Мозг чаще всего моделируют как сеть активных элементов-нейронов. Однако из-за большого числа параметров оказывается невозможным проанализировать и согласовать с экспериментальными данными такую биофизически-подробную модель. С другой стороны, сильно упрощённые модели нейронных популяций (модели среднего поля) раскрывают принципы работы мозга, но связь их параметров с исходными параметрами сети остаётся неизвестной, а также неизвестной оказывается роль феноменологически введённых предположений. Поэтому важной задачей является установление связи между сложными и простыми моделями. Мы построили последовательную редукцию моделей зрительной коры, состоящей из функциональных единиц — ориентационных гиперколонок (Рис. 1А). В основе анализа лежит переход от рассмотрения единичных частиц-нейронов к их статистическому ансамблю и использование уравнений для функции распределения вероятности. Редукция последовательно уменьшает число параметров, связывает их между собой и выявляет качественные различия поведения моделей, которые являются следствиями их упрощений (Рис. 1Б). Компактные выражения для параметров четко идентифицируют влияние конкретных электрофизиологических и анатомических факторов на режимы активности, в частности, как проявляется инвариантность к контрасту изображения и эффекты-иллюзии. Предложенная методология может быть применена к другим нейронным системам с соответствующими модификациями.

Публикации

1. Chizhov A.V., Graham L.J. A strategy for mapping biophysical to abstract neuronal network models applied to primary visual cortex. PLoS Computational Biology, 2021, https://doi.org/10.1371/journal.pcbi.1009007