在未来,我们计划探索连通性的作用,而不仅仅是我们所介绍的简单的全对全平均场模型(all to all mean-field),并扩展该模型,以包括真实神经网络的拓扑特征和不同的细胞类型(例如,抑制性与兴奋性神经元)。这种方法将可能导致在新的动力学类型,如皮层波上的更好数据拟合。此外,关键是要用不同类型的大脑数据,如同步尖峰和局部场电位势记录来测试该模型。在这种情况下,一个真正成功的模型将可同时考虑到在微观层面上的统计数据(即单个神经元的棘波)和中观尺度大局部场电位。重要的是,我们所使用的方法是将经验数,通过参数推断映射到自适应伊辛模型相位中的一个确定区域,可用以进一步量化和澄清大脑临界值与健康、发育或病态大脑动力学之间的关系。
本文翻译自 Nature Computational Science 评论文章原文题目:Oscillations and avalanches coexist in brain networks close to criticality原文链接:https://www.nature.com/articles/s43588-023-00411-8
参考文献
1. Buzsaki, G. & Draguhn, A. Neuronal oscillations in cortical networks. Science304, 1926–1929 (2004). A review article on brain rhythms.2. Beggs, J. M. & Plenz, D. Neuronal avalanches in neocortical circuits. J. Neurosci. 23, 11167–11177 (2003). This paper reported neuronal avalanches.3. Hopfield, J. J. Neural networks and physical systems with emergent collective computational abilities. Proc. Natl Acad. Sci. USA 79, 2554–2558 (1982). A seminal work on the application of spin models to the study of neural networks.4. Tkacik, G., Prentice, J. S., Balasubramanian, V. & Schneidman, E. Optimal population coding by noisy spiking neurons. Proc. Natl Acad. Sci. USA 107, 14419–14424 (2010). This work investigated optimal population coding in neural networks.