论文部分内容阅读
随着更多的先进技术在脑科学研究中得到运用，研究人员对脑神经的认识也在不断深入。总的来说，现阶段的脑神经研究按内容基本上可分为三个方面:脑机理的研究，脑疾病的治疗研究与脑-机接口研究。从研究方法上来分，可分为基于实验的研究方法和基于模型的研究方法。基于实验的研究方法基本涵盖了脑研究的所有内容;而基于模型（神经元模型或者是神经元网络模型）的研究方法主要是用来研究神经元网络的同步性、状态变化与突触的平均联接强度及外界刺激之间的相互关系，噪声对神经元网络的影响等。在实际研究中，结合这两种方法使用的情况很少出现。其原因是真实的脑神经网络结构异常复杂，以现在的计算能力很难实现，所以现在的仿真基本上是模拟局部少数的几个神经元相互作用来进行的。但这样的仿真结果可能可以解释某一种现象，却很难与实验方法本身结合。 本研究的目的是找到一种方法来作为实验方法与模型方法之间的桥梁，把这两者尽可能地结合起来。为此，本论文首先研究培养神经元网络的多电极阵列(MEA)的基本结构特点，探讨了其作为一种研究神经元网络研究工具的优缺点。在此基础上，本文进一步探讨了培养神经元网络在经过学习训练与药物刺激以后其同步性发生的变化。 其次，论文接着讨论了神经元网络的Lyapunov指数随培养时间增加的变化情况，同时还借助H-R模型分析突触耦合强度与Lyapunov指数之间的关系。在以往的仿真中，一般是用常规方法（如速率统计、ISI直方图）来比较仿真输出与真实数据的差异，现在可以直接依据该指数判断真实数据与仿真数据之间的相似程度。在此基础上，可根据该指数值设置模型参数的值来提高两者间的相似程度，实现把实验方法与模型方法相结合的目的。最后，用Lyapunov指数比较了膜片钳、MEA、在体电极测得的数据并分析所测神经元的状态。 本课题的主要结论: 1)在MEA中，当电极间距大于细胞直径时，同一神经元的信号不会被两个电极同时检测到; 2)由药物刺激与学习训练都能使网络的同步性增加，但由于各自产生的机理不同，所以两种不同刺激引起的同步性变化也不同; 3)在正常情况下，海马神经元、皮质神经元与一部分神经元处于一种临近混沌的状态，而不是一种真正的混沌状态。 研究证明了同步性分析与Lyapunov指数这两种分析方法对分析、认识培养神经元网络的状态与活动有重要意义，一方面增进了对网络行为的认知，另一方面提供了新的研究方法。