Dando sentido a los datos masivos generados por la activación de neuronas
Crédito: Pixabay/CC0 Dominio público
Los científicos lograron un gran avance en la predicción del comportamiento de las neuronas en grandes redes que operan al borde misterioso del caos.
Una nueva investigación de la Universidad de Sussex y la Universidad de Kyoto describe un nuevo método capaz de analizar las masas de datos generados por miles de neuronas individuales.
El nuevo marco supera a los modelos anteriores en la predicción y evaluación de las propiedades de la red al estimar con mayor precisión las fluctuaciones de un sistema con una mayor sensibilidad a los cambios de parámetros.
A medida que las nuevas tecnologías permiten el registro de miles de neuronas de animales vivos, existe una demanda apremiante de herramientas matemáticas para estudiar el desequilibrio, complejos dinámica de los conjuntos de datos de alta dimensión que generan. En este esfuerzo, los investigadores esperan ayudar a responder preguntas clave sobre cómo los animales procesan la información y se adaptan a los cambios ambientales.
Los investigadores también creen que su trabajo podría ser efectivo para reducir el enorme costo computacional y la huella de carbono del entrenamiento. grandes modelos de IA que hacen que dichos modelos estén mucho más disponibles para laboratorios de investigación o empresas más pequeños.
Dr. Miguel Aguilera, investigador Marie Sklodowska-Curie en la Escuela de Ingeniería e Informática de la Universidad de Sussex, dijo: «Solo recientemente hemos tenido la tecnología para registrar miles de neuronas individuales en animales mientras interactúan con su entorno, que es un tremendo avance desde el estudio de redes de neuronas aisladas en cultivos de laboratorio o en animales inmovilizados o anestesiados.
«Este es un avance muy emocionante, pero aún no tenemos los métodos para analizar y comprender la enorme cantidad de datos creados por el comportamiento de no equilibrio. Nuestra contribución ofrece la posibilidad de hacer avanzar la tecnología para encontrar modelos que expliquen cómo las neuronas procesan la información y generan comportamiento».
El artículo, publicado hoy en Nature Communications, desarrolla métodos para aproximarse rápidamente a la compleja dinámica de las neuronas. modelos de red que capturan cómo se comportan las neuronas reales observadas en el laboratorio, cómo están conectadas y cómo procesan la información.
En un importante paso adelante, el equipo de investigación ha creado un método que funciona en estados significativamente fluctuantes, no -situaciones de equilibrio en las que operan los animales cuando interactúan con su entorno en el mundo real.
El Dr. Aguilera dijo: «La forma más eficiente de aprender cómo funcionan los sistemas grandes es usar modelos estadísticos y aproximaciones, y la forma más comunes de estos son los métodos de campo medio, donde el efecto de todas las interacciones en una red se aproxima mediante un efecto promedio simplificado.
«Pero estas técnicas a menudo solo funcionan en c muy idealizados condiciones Los cerebros están en constante cambio, desarrollo y adaptación, mostrando patrones fluctuantes complejos e interactuando con entornos que cambian rápidamente. Nuestro modelo tiene como objetivo capturar con precisión las fluctuaciones en estas situaciones de no equilibrio que esperamos de los animales que se comportan libremente en su entorno natural».
El método estadístico captura la dinámica de grandes redes específicamente en la región del borde del caos, una región especial de comportamiento entre la actividad caótica y ordenada, donde tienen lugar intensas fluctuaciones en la actividad neuronal, conocidas como avalanchas neuronales.
A diferencia de los modelos matemáticos anteriores, los investigadores aplicaron un enfoque geométrico de la información para capturar mejor las correlaciones de la red, lo que les permitió crear mapas simplificados que se aproximan a la trayectoria de la actividad neuronal que, en realidad, recorre rutas extremadamente complejas que son difíciles de calcular directamente.
Dr. S. Amin Moosavi, investigador en el Graduate School of Informatics de la Universidad de Kyoto, dijo: «La geometría de la información nos brinda un camino claro para avanzar sistemáticamente en nuestros métodos y sugerir enfoques novedosos, resu lting en herramientas de análisis de datos más precisas».
El profesor Hideaki Shimazaki, profesor asociado en la Escuela de Graduados de Informática de la Universidad de Kyoto, dijo: «Además de proporcionar métodos de cálculo avanzados para sistemas grandes, el marco unifica muchos enfoques existentes a partir de los cuales podemos avanzar aún más en la neurociencia y el aprendizaje automático. Nos complace ofrecer una visión tan unificadora que expresa un sello distintivo del progreso científico como producto de esta intensa colaboración internacional».
El Dr. Aguilera aplicará a continuación estos métodos para modelar miles de neuronas de pez cebra en el laboratorio que interactúa con una configuración de realidad virtual como parte del proyecto DIMENSIVE, financiado con fondos europeos, que tiene como objetivo desarrollar modelos generativos de comportamiento a gran escala y proporcionar información importante sobre cómo surge el comportamiento de la interacción dinámica del sistema nervioso, el cuerpo y el entorno de un organismo.
Explore más
Una NEAT reducción de modelos neuronales complejos acelera la investigación del cerebro Más información: Nature Communications (2021). DOI: 10.1038/s41467-021-20890-5 Journal información: Nature Communications
Proporcionado por la Universidad de Sussex Cita: Dar sentido a los datos masivos generados por la activación de neuronas (2021, 19 de febrero) recuperado el 30 de agosto de 2022 de https:/ /medicalxpress.com/nuevo s/2021-02-mass-neurons.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.