Astrocyte-induced synchronization of neural network activity

Мұқаба

Дәйексөз келтіру

Толық мәтін

Аннотация

The purpose of this work is to study the role of mechanisms of astrocytic regulation of synaptic transmission in the processes of synchronization formation in signaling of neural networks by mathematical modeling methods. Methods. The paper presents a model of a small neuron-astrocyte ensemble. The Hodgkin-Huxley model is used as a model of the membrane potential dynamics of a neuron. The case of an ordered topology of connections (“all-to-all”) in a neural network is considered. The astrocyte network is modeled as a network of diffusion-coupled calcium oscillators with an ordered topology (in which the matrix of connections is structured in a certain way, interaction with the nearest neighbors). A biophysical model of calcium dynamics is used as an astrocyte model. The effect of astrocytes on neurons is taken into account as a slow modulation of synaptic connections weights in the neural network, proportional to calcium signals in nearby astrocytes. In other words, at the network level, the possibility of adaptive restructuring of oscillatory wave patterns due to astrocyte-induced regulation of synaptic transmission is being studied. The synchronization of neuronal activity is estimated by calculating the coherence of the neural network signaling. Results. The influence of astrocytes on the dynamics of the neural network consists in the excitation of time-correlated patterns of neural activity caused by an astrocyte-dependent increase in synaptic interaction between neurons on the time scales of astrocytic dynamics. It has been shown that synchronized calcium signaling of the astrocytic network leads to coordinated burst (bundle) activity of the neural network, which occurs against the background of uncorrelated spontaneous impulse activity induced by external noise stimulation. The influence of specific biophysical mechanisms of astrocytic modulation of synaptic transmission on the dynamic properties of local synchronization structures in neural ensembles has been investigated. The characteristics of the coordinated bundle activity of a neural network are studied depending on the properties of external noise stimulation, the strength of astrocytic regulation of synaptic transmission, as well as the degree of neurons influence on astrocytes.

Авторлар туралы

Anastasia Ermolaeva

Lobachevsky State University of Nizhny Novgorod

ORCID iD: 0000-0002-9513-7434
SPIN-код: 4135-8585
Scopus Author ID: 57205610474
ResearcherId: AAI-2314-2021
603950 Nizhny Novgorod, Gagarin Avenue, 23

Viktor Kazantsev

Institute of Applied Physics of the Russian Academy of Sciences

ORCID iD: 0000-0002-2881-6648
ResearcherId: L-1424-2013
ul. Ul'yanova, 46, Nizhny Novgorod , 603950, Russia

Susanna Gordleeva

Lobachevsky State University of Nizhny Novgorod; Innopolis University

ORCID iD: 0000-0002-7687-3065
603950 Nizhny Novgorod, Gagarin Avenue, 23

Әдебиет тізімі

  1. Hoppensteadt FC, Izhikevich EM. Oscillatory neurocomputers with dynamic connectivity. Physical Review Letters. 1999;82(14):2983–2986. doi: 10.1103/physrevlett.82.2983.
  2. Hopfield JJ. Neural networks and physical systems with emergent collective computational abilities. Proceedings of the National Academy of Sciences. 1982;79(8):2554–2558. doi: 10.1073/pnas.79.8.2554.
  3. Nishikawa T, Hoppensteadt FC, Lai YC. Oscillatory associative memory network with perfect retrieval. Physica D: Nonlinear Phenomena. 2004;197(1–2):134–148. doi: 10.1016/j.physd.2004.06.011.
  4. DeMarse TB, Wagenaar DA, Blau AW, Potter SM. The neurally controlled animat: Biological brains acting with simulated bodies. Autonomous Robots. 2001;11(3):305–310. doi: 10.1023/a:1012407611130.
  5. Fromherz P. Semiconductor chips with ion channels, nerve cells and brain. Physica E: LowDimensional Systems and Nanostructures. 2003;16(1):24–34. doi: 10.1016/s1386-9477(02)00578-7.
  6. Schnitzler A, Gross J. Normal and pathological oscillatory communication in the brain. Nature Reviews Neuroscience. 2005;6(4):285–296. doi: 10.1038/nrn1650.
  7. Fries P. Rhythms for cognition: Communication through coherence. Neuron. 2015;88(1):220–235. doi: 10.1016/j.neuron.2015.09.034.
  8. Luttjohann A, van Luijtelaar G. Dynamics of networks during absence seizures on- and offset in rodents and man. Frontiers in Physiology. 2015;6:16. doi: 10.3389/fphys.2015.00016.
  9. Stam CJ. Modern network science of neurological disorders. Nature Reviews Neuroscience. 2014;15(10):683–695. doi: 10.1038/nrn3801.
  10. Guckenheimer J, Labouriau I. Bifurcation of the Hodgkin Huxley equations: A new twist. Bulletin of Mathematical Biology. 1993;55:937–952. doi: 10.1007/BF02460693.
  11. Rubin J, Terman D. Geometric analysis of population rhythms in synaptically coupled neuronal networks. Neural Computation. 2000;12(3):597–645. doi: 10.1162/089976600300015727.
  12. Kopell N, Ermentrout GB. Mechanisms of phase-locking and frequency control in pairs of coupled neural oscillators. In: Fielder B, editor. Handbook on Dynamical Systems. New York: Elsevier; 2002. P. 3–54.
  13. Izhikevich EM. Which model to use for cortical spiking neurons? IEEE Transactions on Neural Networks. 2004;15(5):1063–1070. doi: 10.1109/TNN.2004.832719.
  14. Komarov MA, Osipov GV, Suykens JA. Variety of synchronous regimes in neuronal ensembles. Chaos. 2008;18(3):037121. doi: 10.1063/1.2959340.
  15. Postnov DE, Ryazanova LS, Zhirin RA, Mosekilde E, Sosnovtseva OV. Noise controlled synchronization in potassium coupled neural models. International Journal of Neural Systems. 2007;17(2):105–113. doi: 10.1142/S012906570700097X.
  16. Izhikevich EM, Gally JA, Edelman GM. Spike-timing dynamics of neuronal groups. Cerebral Cortex. 2004;14(8):933–944. doi: 10.1093/cercor/bhh053.
  17. Semyanov A, Kullmann DM. Modulation of GABAergic signaling among interneurons by metabotropic glutamate receptors. Neuron. 2000;25(3):663–672. doi: 10.1016/s0896-6273(00)81068-5.
  18. Kastanenka KV, Moreno-Bote R, De Pitta M, Perea G, Eraso-Pichot A, Masgrau R, Poskanzer KE, Galea E. A roadmap to integrate astrocytes into Systems Neuroscience. Glia. 2020;68(1):5–26. doi: 10.1002/glia.23632.
  19. Santello M, Toni N, Volterra A. Astrocyte function from information processing to cognition and cognitive impairment. Nature Neuroscience. 2019;22(2):154–166. doi: 10.1038/s41593-018-0325-8.
  20. Ullah G, Jung P, Cornell-Bell AH. Anti-phase calcium oscillations in astrocytes via inositol (1, 4, 5)-trisphosphate regeneration. Cell Calcium. 2006;39(3):197–208. doi: 10.1016/j.ceca.2005.10.009.
  21. Hodgkin AL, Huxley AF. A quantitative description of membrane current and its application to conduction and excitation in nerve. Journal of Physiology. 1952;117(4):500–544. doi: 10.1113/jphysiol.1952.sp004764.
  22. Izhikevich EM. Dynamical Systems in Neuroscience: The Geometry of Excitability and Bursting. Cambridge: MIT press; 2007. 441 p.
  23. Kazantsev VB, Asatryan SY. Bistability induces episodic spike communication by inhibitory neurons in neuronal networks. Physical Review E: Statistical, Nonlinear and Soft Matter Physics. 2011;84(3 Pt 1):031913. doi: 10.1103/PhysRevE.84.031913
  24. Wang XJ, Buzsaki G. Gamma oscillation by synaptic inhibition in a hippocampal interneuronal network model. Journal of Neuroscience. 1996;16(20):6402–6413. doi: 10.1523/JNEUROSCI.16-20-06402.1996.
  25. Hellwig B. A quantitative analysis of the local connectivity between pyramidal neurons in layers 2/3 of the rat visual cortex. Biological Cybernetics. 2000;82(2):111–121. doi: 10.1007/PL00007964.
  26. Ni Y, Malarkey EB, Parpura V. Vesicular release of glutamate mediates bidirectional signaling between astrocytes and neurons. Journal of Neurochemistry. 2007;103(4):1273–1284. doi: 10.1111/j.1471-4159.2007.04864.x.
  27. Wade JJ, McDaid LJ, Harkin J, Crunelli V, Kelso JA. Bidirectional coupling between astrocytes and neurons mediates learning and dynamic coordination in the brain: a multiple modeling approach. PLoS One. 2011;6(12):e29445. doi: 10.1371/journal.pone.0029445.
  28. Amiri M, Hosseinmardi N, Bahrami F, Janahmadi M. Astrocyte-neuron interaction as a mechanism responsible for generation of neural synchrony: a study based on modeling and experiments.
  29. Journal of Computational Neuroscience. 2013;34(3):489–504. doi: 10.1007/s10827-012-0432-6.
  30. Pankratova EV, Kalyakulina AI, Stasenko SV, Gordleeva SYu, Lazarevich IA, Kazantsev VB. Neuronal synchronization enhanced by neuron-astrocyte interaction. Nonlinear Dynamics. 2019;97: 647–662. doi: 10.1007/s11071-019-05004-7.
  31. Stasenko SV, Hramov AE, Kazantsev VB. Loss of neuron network coherence induced by virusinfected astrocytes: a model study. Scientific Reports. 2023;13(1):6401. doi: 10.1038/s41598-023-33622-0.
  32. Diaz Verdugo C, Myren-Svelstad S, Aydin E, Van Hoeymissen E, Deneubourg C, Vanderhaeghe S, Vancraeynest J, Pelgrims R, Cosacak MI, Muto A, Kizil C, Kawakami K, Jurisch-Yaksi N, Yaksi E. Glia-neuron interactions underlie state transitions to generalized seizures. Nature Communications. 2019;10(1):3830. doi: 10.1038/s41467-019-11739-z.
  33. Gomez-Gonzalo M, Zehnder T, Requie LM, Bezzi P, Carmignoto G. Insights into the release mechanism of astrocytic glutamate evoking in neurons NMDA receptor-mediated slow depolarizing inward currents. Glia. 2018;66(10):2188–2199. doi: 10.1002/glia.23473.
  34. Sasaki T, Ishikawa T, Abe R, Nakayama R, Asada A, Matsuki N, Ikegaya Y. Astrocyte calcium signalling orchestrates neuronal synchronization in organotypic hippocampal slices. The Journal of Physiology. 2014;592(13):2771–2783. doi: 10.1113/jphysiol.2014.272864.

Қосымша файлдар

Қосымша файлдар
Әрекет
1. JATS XML
Жүктеу

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».