Режимы синхронизации в кольце нейронов гиппокампа грызунов при лимбической эпилепсии

Обложка

Цитировать

Полный текст

Аннотация

Цель настоящего исследования — рассмотреть кольцевую структуру из нейронов гиппокампа, которая может быть ответственна за генерацию основного ритма при лимбической эпилепсии. Методы. Уравнения модели решались численно. Чтобы определить области существования колебательных и возбудимых режимов для отдельного нейрона, был сделан бифуркационный анализ по параметру проводимости утечки. Запаздывание в связях моделировалось инерционностью синапса без введения явной задержки. Для определения пределов устойчивости генерации разрывались некоторые связи, а также вводилась расстройка по параметрам между нейронами в кольце. Результаты. В модели отдельного нейрона обнаружена область бистабильности, при которой устойчивый фокус сосуществует с циклом. В кольце обнаружены два основных режима синхронизации. Один из них наследует частоту индивидуальных колебаний при малом относительно периода фазовом сдвиге между отдельными нейронами. Во втором режиме частота зависит от числа нейронов, а фазовый сдвиг между соседними нейронами равен отношению периода к числу нейронов в кольце. Второй режим с различными частотами может реализовываться как для параметров отдельного нейрона, соответствующих бистабильному режиму, так и для параметров, когда для отдельного нейрона существует только устойчивый фокус. При малой расстройке (порядка 2% по абсолютной величине) по параметрам второй синхронный режим сохраняется. Заключение. Показано, что в математической модели кольца нейронов гиппокампа, где для отдельных нейронов учтены все основные существенные токи, а их параметры могут различаться, в относительно широкой области по параметру проводимости утечки существует колебательный режим, частота которого определяется длиной кольца и синаптической проводимостью, а не параметрами отдельного нейрона. При этом небольшое изменение синаптической проводимости может приводить к резкому (в 2–7 раз) изменению частоты генерации.

Об авторах

Максим Вячеславович Корнилов

Саратовский национальный исследовательский государственный университет имени Н.Г. Чернышевского (СГУ)

ORCID iD: 0000-0003-1634-9007
Scopus Author ID: 56963781000
ResearcherId: D-7495-2013
410012, Россия, Саратов, ул. Астраханская, 83

Антон Александрович Капустников

Саратовский национальный исследовательский государственный университет имени Н.Г. Чернышевского (СГУ) ; Саратовский филиал Института радиотехники и электроники имени В.А. Котельникова РАН (СФ ИРЭ)

ORCID iD: 0000-0002-9846-5556
Scopus Author ID: 57219385601
ResearcherId: ABD-1779-2020
410012, Россия, Саратов, ул. Астраханская, 83

Евгений Александрович Созонов

Саратовский национальный исследовательский государственный университет имени Н.Г. Чернышевского (СГУ)

SPIN-код: 1236-6755
410012, Россия, Саратов, ул. Астраханская, 83

Марина Вячеславовна Сысоева

Саратовский национальный исследовательский государственный университет имени Н.Г. Чернышевского (СГУ) ; Саратовский государственный технический университет имени Гагарина Ю.А. (СГТУ)

ORCID iD: 0000-0003-4228-9124
Scopus Author ID: 55092940400
ResearcherId: D-6496-2013
410012, Россия, Саратов, ул. Астраханская, 83

Илья Вячеславович Сысоев

Саратовский национальный исследовательский государственный университет имени Н.Г. Чернышевского (СГУ)

ORCID iD: 0000-0002-9203-5504
Scopus Author ID: 56118788700
ResearcherId: D-5930-2013
410012, Россия, Саратов, ул. Астраханская, 83

Список литературы

  1. Scheffer I. E., Berkovic S., Capovilla G., Connolly M. B., French J., Guilhoto L., Hirsch E., Jain S., Mathern G. W., Moshe S. L., Nordli D. R., Perucca E., Tomson T., Wiebe S., Zhang Y.-H., Zuberi S. M. ILAE classification of the epilepsies: Position paper of the ILAE Commission for Classification and Terminology // Epilepsia. 2017. Vol. 58, no. 4. P. 512–521. DOI: 10.1111/ epi.13709.
  2. Suffczynski P.,Kalitzin S., Lopes Da Silva F. H. Dynamics of non-convulsive epileptic phenomena modeled by a bistable neuronal network // Neuroscience. 2004. Vol. 126, no. 2. P. 467–484. doi: 10.1016/j.neuroscience.2004.03.014.
  3. Medvedeva T. M., Sysoeva M. V., Luttjohann A., van Luijtelaar G., Sysoev I. V. Dynamical mesoscale model of absence seizures in genetic models // PLoS ONE. 2020. Vol. 15, no. 9. P. e239125. doi: 10.1371/journal.pone.0239125.
  4. Kapustnikov A. A., Sysoeva M. V., Sysoev I. V. Transient dynamics in a class of mathematical models of epileptic seizures // Communications in Nonlinear Science and Numerical Simulation. 2022. Vol. 109. P. 106284. doi: 10.1016/j.cnsns.2022.106284.
  5. Taylor P. N., Wang Y., Goodfellow M., Dauwels J., Moeller F., Stephani U., Baier G. A Computational Study of Stimulus Driven Epileptic Seizure Abatement // PLoS ONE. 2014. Vol. 9, no. 12. P. e114316. doi: 10.1371/journal.pone.0114316.
  6. Bertram E. H. The functional anatomy of spontaneous seizures in a rat model of chronic limbic epilepsy // Epilepsia. 1997. Vol. 38, no. 1. P. 95–105. doi: 10.1111/j.1528-1157.1997.tb01083.x.
  7. Blumenfeld H., Varghese G. I., Purcaro M. J., Motelow J. E., Enev M., McNally K. A., Levin A. R., Hirsch L. J., Tikofsky R., Zubal I. G., Paige A. L., Spencer S. S. Cortical and subcortical networks in human secondarily generalized tonic-clonic seizures // Brain. 2009. Vol. 132, no. 4. P. 999–1012. doi: 10.1093/brain/awp028.
  8. Kornilov M. V., Sysoev I. V. Mathematical Model of a Main Rhythm in Limbic Seizures // Mathematics. 2023. Vol. 11, no. 5. P. 1233. doi: 10.3390/math11051233.
  9. Mysin I. E., Kitchigina V. F., Kazanovich Y. B. Phase relations of theta oscillations in a computer model of the hippocampal CA1 field: Key role of Schaffer collaterals // Neural Networks. 2019. Vol. 116. P. 119–138. doi: 10.1016/j.neunet.2019.04.004.
  10. Егоров Н. М., Сысоева М. В., Пономаренко В. И., Корнилов М. В., Сысоев И. В. Кольцевой генератор нейроподобной активности с перестраиваемой частотой // Известия вузов. Прикладная нелинейная динамика. 2023. T.31, №1. С.103-120. doi: 10.18500/0869-6632-003025.
  11. Hodgkin A., Huxley A. A quantitative description of membrane current and its application to conduction and excitation in nerve // The Journal of Physiology. 1952. Vol. 117, no. 4. P. 500–544. doi: 10.1113/jphysiol.1952.sp004764.
  12. Tateno K., Hayashi H., Ishizuka S. Complexity of spatiotemporal activity of a neural network model which depends on the degree of synchronization // Neural Network. 1998. Vol. 11, no. 6. P. 985–1003. doi: 10.1016/s0893-6080(98)00086-0.
  13. Yoshida M., Hayashi H. Emergence of sequence sensitivity in a hippocampal CA3–CA1 model // Neural Networks. 2007. Vol. 20, no. 6. P. 653–667. doi: 10.1016/j.neunet.2007.05.003.
  14. Virtanen P., Gommers R., Oliphant T. E., Haberland M., Reddy T., Cournapeau D., Burovski E., Peterson P., Weckesser W., Bright J., van der Walt S. J. SciPy 1.0: fundamental algorithms for scientific computing in Python // Nature methods. 2020. Vol. 17, no. 3. P. 261–272. DOI: 10.1038/ s41592-019-0686-2.
  15. Пиковский А. С., Розенблюм М. Г., Куртс Ю. Синхронизация. Фундаментальное нелинейное явление. М.: Техносфера, 2003. 493 с.
  16. Senhadji L., Wendling F. Epileptic transient detection: wavelets and time-frequency approaches // Neurophysiologie Clinique/Clinical Neurophysiology. 2002. Vol. 32, no. 3. P. 175–192. DOI: 10. 1016/S0987-7053(02)00304-0.
  17. Sobayo T., Fine A. S., Gunnar E., Kazlauskas C., Nicholls D., Mogul D. J. Synchrony Dynamics Across Brain Structures in Limbic Epilepsy Vary Between Initiation and Termination Phases of Seizures // IEEE Transactions on Biomedical Engineering. 2013. Vol. 60, no. 3. P. 821–829. doi: 10.1109/TBME.2012.2189113.
  18. Scorcioni R., Lazarewicz M. T., Ascoli G. A. Quantitative morphometry of hippocampal pyramidal cells: differences between anatomical classes and reconstructing laboratories // Journal of Comparative Neurology. 2004. Vol. 473, no. 2. P. 177–193. doi: 10.1002/cne.20067.
  19. Wendling F., Bartolomei F., Bellanger J. J., Chauvel P. Epileptic fast activity can be explained by a model of impaired GABAergic dendritic inhibition // European Journal of Neuroscience. 2002. Vol. 15, no. 9. P. 1499–1508. doi: 10.1046/j.1460-9568.2002.01985.x.
  20. Paz J. T.; Huguenard J. R. Microcircuits and their interactions in epilepsy: Is the focus out of focus? // Nature Neuroscience. 2015. Vol. 18. P. 351–359. doi: 10.1038/nn.3950.
  21. Myers M. H., Kozma R. Mesoscopic neuron population modeling of normal/epileptic brain dynamics // Cognitive neurodynamics. 2018. Vol. 12. P. 211–223. doi: 10.1007/s11571- 017-9468-7.
  22. Alexander A., Maroso M., Soltesz I. Organization and control of epileptic circuits in temporal lobe epilepsy // Progress in brain research. 2016. Vol. 226. P. 127–154. doi: 10.1016/bs.pbr.2016.04.007.
  23. Toyoda I., Bower M. R., Leyva F., Buckmaster P. S. Early activation of ventral hippocampus and subiculum during spontaneous seizures in a rat model of temporal lobe epilepsy // Journal of Neuroscience. 2013. Vol. 33, no. 27. P. 11100–11115. doi: 10.1523/JNEUROSCI.0472-13.2013.
  24. Muller R. U., Stead M., Pach J. The hippocampus as a cognitive graph // The Journal of general physiology. 1996. Vol. 107, no. 6. P. 663–694. doi: 10.1085/jgp.107.6.663.
  25. Petrik S., San Antonio-Arce V., Steinhoff B. J., Syrbe S., Bast T., Scheiwe C., Brandt A., Beck J., Schulze-Bonhage A. Epilepsy surgery: Late seizure recurrence after initial complete seizure freedom // Epilepsia. 2021. Vol. 62, no. 5. P. 1092–1104. doi: 10.1111/epi.16893.
  26. Medvedeva T. M., Sysoeva M. V., van Luijtelaar G., Sysoev I. V. Modeling spike-wave discharges by a complex network of neuronal oscillators // Neural Networks. 2018. Vol. 98. P. 271–282. doi: 10.1016/j.neunet.2017.12.002.
  27. Gerster M., Berner R., Sawicki J., Zakharova A., Hlinka J., Lehnertz K., Scholl E. FitzHugh–Nagumo oscillators on complex networks mimic epileptic-seizure-related synchronization phenomena // Chaos. 2020. Vol. 30. P. 123130. doi: 10.1063/5.0021420.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

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».