Beynin Sinaptik Yapılarında Anıları Depolamak İçin Hesaplamalı Bir Model
Ani zamanlamaya bağlı plastisite (STDP), beynin farklı uyaranlardan bilgi öğrenebileceği bir mekanizma olarak yaygın olarak kabul edilmektedir. Sinaptik değişiklikleri presinaptik ve postsinaptik artışlar arasındaki zamanlamaya dayandırmak, bir ağ içinde katkıda bulunan kenarları geliştirir. STDP kuralları ağların evrimini kontrol ederken, çoğu araştırma öğrenilen bilgileri değerlendirirken hızlanma oranlarına veya belirli etkinleştirme yollarına odaklanır. Bununla birlikte, STDP yapısal ağırlıkları arttırdığından, sinapslar gömülü bilgiyi de içerebilir. Görüntüleme çalışmaları, STDP’ye bağlı sinapslardaki fiziksel değişiklikleri gösterirken, bu değişiklikler bir uyarıcının gömme kapasitelerine dayanarak sorgulanmamıştır. Burada, biyolojik özelliklere ve STDP kurallarına sahip ağların, uyaranları hakkındaki bilgileri sinaptik ağırlıklarına yerleştirebileceğini gösteriyoruz. Binlerce bağımsız ağın sinaptik ağırlıkları üzerinde bir k-en yakın komşu algoritması kullanarak, uyaranlarını yerel komşulara dayalı olarak yüksek doğrulukla tanımlamak için ağ yapısının uyaran bilgilerini depolayabildiğini gösteriyoruz. Ani hızlar ve zamanlamalar faydalı olmaya devam ederken, yapısal yerleştirmeler bilgiyi biyolojik bir ağ içinde entegre etmenin yeni bir yolunu temsil ediyor. Sonuçlarımız, bu değişiklikleri doğrudan gözlemlemenin bir değeri olabileceğini göstermektedir. Bu yapısal değişiklikleri izlemek için hesaplamalı uygulamaların ötesinde, bu analiz aynı zamanda sinirbilim araştırmalarına da bilgi verebilir. Astrositlerin beyindeki sinapsları entegre etme ve bu bilgiyi başka bir yere iletme potansiyeli üzerine araştırmalar devam etmektedir. Ek olarak, bu sinaptik gömülmelerin gözlemleri, geçici epileptik amnezi gibi mevcut paradigmalarla açıklanması zor olan bellek bozuklukları için yeni tedavilere yol açabilir.
