Modelling Neuronal Network Dynamics: The Effect of Two- and Three-Dimensional Topology

No Thumbnail Available
Journal Title
Journal ISSN
Volume Title
Perustieteiden korkeakoulu | Master's thesis
Date
2014
Department
Major/Subject
Laskennallinen tiede
Mcode
Becs-
Degree programme
Language
en
Pages
x + 65 s.
Series
Abstract
Neurons form in their natural environment three-dimensional structures. However, most of the in vitro cultures of neurons have been planar. This study aimed to construct a simulation model of a neuronal network to predict, how the network dynamics change, as the neuronal network is transformed from 2D to 3D. We based our model on two biologically realistic computational neuronal network models from literature. Neither of the network models had spatial topology, so in this work we added simple 2D and 3D topologies to the model: First the neurons were placed randomly in 2D or 3D space and then connected to the nearest neurons. The resulting network was approximately 10 %-connected. For comparisons, we used also a non-topological model network, where the neurons were connected randomly. We compared the bursting behaviour of our simulation model in 2D and 3D to in vitro neuronal networks consisting of human embryonic stem cell (hESC) derived neurons. We used data measured with microelectrode arrays (MEAs), which record the electrical activity of the neuron culture at multiple locations simultaneously. The model was compared with planar cultures only, because the 3D neuronal culturing and measurement systems are still in development. The behaviour of the 2D model network was similar to that of the biological neuronal networks when compared visually and statistically. Our simulations illustrated also that adding the topology increased the activity of the network: the spikes and bursts were more frequent in the both 2D and 3D networks than in networks without topology. Also, 3D networks were more active than 2D networks. The very simple topological model used in the study was able to induce a change in the network behaviour, which suggests that spatial topology has an important role in the neuron network dynamics, and encourages us to improve the topology model towards a more biologically plausible one for more realistic results.

Hermosolut (neuronit) muodostavat luonnollisessa elinympäristössään kolmiulotteisia rakenteita. Useimmat in vitro -hermosoluviljelmät ovat kuitenkin olleet tasomaisia. Tämän työn tavoite oli muodostaa laskennallinen hermosoluverkkomalli ennustamaan, miten hermosoluverkon käyttäytyminen muuttuu, kun verkko muuttuu kaksiulotteisesta kolmiulotteiseksi. Tässä työssä verkkomallin pohjana käytettiin kirjallisuudesta kahta hermosoluverkkomallia, joissa ei ollut avaruudellista topologiaa. Malleihin lisättiin kaksi- ja kolmiulotteiset topologiat: Ensin hermosolut asetettiin sattumanvaraisesti kaksi- tai kolmiulotteiseen tilaan. Sen jälkeen lähimmät hermosolut yhdistettiin toisiinsa niin, että tuloksena oli noin 10%:sti yhdistetty verkko. Vertailukohtana käytettiin topologiatonta verkkoa, jossa hermosolut oli yhdistetty satunnaisesti. Simulaatiomallin käyttäytymistä verrattiin kantasoluista erilaistetuista hermosoluista koostuviin verkkoihin. Hermosoluverkkoja oli mitattu mikroelektrodimatriiseilla (microelectrode array, MEA), joilla verkkojen sähköistä aktiivisuutta pystytään mittaamaan useasta kohdasta yhtä aikaa. Vertailua tehtiin vain tasomaisiin biologisiin verkkoihin, sillä kolmiulotteiset hermosoluviljelmät ja mittausjärjestelmä ovat vielä kehitysvaiheessa. Kaksiulotteisen mallin käyttäytyminen vastasi hyvin biologisten hermosoluverkkojen käyttäytymistä visuaalisessa ja tilastollisessa tarkastelussa. Lisäksi simulaatioista huomattiin, kuinka avaruudellisen topologian lisääminen verkkomalliin tekee verkosta aktiivisemman: 2D verkot olivat aktiivisempia kuin kokonaan topologiattomat. Samaten 3D verkot olivat aktiivisempia kuin 2D verkot. Tässä työssä käytetty erittäin yksinkertainen malli sai aikaan selvän muutoksen verkon dynamiikassa, mikä viittaa siihen, että topologialla on suuri merkitys hermosoluverkon dynamiikkaan. Siksi topologiamallia kannattaa edelleen kehittää kohti biologisesti tarkempaa.
Description
Supervisor
Lampinen, Jouko
Thesis advisor
Tanskanen, Jarno
Lenk, Kerstin
Keywords
hermosoluverkko, simulaatiomalli, topologia, 2D, 3D, MEA, neuron network, simulation model, topology
Other note
Citation