Analiza i modelowanie dynamiczne synchronizacji wyładowań w elektrycznie połączonych dwukompartmentowych sieciach neuronowych

Dlaczego to badanie mózgu ma znaczenie

Nasz mózg działa dzięki temu, że wiele małych sieci komórek nerwowych wymienia informacje. W tym badaniu pokazano, jak naukowcy mogą połączyć ze sobą małe, hodowane w naczyniu sieci przypominające mózg, obserwować, jak ich aktywność staje się bardziej zsynchronizowana, i użyć narzędzi matematycznych, aby zrozumieć, jak ta wspólna aktywność powstaje i utrzymuje się nawet po przerwaniu połączenia.

Budowa miniaturowego laboratorium mózgowego

Naukowcy stworzyli specjalny układ scalony, który mieści dziesiątki oddzielnych grup komórek nerwowych, każdą w osobnej małej kwadratowej komorze. Pod każdą komorą znajdują się metalowe pady, które nasłuchują aktywności elektrycznej, podobnie jak mikrofony nasłuchujące tłumu. Kluczowym elementem jest sterowalny układ przełączający, który pozwala w razie potrzeby elektrycznie połączyć wybrane pary komór. Takie rozwiązanie pozwala zespołowi zacząć od całkowicie oddzielnych sieci, następnie przełączyć połączenie, a potem je rozłączyć — wszystko to przy jednoczesnym szczegółowym rejestrowaniu ich elektrycznej „gawędy”.

Pomiary wzajemnego wyładowywania sieci

Aby zobaczyć, co się zmienia po połączeniu dwóch sieci, badacze porównali trzy fazy: przed połączeniem, w trakcie połączenia i po rozłączeniu. Skupili się na tym, jak precyzyjnie zgrywają się w czasie serie wyładowań, jak podobne są ogólne wzorce aktywności oraz jak dobrze rytmy powolnych sygnałów tła pozostają w fazie. We wszystkich pięciu testowanych parach sieci połączenie elektryczne sprawiło, że wyładowania były bardziej wyrównane czasowo, wzorce aktywności silniej skorelowane, a powolne fale bardziej sprzężone fazowo. Innymi słowy, dwie grupy zachowywały się mniej jak nieznajome, a bardziej jak partnerzy dzielący wspólny rytm.

Zaskakujący efekt po odcięciu łącza

Mogłoby się wydawać, że po usunięciu mostu elektrycznego każda sieć wróci po prostu do pierwotnego, niezależnego stanu. Tymczasem badacze zaobserwowali, że wspólne timingowanie nie zniknęło całkowicie. Wszystkie trzy miary skoordynowanej aktywności spadły z wartości szczytowych po rozłączeniu, ale pozostały wyraźnie wyższe niż na początku. To utrzymujące się zjawisko synchronii sugeruje, że sieci dostosowały swój stan wewnętrzny podczas bycia połączonymi. Krótkotrwałe zmiany w sile istniejących połączeń, przesunięcia w warunkach chemicznych wokół komórek lub reorganizacja ich zbiorowych rytmów mogą pomóc zachować część wspólnego wzorca nawet po usunięciu zewnętrznego okablowania.

Użycie matematyki do powiązania sprzętu z zachowaniem mózgu

Aby powiązać eksperymenty sprzętowe z teorią, zespół zbudował uproszczony model matematyczny oparty na powszechnie stosowanych równaniach opisujących interakcje grup pobudzających i hamujących komórek nerwowych. Dodali składnik sprzężenia, który reprezentuje sztuczną ścieżkę elektryczną między dwiema sieciami, i regulowali jego siłę. W miarę zwiększania tego sprzężenia modelowane sieci płynnie przechodziły od niezależnego zachowania do silniejszej, lecz wciąż niepełnej synchronizacji, co wiernie odzwierciedlało rzeczywiste dane. Model oddaje też, jak pewne efektywne sprzężenie może pozostawać po usunięciu fizycznego łącza, oferując konceptualny sposób opisania zaobserwowanego efektu resztkowego jako przejścia układu do nowego, częściowo wspólnego stanu.

Co wyniki znaczą dla przyszłych technologii mózgowych

Dla ogólnego czytelnika kluczowy wniosek jest taki, że sieci przypominające mózg można skierować ku bardziej skoordynowanemu zachowaniu za pomocą prostych, programowalnych połączeń elektrycznych, a ta krótka wymuszona współpraca pozostawia ślad w późniejszym działaniu sieci. Praca dostarcza zarówno fizycznej platformy, jak i matematycznego języka do badania, jak oddzielne populacje neuronalne stają się funkcjonalnie połączone i jak ich współpraca może być regulowana. Takie wnioski mogą mieć znaczenie dla przyszłych interfejsów mózg-komputer, narzędzi rehabilitacyjnych i syntetycznych systemów neuronalnych, pokazując, jak skłonić rozproszone sieci do współpracy bez wymazywania ich odrębnej tożsamości.

Cytowanie: Lu, C., Jiang, L., Jia, Q. et al. Analysis and dynamic modeling of firing synchronization in electrically interconnected dual-compartment neuronal networks. Microsyst Nanoeng 12, 196 (2026). https://doi.org/10.1038/s41378-026-01309-x

Słowa kluczowe: sieci neuronowe, sprzężenie elektryczne, synchronizacja, interfejs mózg-komputer, plastyczność neuronalna