I neuroscienziati stanno attualmente lavorando diligentemente per comprendere le dinamiche di migliaia di neuroni accoppiati. Capire come funzionano richiede modelli accurati. Il problema è che ciascuno dei modelli neuroscientifici esistenti ha le sue carenze. I fisici russi hanno, per la prima volta, ha sviluppato un metodo efficace per risolvere le equazioni di un noto modello dinamico di neuroscienze teoriche e renderlo più rilevante dal punto di vista biologico.
Questi risultati sono stati appena pubblicati in EPJ Plus di Eugene Postnikov e Olga Titkova della Kursk State University, Russia. Potrebbero non solo aiutare a risolvere i problemi nelle neuroscienze, ma potrebbe anche fornire una comprensione più profonda dell'attività neuronale nel settore emergente delle dinamiche neurovascolari, che descrive l'interazione tra i neuroni del cervello e il flusso sanguigno.
Il modello di neuroscienza biologicamente più accurato è il modello di Hodgkin-Huxley (HH) del 1952. che valse ai suoi inventori il Premio Nobel per la Fisiologia e la Medicina nel 1963. Questo modello fornisce una comprensione delle dinamiche dei neuroni come oggetti fisici simili ai circuiti elettrici. Al contrario, il modello teorico più diffuso è il modello FitzHugh-Nagumo (FHN), un modello qualitativo che riproduce le caratteristiche principali dei modelli di dinamica neuronale senza fornire informazioni biologiche quantificabili.
I precedenti tentativi di modellare l'attività neuronale nei cervelli reali prevedevano la combinazione delle correnti elettriche all'interno di compartimenti microscopici per ciascuno di migliaia di neuroni individuali. Anziché, gli autori sono partiti dalle soluzioni macroscopiche di una versione semplificata del modello HH biologicamente accurato, che riflette la misurazione in un nervo della tensione globale dei picchi neuronali che si evolvono nel tempo.
Hanno quindi modificato i parametri del modello IdF in modo che le caratteristiche chiave del suo output grafico corrispondano a quelle della curva di tensione effettiva registrata nel neurone. Gli autori hanno dimostrato che, affinché il modello IdF assomigli il più possibile alla realtà biologica, deve includere la dipendenza dalle correnti esterne. Questa proprietà fornisce preziose informazioni sulla dinamica dei sistemi neuronali accoppiati.
