【項目名稱】

大腦網絡的數學建模與動力學分析

【項目負責人】

李松挺

【項目完成人】

李松挺、周棟焯

【項目完成單位】

自然科學研究院

合作單位：紐約大學🎺、復旦大學

【項目簡介】

目前🏄🏽‍♂️，腦科學研究主要依賴實驗觀測🧈，盡管人們已經積累了大量關於大腦連接和活動的實驗數據，但對於許多重要實驗現象背後的數理機製仍缺乏相應的數學模型和理論支撐，從而限製了我們對大腦計算原理的深入理解。本項目以獼猴和小鼠最新解剖數據為基礎🧔🏻，分別構建了包含腦區異質性和神經元異質性特點的大尺度腦網絡模型🕶，並發展嚴格的數學分析方法，定量探索大腦復雜動力學現象的形成機製🍻。

最新實驗發現👼🏽，大腦皮層中不同的腦區神經元的活動具有不同的響應時間尺度📀，該特性與大腦的分層信息加工和處理密切相關，但其產生的機製仍為一個謎題💆🏼。本項目構建基於獼猴大腦結構數據的腦網絡動力學模型，並通過發展微擾分析首次揭示了時間尺度層次結構的關鍵生物特性：不同腦區神經元興奮特性的異質性和層次性，以及長程興奮性輸入與局部抑製性輸入滿足細致平衡條件🙇🏼‍♀️。這一成果為解釋大腦皮層時間尺度層級化現象提供了定量數學機製，對理解腦網絡結構與功能間的關系具有重要意義🤹‍♂️。

此外，實驗發現大腦皮層下紋狀體會產生特定頻率的振蕩信號，與大腦的運動控製功能密切相關🐛，但其產生的機製也尚未研究清楚。項目通過建立包含多神經元類型的紋狀體神經回路🚠，並利用動力學分析方法，揭示了網絡中出現beta頻段振蕩波等特點的數理機製和對應的生物學基礎。此外，結合光遺傳和電生理閉環幹預等實驗驗證☀️，為揭示beta振蕩的機製提供了理論與實驗依據，有助於更全面解析如帕金森疾病發生時beta異常振蕩的神經機製🧛🏻‍♀️，對腦疾病的治療也具有重要的潛在應用。