O Impacto dos Neurônios Inibitórios nas Redes do Cérebro

Na circuitaria do cérebro, um tipo de neurônio chamado interneurônio GABAérgico representa cerca de 10% a 20% de todos os neurônios. Esses neurônios vêm em diferentes tipos, cada um com características únicas de como se conectam e trabalham com outros neurônios. Entender como esses vários tipos afetam a função cerebral é bem complexo.

Em um nível básico, um equilíbrio entre dois processos-excitação e Inibição-ajuda a explicar os padrões de disparo irregulares vistos no cérebro. Esse equilíbrio aumenta a sensibilidade dos circuitos a entradas, permitindo um processamento rápido das informações. Também desempenha um papel importante em tarefas como ajustar como os campos receptivos funcionam, formar grupos de neurônios que atuam juntos e armazenar sequências específicas de disparo neuronal.

Esse equilíbrio pode ser alcançado sem precisar de maneiras específicas de conectar os neurônios inibitórios. Muitos modelos tratam a inibição como uma forma simples de controlar a excitação, mesclando-a com um fator de correção geral para como os neurônios excitatórios funcionam. No entanto, essa visão simplificada ignora os benefícios potenciais de ter conexões mais precisas entre os neurônios inibitórios. Incluir conexões inibitórias direcionadas pode tornar os cálculos mais precisos e ajudar a regular funções cerebrais como a formação de memória e previsões.

Pesquisas mostram que os neurônios inibitórios formam padrões de conexão específicos que não são aleatórios e não podem ser explicados apenas pela distância ou pela forma dos neurônios. Esses padrões são diferentes em várias áreas do cérebro e dependem do tipo de interneurônio. Em cérebros jovens, mesmo antes da entrada do mundo exterior, a inibição estruturada ajuda a moldar o desenvolvimento cerebral. Por exemplo, um certo padrão de conexão leva a uma atividade ampla em todo o córtex sensorial.

Apesar do que sabemos, ainda não entendemos completamente como esses padrões de conexão especiais se formam e persistem. A genética desempenha um papel, especialmente nas primeiras etapas do desenvolvimento cerebral. Outro fator importante é a Plasticidade Sináptica, que são mudanças na força das conexões com base na atividade neuronal. Esse mecanismo permite ajustes baseados na atividade, oferecendo precisão em circuitos densamente agrupados e flexibilidade em condições mutáveis.

Enquanto algumas teorias analisaram como diferentes formas de ajustar a força sináptica afetam conexões simples, ainda não há uma compreensão clara de como esses ajustes afetam circuitos maiores. Trabalhos anteriores sugeriram uma regra para ajustar sinapses a fim de manter as taxas de disparo estáveis. No entanto, essa abordagem não foca muito em como as estruturas se formam e pode levar a taxas de disparo excessivamente uniformes. Algumas outras pesquisas derivaram regras a partir de dados experimentais ou objetivos computacionais, enquanto outras avaliaram inúmeros parâmetros para encontrar soluções.

Neste artigo, apresentamos uma visão ampla examinando várias regras para ajustar a força sináptica e explorando como elas afetam as conexões neuronais e o funcionamento em grandes redes neurais.

#A Influência da Plasticidade Inibitória na Estrutura do Circuito

Para investigar como ajustar conexões inibitórias afeta a estrutura do circuito, estabelecemos uma estrutura para definir uma variedade de regras para mudanças sinápticas. Com essas regras, buscamos encontrar uma solução para uma conexão básica excitatória-inibitória e mostrar como o tipo de regra afeta as conexões formadas.

Certos aspectos de nossas descobertas dependem apenas das taxas de disparo dos neurônios pré e pós-sinápticos. Em regras com altas contribuições dessas taxas de disparo, a dinâmica das mudanças sinápticas é principalmente impulsionada por essas taxas e não por outros fatores. Referimos a essa situação como o regime de plasticidade "impulsionada pela taxa". Uma regra impulsionada pela taxa discutida anteriormente ajusta conexões inibitórias para manter as taxas de disparo pós-sinápticas próximas a um valor alvo, resultando em resultados estáveis.

Quando a influência das taxas de disparo é forte, podemos ignorar outras contribuições. No entanto, isso significa que apenas uma pequena parte das regras potenciais é coberta. Também exploramos mais regras onde a contribuição das correlações de segunda ordem é significativa, nos levando ao que chamamos de regime "impulsionado pela covariância". Regras impulsionadas pela covariância podem permitir que conexões se fortaleçam ou enfraqueçam com base nos padrões de interação dos neurônios envolvidos.

Em um modelo simplificado com dois neurônios, analisamos como diferentes tipos de regras de ajuste influenciaram a força das conexões inibitórias e a atividade dos neurônios pós-sinápticos excitatórios. Criamos dois cenários: um com uma conexão unidirecional, onde um neurônio só envia sinais para o outro, e outro com conexões mútuas, onde cada neurônio influencia o outro.

Enquanto as regras impulsionadas pela taxa reagiram minimamente à presença de conexões mútuas, as regras impulsionadas pela covariância revelaram uma forte dependência das conexões iniciais e da regra específica aplicada. Por exemplo, um certo tipo de regra resultou em conexões inibitórias significativamente mais fortes no cenário mútuo do que no unidirecional. Por outro lado, outra regra levou a uma diminuição nas conexões inibitórias quando ambos os neurônios interagiam.

A capacidade dessas regras de manter o controle sobre as taxas de disparo excitatórias parece depender bastante da estrutura das conexões. Tal efeito destaca um fenômeno que chamamos de "estabilização estruturada", onde a natureza das conexões ajuda a manter a estabilidade na atividade do circuito.

#O Papel de Diferentes Formas de Plasticidade Sináptica

Estabelecemos que regras baseadas em covariância podem alcançar estabilização estruturada. A seguir, queríamos entender como a forma da interação da regra afeta a criação de conexões inibitórias. Examinamos quatro formas para essas regras e estudamos seu comportamento dentro do nosso modelo excitatório-inibitório simples.

Os resultados confirmaram que formas específicas contribuíram para manter a estabilidade em condições impulsionadas por covariância. Esses tipos de regras foram robustos a mudanças nos parâmetros enquanto levavam consistentemente a uma força de conexão estável. Em contraste, outras formas se mostraram instáveis em condições semelhantes, muitas vezes levando a conexões que ou caíam a zero ou se tornavam fortes demais.

Essa diferença na estabilidade surge porque as interações dessas regras reagem de maneira diferente às mudanças nas conexões entre os neurônios. Em regras autoestabilizadoras, um aumento na força inibitória resulta em uma diminuição nos eventos de disparo correlacionados, deslocando o equilíbrio em direção ao enfraquecimento sináptico e compensando as mudanças iniciais. Por outro lado, sob certas regras instáveis, essa redução leva a menos eventos de enfraquecimento e amplifica as alterações iniciais.

Em resumo, nossa análise mostrou uma variedade de regras com diferentes resultados tanto para a estrutura do circuito quanto para a atividade. Algumas regras possibilitam comportamentos especializados através da estabilização estruturada, enquanto outras se concentram em controlar as taxas de disparo, oferecendo benefícios e desafios distintos para tarefas computacionais.

#Estabilização Estruturada em Redes Neurais Maiores

Para validar nossas descobertas anteriores em redes mais amplas, simulamos uma configuração maior composta por neurônios em disparo. Nossa rede neural aleatória consistia em 900 neurônios excitatórios e 100 neurônios inibitórios, com conexões fixas entre os neurônios excitatórios, mas conexões plásticas para os inibitórios.

Inicialmente, a rede exibiu altas taxas de disparo, mas, através de mudanças plásticas, foi rapidamente estabilizada, alcançando um padrão de disparo regular característico de redes balanceadas. Dividimos as conexões inibitórias aprendidas em conexões mútuas, onde neurônios excitatórios e inibitórios se afetam mutuamente, e conexões unidirecionais, onde apenas um tipo influencia o outro.

Depois de aplicar as regras de plasticidade, os pesos mútuos se fortaleceram muito mais do que os unidirecionais. Essa reforço seletivo sugeriu que a natureza dessas conexões refletia a estrutura excitatória original após o aprendizado.

Quando aplicamos uma regra de plasticidade antissimétrica à mesma rede, os resultados levaram a um padrão diferente onde a inibição lateral foi favorecida. Nesse caso, os neurônios inibitórios aumentaram sua influência sobre os neurônios excitatórios que não tinham conexões recíprocas. Assim, a estrutura de conectividade refletiu um completo oposto do que foi estabelecido sob a regra simétrica.

#Cálculos Emergentes em uma Rede Circular

Após nossa compreensão de como diferentes regras moldam a conectividade, examinamos os resultados funcionais da estabilização estruturada em um modelo de anel unidimensional. Tais redes são excelentes para investigar atividade persistente e podem lançar luz sobre várias funções neurais.

Em nossa rede em anel, criamos populações distintas de neurônios inibitórios que aplicaram diferentes regras sinápticas, levando a papéis especializados à medida que a dinâmica evoluía. Por exemplo, um grupo formou conexões fortes com neurônios excitatórios, espelhando padrões de conexão estabelecidos, enquanto outro estabeleceu inibição lateral seletiva em toda a rede.

Essas dinâmicas levaram a um perfil de interação efetiva único entre os neurônios excitatórios, caracterizado por forte excitação local e inibição mais ampla sem entradas externas diretas. Essa configuração levantou questões sobre como a rede responderia a estímulos.

Quando apresentados a estímulos de tamanhos variados, observamos um padrão consistente onde entradas maiores resultaram em taxas de disparo pico mais baixas, com as maiores respostas provenientes de neurônios próximos às bordas do estímulo. O neurônio central exibiu supressão de contorno, comumente encontrada em estudos clássicos de efeitos contextuais.

#Conclusão

No geral, nosso trabalho ilustra como ajustar a força sináptica pode estabilizar a excitação e levar a padrões de conexão específicos entre os neurônios. A forma das regras de interação determina quais padrões de conexão emergem e como eles são reforçados com base nas correlações existentes dentro da rede.

Mesmo sem sinais externos estruturados, os circuitos podem se auto-organizar através de suas dinâmicas internas. Nossa exploração de diferentes regras de ajuste destaca um espectro de efeitos tanto na estrutura do circuito quanto nas habilidades computacionais. À medida que continuamos a investigar os mecanismos que impulsionam a plasticidade, coletamos insights mais profundos que podem aprimorar nossa compreensão do desenvolvimento neural e dos processos de aprendizado relacionados.