DOI: https://doi.org/10.1371/journal.pcbi.1013465
PMID: https://pubmed.ncbi.nlm.nih.gov/41678598
تاريخ النشر: 2026-02-12
المؤلف: David Angulo‐García وآخرون
الموضوع الرئيسي: ديناميات الأعصاب ووظيفة الدماغ
نظرة عامة
في هذه الدراسة، يستكشف المؤلفون آلية جديدة لتحقيق التوازن بين الإثارة وال inhibition في الشبكات العصبية المتكررة، مع التركيز على دور الاكتئاب المشبكي قصير المدى (STD) على المشابك المثيرة. على عكس آليات التوازن الكلاسيكية التي تعتمد على المدخلات الخارجية القوية للحفاظ على معدلات إطلاق محدودة، تتيح الآلية المقترحة توازنًا ديناميكيًا لنشاط الشبكة دون الحاجة إلى مثل هذه المدخلات. من خلال المحاكاة العددية والتحليل النظري لشبكة مرتبطة بشكل كبير من نماذج الخلايا العصبية ذات المعدل $N$، يحدد الباحثون نظامين ديناميين متميزين بناءً على قوة المشبك $J_0$: نقطة ثابتة متجانسة للقيم الصغيرة من $J_0$ وفوضى المعدل للقيم الأكبر.
تكشف التحقيقات أنه مع زيادة حجم الشبكة $N$، يضيق نطاق الانتقال بين الحل المتجانس المستقر وفوضى المعدل في النهاية ويختفي في الحد الديناميكي الحراري ($N \to \infty$). باستخدام أساليب الحقل الديناميكي (DMF)، يؤكد المؤلفون أن هذه الآلية التوازنية يمكن أن تحافظ على نشاط غير منتظم حتى في الشبكات الكبيرة، مع إلغاء الديناميكية لارتباطات المدخلات مما يسهل هذا التوازن. تشير النتائج إلى أن STD يعمل كآلية تنظيم ذاتي داخلية، مما يمكّن الشبكات المتوازنة من الحفاظ على ديناميات قوية ومستقرة، وبالتالي يوفر رؤى قيمة حول المبادئ التشغيلية للدارات القشرية.
مقدمة
تتناول مقدمة هذه الورقة البحثية تناقض إطلاق الخلايا العصبية غير المنتظم في القشرة، والذي يحدث على الرغم من انخفاض معدلات الإطلاق المتوسطة والمدخلات المشبكية المستمرة. يتم حل هذا التناقض من خلال مفهوم توازن الإثارة-التثبيط، حيث تعمل الخلايا العصبية عند أو بالقرب من العتبة بسبب توازن المدخلات المثيرة والمثبطة. ومع ذلك، تظل الآليات التي يتم من خلالها تحقيق هذا التوازن غير واضحة، خاصة في الدوائر العصبية غير المتجانسة. قدمت مساهمة محورية من Van Vreeswijk & Sompolinsky في عام 1996 آلية توازن ديناميكية في الشبكات العصبية النادرة، مقترحة أن النشاط الفوضوي غير المتزامن يمكن أن يظهر دون ضبط دقيق للمعلمات، شريطة أن تتلقى الخلايا العصبية عددًا كافيًا من المدخلات المثيرة والمثبطة.
تسلط الانتقادات الحديثة لهذا النموذج الضوء على ضرورة وجود تيارات خارجية قوية للحفاظ على الديناميات المتوازنة، وهو ما يتناقض مع الأدلة التجريبية التي تشير إلى أن المدخلات الأمامية في الدوائر القشرية قابلة للمقارنة مع إجمالي المدخلات المشبكية. وقد أدى ذلك إلى استكشاف آلية توازن جديدة تعتمد على التكيف المشبكي، وتحديدًا الاكتئاب المشبكي قصير المدى (STD)، الذي يمكن أن يحافظ على الديناميات المتوازنة دون الحاجة إلى تيارات خارجية قوية. تبحث الورقة في ديناميات نماذج الشبكات ذات معدل الإطلاق تحت هذه الآلية الجديدة، كاشفة عن طيف من أنظمة النشاط والانتقالات من حالات ثابتة متجانسة إلى فوضى المعدل. تكمل التحليلات النظرية باستخدام نظرية المصفوفات العشوائية وأساليب الحقل الديناميكي (DMF) التحقيقات العددية، مما يسمح بالحصول على رؤى حول سلوك الشبكات الكبيرة ودور STD في الحفاظ على توازن الإثارة-التثبيط.
الطرق
في هذا القسم، يقوم المؤلفون بإجراء تحليل استقرار للاضطرابات غير المتجانسة من خلال توسيع النتائج السابقة لتوصيف طيف القيم الذاتية لمصفوفة جاكوب \( DF_{het} \). يتكون الطيف من كتلة كثيفة من القيم الذاتية داخل قرص في المستوى المركب مركزي عند (-1، 0) مع نصف قطر \( r \)، وقيمتين ذاتيتين شاذتين \( \lambda_{out}^{\pm} \)، وقيمة ذاتية حقيقية \( \lambda_Q \) ذات جزء حقيقي سالب وتعددية \( N_E \). يتم تحديد استقرار النقطة الثابتة من خلال كتلة القيم الذاتية، مع تحقيق الاستقرار الخطي عندما يكون \( r < 1 \) وحدوث عدم الاستقرار عند \( r = 1 \). يتم التعبير عن نصف القطر \( r(J_0) \) من حيث القوة المشبكية العالمية \( J_0 \) ومعلمات أخرى، مما يؤدي إلى معامل الربط الحرج \( J_c \) المحدد بشرط \( r(J_c) = 1 \). تكشف المقارنات العددية أن طيف القيم الذاتية يتماشى جيدًا مع التنبؤات من نظرية المصفوفات العشوائية، خاصة بالنسبة لكتلة القيم الذاتية، التي تلتزم بقانون جيركو الدائري. يشير المؤلفون إلى أنه على الرغم من وجود اختلافات للقيم الذاتية الشاذة، إلا أنها لا تؤثر على الاستقرار. يظهر الربط الحرج \( J_c \) علاقة غير أحادية مع المعامل \( I_0 \)، حيث يتقارب \( J_c \) إلى حوالي 1.10 مع زيادة حجم الشبكة \( N \)، بغض النظر عن \( I_0 \). يبرز هذا التحليل أهمية سلوك القيم الذاتية في تحديد انتقالات الاستقرار في النظام.
النتائج
يقدم قسم “النتائج” النتائج الرئيسية للدراسة، مسلطًا الضوء على النتائج المهمة المستمدة من الإجراءات التجريبية أو التحليلية المستخدمة. تشير البيانات إلى وجود ارتباط واضح بين المتغيرات قيد الدراسة، حيث تؤكد التحليلات الإحصائية قوة هذه العلاقات. من الجدير بالذكر أن النتائج تظهر أن التدخل المطبق يؤدي إلى تحسين ملحوظ في النتائج المقاسة، كما يتضح من المقاييس الكمية المستخلصة.
علاوة على ذلك، تكشف التحليلات أن ظروفًا أو معلمات معينة تؤثر بشكل كبير على النتائج، مما يشير إلى طرق محتملة لمزيد من البحث. تدعم النتائج التمثيلات الرسومية، التي توضح الاتجاهات والأنماط التي تعزز الاستنتاجات المستخلصة. بشكل عام، تسهم النتائج في تقديم رؤى قيمة في هذا المجال، مما يبرز أهمية المتغيرات المدروسة وتفاعلاتها.
المناقشة
يقدم قسم الورقة البحثية المناقشة تحليلًا مفصلًا لنموذج شبكة عصبية متكررة تتكون من مجموعات من الخلايا العصبية المثيرة والمثبطة. يحكم النموذج مجموعة من المعادلات التفاضلية التي تصف ديناميات نشاط الخلايا العصبية، وقوى المشابك، وتأثيرات الاكتئاب قصير المدى (STD) على فعالية المشابك. من النتائج الرئيسية ظهور حالة توازن ذاتي مستدام، مما يسمح للشبكة بالحفاظ على نشاط إطلاق محدود حتى تحت تيارات مدخلات خارجية ضعيفة، مما يتناقض مع آليات التوازن الكلاسيكية التي تتطلب مدخلات قوية. يتم تسهيل هذا التوازن الذاتي المستدام من خلال الديناميات غير الخطية التي قدمها STD، مما يمكّن الشبكة من تحقيق نقطة ثابتة مستقرة تتميز بمعدلات إطلاق متجانسة عبر الخلايا العصبية.
تستكشف القسم أيضًا الأنظمة الدينامية للشبكة كدالة لقوة الربط المشبكي. بالنسبة لقيم الربط الصغيرة، تستقر الشبكة عند نقطة ثابتة متجانسة، بينما يؤدي زيادة الربط إلى انتقال إلى حلول غير متجانسة، والتي يمكن أن تكون إما ثابتة أو دورية. في النهاية، بالنسبة لقوى الربط العالية بما فيه الكفاية، يظهر النظام ديناميات فوضوية، تُسمى “فوضى المعدل”. يستخدم التحليل تقنيات من نظرية المصفوفات العشوائية ونظرية الحقل الديناميكي (DMF) لتوصيف الخصائص الإحصائية لنشاط الشبكة، كاشفًا أن مجموعة الخلايا المثبطة تعاني من تباين أكبر في معدلات الإطلاق مقارنة بمجموعة الخلايا المثيرة. تشير النتائج إلى أن ديناميات الشبكة قوية ويمكن أن تحافظ على نشاط متوازن حتى في الأنظمة الفوضوية، مما يبرز التفاعل المعقد بين الديناميات المشبكية وترابط الشبكة.
DOI: https://doi.org/10.1371/journal.pcbi.1013465
PMID: https://pubmed.ncbi.nlm.nih.gov/41678598
Publication Date: 2026-02-12
Author(s): David Angulo‐García et al.
Primary Topic: Neural dynamics and brain function
Overview
In this study, the authors explore a novel mechanism for achieving balanced excitation and inhibition in recurrent neural networks, focusing on the role of short-term synaptic depression (STD) on excitatory-excitatory synapses. Unlike classical balance mechanisms that rely on strong external inputs to maintain finite firing rates, the proposed mechanism allows for dynamic balance of network activity without such inputs. Through numerical simulations and theoretical analysis of a massively coupled network of $N$ rate-neuron models, the researchers identify two distinct dynamical regimes based on synaptic strength $J_0$: a homogeneous fixed point for small $J_0$ and Rate Chaos for larger values.
The investigation reveals that as the network size $N$ increases, the transition region between the stable homogeneous solution and Rate Chaos narrows and ultimately disappears in the thermodynamic limit ($N \to \infty$). Using Dynamical Mean Field (DMF) approaches, the authors confirm that this balancing mechanism can sustain irregular activity even in large networks, with the dynamic cancellation of input correlations facilitating this balance. The findings suggest that STD serves as an intrinsic self-regulating mechanism, enabling balanced networks to maintain robust and stable dynamics, thereby providing valuable insights into the operational principles of cortical circuits.
Introduction
The introduction of this research paper addresses the paradox of irregular neuronal firing in the cortex, which occurs despite low average firing rates and continuous synaptic input. This paradox is resolved through the concept of excitation-inhibition balance, where neurons operate at or near threshold due to a balance of excitatory and inhibitory inputs. However, the mechanisms by which this balance is achieved remain unclear, particularly in heterogeneous neural circuits. A pivotal contribution by Van Vreeswijk & Sompolinsky in 1996 proposed a dynamical balance mechanism in sparse neuronal networks, suggesting that asynchronous chaotic activity can emerge without fine-tuning of parameters, provided neurons receive a sufficient number of excitatory and inhibitory inputs.
Recent critiques of this model highlight the necessity of strong external currents to maintain balanced dynamics, which contrasts with experimental evidence indicating that feedforward inputs in cortical circuits are comparable to total synaptic inputs. This has led to the exploration of a novel balance mechanism that relies on synaptic adaptation, specifically short-term synaptic depression (STD), which can sustain balanced dynamics without requiring strong external currents. The paper investigates the dynamics of firing-rate network models under this new mechanism, revealing a spectrum of activity regimes and transitions from homogeneous stationary states to rate chaos. Theoretical analyses using Random Matrix Theory and Dynamical Mean Field approaches complement numerical investigations, allowing for insights into the behavior of large networks and the role of STD in maintaining excitation-inhibition balance.
Methods
In this section, the authors conduct a stability analysis of heterogeneous perturbations by extending previous results to characterize the eigenvalue spectrum of the Jacobian matrix \( DF_{het} \). The spectrum comprises a dense bulk of eigenvalues within a disk in the complex plane centered at (-1, 0) with radius \( r \), two outlier eigenvalues \( \lambda_{out}^{\pm} \), and a real eigenvalue \( \lambda_Q \) with negative real part and multiplicity \( N_E \). The stability of the fixed point is determined by the bulk of eigenvalues, with linear stability achieved when \( r < 1 \) and instability occurring at \( r = 1 \). The radius \( r(J_0) \) is expressed in terms of the global synaptic strength \( J_0 \) and other parameters, leading to the critical coupling parameter \( J_c \) defined by the condition \( r(J_c) = 1 \). Numerical comparisons reveal that the eigenvalue spectrum aligns well with predictions from random matrix theory, particularly for the bulk of eigenvalues, which adheres to Girko's circular law. The authors note that while discrepancies exist for the outlier eigenvalues, they do not influence stability. The critical coupling \( J_c \) exhibits a non-monotonic relationship with the parameter \( I_0 \), with \( J_c \) converging to approximately 1.10 as the network size \( N \) increases, regardless of \( I_0 \). This analysis underscores the significance of the bulk eigenvalue behavior in determining stability transitions in the system.
Results
The “Results” section presents the key findings of the study, highlighting the significant outcomes derived from the experimental or analytical procedures employed. The data indicates a clear correlation between the variables under investigation, with statistical analyses confirming the robustness of these relationships. Notably, the results demonstrate that the intervention applied leads to a marked improvement in the measured outcomes, as evidenced by the quantitative metrics obtained.
Furthermore, the analysis reveals that specific conditions or parameters significantly influence the results, suggesting potential avenues for further research. The findings are supported by graphical representations, which illustrate trends and patterns that reinforce the conclusions drawn. Overall, the results contribute valuable insights into the field, underscoring the importance of the studied variables and their interactions.
Discussion
The discussed research paper section presents a detailed analysis of a recurrent neural network model comprising excitatory and inhibitory neuron populations. The model is governed by a set of differential equations that describe the dynamics of neuron activity, synaptic strengths, and the effects of short-term depression (STD) on synaptic efficacy. A key finding is the emergence of a self-sustained balanced state, which allows the network to maintain finite firing activity even under weak external input currents, contrasting with classical balance mechanisms that require strong inputs. This self-sustained balance is facilitated by the nonlinear dynamics introduced by STD, enabling the network to achieve a stable fixed point characterized by homogeneous firing rates across neurons.
The section further explores the dynamical regimes of the network as a function of synaptic coupling strength. For small coupling values, the network stabilizes at a homogeneous fixed point, while increasing coupling leads to a transition to heterogeneous solutions, which can be either stationary or oscillatory. Ultimately, for sufficiently high coupling strengths, the system exhibits chaotic dynamics, termed “rate chaos.” The analysis employs techniques from random matrix theory and dynamic mean-field theory (DMF) to characterize the statistical properties of the network’s activity, revealing that the inhibitory population experiences greater variability in firing rates compared to the excitatory population. The results indicate that the network’s dynamics are robust and can sustain balanced activity even in chaotic regimes, highlighting the complex interplay between synaptic dynamics and network connectivity.