English

Promptul de astăzi se referă la un mister științific nerezolvat din domeniul nostru. În neuroștiință, întregul creier este, practic, un mister nerezolvat. Pur și simplu nu îl înțelegem. Dar astăzi am dori să vorbim despre un mister din chiar această propoziție.

Considerăm că discuția din jurul înțelegerii noastre a creierului nu se limitează doar la cât de avansată este această înțelegere, ci include și așteptările pe care le avem atunci când dorim să putem înțelege acest organ și funcțiile sale. Există adesea o presupunere implicită conform căreia „a înțelege” înseamnă în mod natural „a fi capabil să explici în termeni simpli” și „a face abstracție de ceea ce nu este necesar”. Împrumutat mai ales din fizică, unde conceptele pot fi explicate prin ecuații oarecum simple, din păcate nu este clar dacă același lucru va fi valabil și pentru neuroștiințe.

Până relativ recent, o modalitate de a încerca să explici cu ușurință funcțiile neurologice era să încerci să descrii unități mai mici ale creierului (și să presupui, într-o anumită măsură, că rezultatele pot fi extrapolate). Neuroștiința empirică se axa în principal pe studiul diferitelor componente ale creierului în mod izolat, fie că era vorba de neuroni sau de regiuni corticale. Modelarea computațională a urmat o tendință similară: cercetătorii au încercat să reducă aceste componente la minimum, presupunând astfel că lucruri precum forma sau tipul de neuron nu erau importante pentru procesele cerebrale. De exemplu, o abordare populară în ceea ce privește simularea neuronilor individuali a fost aceea de a presupune că aceștia sunt puncte, eliminând astfel atât dendritele, cât și axonii. Însă o lucrare publicată anul acesta susține că ignorarea dendritelor este o greșeală. Un alt exemplu, de data aceasta la nivel regional, a arătat că construirea unui model realist din punct de vedere anatomic al hipocampului (o regiune a creierului importantă pentru consolidarea memoriei) este superioară unui model care presupune că neuronii sunt distribuiți și conectați uniform în această rețea.

Bineînțeles, abstractizarea are rolul ei. Un subdomeniu al neuroștiinței computaționale a reușit să construiască simulări de bază ale creierului care se folosesc de acest lucru. Practic, în loc să simuleze fiecare neuron din creier, modelarea de tip mean-field înlocuiește acest lucru cu o singură variabilă care descrie activitatea unei întregi populații. Pentru a înțelege un pic mai bine, imaginează-ți că ai dori să trasezi pe o hartă calea de migrație a unui stol de păsări. Ai putea trasa cu grijă 1000 de trasee ușor diferite, corespunzătoare fiecărei păsări din stol. Sau ai putea presupune că stolul se deplasează ca o unitate și să trasezi o singură linie. Această abordare a avut deja succes în ceea ce privește înțelegerea proceselor dinamice ale creierului. Cu toate acestea, deși complexitatea este redusă considerabil, aceste modele rămân incredibil de complicate, deoarece, de obicei, au mulți parametri care interacționează într-un mod neliniar și, prin urmare, complex. În plus, orice model de tip mean-field dat poate fi teoretic extins pentru a include și mai multe detalii care îl fac mai realist, dar și mai greu de analizat.

În concluzie, în prezent este neclar dacă creierul poate fi explicat în termeni simpli și numai timpul ne va spune cât de ușor de înțeles va fi cunoașterea sa. Dar, din poziția actuală, înclinăm mai degrabă spre viziunea complexă.

Cum ți s-a părut această postare? Scrie-ne în comentariile de mai jos.

Ca de obicei, nu uita să ne urmărești pe Instagram, Mastodon sau Facebook pentru a fi la curent cu cele mai recente postări.

Ar putea să-ți placă și:

Referințe (în engleză)

Aussel, A., Buhry, L., Tyvaert, L., & Ranta, R. (2018). A detailed anatomical and mathematical model of the hippocampal formation for the generation of sharp-wave ripples and theta-nested gamma oscillations. Journal of computational neuroscience, 45(3), 207-221.

Byrne, Á., O’Dea, R. D., Forrester, M., Ross, J., & Coombes, S. (2020). Next-generation neural mass and field modeling. Journal of neurophysiology, 123(2), 726-742.

Larkum, M. E. (2022). Are dendrites conceptually useful?. Neuroscience, 489, 4-14.