NETFORM - Neuronal Network Formation through Reciprocal Interactions between Activity and Structure


The project consists of three subprojects:

A. Detailed neuronal morphology
Creating a detailed model of neuronal morphogenesis to study the impact of activity-dependent neurite outgrowth on neuronal morphology, and the influence of neuronal morphology on synaptic connectivity.
Details

B. Network connectivity and activity
Creating a model of network development to study the interdependent development of network connectivity and activity under the influence of local activity-dependent processes.
Details

C. Statistical methods
Creating essential statistical methodology to compare model-generated data with experimental data on neuronal morphology and network connectivity.
Details

Summary
Information processing in the brain is based on the dynamics of electrical activity in large neuronal networks. Activity dynamics depends on network structure: the strength and pattern of synaptic connections between neurons. For proper network function, this synaptic connectivity should be precisely tuned. However, network structure is not static. Both during development and in adulthood, neuronal architecture and synaptic organization can undergo massive changes. A central unresolved question, therefore, is how neural circuits can maintain stable function in the face of ongoing plasticity. Important determinants of synaptic connectivity—neuronal morphology, synaptic strengths, intrinsic neuronal excitability—are modulated by electrical activity, in both the developing and adult brain. A reciprocal interaction therefore exists between network activity (fast dynamics) and network structure (slow dynamics). Changes in network activity cause changes in network structure, which cause changes in network activity, and so on. We hypothesize that this continuous interplay shapes neuronal networks and renders their function stable to ongoing plasticity. In existing neuronal network models, network structure is largely static. To address our hypothesis, we will create novel computational models of activity-dependent neuronal morphogenesis and the interdependent development of network connectivity and activity, as well as new statistical methods for comparing modelgenerated data with experimental data. We will examine whether stable network function and characteristic network connectivity and activity can emerge from local activity-dependent processes. Our models and methods will be validated with and give insight into extensive data sets on neuronal morphology and connectivity and activity patterns in (developing) cortical neuronal networks.

Samenvatting (in Dutch)
Vorming van Neuronale Netwerken door een Wederkerige Wisselwerking tussen Activiteit en Structuur.
Informatie verwerking in de hersenen is gebaseerd op dynamische patronen van elektrische activiteit in netwerken van zenuwcellen. Deze dynamiek hangt af van de sterkte en het patroon van de verbindingen tussen de cellen (netwerk structuur). Voor een goed functioneren van een netwerk moeten deze verbindingen heel precies staan afgesteld. Echter, zowel gedurende de ontwikkeling als in volwassen toestand ondergaan zenuwcellen en hun verbindingen grote veranderingen. Een cruciale, nog onopgeloste vraag is daarom hoe zenuwnetwerken in staat zijn hun functie te behouden ondanks deze voortdurende plasticiteit. Belangrijke elementen die de structuur van een netwerk bepalen—morfologie en interne eigenschappen van zenuwcellen, sterkte van hun verbindingen—staan onder controle van elektrische activiteit. Daardoor bestaat er een wederzijdse wisselwerking tussen netwerk activiteit en netwerk structuur. Veranderingen in activiteit veroorzaken veranderingen in structuur, die op hun beurt de activiteit veranderen, enz. Onze hypothese is dat deze continue wisselwerking de structuur van een netwerk bepaalt en er voor zorgt dat zijn functie stabiel blijft. Omdat er geen computermodellen van zenuwnetwerken bestaan waarin de structuur veranderlijk is, gaan we, om onze hypothese te toetsen, in dit project nieuwe modellen ontwikkelen waarin zowel de morfologie en interne eigenschappen van zenuwcellen als hun verbindingen kunnen veranderen onder invloed van de elektrische activiteit in het netwerk. Tevens gaan we nieuwe statistische methoden ontwikkelen om de uitkomsten van onze modellen te vergelijken met zenuwnetwerken in de hersenen. We verwachten dat ons onderzoek belangrijke nieuwe inzichten gaat opleveren over de structuur en het functioneren van zenuwnetwerken, zowel in gezondheid als ziekte.