Епіптичні захоплення представляють собою деякі з найбільш драматичних і дебілітаційних нейрологічних подій, що впливають на мільйони по всьому світу. Незважаючи на десятки досліджень, точні механізми, які тригерають і пропагують ці електричні шторки залишаються неповно зрозумілими. Традиційні підходи часто вивчають єдиний рівень організації мозку—молекулярної, клітинної або мережевої—в ізоляції. Однак, судоми не поважають ці штучні межі. Вони виникають з каскаду подій, які пропускають функцію аберрантового ііонного каналу на нанометровому масштабі до масштабної синхронізації мережі по всій гемосфері мозку. Щоб захопити цю складність, дослідники перетворилися до багатомасштабних моделювання, що дані, що неодно-інфікованізовані, що дані, що інтео-аналізовані

Які моделі?

Багатомасштабні моделі є обчислювальними рамами, які зв'язують процеси, що працюють на різних просторових і часових масштабах. У нейронауці ці ваги коливається від молекулярної (іонних каналів, рецепторів, нейротрансмітаторів) через клітинку (короткоподібний риф, сиптичний передач) і мережі (локальні схеми, мозкові області) до рівня системи (динаміка жовчно-браїну). При співанні цих рівнів багатомасштабна модель може імітувати, як тонка зміна, скажуть, що мутація каналу перетворює властивості нейрона, які в свою чергу впливають на синхронізацію нейронного ансамблю, в результаті призводять до нападу, що поширюється.

Ключова сила багатомасштабного моделювання полягає в здатності генерувати з'являються явища—ведучі, які виникають з взаємодій компонентів в різних масштабах і які не можна прогнозувати шляхом вивчення будь-якого рівня окремо. Це робить підхід особливо добре підходить для епілепсії, стан характеризується раптовими, самознімаючими переходами між нормальними і гіперсинхронічними станами. Для поглибленого огляду багатомасштабної нейронауки див. . Цей огляд у Nature Reviews Neuroscience.

Мультимасштабне моделювання в епілепсії: глибокий вигляд

Епілепсія дослідження давно фрагментовано: молекулярні біологи вивчають іонні канали, електрофізіологи записують одно нейрони, і візуалізують наукову діяльність. Багатомасштабні моделі міст ці домени, дозволяють дослідникам запитати такі питання, як: Як впливає специфічна генетична мутація на порогу сезу? Які топології мережі найбільш вразливі для поширення розмноження? Чи можна прогнозувати, де судовідпустка почнеться на основі місцевих клітинних властивостей? Моделі дають віртуальну лабораторію, де гіпотези можуть бути протестовані і рафіновані перед переміщенням до дорогих або інвазивних експериментів.

бетоном є інтеграція моделей нейронних типів Ходгкін-Хукслі з моделями дифузійно-обсмоктувальних моделей нейротрансміттера і реупції, потім згортання цих в реалістичні кортичні архітектури, отримані з даних МРТ і з'єднання. Такі моделі використовуються для імітації переходу від міжгалузевих (міжнародних опадів) до ictal (сезуравель) станів, виявлення, що навіть невеликі зміни в екстраклітинній концентрації калію може нарізати мережу в опадок. Для отримання більш докладних підходів в епілепсії, консультувати

Молекулярний та клітинний рівень

На найбільш фундаментальному рівні багатомасштабні моделі включають докладні описи іонних каналів, транспортерів, рецепторів та других месенджерних систем. Наприклад, мутації в SCN1A] (відновлення Na]v1.1 канал натрію) є загальним причиною синдрому Dravet, важкої епілептичної енцефалопатії. Багатомасштабна модель може імітувати, як збійна мутація при інгібіторних інтерори призводить до дисингібіціонізації та сезуреції. Такі моделі часто використовують Markd держмотивні моделі

Моделювання клітинного рівня поширюється на дедріантичну інтеграцію, потенціал дії ініціацію, а також сиптичну пластичність. За рахунок неправильної реалістичної морфології та іонних каналів, дослідники можуть імітувати, як розриви підтриму або вилову стрільбу виникають в епілептичних нейрон. Ці клітинні моделі потім подають в більші мережеві моделі через сиптичні з'єднання, що дозволяють вивчити, як невеликий фокус гіперрозійних клітин може набирати навколишню тканину в опад. Для детального випадку дослідження багатомасштабного моделювання в синдромі Древета див. this ScienceDirect article.

Рівень мережі та системи

На мережевій вагі багатомасштабні моделі представляють взаємодій серед тисяч або мільйонів нейронів, часто використовують наближені до полісу або процідування нейромереж. Ці моделі можуть захоплення поширення активності через кортичні колонки, білі тракти, та підкортичні структури, такі як таламамус. Один загальний підхід полягає в використанні моделі нейронної маси для кожного мозку, з параметрами, що налаштовують для відображення локальної збудливості, а також за допомогою сполучних матриць, отриманих від діфузії, що візуалізують (DTI).

Такі моделі в цілому-brain успішно відтворили просторові візерунки сезуреції і поширення спостерігаються в внутрішньочерепних записах ЕГ. Вони також використовуються для тестування віртуальних ресекцій або протоколів стимулювання, допомагаючи клінікам планувати епілепсію операцію. Наприклад, модель може прогнозувати, що видалення конкретного вузла в сезуре-генеруючу мережу дозволить запобігти пропагації, навіть якщо сам вузол не є сітчастим фокусом. Цей персоналізований підхід набирає тяговий ефект. Огляд моделей мережі в епілепсії можна знайти в this Frontiers article[.

Переваги багаторозмірного моделювання

Переваги багатомасштабних моделей в епілепсії є безліччю і значущих:

  • Інтеграція:] За допомогою вагових ваг, моделі забезпечують когерентне зображення як молекулярні дефекти призводять до мережевої дисфункції, що переходять за межі кореляційних спостережень.
  • Target Ідентифікація: Моделі можуть фіксувати точку, яка молекулярні або клітинні зміни є найбільш критичними для продовження ініціації, спрямованих на проведення експериментальних та фармацевтичних зусиль для цілей високого комфорту.
  • Протидіяльність: Багаторозмірні моделювання можуть прогнозувати зсувний насад, пропагацію та відповідь на втручання, що дозволяють препрогностувати лікування та хірургічне планування.
  • Особливе лікування: З даними пацієнта (генотипи, візуалізація, електрофізіологія), моделі можуть бути калібровані до індивідуального мозку, оптимізують виділення терапії та дозування.
  • Редукція експерименту тварин: Віртуальні експерименти можуть швидко екранувати багато умов, звужуючи гіпотезу простір перед дорогою в віо дослідженнях.

Виклики та обмеження

Незважаючи на свою обіцянку, багатомасштабні моделі стикаються з кількома викликами. Спочатку вони вимагають величезної кількості даних по масштабах, і такі дані часто неповні або вимірюються в різних умовах. По-друге, згортання депаратів моделей (наприклад, докладне молекулярне моделювання з грубою грайіновою мережею) вводить невизначеності параметрів і обчислювальні вимоги. Третя, перевірка залишається важко: в той час як модель може відтворювати шаблон захоплення, фактичні основні механізми можуть відрізнятися. Четвертий, моделі повинні бути ретельно протипоказані, щоб уникнути перенарядки, особливо коли зайнято індивідуальне тюнінг.

Проте, постійні досягнення в високопродуктивних обчисленнях, інтеграції даних (наприклад, від ініціативи BRAIN), та машинного навчання вирішують ці питання. Дослідники розвиваючі модульні рамки, де окремі компоненти (моделі іонного каналу, моделі нейрон, мережеві моделі) можуть бути самостійно покращені та замінені без перебудування всієї системи. Для обговорення поточних викликів у обчислювальній нейронауки див. це нейронна перспектива.

Майбутні напрямки

Наступний передній для багатомасштабного моделювання в епілепсії включає кілька захоплюючих розробок. Одним є затвердження в режимі реального часу, замкненого-loop зворотного зв'язку: моделі, які можуть отримувати вхід з імплантованих пристроїв і регулювати параметри стимулювання нальоті. Ще одним є інтеграція генетичних і епігенетичних даних для прогнозування того, як конкретна мутація проявиться в даній пацієнті, облік модифікаторів і факторів навколишнього середовища. Крім того, моделі рухаються в т. ч. гліальних клітин (астроцити, мікрогліа) і нейровазкулярний блок, які грають вирішальні ролі в динаміціозурної динаміки.

Поспішає у штучному інтелекті, швидше за все, прискорить розробку моделі автоматично, виявивши відповідні параметри та правила збирання з великих даних. Нарешті, відкриті платформи, такі як NEURON, NEST та Віртуальний мозок, що робить багатомасштабне моделювання більш доступним для широкого дослідницького співтовариства, сприяння співпраці та відтворюваності. Як ці інструменти зрілі, вони стануть невід'ємним для епілепсії, лікування та, в кінцевому підсумку, запобігання.

Висновок

Багатомасштабне моделювання пропонує трансформативну лінзу, завдяки якій можна переглянути епілептичні захоплення — не як ізольовані клітинні або мережеві події, але як явища, які виникають з нерозривного переплетення процесів, що простягаються багато замовлень величини в просторі та часу. За допомогою крихких молекулярних, клітинних, мережевих та системних рівнів, ці моделі забезпечують єдиний каркас для розуміння патологічної хвороби, виявлення лікувальних цілей, а також персоналізації лікування. Хоча проблеми залишаються в інтеграції даних, валідації та обчислювальної ефективності, траєкторія є чіткими: багатомасштабні моделі переміщаються з академічної curio, що представляють собою клінічний підхід до клініки. Для дослідників, які, які підкорюють, які, які, які, які, які, які, які, які, які, які, підкорюють, які, які, які, і підкорюють, і підкорюють, і підкорюють клініки, і підкорюють, і підкорюють, і підкорюють, і підкорюють, і підкорюють, і підкорюють, і підкорюють, і підкорюють клініки,