Redes modulares acopladas de autômatos celulares aplicadas ao estudo da epilepsia

Abstract

Epilepsia é um transtorno neurológico grave caracterizado por convulsões recorrentes que se estabelecem devido à hiper excitabilidade de grupos de neurônios em certas regiões do cérebro. Cada uma destas regiões é constituída por dezenas de milhares de neurônios. Em estudos computacionais, a abordagem inicial foi representar a atividade dessas regiões via modelos de osciladores simples, onde cada região é representada por um nó. Embora amplamente utilizados, esses modelos não abordam as questões subjacentes relacionadas à origem da atividade oscilatória. Sendo assim, propomos um modelo simplificado de neurônio baseado em Autômato Celular que contém algumas das características essenciais aos neurônios, com o qual construímos um conjunto de redes neuronais (as conectando via sinapses excitatórias) a fim de estudar o papel que a topologia desempenha na atividade da rede neuronal e verificar se há comportamentos similares aos resultados já obtidos em experimentos in vivo e in vitro. Como resultado, encontramos seis diferentes tipos de comportamentos, cada um deles em regiões de parâmetros distintos, além de transições espontâneas entre estados sincronizados e não sincronizados, comportamento análogo a crises epiléticas espontâneas. Sendo assim, concluímos que incluir apenas poucas características neuronais já são capazes de gerar diversos comportamentos distintos, de tal modo que alguns são análogos a comportamentos biológicos.

Epilepsy is a neurological disease characterized by recurrent seizures caused by neuron groups' hyperexcitability in some brain regions. Thousands of neurons compose these regions. In simulation studies, simple mathematical oscillators are a first approach to represent these regions' activity, each of them representing a node. Although broadly used, these models avoid the underlying neural process producing the oscillating activity. Here we propose a Cellular Automata-based model comprising a few major neuron characteristics constructing a set of networks and connecting them using excitatory links. We aim to study the role network topology plays in the neuronal network and eventually identify characteristic behavior present in in vivo and in vitro results. As a result, we found six different behavior types, each in different parameter regions, also identifying a spontaneous transition between synchronized and non-synchronized states associated with a seizure-like behavior. We conclude that the inclusion of a few essential ingredients enables the network to present many different states, some mimicking biological behavior.