Modeling neural mechanisms for locomotion : pattern generation in the lumbar spinal cord

Abstract

In Lebewesen spielen bei vielen Aspekten rhythmische Aktivitäten eine große Rolle. Modelle von Mechanismen, die für die Kontrolle und Steuerung dieser rhythmischen Aktivitäten verantwortlich sind, wurden simuliert. Das Model basiert auf die Beschreibungen von Hodgkin und Huxley. Ein zusätzlicher Ionenkanal, ein langsam inaktivierender Natriumkanal, mußte eingeführt werden, um ein rhythmisches Verhalten des Modells zu erreichen. Werden einzelne Neuronenmodelle zu einem neuronalen Netz gekoppelt, synchronisieren die einzelnen Neuronen. Das Netz reagiert im Allgemeinen weniger empfindlich auf Änderungen der Parameter, und die Feuerfrequenz ändert sich. Um Schwankungen der Parameter, die in realen Neuronen vorhanden sind, zu simulieren hatten die einzelnen Neuronen ein etwas unterschiedliches Leckpotential. Mit diesem Modell konnte unter anderem die Feuerfrequenz gesteuert werden.<br />Auf dieses Netzwerk aufbauend wurde ein reziprok vernetzter Patterngenerator simuliert. Mit vier zum Teil auch hemmend gekoppelten Neuronenpopulationen konnte ein alternierendes rhythmisches Verhalten erzeugt werden. Weiters wurde auch ein asymmetrisches Feuern, die Populationen sind unterschiedlich lang aktiv, simuliert. Mit derartigen Verhalten können zum Beispiel einfache Extensor-Flexor Systeme simuliert werden.<br />

Production of rhythmical activity is involved in several tasks like locomotion. To understand the mechanisms that underlie in neuronal circuitries controlling such kind of tasks, the influence of ionic parameters on the behavior of an adopted model of a single neuron and has been investigated. The model is based on Hodgkin Huxley description and has been extended with an additional persistent sodium channel. This model is able produce bursting firing activity. The behavior of a single model changes drastically when it gets coupled into a neuronal network.<br />When coupling is strong enough the single neurons synchronize. Firing frequencies changes and it gets more robust against varying parameters.<br />The variance of parameters in real neurons was taken into consideration with a heterogeneous leakage potential distribution. Control of firing frequency could be achieved with tonic input that stimulated the network. These findings were used to build a model of a reciprocal rhythmical pattern generator that consists of four neuron populations.<br />Symmetrical as asymmetrical bursting activity has been produced and therefore the model provides basic functionality to simulate more sophisticated networks that are able to control complex tasks like making a step.