Wyjaśnianie zagadnień związanych z obwodami neuronalnymi
Ostatnio odkryto pewne korelaty neuronalne wysokopoziomowych funkcji poznawczych, takich jak podejmowanie decyzji, pamięć robocza, percepcja wzrokowa i uwaga. Wspomagani przez nowe techniki rejestracyjne neurofizjologowie uzyskują kluczowe informacje o mechanizmach neuronalnych percepcji obiektów, pewności co do słuszności decyzji i postrzegania czasu. Dzięki tym technikom rejestracji neuronalnej po raz pierwszy istnieje możliwość odkrycia niektórych skomplikowanych mechanizmów, leżących u podstaw zjawisk psychologicznych. Niestety interpretacja danych jest często utrudniona w związku z ich obfitością oraz skomplikowaniem. Ciągle też brakuje schematu teoretycznego do spójnej interpretacji danych neuronalnych. Aby opisać i zrozumieć skomplikowane, wielowymiarowe dane neuronalne uzyskane dzięki najnowocześniejszym technikom rejestracyjnym, istnieje potrzeba stworzenia nowych schematów matematycznych, które byłyby algorytmicznie wydajne i jednocześnie uwzględniały naszą wiedzę o elektrofizjologii neuronów. Uczestnicy projektu CONEURON (Drawing neuronal circuits without seeing them) połączyli neuronaukę obliczeniową z analizą danych neuronalnych i behawioralnych, aby (a) opisać wielowymiarowe dane neuronalne, (b) wyjaśnić, jak sieci neuronalne mogą generować nietrywialne zachowania, (c) przewidzieć oddziaływania neuronalne z zaobserwowanych wzorców aktywności oraz (d) skorelować wzorce aktywności ze zjawiskami psychologicznymi. Biorąc pod uwagę szeroki zakres napotykanych problemów i różnorodność wymaganych metod, projekt ten jest wyraźnie interdyscyplinarny. Korzysta on z technik zaczerpniętych z fizyki, matematyki i neuronauki. Wyjaśnienie, jak działa mózg, obejmuje szczegółowe poznanie połączeń nerwowych oraz sygnalizacji. Wyniki badania CONEURON wspomogły ten cel i zostały opublikowane w kilku prestiżowych czasopismach naukowych, włączając w to Nature Neuroscience oraz PLoS Comp Biol.
Słowa kluczowe
Obwody neuronalne, dynamika neuronalna, połączenia czynnościowe, współzależności, informacja
