد كان لغزًا كيف تحقق هذه الأنواع المختلفة من الخلايا ذلك ".

يمكن أن تساعد النتائج العلماء في معرفة المزيد عن الأمراض التي يعتقد أنها ناجمة عن اختلال التوازن في تثبيط الدماغ وإثارته ، بما في ذلك التوحد والفصام والاضطراب ثنائي القطب.

المؤلفون الرئيسيون لهذه الورقة هم طالبة الدراسات العليا كارولين رونيان وباحث ما بعد الدكتوراه ناثان ويلسون. Forea Wang ’11 ، الذي ساهم في العمل كطالب جامعي في معهد ماساتشوستس للتكنولوجيا ، هو أيضًا مؤلف البحث.

توازن دقيق

هناك المئات من الأنواع المختلفة من الخلايا العصبية في الدماغ معظمها مثير للإثارة ، في حين أن الكسر الأصغر يكون مثبطًا. تنشأ كل العمليات الحسية والوظائف المعرفية من التوازن الدقيق بين هذين المؤثرين. ارتبطت الاختلالات في الإثارة والتثبيط بالفصام والتوحد.

يقول سور ، وهو أيضًا مدير مركز سيمونز للدماغ الاجتماعي في معهد ماساتشوستس للتكنولوجيا: "هناك أدلة متزايدة على أن التغيرات في الإثارة والتثبيط هي لب العديد من المجموعات الفرعية من الاضطرابات العصبية والنفسية". "هذا منطقي ، لأن هذه ليست اضطرابات بالطريقة الأساسية التي يُبنى بها الدماغ. إنها اضطرابات خفية في دوائر الدماغ وتؤثر على أنظمة دماغية محددة جدًا ، مثل الدماغ الاجتماعي ".

في دراسة الطبيعة الجديدة ، حقق الباحثون في فئتين رئيسيتين من الخلايا العصبية المثبطة. يستهدف أحدها ، المعروف باسم الخلايا العصبية الداخلية التي تعبر عن البارفالبيومين (PV) ، أجسام الخلايا العصبية. الآخر ، المعروف باسم السوماتوستاتين المعبر عن (SOM) ، يستهدف التشعبات - إسقاطات صغيرة متفرعة من الخلايا العصبية الأخرى. تمنع كل من الخلايا الكهروضوئية والخلايا SOM نوعًا من الخلايا العصبية المعروفة باسم الخلايا الهرمية.

لدراسة كيفية تأثير هذه الخلايا العصبية على تأثيرها ، كان على الباحثين تطوير طريقة لتنشيط الخلايا العصبية الكهروضوئية أو الخلايا العصبية SOM على وجه التحديد ، ثم مراقبة تفاعلات الخلايا الهرمية المستهدفة ، وكلها في الدماغ الحي.

أولاً ، قام الباحثون ببرمجة خلايا PV أو SOM وراثيًا في الفئران لإنتاج بروتين حساس للضوء يسمى تشانيل رودوبسين. عندما تندمج في أغشية الخلايا العصبية ، فإن تشانيرودوبسين يتحكم في تدفق الأيونات داخل وخارج الخلايا العصبية ، مما يغير نشاطها الكهربائي. يسمح هذا للباحثين بتحفيز الخلايا العصبية من خلال تسليط الضوء عليها.

قام الفريق بدمج هذا مع تصوير الكالسيوم داخل الخلايا الهرمية المستهدفة. تعكس مستويات الكالسيوم النشاط الكهربائي للخلية ، مما يسمح للباحثين بتحديد مقدار النشاط الذي تم كبته بواسطة الخلايا المثبطة.

يقول رونيان: "حتى ربما قبل ثلاث سنوات ، كان بإمكانك فقط التسجيل بشكل أعمى من أي خلية تصادفها في الدماغ ، ولكن يمكننا الآن استهداف تسجيلاتنا ومعالجتنا لفئات خلايا محددة جيدًا".

تفكيك الدائرة

في هذه الدراسة ، أراد الباحثون أن يروا كيف أن تنشيط هذه الخلايا العصبية المثبطة سيؤثر على كيفية معالجة الدماغ للمدخلات المرئية - في هذه الحالة ، أشرطة أفقية أو عمودية أو مائلة. عندما يتم تقديم مثل هذا المنبه ، تستجيب الخلايا الفردية في العين لنقاط الضوء ، ثم تنقل هذه المعلومات إلى المهاد ، الذي ينقلها إلى القشرة البصرية. تظل المعلومات مشفرة مكانيًا أثناء انتقالها عبر الدماغ ، لذا فإن الشريط الأفقي سينشط صفوف الخلايا المقابلة في الدماغ.

تتلقى هذه الخلايا أيضًا إشارات مثبطة ، مما يساعد على ضبط استجابتها ومنع التحفيز المفرط. وجد فريق معهد ماساتشوستس للتكنولوجيا أن هذه الإشارات المثبطة لها تأثيران مميزان: التثبيط بواسطة الخلايا العصبية SOM يطرح من الكمية الإجمالية للنشاط في الخلايا المستهدفة ، بينما تثبيط الخلايا العصبية الكهروضوئية يقسم المقدار الإجمالي للنشاط في الخلايا المستهدفة.

يقول ويلسون: "الآن بعد أن أصبح لدينا أخيرًا التكنولوجيا لفصل الدائرة ، يمكننا أن نرى ما يفعله كل مكون ، ووجدنا أنه قد يكون هناك منطق عميق لكيفية تصميم هذه الشبكات بشكل طبيعي".

هذان النوعان من التثبيط لهما أيضًا تأثيرات مختلفة على نطاق استجابات الخلايا. كل خلية عصبية حسية تستجيب فقط لمجموعة فرعية معينة من المحفزات ، مثل مجموعة من السطوع أو الموقع. عندما يتم تقسيم النشاط بواسطة تثبيط PV ، تظل الخلية المستهدفة تستجيب لنفس نطاق المدخلات. ومع ذلك ، مع الطرح عن طريق تثبيط SOM ، يصبح نطاق المدخلات التي ستستجيب لها الخلايا أضيق ، مما يجعل الخلية أكثر انتقائية.

يقول توني زادور ، أستاذ علم الأعصاب في مختبر كولد سبرينج هاربور الذي لم يشارك في البحث: "من الناحية المفاهيمية ، يعتبر التثبيط عن طريق الطرح والقسمة تمييزًا رائعًا للغاية". "إنه لمن دواعي سروري أن يكون هناك شيء جذاب نظريًا مثل القسمة والطرح في الواقع يرسم خرائط على الركيزة الفسيولوجية بهذه الطريقة الأساسية."

يؤدي التثبيط المتزايد بواسطة الخلايا العصبية الكهروضوئية أيضًا إلى تغيير سمة تُعرف باسم اكتساب الاستجابة - وهو قياس مدى استجابة الخلايا للتغيرات في المقابل. لا يغير تثبيط الخلايا العصبية SOM كسب الاستجابة.

يعتقد الباحثون أن هذا النوع من الدوائر يتكرر على الأرجح في جميع أنحاء الدماغ ويشارك في أنواع أخرى من الإدراك الحسي ، بالإضافة إلى الوظائف الإدراكية العليا.

يخطط مختبر سور الآن لدراسة دور الخلايا العصبية المثبطة لـ PV و SOM في نموذج فأر للتوحد. تفتقر هذه الفئران إلى جين يسمى MeCP2 ، مما يؤدي إلى ظهور متلازمة ريت ، وهو مرض نادر ينتج عنه أعراض شبيهة بالتوحد بالإضافة إلى إعاقات عصبية وجسدية أخرى. باستخدام تقنيتهم ​​الجديدة ، يخطط الباحثون لاختبار الفرضية القائلة بأن نقص تثبيط الخلايا العصبية يكمن وراء المرض.


ملخص المؤلف

كيف تحافظ الأعداد الصغيرة من الخلايا العصبية المثبطة وظيفيًا على التوازن مع أعداد كبيرة من الخلايا العصبية المثيرة في الدماغ عن طريق التحكم في بعضها البعض هو سؤال أساسي. على وجه الخصوص ، قيمت هذه الدراسة كميًا آلية طوبولوجية لشبكات التفاعل من حيث التحكم في قدرات الخلايا العصبية القشرية الفردية على الخلايا العصبية الأخرى. مزيج من التسجيل الكهربائي المتزامن لـ

1000 خلية عصبية وطريقة التقييم الكمي للتفاعلات العصبية بما في ذلك الفئات المثبطة للإثارة ، مكنتنا من تقييم تأثير الخلايا العصبية الفردية ليس فقط حول معدل إطلاق النار ولكن أيضًا حول مواقعها النسبية في الشبكات والقدرة على التحكم في الخلايا العصبية الأخرى. على وجه الخصوص ، أظهرت النتيجة أن الخلايا العصبية المثبطة لديها قدرة تحكم أكبر من الخلايا العصبية المثيرة ، وغالبًا ما لوحظت مثل هذه الخلايا العصبية في الطبقات العميقة. نظرًا لأن العدد المحدود للخلايا العصبية من حيث القدرة على التحكم كان أصغر بكثير من الخلايا العصبية بناءً على مقياس المركزية ، وبالطبع ، الخلايا العصبية المختارة بشكل مباشر بناءً على قدرتها على التحكم في الخلايا العصبية الأخرى ، فإن طريقة اختيار الخلايا العصبية المهمة لن تساعد فقط في إنتاج واقعي. النماذج الحسابية ولكنها ستساعد أيضًا في تحفيز الدماغ لمعالجة حالات المرض غير المتوازنة بشكل فعال.

الاقتباس: Kajiwara M و Nomura R و Goetze F و Kawabata M و Isomura Y و Akutsu T et al. (2021) تُظهر الخلايا العصبية المثبطة قدرة تحكم عالية في الوصلة الدقيقة القشرية. بلوس كومبوت بيول 17 (4): e1008846. https://doi.org/10.1371/journal.pcbi.1008846

محرر: دانييل مارينازو ، جامعة غينت ، بلجيكا

تم الاستلام: 4 يونيو 2020 وافقت: 1 مارس 2021 نشرت: 8 أبريل 2021

حقوق النشر: © 2021 كاجيوارا وآخرون. هذا مقال مفتوح الوصول يتم توزيعه بموجب شروط ترخيص Creative Commons Attribution License ، والذي يسمح بالاستخدام غير المقيد والتوزيع والاستنساخ في أي وسيط ، بشرط ذكر المؤلف والمصدر الأصليين.

توافر البيانات: تتم مشاركة جميع بيانات ارتفاع الخلايا العصبية في خدمة ويب عامة (https://data.mendeley.com/datasets/p8czktrz7k/1) ، وتتم مشاركة رموز البرمجة على https://github.com/Motoki878. تم تلخيصها أيضًا في http://shimono-u.net/codes/.

التمويل: يتم دعم MS من خلال العديد من تمويلات MEXT (17K19456 ، 19H05215 ، 20H04257) وبرنامج المبادرة الرائدة للباحثين الشباب المتميزين (LEADER) ، ومنح من مؤسسة Uehara Memorial Foundation. لم يكن للممولين أي دور في تصميم الدراسة أو جمع البيانات وتحليلها أو اتخاذ قرار النشر أو إعداد المخطوطة.

تضارب المصالح: وقد أعلن الباحثون إلى أن لا المصالح المتنافسة موجودة.


تعتمد إمكانات الغشاء في الخلايا الحيوانية بشكل أساسي على قنوات التسرب K + وتدرج K + عبر غشاء البلازما

ينشأ جهد الغشاء عندما يكون هناك اختلاف في الشحنة الكهربائية على جانبي الغشاء ، بسبب زيادة طفيفة في الأيونات الموجبة على الأيونات السالبة على جانب واحد وعجز طفيف في الجانب الآخر. يمكن أن تنتج هذه الاختلافات في الشحنة من الضخ الكهربائي النشط (انظر ص 626) ومن الانتشار السلبي للأيونات. كما نناقش في الفصل 14 ، يتم إنشاء معظم إمكانات غشاء الميتوكوندريا بواسطة مضخات H + الكهربية في الغشاء الداخلي للميتوكوندريا. تولد المضخات الكهربية أيضًا معظم الإمكانات الكهربائية عبر غشاء البلازما في النباتات والفطريات. ومع ذلك ، في خلايا الحيوانات النموذجية ، تقدم حركات الأيونات السلبية أكبر مساهمة في الجهد الكهربائي عبر غشاء البلازما.

كما أوضحنا سابقًا ، تساعد مضخة Na + -K + في الحفاظ على توازن تناضحي عبر غشاء الخلية الحيوانية عن طريق الحفاظ على تركيز الصوديوم داخل الخلايا منخفضًا. نظرًا لوجود القليل من Na + داخل الخلية ، يجب أن تكون الكاتيونات الأخرى وفيرة هناك لموازنة الشحنة التي تحملها الأنيونات الثابتة للخلية & # x02014 الجزيئات العضوية سالبة الشحنة المحصورة داخل الخلية. يتم تنفيذ دور الموازنة هذا إلى حد كبير بواسطة K + ، والذي يتم ضخه بنشاط في الخلية بواسطة مضخة Na + -K + ويمكن أيضًا التحرك بحرية داخل أو خارج ك + قنوات التسرب في غشاء البلازما. نظرًا لوجود هذه القنوات ، فإن K + يكاد يكون في حالة توازن ، حيث تعمل القوة الكهربائية الناتجة عن زيادة الشحنات السالبة التي تجذب K + إلى الخلية على موازنة ميل K + إلى التسرب إلى أسفل تدرج تركيزها. إمكانات الغشاء هي مظهر من مظاهر هذه القوة الكهربائية ، ويمكن حساب قيمة توازنها من انحدار تدرج تركيز K +. قد تساعد الحجة التالية في توضيح ذلك.

افترض أنه في البداية لا يوجد تدرج جهد عبر غشاء البلازما (احتمال الغشاء صفر) ، لكن تركيز K + مرتفع داخل الخلية ومنخفض بالخارج. سوف تميل K + إلى ترك الخلية عبر قنوات التسرب K + ، مدفوعة بتدرج تركيزها. عندما يتحرك K + ، فإنه يترك وراءه شحنة سالبة غير متوازنة ، وبالتالي يخلق مجالًا كهربائيًا ، أو إمكانات غشاء ، والتي سوف تميل إلى معارضة التدفق الإضافي لـ K +. يتوقف التدفق الصافي لـ K + عندما تصل إمكانات الغشاء إلى قيمة توازن عندها القوة الدافعة الكهربائية على K + تمامًا تأثير تدرج تركيزها & # x02014 ، أي عندما يكون التدرج الكهروكيميائي لـ K + صفرًا. على الرغم من أن Cl - أيونات تتوازن أيضًا عبر الغشاء ، فإن جهد الغشاء يبقي معظم هذه الأيونات خارج الخلية لأن شحنتها سالبة.

تحدد حالة التوازن ، حيث لا يوجد تدفق صافٍ للأيونات عبر غشاء البلازما ، إمكانات غشاء الراحة لهذه الخلية المثالية. معادلة بسيطة ولكنها مهمة للغاية ، معادلة نرنست ، تعبر عن حالة التوازن من الناحية الكمية ، وكما هو موضح في اللوحة 11-2 ، تجعل من الممكن حساب إمكانات غشاء الراحة النظرية إذا كانت نسبة تركيزات الأيونات الداخلية والخارجية معروفة. نظرًا لأن غشاء البلازما للخلية الحقيقية لا يمكن نفاذه حصريًا لـ K + و Cl - ومع ذلك ، فإن إمكانات غشاء الراحة الفعلية لا تساوي عادةً تلك التي تنبأت بها معادلة Nernst لـ K + أو Cl -.

لوحة 11-2

اشتقاق معادلة نرنست.


المؤلفون)

موقع Knowing Neurons هو موقع تعليمي وتوعية في علم الأعصاب حائز على جوائز ، أنشأه علماء أعصاب شباب. يشرح أعضاء الفريق العالمي في Knowing Neurons الأفكار المعقدة حول الدماغ والعقل بوضوح ودقة باستخدام الصور القوية والرسوم البيانية والرسوم المتحركة لتعزيز المحتوى المكتوب. بفضل تواجدها الواسع على وسائل التواصل الاجتماعي ، أصبحت معرفة الخلايا العصبية وسيلة وموارد مهمة للتواصل العلمي لكل من الطلاب والمعلمين.


النقطة 2. تحليل مستوى الطور ، حلول الحالة الثابتة ، ودورات الحد

اعتمادًا على قيم المعلمات المختارة ، قد يكون هناك حل واحد أو ثلاثة أو خمسة حلول ثابتة لنظام المعادلات.

تحديد المعلمات

تحديد المعلمات. الآن ، نحتاج إلى حل المعادلة أعلاه عدديًا. سنختار بعض قيم معاملاتهم وبعض الشروط الأولية ونرسم سلوك الحل في مساحة الحالة والزمان. نحدد تكوين التحفيز على أنه أي اختيار للقيم الثابتة للمدخلات الخارجية (P ) و (Q ) ونبحث في السلوك الديناميكي الضروري بناءً على العلاقات بين أدوات التوصيل (c_1 ، c_2 ، c_3 ، c_4 ) والسيني معلمات الاستجابة (a_e ، a_i ) و ( theta_e ، ​​theta_i ). هنا ، (a ) و ( theta ) معلمتان لوظيفة السيني:

لا توجد أهمية خاصة مرتبطة باختيارنا للمنحنى اللوجستي أي وظيفة أخرى بخصائص السيني المميزة ستكون مناسبة أيضًا.

حقل التدفق و Nullclines

في ما يلي ، نحدد أدوات التوصيل على أنها (c_1 = 12 ، c_2 = 4 ، c_3 = 13 ، c_4 = 11 ) فترات الانكسار على أنها (r_e = 1 ، r_i = 1 ) والمدخلات الخارجية على أنها ( P = 0 ، Q = 0 ).

في بحثنا العددي عن نقاط الحالة المستقرة ، ندرس الحالات التي تكون فيها مشتقات (E ) و (I ) صفرًا. نظرًا لأن النظام غير خطي بدرجة كبيرة ، يتعين علينا القيام بذلك عدديًا. أولاً ، نرسم حقل التدفق ثم نرسم الخطوط الصفرية للنظام. يتم تعريف (x ) -nullclines من خلال (f (x، y) = 0 ) ، ويتم تعريف الخطوط nullclines (y ) بواسطة (g (x، y) = 0 ). هذه هي المواقع التي لا تتغير فيها (س ) و (ص ) بمرور الوقت.

الشكل 5: Flow Field و Nullclines لنظام ويلسون كوان للمعادلات. المعلمات: (c_1 = 12 ) ، (c_2 = 4 ) ، (c_3 = 13 ) ، (c_4 = 11 ) ، (a_e = 1.2 ) ، ( theta_e = 2.8 ) ، (a_i = 1 ) ، ( theta_i = 4 ) ، (r_e = 1 ) ، (r_i = 1 ) ، (P = 0 ) ، (Q = 0 ) .

يتضح استخدام آخر لـ nullclines في المواقع التي تتقاطع فيها (x ) - و (y ) -nullclines هي نقاط التوازن.

مواد الدعم. النظريات

نظرية 1.

لتحديد أقصى ميل للمنحنى (I ) كدالة لـ (E ) ، قمنا بتعيين شرط أن يكون ميل المعادلة 14 عند نقطة انعطاف (S_e ^ <-1> ) موجبًا . يتم تعريف منحدر الخط المنحني عند هذه النقطة على النحو التالي:

نظرية 1. يتم تعريف تكوين التحفيز على أنه أي اختيار للقيم الثابتة لـ P و Q. إذا

ثم هناك فئة من تكوينات التحفيز حيث ستحتوي معادلات الخط الفارغ (14 ) و (15 ) على ثلاثة تقاطعات على الأقل. بمعنى آخر ، سيكون للمعادلتين (12 ) و (13 ) ثلاثة حلول ثابتة على الأقل. هنا ، (a_e ) هي معلمة المنحدر لوظيفة الاستجابة الاستثارة.

لتبسيط الحصول على نتيجة الشرط 16 ، قمنا بتعيين فترة مقاومة (r_e ) و (r_i ) لتكون متساوية. دون فقدان أي معنى ، نستخدم قيم (r_e ) و (r_i ) في بقية الدراسة.

الشكل 6: قطعة من نقاط التوازن (حلول الحالة الثابتة) التي تفي بالمظهر 1. الخطوط المتقطعة هي خطوط متساوية. المعلمات: (c_1 = 12 ) ، (c_2 = 4 ) ، (c_3 = 13 ) ، (c_4 = 11 ) ، (a_e = 1.2 ) ، ( theta_e = 2.8 ) ، (a_i = 1 ) ، ( theta_i = 4 ) ، (r_e = 1 ) ، (r_i = 1 ) ، (P = 0 ) ، (Q = 0 ) .

يمكننا أن نرى أن النظام يحتوي على ثلاثة حلول ثابتة ، وبالتالي يرضي النظرية 1. يعرض مخطط مستوى الطور نقطة ثابتة ثابتة عند (x، y) = ((0.0285، 0.0644) )، سرج غير مستقر عند (x ، y) = ((0.0558، 0.1438) ) ونقطة ثابتة ثابتة عند (x، y) = ((0.2408، 0.4555) ). لذلك ، يمكننا دائمًا الاختيار بين (P ) و (Q ) ، لذلك هناك ثلاث نقاط تقاطع. توضح الأهمية الفسيولوجية للنظرية 1 أن (1 / a_e ) ، حيث (a_e ) هي معلمة الاستجابة السيني المثيرة ، ترتبط ارتباطًا مباشرًا بتباين توزيع العتبات أو الوصلات المشبكية.

نظرية 2.

نظرية 2. دع معلمات السكان العصبي تفي بالشرط التالي:

بعد ذلك ، ستكون هناك خمس حالات ثابتة لاختيار معين لتكوين التحفيز ، وإن لم يكن ذلك في وقت واحد. هذه النظرية ليست كافية لحل التباطؤ المتعدد.

الشكل 7: مستوى الطور والخطوط المتساوية مع المعلمات المختارة لإعطاء ثلاث حالات مستقرة وحالتين غير مستقرتين. المعلمات: (c_1 = 13 ) ، (c_2 = 4 ) ، (c_3 = 22 ) ، (c_4 = 2 ) ، (a_e = 1.5 ) ، ( theta_e = 2.5 ) ، (a_i = 6 ) ، ( theta_i = 4.3 ) ، (r_e = 1 ) ، و (r_i = 1 ).

توضح الأهمية الفسيولوجية للنظرية 2 أن (c_2 ) و (c_3 ) يقيسان قوة ردود الفعل السلبية. لذلك ، تتطلب حلول الحالة المستقرة الخمسة هذه حلقة ردود فعل سلبية قوية.

نظرية 3.

هناك نوع آخر من السلوك العابر يظهر في نموذجنا: دورة الحد. إذا كان هناك حل واحد قائم على الحالة المستقرة ، وإذا كان حل الحالة المستقرة غير مستقر ، فستحدث دورة تحديد. يمكننا استخدام الاستقرار الخطي لإظهار حالة كافية ، ولكنها غير مطلوبة ، لعدم استقرار مثل هذه الحالة المستقرة:

[ يبدأ c_1a_e gt c_4 a_i + 18 tag <18> end ]

تأتي الشروط المذكورة أعلاه من متطلبات عدم الاستقرار لدورة الحد. يمكننا أن نفسر أنه من حيث السلوك الدوري ، يكون التفاعل مع السكان المثيرين أكبر بكثير من التفاعل مع السكان المثبطين.

بالنسبة لبعض P و Q المحدد ، هناك شرط مثل وجود نقطة حالة ثابتة واحدة حيث تكون قيم (E ) و (I ) قريبة من نقطة انعطاف وظيفة الاستجابة ، مما يؤدي إلى الشروط التالية :

المتطلب 19 مطابق للشرط 17. يضمن المتطلب 20 وجود حالة ثابتة واحدة بدلاً من خمس حالات ثابتة.

نظرية 3. دعنا نختار المعلمات بحيث يتم استيفاء المتطلب 19. إذا لم يتم استيفاء التعبير 18 ، فستحدث العديد من ظواهر التخلفية لبعض تكوينات الإثارة. من ناحية أخرى ، إذا تم استيفاء المتطلبات 18 و 20 ، فسنحصل على ديناميكيات دورة الحد لتكوينات تحفيز معينة.

دورات الحد

يمكن للأنظمة غير الخطية أن تظهر نوعًا من السلوك يعرف باسم دورة الحد. إذا كان هناك حل واحد قائم على الحالة المستقرة ، وإذا كان حل الحالة المستقرة غير مستقر ، فستحدث دورة تحديد. في ما يلي ، نحدد المعلمات لتلبية الشروط 18 و 20 مثل (c_1 = 16 ) ، (c_2 = 12 ) ، (c_3 = 15 ) ، (c_4 = 3 ) ، (a_e = 1.3 ) ، ( theta_e = 4 ) ، (a_i = 2 ) ، ( theta_i = 3.7 ) ، (r_e = 1 ) ، (r_i = 1 ). يمكننا تحديد حل الحالة المستقرة من خلال تقاطع الخطوط العقيمة على النحو التالي.

الشكل 8: تحليل مستوى المرحلة. تحديد حل الحالة المستقرة من خلال تقاطع الخطوط العقيمة. المعلمات: (c_1 = 16 ) ، (c_2 = 12 ) ، (c_3 = 15 ) ، (c_4 = 3 ) ، (a_e = 1.3 ) ، ( theta_e = 4 ) ، (a_i = 2 ) ، ( theta_i = 3.7 ) ، (r_e = 1 ) ، (r_i = 1 ).

في مستوى الطور ، تكون دورة الحد عبارة عن مدار مغلق معزول ، حيث تعني كلمة "مغلق" دورية الحركة ، وتعني كلمة "منعزلة" حد الحركة ، حيث تتقارب المسارات القريبة أو تنحرف. يمكننا تغيير القيم الأولية لـ (E_0 ) و (I_0 ) للحصول على مسارات مختلفة في فضاء الطور.

الشكل 9: تحليل مستوى الطور الذي يوضح مسار دورة الحد استجابةً للمحاكاة المستمرة (P = 1.25 ). الخطوط المتقطعة هي خطوط فارغة. المعلمات: (c_1 = 16 ) ، (c_2 = 12 ) ، (c_3 = 15 ) ، (c_4 = 3 ) ، (a_e = 1.3 ) ، ( theta_e = 4 ) ، (a_i = 2 ) ، ( theta_i = 3.7 ) ، (r_e = 1 ) ، (r_i = 1 ).

يوضح تحليل مستوى الطور حل الحالة الثابتة المحدود المصنف على أنه غير مستقر ، وهذه ميزة نموذجية لدورة الحد. يتبع السلوك المتذبذب للحل ، الموضح في الشكل 10 ، سلوك دورة الحد النموذجي:

أنا. يتم دفع المسارات بالقرب من نقطة التوازن بعيدًا عن التوازن.

ثانيا. المسارات البعيدة عن نقطة التوازن تقترب من التوازن.

أنشأنا حالة الراحة (E = 0 ، I = 0 ) لتكون مستقرة في غياب قوة خارجية. لذلك ، لا يُظهر السكان العصبيون سوى نشاط دورة محدود استجابةً لمدخل خارجي ثابت (P أو Q). بشكل عام ، فإن فرضية Theorem 3 هي أن هناك حالة ثابتة واحدة فقط ، ويجب أن تكون بالقرب من نقطة الانعطاف حتى توجد دورة محدودة. لذلك ، إذا درسنا السلوك الحدي كدالة لـ (P ) ، حيث (Q = 0 ) ، فسيتبع ذلك:

  • هناك قيمة عتبة P ، وتحت هذا الحد ، لا يمكن أن يحدث نشاط دورة الحد.
  • هناك قيمة أعلى لـ P ، وفوق هذا الحد ، سيتوقف نشاط دورة الحد في النظام.
  • ضمن النطاق المحدد أعلاه ، يزيد كل من تردد دورة الحد ومتوسط ​​قيمة (E (t) ) بشكل رتيب بالنسبة إلى (P ).

الشكل 10: (I (t) ) و (E (t) ) لدورة الحد الموضحة في الشكل 9. وتعتمد دورة الحد على قيمة (P ) ، أي (Q ) يجري مجموعة مساوية للصفر.


المؤلفون)

موقع Knowing Neurons هو موقع تعليمي وتوعية في علم الأعصاب حائز على جوائز ، أنشأه علماء أعصاب شباب. يشرح أعضاء الفريق العالمي في Knowing Neurons الأفكار المعقدة حول الدماغ والعقل بوضوح ودقة باستخدام الصور القوية والرسوم البيانية والرسوم المتحركة لتعزيز المحتوى المكتوب. بفضل تواجدها الواسع على وسائل التواصل الاجتماعي ، أصبحت معرفة الخلايا العصبية وسيلة وموارد مهمة للتواصل العلمي لكل من الطلاب والمعلمين.


ملخص معادلات الخلايا العصبية والمعلمات المقيسة

معلمات الخلايا العصبية الطبيعية
معامل بيو فال نورم فال معامل بيو فال نورم فال
زمن 0.001 ثانية 1 مللي ثانية الجهد االكهربى 0.1 فولت أو 100 مللي فولت -100..100 مللي فولت = 0..2 فولت
تيار 1x10 -8 أ 10 غ تصرف 1x10 -9 ق 1 نانوثانية
السعة 1 × 10-12 فهرنهايت 1 بيكو فاراد C (السعة الغشائية) 281 بيكو فاراد 1 / C = .355 = dt.vm
g_bar_l (تسرب) 10 نانوثانية 0.1 g_bar_i (تثبيط) 100 نانوثانية 1
g_bar_e (إثارة) 100 نانوثانية 1 e_rev_l (تسرب) و Vm_r -70 ميللي فولت 0.3
e_rev_i (تثبيط) -75 ميللي فولت 0.25 e_rev_e (إثارة) 0mV 1
θ (قانون thr ، V.تي في AdEx) -50mV 0.5 spike.spk_thr (exp cutoff in AdEx) 20mV 1.2
spike.exp_slope (Δتي في AdEx) 2mV 0.02 adapt.dt_time (τث في AdEx) 144 مللي ثانية dt = 0.007
adapt.vm_gain (أ في AdEx) 4 نانوثانية 0.04 adapt.spk_gain (b in AdEx) 0.0805nA 0.00805

الجدول 2.1: يتم تطبيع المعلمات المستخدمة في عمليات المحاكاة الخاصة بنا باستخدام عوامل التحويل المذكورة أعلاه بحيث تقع القيم النموذجية التي تنشأ في المحاكاة ضمن النطاق المقيس 0..1. على سبيل المثال ، يتم تمثيل إمكانات الغشاء في النطاق بين 0 و 2 حيث يتوافق 0 مع -100mV و 2 يتوافق مع + 100mV و 1 بالتالي 0mV (وتبقى معظم قيم الغشاء المحتملة ضمن 0-1 في هذا المقياس). القيم البيولوجية المقدمة هي القيم الافتراضية لنموذج AdEx. يمكن إدخال القيم البيولوجية الأخرى باستخدام زر BioParams في LeabraUnitSpec ، والذي يحولها تلقائيًا إلى قيم طبيعية.

الجدول 2.1 يوضح الجدول 2.1 القيم الطبيعية للمعلمات المستخدمة في عمليات المحاكاة الخاصة بنا. نحن نستخدم هذه القيم المقيسة بدلاً من المعلمات البيولوجية العادية بحيث يتناسب كل شيء بشكل طبيعي ضمن نطاق 0..1 ، وبالتالي تبسيط العديد من الجوانب العملية للعمل مع عمليات المحاكاة.

المعادلات النهائية المستخدمة لتحديث الخلايا العصبية ، بالترتيب الحسابي ، موضحة هنا ، مع الإشارة إلى جميع المتغيرات التي تتغير بمرور الوقت كدالة (t):

1. احسب موصلية المدخلات المثيرة (سيكون التثبيط مشابهًا ، لكننا سنناقش هذا أكثر في الفصل التالي ، لذلك سنحذفه هنا):

2. قم بتحديث جهد الغشاء مرة واحدة في كل مرة ، كدالة لتوصيل المدخلات (فصل الموصلات إلى أجزاء "شريط g-bar" ديناميكية وثابتة):

3 أ. بالنسبة للارتفاع المنفصل ، قارن إمكانات الغشاء بالعتبة وأطلق ارتفاعًا وأعد ضبط Vm إذا كان أعلى من العتبة:

3 ب. لتقريب رمز السعر ، احسب تنشيط الإخراج كوظيفة NXX1 لـ g_e و Vm:

  • (الالتفاف مع الضوضاء غير معروض)
  • (استعادة الديناميكيات التكرارية بناءً على ثابت الوقت للتغييرات المحتملة للغشاء)

2. شرح ارتفاع التتراهيدروكانابينول

مرة أخرى ، التأثيرات الموضحة أعلاه ليست صورة شاملة لتأثير رباعي هيدروكانابينول على الدماغ البشري. أيضًا ، يمكن أن تتغير هذه المعلومات في المستقبل ، خاصةً إذا أصبحت الماريجوانا قانونية فيدراليًا في الولايات المتحدة ويمكن دراستها بسهولة أكبر.

ومع ذلك ، فإن الصورة التي رسمناها أعلاه تعطينا ما يكفي لعمل تخمينات مستنيرة حول كيفية تفسير التأثيرات المعروفة لـ THC على الدماغ للمشاعر الشخصية المرتبطة عادةً بكونك منتشيًا في الماريجوانا.

المانشيز

One thing we saw was greater impulsivity, due to decreased connectivity in the frontal-limbic-dopaminergic network, as well as increased dopamine in the reward system, which might be behind the stereotypical “munchies,” the insatiable desire for good-tasting food experienced by many users.

Perhaps THC makes us desire tasty food, while also making us less attentive to the inner voice of discipline urging moderation, such that we impulsively reach for the pizza and beer.

Perhaps THC makes us desire tasty food, while also making us less attentive to the inner voice of discipline urging moderation, such that we impulsively reach for the pizza and beer.

Slower–But Mostly Accurate–Reasoning

We saw that THC can reduce activity in brain networks involved in attention as well as learning and memory. While it didn’t always seem to decrease performance on tasks requiring attention or memory, it did appear to make the brain work harder to accomplish them. And it does reduce performance on working memory tasks (like remembering a phone number for 30 seconds).

This, of course, might explain the stereotype that marijuana users are stupid or have bad memories. Neither is true, strictly speaking, and both are unfair assumptions. Let’s flesh this out fully:

A student taking an exam high on THC might do just as well as if he or she was sober, depending on how much working memory was required.

For example, if it was all multiple choice based on simple memorization of concepts or vocabulary (therefore requiring little working memory), the student would likely do just fine (again, provided he or she had no time limit).

On the other hand, if it were a test requiring complex reasoning (e.g. calculus) and therefore lots of working memory, the high student would probably get a worse grade, no matter how much time he or she was given.

Relaxed Regular Users and Fearful First Timers

The anxiety piece is a bit complicated. The question is really whether THC increases anxiety or not. The reality is that some people get more anxious when high (typically people who don’t often use THC), but regular users might feel no such effect, or they might only feel it in response to certain social triggers (e.g. angry faces).

This does of course explain the stereotypical paranoia experienced by many first time marijuana users, and it may also explain the seemingly paradoxical effect of why regular users often say that marijuana helps them relax.

It Just Feels Good

Finally, dopamine. It is no surprise that dopamine is increased in parts of the brain’s reward system, and it probably has a lot to do with the mood-altering effects of marijuana, as well as the craving or simple wanting of the substance (and possibly for other things, like chips and soda). This can explain why people enjoy using THC, or at least why they desire it.


How neural circuits achieve a balance between excitation and inhibition

Inhibitory (red) and excitatory cells (green) neurons in an 80% inhibitory culture (4 times the normal). The resulting networks are surprisingly robust to this structural perturbation. Credit: University of Tübingen

A team of researchers from Tübingen and Israel uncovers how brain structures can maintain function and stable dynamics even in unusual conditions. Their results might lay the foundations for better understanding and treating conditions like epilepsy and autism.

The neurons in brain are connected with each other, forming small functional units called neural circuits. A neuron that is connected to another one via a synapsis can transmit information to the second neuron by sending a signal. This, in turn, might prompt the second neuron to transmit a signal to other neurons in the neural circuit. If that happens, the first neuron is likely an excitatory neuron: one that prompts other neurons to fire. But neurons with the exact opposite task are equally important to the functionality of the brain: inhibitory neurons, which make it less likely that the neurons they are connected to send a signal to others.

The interplay of excitation and inhibition is crucial for normal functionality of neural networks. Its dysregulation has been linked to many neurological and psychiatric disorders, including epilepsy, Alzheimer's disease, and autism spectrum disorders.

Interestingly, the share of inhibitory neurons among all neurons in various brain structures (like the neocortex or the hippocampus) remains fixed throughout the lifetime of an individual at 15-30%. "This prompted our curiosity: how important is this particular proportion?" recalls Anna Levina, a researcher at Tübingen University and the Max Planck Institute for Biological Cybernetics. "Can neural circuits with a different proportion of excitatory and inhibitory neurons still function normally?" Her collaborators from the Weizmann Institute of Science in Rehovot (Israel) designed a novel experiment that would allow to answer these questions. They grew cultures that contained different, even extreme ratios of excitatory and inhibitory neurons.

The scientists then measured the activity of these artificially designed brain tissues. "We were surprised that networks with various ratios of excitatory and inhibitory neurons remained active, even when these ratios were very far from natural conditions," explains Levina's Ph.D. student Oleg Vinogradov. "Their activity does not change dramatically, as long as the share of inhibitory neurons stays somewhere in the range of 10% to 90%." It seems that the neural structures have a way of compensating for their unusual composition to remain stable and functional.

So naturally the researchers asked next: what mechanism allow the brain tissue to adjust to these different conditions? The researchers theorized that the networks adapt by adjusting the number of connections: If there few inhibitory neurons, they have to take on a bigger role by building more synapses with the other neurons. Conversely, if the share of inhibitory neurons is large, the excitatory neurons have to make up for this by establishing more connections.

The theoretical model of the Tübingen scientists can explain the experimental findings of their colleagues in Rehovot and uncover the mechanisms helping to maintain stable dynamics in the brain. The results provide a clearer picture of how excitation/inhibition balance is preserved and where it fails in living neural networks. In the longer term, they might be useful for the emergent field of precision medicine: Induced pluripotent stem cell derived neural cultures could be used to find mechanisms of neuropsychiatric disorders and novel medications.