Анализ и динамическое моделирование синхронизации разрядов в электрически связанных нейронных сетях с двумя компартментами

Почему это исследование мозга важно

Наш мозг работает за счёт того, что многие небольшие сети нервных клеток обмениваются сигналами. В этом исследовании показано, как учёные могут проводами связать крошечные мозгоподобные сети, выращенные в чашке, наблюдать, как их активность становится более синхронной, и применять математику, чтобы понять, как это общее поведение возникает и сохраняется даже после разрыва соединения.

Создание мини‑лаборатории проводного мозга

Исследователи разработали специальный чип, в котором размещены десятки отдельных групп нервных клеток, каждая в собственной маленькой квадратной камере. Под каждой камерой расположены металлические контакты, улавливающие электрическую активность, подобно микрофонам, слушающим толпу. Существенно, что в чип встроена управляемая коммутационная схема, позволяющая по запросу электрически соединять выбранные пары камер. Такая конфигурация даёт возможность начать с полностью изолированных сетей, затем замкнуть между ними связь и позже разомкнуть её, одновременно подробно регистрируя их электрическое «болтовню».

Измерение совместного разрядов

Чтобы увидеть, что меняется при соединении двух сетей, команда сравнила три фазы: до связи, во время связи и после разъединения. Они сосредоточились на том, насколько точно во времени выравниваются всплески электрических разрядов, насколько похожи общие паттерны активности и насколько синхронны ритмы медленных фоновых сигналов. Во всех пяти протестированных парах сетей электрическое соединение сделало разряды более точно выровненными, паттерны активности — более сильно скоррелированными, а медленные волны — более фазово зафиксированными. Иными словами, две группы стали вести себя меньше как посторонние и больше как партнёры, разделяющие общий ритм.

Неожиданный эффект после разрыва связи

Можно было бы ожидать, что после удаления электрического моста каждая сеть просто вернётся в своё исходное независимое состояние. Вместо этого исследователи обнаружили, что общая синхронность полностью не исчезла. Все три показателя координированной активности снизились с пиковых значений после разъединения, но остались явно выше, чем в начале. Эта сохраняющаяся синхронность указывает на то, что сети изменили своё внутреннее состояние во время соединения. Кратковременные изменения в силе существующих связей, сдвиги в химических условиях вокруг клеток или реорганизация их коллективных ритмов могут способствовать удержанию части этого общего паттерна даже после того, как внешняя проводка исчезла.

Использование математики для связи аппаратуры и поведения мозга

Чтобы связать аппаратные эксперименты с теорией, команда создала упрощённую математическую модель, основанную на широко используемых уравнениях, описывающих взаимодействие возбуждающих и тормозящих нервных популяций. Они добавили член сцепления, который имитирует искусственный электрический путь между двумя сетями, и регулировали его силу. По мере увеличения этого параметра в модели сымитированные сети плавно переходили от независимого поведения к более сильной, но всё ещё неполной синхронизации, что тесно отражает реальные данные. Модель также отражает то, как некоторое эффективное сцепление может сохраняться и после снятия физической связи, предлагая концептуальное объяснение наблюдаемого остаточного эффекта как перехода системы в новое, частично общее состояние.

Что эти результаты значат для будущих технологий мозга

Для неспециалиста ключевая мысль такова: мозгоподобные сети можно направлять к более координированному поведению с помощью простых программируемых электрических связей, и это кратковременное принудительное «партнёрство» оставляет след в дальнейшем поведении сетей. Работа предоставляет как физическую платформу, так и математический язык для изучения того, как отдельные нейронные популяции становятся функционально связанными и как их сотрудничество можно тонко настраивать. Такие выводы могут помочь в разработке будущих интерфейсов «мозг‑компьютер», реабилитационных инструментов и синтетических нейронных систем, показывая, как подтолкнуть распределённые сети к совместной работе, не стирая их индивидуальности.

Цитирование: 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

Ключевые слова: нейронные сети, электрическое связывание, синхронизация, интерфейс «мозг‑компьютер», нейронная пластичность