В теоретических изучениях физиологии млекопитающего большую роль играет исследования центральной нервной системы живых организмов. Эта область изучения называется нейробиологией. Так как мозг современного млекопитающего является продуктом длительного развития жизни на земле. На пути этого развития, который на земле начался примерно три-четыре миллиарда лет назад и протекает в наше время, природой выбирались многие варианты устройства мозга и его частей. Примером являются нейроны и их отростки, протекающие в них процессы, остаются неизменными как у примитивных животных (например, членистоногих, рыб, амфибий, рептилий и др.), так и у человека. Это означает, что природа остановилась на удачном образце своего творения и не изменяла его на протяжении сотен миллионов лет. Так произошло со многими структурами головного мозга. Исключение представляют большие полушария головного мозга. Они уникальны в мозге человека. Поэтому нейробиолог, имея в своем распоряжении огромное число объектов исследования, всегда может изучать тот или иной вопрос физиологии головного мозга человека на более простых, дешевых и доступных объектах.
Для регистрации биоэлектрической активности нейронов и их отростков применяют специальные приемы, которые называются микроэлектродной техникой. Микроэлектродная техника в зависимости от задач исследования имеет много особенностей. Обычно применяют два типа микроэлектродов — металлические и стеклянные. Металлические микроэлектроды часто изготавливают из вольфрамовой проволоки диаметром 0,3-1 мм. На первом этапе нарезают заготовки длиной по 10 — 20 см (это определяется глубиной, на которую будет погружен микроэлектрод в мозг исследуемого животного). Один конец заготовки электролитическим методом затачивают до диаметра 1 — 10 мкм. После тщательной промывки поверхности в специальных растворах ее покрывают лаком для электрической изоляции. Самый кончик электрода остается неизолированным (иногда через такой микроэлектрод пропускают слабый толчок тока, чтобы дополнительно разрушить изоляцию на самом кончике).
Для регистрации активности одиночных нейронов микроэлектрод закрепляют в специальном манипуляторе, который позволяет продвигать его в мозге животного с высокой точностью . В зависимости от задач исследования манипулятор может крепиться на черепе животного или отдельно. В первом случае это очень миниатюрные устройства, которые получили название микроманипуляторов. Характер регистрируемой биоэлектрической активности определяется диаметром кончика микроэлектрода. Например, при диаметре кончика микроэлектрода не более 5 мкм можно зарегистрировать потенциалы действия одиночных нейронов (в этих случаях кончик микроэлектрода должен приблизиться к исследуемому нейрону на расстояние около 100 мкм). При диаметре кончика микроэлектрода больше 10 мкм одновременно регистрируется активность десятков, а иногда сотен нейронов (мультиплай-активность).
Современный этап развития науки и техники сопровождается интенсивным внедрением новых информационных технологий во множество сфер человеческой деятельности, и на сегодняшний день исследования в различных областях науки требуют использования передовых компьютерных систем. Благодаря непрерывному процессу развития и совершенствования ресурсы современной вычислительной техники многократно возросли и способны обеспечить решения задач такой сложности, которая в недавнем прошлом казалась недостижимой из-за недостатка вычислительной мощности. Примером таких задач может служить компьютерное моделирование больших сложных систем. Математическое и компьютерное моделирование является одним из эффективных методов изучения. Задача моделирования состоит в разработке и анализе моделей реальных систем и процессов, протекающих в рассматриваемых системах, с целью получения объяснений их механизмов, предсказания феноменов . Модельный подход в науке позволяет преодолеть ограничения и трудности, возникающие при постановке эксперимента в лабораторных или полевых условиях. Это достигается благодаря возможности проведения численных экспериментов, позволяющих исследовать отклик изучаемой системы на изменения ее параметров и начальных условий. Кроме того в рамках модельного подхода возможно выбирать значения параметров и начальных условий далеко за пределами наблюдаемых экспериментально. Это важно для выявления причин и механизмов наблюдаемых процессов, для поиска границ наблюдаемых динамических режимов. Компьютерное моделирование, в связи с этим, широко применяется во всех естественнонаучных направлениях современных исследований. Не является исключением и нейробиология, задача которой состоит в изучении функционирования головного мозга и нервной системы.
Мозг представляет собой сложнейший объект исследования, состоящий из миллиардов клеток . Одним из типов клеток мозга являются нейроны.
Нейроны генерируют и передают электрические импульсы и способны образовывать сети посредством контактов, именуемых синапсами. Существуют и другие типы клеток в мозге, - например, глиальные клетки, которые выполняют такие важные дополнительные функции, как питание нейронов, поддержка гомеостаза, модулирование процессов передачи сигнала и др. Существующие экспериментальные методы исследования активности нейронных сетей мозга, направленные на изучение принципиально сетевых эффектов, во-первых, обладают рядом технических ограничений, связанных со сложностью объекта исследования, а во-вторых, являются крайне дорогостоящими. Для преодоления данного препятствия широко применяется подход, связанный с математическим и компьютерным моделированием изучаемых процессов. Моделирование подобных систем, сложных по топологии внутренних связей и состоящих из большого количества элементов, с помощью современных персональных компьютеров представляет серьёзную проблему, ввиду большой вычислительной нагрузки, требуемой для расчёта получаемых моделей. Однако использование суперкомпьютерных технологий и параллельных вычислений устраняет эту преграду и позволяет применять большее многообразие методов моделирования.
Постановка задач дипломной работы.
1 Сбор и анализ информации о визуальной подсистеме.
2 Сбор и анализ информации о лимбической подсистеме.
3 Нахождение связей и постройка схемы взаимосвязи.
4 Реализация соединений на машинном уровне.
В данном проекте были изучены и анализированы связи кортикальных подсистем визуального анализа и лимбических подсистем. В ходе изучения был замечен недостаток информации в нейробиологических, нейрофизиологических областях мозга и ее деятельности, в области компьютерной симуляции . В особенности русскоязычных источников, из это следует что в нашей стране такая область не сильно развита, но в мире, в целом, это сфера активно развивается. В ходе работы были подробно изучены визуальные системы головного мозга и лимбические системы с нейрофизиологической точки зрения. Автором было использовано много иностранных источников. Используя их, были получены знания и выявлены синапсические связи между нейронами разных частей головного мозга. Выборочно некоторые из них были выписаны в таблицу. После подробного анализа были была построена схема взаимосвязи. На основе ее был реализованы соединения нейронных сетей таламуса, гипоталамуса, ретикуляных формаций, с входными и выходными данными из визуальной коры и лимбической системы. Для подачи сигнала был использован генератор.
Автором поставленные задачи были выполнены.
Эта работа вносит вклад в решение проблемы понимания взаимосвязи между структурой и динамикой коры головного мозга млекопитающих. Полученный результат можно применять для исследования взаимоотношений количественных и качественных характеристик работы нейронов. Все это может помочь в работе нейробиологов и при обучении студентов нейробиологических специальностей.
1. Wayne D. Gray (editor)-Integrated Models of Cognitive Systems-Oxford University Press Cognitive Models and Architectures, USA - 2007
2. Modeling and Simulation in Science, Engineering and Technology Robert J. Smith (auth.), Andreas Deutsch, Rafael Bravo de la Parra, Rob J. de Boer, Odo Diekmann, Peter Jagers, Eva Kisdi, Mir - 2008
3. Dieter_Jaeger, Ranu Jung_(eds.)Encyclopedia of Computational Neuroscience - 2015
4. Eileen J.Sampson, Donald R. Glevins Encyclopedia of Neuroscience Research. - 2012
5. Oliphant T. E. Python for scientific computing // Computing in Science & Engineering. -2007.
6. E. Oorschot Dorothy. The percentage of interneurons in the dorsal striatum of the rat, cat, monkey and human: A critique of the evidence // Elsevier. - 2012
7. Austvoll, K. Topology User Manual. NEST Initiative. - 2009
8. Cannon, R. C., Gewaltig, M.-O., Gleeson, P., Bhalla, U. S., Cornelis, H., Hines, M. L., Howell, F. W., Muller, E., Stiles, J. R., Wils, S., and Schutter, E. D.
Interoperability of neuroscience modeling software: current status and future directions. Neuroinformatics 5 - 2007
9. Binzegger, T., Douglas, R. J., and Martin, K. A. C. A quantitative map of the circuit of cat primary visual cortex. J. Neurosci. 24 - 2004
10. Craver, C. F. Explaining the Brain: Mechanisms and the Mosaic Unity of Neuroscience. New York, Oxford University Press. - 2007
11. Dantzker, J. L., and Callaway, E. M. Laminar sources of synaptic input to cortical inhibitory interneurons and pyramidal neurons. Nat. Neurosci. 3 - 2000
12. Davison, A., Bruderle, D., Eppler, J., Kremkow, J., Muller, E., Pecevski, D., Perrinet, L., and Yger, P. PyNN: a common interface for neuronal network simulators. Front. Neuroinform. - 2008
13. Djurfeldt, M., and Lansner, A. 1st INCF workshop on large-scale modeling of the nervous system. Available from Nature Precedings - 2007
14. Eppler, J. M., Helias, M., Muller, E., Diesmann, M., and Gewaltig, M.-O. PyNEST: a convenient interface to the NEST simulator. Front. Neuroinform. - 2008
15. Hill, S. L., and Tononi, G. Modeling sleep and wakefulness in the thalamocortical system. J. Neurophysiol. - 2005
16. Troyer, T. W., Krukowski, A. E., Priebe, N. J., and Miller, K. D. Contrast-invariant orientation tuning in cat visual cortex: thalamocortical input tuning and correlation-based intracortical connectivity. J. Neurosci. - 1998
17. Visual Responses of Neurons in the Middle Temporal Area of New World Monkeys after Lesions of Striate Cortex Marcello G. P. Rosa, Rowan Tweedale, and Guy N. Elston1 The Journal of Neuroscience, 15 July 2000
18. Ashby F Gregory, Crossley J. A computational model of how cholinergic interneurons protect striatal-dependent learning. // Journal of cognitive neuroscience. — 2011
19. E. Oorschot DOROTHY. Total Number of Neurons in the Neostriatal, Pallidal, Subthalamic, and Substantia Nigral Nuclei of the Rat Basal Ganglia: A Stereological Study Using the Cavalieri and Optical Disector Methods // Comparative neurology. — 1996.
20. Herculano-Houzel Suzana, Lent Roberto. Isotropic fractionator: a simple, rapid method for the quantification of total cell and neuron numbers in the brain. // The Journal of neuroscience : the official journal of the Society for Neuroscience. — 2005
21. Velasco, M., Velasco, F., Velasco, A. L., Jimenez, F., Brito, F., and Marquez, I. Acute and chronic electrical stimulation of the centromedian thalamic nucleus: modulation of reticulo-cortical systems and predictor factors for generalized seizure control. Arch. Med. Res. 31 - 2000
22. Degos, B., Deniau, J. M., Thierry, A. M., Glowinski, J., Pezard, L., and Maurice, N. Neuroleptic-induced catalepsy: electrophysiological mechanisms of functional recovery induced by high-frequency stimulation of the subthalamic nucleus - 2005