Neurowetenschappers werken momenteel ijverig om de dynamiek van duizenden gekoppelde neuronen te begrijpen. Om te begrijpen hoe ze werken, zijn nauwkeurige modellen nodig. Het probleem is dat elk van de bestaande neurowetenschappelijke modellen zijn eigen tekortkomingen heeft. Russische natuurkundigen hebben, Voor de eerste keer, een effectieve methode ontwikkeld om de vergelijkingen van een bekend theoretisch dynamisch neurowetenschappelijk model op te lossen en biologisch relevanter te maken.

Deze bevindingen zijn zojuist gepubliceerd in EPJ Plus door Eugene Postnikov en Olga Titkova van de Kursk State University, Rusland. Ze konden niet alleen helpen bij het oplossen van problemen in de neurowetenschappen, maar zou ook een dieper inzicht kunnen verschaffen in neuronale activiteit in de opkomende sector van neurovasculaire dynamiek, die het samenspel tussen de neuronen van de hersenen en de bloedstroom beschrijft.

Het biologisch meest nauwkeurige neurowetenschappelijke model is het Hodgkin-Huxley-model (HH) uit 1952. die de uitvinders in 1963 de Nobelprijs voor Fysiologie en Geneeskunde opleverde. Dit model geeft inzicht in de dynamiek van neuronen als fysieke objecten die vergelijkbaar zijn met elektrische circuits. Daarentegen, het meest wijdverbreide theoretische model is het FitzHugh-Nagumo-model (FHN), een kwalitatief model dat de belangrijkste kenmerken van neuronale dynamische patronen reproduceert zonder kwantificeerbare biologische informatie te verstrekken.

Eerdere pogingen om neuronale activiteit in echte hersenen te modelleren, omvatten het combineren van de elektrische stromen in microscopische compartimenten voor elk van duizenden individuele neuronen. In plaats daarvan, de auteurs gingen uit van de macroscopische oplossingen van een vereenvoudigde versie van het biologisch nauwkeurige HH-model, die de meting in een zenuw weerspiegelt van de globale spanning van neuronpieken die zich in de loop van de tijd ontwikkelen.

Vervolgens veranderden ze de parameters van het FHN-model, zodat de belangrijkste kenmerken van de grafische uitvoer overeenkwamen met die van de werkelijke spanningscurve die in het neuron werd geregistreerd. De auteurs toonden aan dat, om het FHN-model zo dicht mogelijk bij de biologische realiteit te laten lijken, het moet afhankelijkheid van externe stromen omvatten. Deze eigenschap biedt waardevolle inzichten in de dynamiek van gekoppelde neuronale systemen.