Model Otak Super Realistis: Akhirnya, Ilmuwan Hubungkan Kimiawi Otak dengan Aktivitas Global

Selama beberapa dekade, model otak skala besar memperlakukan setiap wilayah korteks seolah-olah cara kerjanya sama. Sebuah tim peneliti kini telah membangun model komputer yang mematahkan penyederhanaan itu, menghubungkan kimiawi molekuler otak dengan pola aktivitas di seluruh bagian otak. Studi yang diterbitkan di Proceedings of the National Academy of Sciences ini memberikan bukti baru bahwa perbedaan regional dalam kepadatan reseptor membantu membentuk bagaimana aktivitas dan informasi bergerak melintasi otak .

Bagaimana Model Ini Dibangun

Para peneliti membangun model ini dengan mengintegrasikan peta empiris dari hasil PET tentang kepadatan reseptor asetilkolin muskarinik di 68 wilayah korteks ke dalam The Virtual Brain (TVB), sebuah platform simulasi otak utuh sumber terbuka . Mereka melapisi peta reseptor yang heterogen secara spasial ini di atas koneksi struktural otak yang sebenarnya (yang disebut human connectome) dan menggunakan model medan rata-rata berbasis biofisika untuk mensimulasikan dinamika saraf di berbagai kondisi, mulai dari terjaga hingga tidur .

Alih-alih mengasumsikan sifat korteks yang seragam, masing-masing dari 68 wilayah tersebut memiliki profil kepadatan reseptornya sendiri, memungkinkan model untuk menangkap bagaimana sinyal kimia yang identik menghasilkan efek jaringan yang berbeda tergantung pada arsitektur molekuler lokal . Pendekatan ini dibangun di atas penelitian yang menunjukkan bahwa distribusi reseptor neurotransmitter tidak acak, tetapi mengikuti gradien spasial yang terorganisir di seluruh korteks .

Temuan Utama

Peningkatan Sinkronisasi dan Aliran Informasi

Memasukkan variasi kepadatan reseptor yang realistis secara signifikan meningkatkan konektivitas fungsional antar wilayah (interareal) dan perutean informasi dibandingkan dengan model di mana semua wilayah berperilaku identik . Variabilitas biologis ini mendukung kondisi otak yang lebih fleksibel dan terkoordinasi . Temuan ini selaras dengan penelitian sebelumnya yang menunjukkan bahwa variasi hierarkis kekuatan sinapsis lokal meningkatkan kesesuaian model dengan konektivitas fungsional yang diukur dengan fMRI saat istirahat .

Gelombang Lambat Terlokalisasi Secara Spontan

Mungkin hasil yang paling mencolok: model ini secara alami mereproduksi fenomena otak dunia nyata — osilasi lambat mirip tidur yang muncul di wilayah korteks tertentu sementara bagian otak lainnya tetap dalam kondisi seperti terjaga . Ini meniru apa yang terjadi selama hilangnya perhatian, kurang tidur, dan di sekitar lesi otak . Temuan ini konsisten dengan penelitian sebelumnya yang menunjukkan bahwa rendahnya kadar asetilkolin selama tidur mendorong aktivitas sirkuit mikro ke dalam osilasi lambat dan sinkronisasi jaringan .

Neuromodulasi Spesifik Wilayah

Asetilkolin tidak bekerja secara seragam di seluruh otak. Efeknya tergantung pada di mana reseptornya terkonsentrasi, yang berarti sinyal kimia yang sama dapat menghasilkan dinamika jaringan yang berbeda di area korteks yang berbeda . Konsentrasi ACh yang tinggi, seperti saat terjaga atau tugas perhatian, membuat aktivitas jaringan menjadi tidak sinkron, sementara kadar ACh yang rendah memungkinkan pola gelombang lambat yang sinkron muncul .

Jembatan Antara Skala

Studi ini menyediakan kerangka kerja komputasi konkret yang menghubungkan kimiawi molekuler mikroskopis (distribusi reseptor) dengan aktivitas fungsional makroskopis di seluruh otak . Para penulis menyarankan bahwa pendekatan ini dapat membantu menjelaskan transisi kondisi pada gangguan kesadaran, cedera otak fokal, dan penyakit neurodegeneratif .

Mengapa Ini Penting

Kebanyakan model otak skala besar menyederhanakan segalanya dengan memperlakukan setiap wilayah korteks seolah-olah cara kerjanya sama . Model baru ini mengambil pendekatan berbeda: model ini menggabungkan peta detail kepadatan reseptor asetilkolin muskarinik, menciptakan simulasi yang lebih realistis tentang bagaimana otak mungkin bertransisi antara kondisi sadar dan tidak sadar .

Model ini dikembangkan sebagai bagian dari The Virtual Brain Twin Project dan infrastruktur riset EBRAINS 2.0 . Pekerjaan ini dipimpin oleh Leonardo Dalla Porta di Institut d'Investigacions Biomèdiques August Pi i Sunyer (IDIBAPS), bekerja sama dengan peneliti di CEITEC - Central European Institute of Technology .