阿尔茨海默症的突触损毁与补偿机制研究

Alzheimer’s disease (AD) is a neuro-degenerative disease that most affects the elderly, but its pathogenesis is still unclear. The synaptic loss and compensation of the thalamo-cortical loop would result in the abnormality of cortical oscillations and dysfunction of brain, being one of the possible mechanisms of AD. Therefore, in this research it has been proposed to construct the computational model of the thalamo-cortical loop, study the effects of synaptic loss and compensation on the cortical oscillations and brain function, so to reveal the synaptic mechanisms of AD. . In this research, the computational model of the thalamo-cortical loop is constructed in three levels. From the level of neuron, the alteration of firing patterns of single neuron caused by the synaptic loss is studied. From the level of network, the effects synaptic loss and compensation on the discharge characteristics of the neural network is explored. And the influence of synaptic loss and compensation on the oscillation rhythms is analyzed based on the neural mass model. By the analysis of experimental electroencephalography (EEG), the interplay among the synaptic loss and compensation of the thalamo-cortical loop, the abnormality of cortical oscillation rhythms and the degeneration of brain function is shed light, thus the synaptic loss and compensation mechanisms in AD can be revealed. This research will provide a new thought for the early diagnosis and treatment of AD, which has a great theoretical and application value.

阿尔茨海默症(AD)是一种危害中老年人生命健康的神经退行性疾病，其致病机理尚不清楚。丘脑-皮层回路内的突触损毁与补偿可导致大脑皮层响应和脑功能活动异常，是AD发病的可能机制之一。因此，本项目提出建立丘脑-皮层回路模型，研究突触损毁与补偿对大脑皮层响应和脑功能活动的影响，以揭示AD产生的突触机制。. 本项目构建多水平丘脑-皮层回路计算模型，从神经元水平研究突触损毁引发的神经元放电模式的转迁；从网络水平刻画核团内部突触损毁与补偿对神经元网络放电时空特性的影响；基于丘脑-皮层的神经元集群模型，量化核团之间的突触损毁与补偿对皮层振荡节律的影响。结合临床脑电数据的特征标记，建立突触损毁与补偿、皮层响应异常以及AD脑功能退化之间的关系，揭示AD的突触损毁与补偿机制。成果可为AD的早期诊断和治疗提供一个新思路，具有重要的理论和应用价值。

阿尔茨海默症(AD)是一种危害中老年人生命健康的神经退行性疾病，其发病机制复杂多样，目前确切的发病机理尚不明确。且AD起病隐匿，早期临床诊断困难。为解决该问题，本项目提出并系统验证假说：突触损毁和补偿是AD发病的可能机制之一。.首先，设计了临床实验，选取不同程度的AD患者，采集AD患者与正常老年被试的脑电数据。采用非线性方法提取AD脑电数据的特征，采用同步性方法构建功能网络，并提取AD网络特征标记。通过构建支持向量机等机器学习方法对测试组的数据特征进行分类预测，预测准确率很高，分类效果好。.其次，建立了AD海马神经元网络模型和神经元集群模型。通过海马神经元网络模型，研究突触耦合类型对海马网络活动的影响，在网络水平上实现了AD状态和正常状态网络输出节律的仿真。通过神经集群模型，建立耦合神经集群模型关键突触参数与脑电节律行为模式之间的联系，在集群水平上刻画了AD患者alpha节律的慢化。最后，进行数据驱动的模型参数估计，用于AD疾病的个体分析与预测。.再次，建立了可塑性多层前向AD网络模型，研究网络突触特性对神经元网络的放电时空特性的影响，包括网络放电规则性传导、同步和共振。研究发现，突触可塑性可使AD网络进行重构进而产生病态共振和同步现象，是造成AD发病的重要因素。.最后，设计了一种基于便携设备的智能精神健康信息系统，实现了对AD以及其他精神疾病患者的脑电数据的临床获取、定量分析、精神状态在线评估以及预测等功能。通过挖掘数据中隐含信息，该系统可以为医生和AD患者提供便捷和智能的个性化医疗服务帮助。.综上所述，本项目将实验数据分析与模型理论研究相结合，基于复杂系统建模理论，构建详细模型和集总参数模型，分别从单神经元、神经元网络和神经元集群三个水平刻画丘脑-皮层回路和海马区的突触损毁与补偿现象，并验证临床实验获取的AD脑电特征标记的有效性，揭示了AD的突触损毁与补偿机制。本研究对AD的诊断、预测和治疗具有重要意义。