针刺神经系统网络结构、动态与功能的关系研究

Acupuncture is one of the key components of traditional Chinese medicine, while the modulation of the neural system is the main mechanism underlying acupuncture’s effect. Hence, it is an important scientific issue to understand how neural networks encode acupuncture stimulation. Neural circuit is the foundation of neural function, and an essential challenge toward understanding neural circuits is linking their structure to their dynamics. This study plans to solving this problem with a novel framework, which combines theoretical analysis with machine learning techniques. .By combining the clustering method with model-based approach, this study will obtain the exact spike trains and characteristic activities of cortical network in response to acupuncture network. Also, by synthetically modeling the neural networks with different scales, this study will reproduce the neural system's key dynamics and activity statistics in response to the acupuncture stimuli. Further, a novel Generative-Adversarial-Network-based learning algorithm will be developed to reconstruct the biological neural network with acupuncture encoding functionalities. Based on the detailed activities and connectives obtained by the experiment and machine learning techniques, correlation analysis and statistical analysis methods will be utilized to discover the key network structures that have essential effects on neural encoding mechanisms. This study will provide a novel approach that realizes the quantization and standardization of the acupuncture technique and will help in developing new acupuncture treatments.

针刺是中医的重要组成部分,神经系统的调控是针刺作用的重要机制，因此针刺神经元网络编码是阐释针刺机制的重要科学问题之一。网络结构是研究神经系统功能的关键因素，而如何理解神经元网络结构、动态与功能之间的联系是其中的主要挑战。项目依据大量的针刺电信号，构建理论分析与机器学习相结合的框架，建立神经元网络结构、动态与功能之间的联系。.将聚类方法与模型相结合，获取针刺神经元集群放电序列并分析重要活动特性。构建不同层次的神经网络模型，复现神经通路响应针刺刺激的动力学和统计学特性。提出基于生成对抗模型（GAN）的针刺神经通路重构的机器学习算法，得到实现针刺编码功能的完整网络结构。将实验数据、统计分析和计算模型相结合，挖掘实现针刺编码功能的关键网络结构，以此研究神经系统对不同针刺手法产生不同响应的网络机制。成果为针刺手法量化、标准化以及新治疗方案的开发提供一条新思路。

研究针刺神经系统网络结构、动态与功能的关系具有重要意义。. 本项目首次从神经网络、动态与功能的角度刻画针刺的编码机制，为科学阐释针刺作用机制及神经网络编码提供了理论基础，为针刺手法量化、标准化提供新思路。.项目一方面分析针刺神经电信号，提取能反映功能的神经元集群活动特性，另一方面建立具有针刺编码功能的多尺度神经通路模型，研究网络结构决定编码功能的机制。旨在揭示神经元网络结构、动力学与功能之间的关联。. 首先，为了达到从神经元放电时刻水平刻画网络结构与集群活动之间关系的目的，搭建了一种新的基于模型的针刺电信号检测分类平台，利用传统聚类方法与模型相结合的方法，实现了稠密多电极阵列针刺电信号的分类，获取了单神经元放电序列，并分析了其频率编码和时间编码、时变高阶放电相关性、同步等能够反映针刺功能的神经元集群重要活动模式。发现了不同针刺手法作用下，脊髓背根神经元均具有尺度不变性，且簇放电神经元更易编码针刺刺激。同时针刺刺激能够影响神经元的适应性、放电相关性和同步性等特性。. 其次，将实验数据与计算模型相结合，训练获取能够反映针刺作用下真实神经元活动的不同层次的神经通路模型，建立了LIF模型、线性非线性级联模型、皮层神经元网络模型等不同精度层次的神经通路模型，获得了不同粒度下具有编码功能的精确网络结构信息。为高效利用针刺数据训练针刺神经网络模型，我们采用SpikeProp类的梯度误差反传机制进行放电脉冲神经网络的学习机制的推导，针对训练过程中梯度传递中可能出现的低效率和不稳定问题提出了放电梯度阈值和放电率和权值调制方法，并通过数值模拟的方法，挖掘了与功能相关的网络功能参数，刻画网络功能参数对振荡的调制作用。研究表明，神经网络的网络特性是产生正常振荡网络的基础条件，兴奋抑制平衡、外部输入强度、网络规模及连接概率、单神经元特性均能影响网络振荡活动，其中神经元的固有特性对于信息的处理具有关键的作用。