Cientistas propõem novas diretrizes para descrever a conectividade de rede

Spiking simulações de rede de neurônios de uma rede aleatória balanceada com (A) grau de entrada fixo e (B) grau de saída fixo. Canto superior esquerdo: os gráficos raster mostram tempos de pico de 50 de 10.000 neurônios excitatórios (E) e 50 de 2.500 neurônios inibitórios (I). Inferior esquerdo: taxa de pico resolvida no tempo do histograma de contagem de picos ao longo do tempo com largura do compartimento temporal de 5 ms. Canto superior direito: taxa de pico por neurônio do histograma de contagem de pico para neurônios individuais. Inferior direito: Distribuição normalizada de taxas de pico por neurônio com largura de compartimento de 2/s. Crédito: Biologia Computacional PLOS (2022). DOI: 10.1371/journal.pcbi.1010086

Pesquisadores que trabalham com modelos de redes neuronais – representações simplificadas de cérebros – precisam “falar a mesma linguagem” para que seus resultados possam ser compreendidos e reproduzidos. Cientistas do Projeto Cérebro Humano agora propõem diretrizes para a descrição inequívoca da conectividade de rede.

As diretrizes são baseadas em conceitos em uso na comunidade de neurociência computacional. Para fornecer uma compreensão intuitiva das propriedades da rede, eles também propõem uma notação gráfica para diagramas de rede unificando estilos de diagramas existentes.

Os pesquisadores descobriram que as descrições publicadas de conectividade de rede são muitas vezes incompletas e imprecisas. Isso, por sua vez, pode levar a previsões erradas da atividade da rede ao tentar reproduzir os resultados do modelo, pois mesmo pequenas diferenças entre as regras podem levar a diferentes dinâmicas de rede.

“Definições precisas de regras de conectividade são cruciais para a implementação algorítmica correta e eficiente de uma rede em simuladores”, disse a neurocientista Johanna Senk, principal autora do estudo. Os pesquisadores esperam que o diretrizes eles propõem aumentará a reprodutibilidade, porque garantirão que, quando dois neurocientistas usam o mesmo termo ou símbolo, eles significam a mesma coisa.

Essa consistência também é um fator importante para superar a atual barreira da complexidade, observa o Prof. Sacha van Albada de Forschungszentrum Jülich, chefe do grupo de pesquisa “Neuroanatomia Teórica”. Mais neuronal rede modelos que foram desenvolvidos até agora ainda têm complexidade limitada. Mas a nova infraestrutura de pesquisa digital EBRAINS construída pelo HBP está agora tornando modelos cada vez mais complexos gerenciáveis ​​para cientistas individuais, como aponta Sacha van Albada.

A pesquisa é publicada em Biologia Computacional PLOS.