Fascinerande ny neurovetenskaplig modell förutsäger intelligens genom att kartlägga hjärnans interna klockor
Fascinerande ny neurovetenskaplig modell förutsäger intelligens genom att kartlägga hjärnans interna klockor Pixabay CCO
En ny studie inom neurovetenskap visar att hjärnan bearbetar information mycket effektivt genom att samordna sina fysiska nervkopplingar med de olika hastigheter som råder i olika hjärnregioner. Studien, publicerad i Nature Communications, presenterar ett matematiskt ramverk som kopplar samman hjärnans strukturella nätverk med tidpunkten för dess elektriska signaler. Resultaten visar att modeller som tar hänsyn till dessa varierande interna hastigheter kan förutsäga individuella kognitiva förmågor bättre än traditionella modeller.
Utgångspunkten för studien är begreppet connectome – den fullständiga kartan över hjärnans nervkopplingar. Hjärnan består av miljarder neuroner som binds samman av ett tätt nätverk av vit substans. Denna struktur fungerar som ett vägsystem för hjärnaktivitet. Även om kopplingarna är relativt stabila, förändras aktiviteten som rör sig genom dem ständigt.
Olika delar av hjärnan arbetar i olika tempo. Sensoriska områden som bearbetar syn och hörsel måste reagera nästan omedelbart, medan regioner för abstrakt tänkande och beslutsfattande integrerar information över längre tid. Dessa skillnader kallas hjärnans intrinsiska neurala tidsskalor.
Tidigare modeller inom så kallad nätverkskontrollteori har ofta förenklat hjärnans funktion genom att anta att alla regioner arbetar i samma takt. Forskarna bakom den nya studien utvecklade i stället en modell där varje hjärnregion tilldelas sin egen tidsskala, härledd direkt från observerad hjärnaktivitet. Med hjälp av hjärnavbildningsdata från Human Connectome Project lät de en algoritm lära sig hur snabbt aktiviteten i olika områden klingar av.
Resultatet visade att modellen med varierande tidsskalor krävde betydligt mindre så kallad kontrollenergi för att simulera övergångar mellan olika hjärntillstånd. Det innebär att hjärnan, genom att matcha lokal bearbetningshastighet med sin globala struktur, minimerar den metabola kostnaden för tänkande och reaktion. Den optimerade modellen kunde dessutom styra hjärnans tillstånd genom att aktivera färre regioner, vilket antyder hur lokala signaler kan få globala effekter.
Forskarna validerade modellen biologiskt genom att jämföra de beräknade tidsskalorna med genuttryck i hjärnbarken. De fann starka samband mellan snabba tidsskalor och gener kopplade till parvalbumin-neuroner (snabb signalering), samt mellan långsamma tidsskalor och somatostatin-neuroner (långsammare reglering). Detta visar att modellen fångar verkliga cellulära egenskaper, trots att den enbart baseras på bilddata.
Liknande resultat uppnåddes även i studier på möss, vilket tyder på att samordningen mellan hjärnans struktur och tidsskalor är en grundläggande och evolutionärt bevarad princip.
När modellen anpassades till enskilda individer visade det sig att personer vars hjärnstruktur och tidsskalor var bättre anpassade till varandra hade mer dynamisk hjärnaktivitet. Den optimerade modellen var också bättre än traditionella modeller på att förutsäga resultat på kognitiva tester, särskilt inom flytande intelligens och spatial förmåga.
Forskarna påpekar dock begränsningar, bland annat att magnetkameradata har låg tidsupplösning jämfört med verklig neural aktivitet och att riktningen på nervsignaler i människohjärnan inte kan fastställas exakt. Trots detta ger studien ett kraftfullt nytt ramverk.
Framöver kan modellen användas för att studera hjärnans utveckling, åldrande samt neuropsykiatriska tillstånd som schizofreni och autism, där en möjlig obalans mellan hjärnans struktur och dess tidsmässiga bearbetning kan spela en central roll.
Källa: psypost.org
Relaterade länkar