عنوان پایان‌نامه
بررسی تاثیر تغییرات سطح دوپامین در نوسانات موتوری بیماران پارکینسونی
- رشته تحصیلی
- مهندسی برق- مهندسی پزشکی - بیوالکتریک
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: E 2461;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 63496
- تاریخ دفاع
- ۳۱ خرداد ۱۳۹۳
- دانشجو
- محمدرضا محققی نژاد
- استاد راهنما
- فریبا بهرامی بوده لالو
- چکیده
- بیماری پارکینسون، دومین بیماری شایعی است که از تخریب نورون‌ها در سیستم اعصاب مرکزی به‌وجود می‌آید که در آن نورون‌های مولد دوپامین در عقده‌های قاعده‌ای، از بین می‌روند و منجر به بروز علائم این بیماری می‌شوند. یکی از متداول‌ترین داروهایی که برای کاهش عوارض این بیماری استفاده می‌شود، لوودوپا، پیش‌ساز دوپامین است. اما مصرف طولانی مدت این دارو، عوارضی چون نوسانات موتوری را به همراه دارد. پیش‌بینی رخداد این نوسانات می‌تواند در کنترل این عوارض مفید باشد. یکی از رویکرد‌های موجود جهت پیش‌بینی این رخداد، استفاده از مدل‌های ریاضی است. به دلیل آن‌که بروز بیماری پارکینسون بیشتر به نقص در عملکرد عقده‌های مرتبط می‌باشد، بسیاری از مدل‌سازی‌های انجام شده در بررسی بیماری پارکینسون، جهت تحلیل عملکرد عقده‌های قاعده‌ای بوده است. هر چند رویکرد‌های متفاوتی در مدل‌سازی عقده‌های قاعده‌ای وجود دارد، اما به نظر می‌رسد رویکرد استفاده از نورون‌های اسپایکینگ در مدل‌سازی عقده‌های قاعده‌ای گزینه‌ای مناسب‌تری نسبت به سایر گزینه‌ها است. زیرا توسط این رویکرد، نه تنها تعامل نورون‌ها با یکدیگر قابل بررسی است، بلکه متغیر‌های مورد استفاده در مدل، توصیف فیزیولوژیک دارند. تعامل نورون‌ها در بیماری پارکینسون از این جهت اهمیت دارد که معیار همزمانی بین نورون‌های موجود در هر هسته از عقده‌های قاعده‌ای بیشتر می‌شود. در این پژوهش به توسعه‌ی مدلی از عقده‌های قاعده‌ای، مبتنی بر نورون‌های اسپایکینگ پرداخته شده است که اثر تعدیل‌کنندگی دوپامین را در نظر می‌گیرد. این مدل، مدلی شبکه‌ای متشکل از هسته‌های جسم مخطط، هسته‌ی زیرتالاموس، قسمت‌های داخلی و خارجی گلوبوس پالیدوس و همچنین تالاموس است. نتایج حاصل از شبیه‌سازی‌های انجام شده توسط این مدل، نشان می‌دهد وقتی حدود 80 درصد نورون‌های مولد دوپامین از بین می‌رود، علائم بیماری پارکینسون بروز می‌کنند. همچنین، نتایج حاصل از شبیه‌سازی‌های انجام شده بر روی تأثیرگذاری مسیرهای مستقیم و غیرمستقیم در پاتوفیزیولوژی عقده‌های قاعده‌ای نشان می‌دهند که اختلال در عملکرد مسیر غیرمستقیم تأثیر بیشتری در بروز علائم پارکینسون دارد. با فرض یکسان بودن تغییرات غلظت دوپامین در زمان و فارماکوکینتیک لوودوپا، نتایج حاصله حاکی از آن است که در بیماران مبتلا به wearing-off، حدود 4 ساعت طول می‌کشد تا اثر یک دز از قرص لوودوپای مصرف شده از بین برود. این در حالی است که بیماران در ابتدا بروز عوارض این بیماری، سه قرص در روز مصرف می‌کنند، که این نشان دهنده‌ی کاهش زمان تاثیر لوودوپا بر روی بیمار است. نتایج این پژوهش به پزشکان این پیشنهاد را می‌کند که برای بیماران پارکینسونی بعد از بروز علائم wearing-off تعداد دفعات مصرف لوودپا (و نه دز آن) بهتر است افزایش یابد (تا 6 بار در روز). کارایی این مدل در پیش‌بینی نوسانات موتوری، به نوع wearing-off محدود شده است و نمی‌تواند انواع دیگر آن را پیش‌بینی کند. همچنین، به دلیل در نظر گرفتن مسیر پیشرو از کورتکس به تالاموس از طریق عقده های قاعده ای و بعبارتی حذف (باز کردن) حلقه فیدبک تالاموس-قشر مغز، در این پژوهش رفتار مدل صرفاً بیانگر تاثیر تعدیل کنندگی دوپامین بر مدار‌های داخلی عقده‌های قاعده‌ای و مستقل از فیدبک مذکور می باشد. واژگان کلیدی:عقده‌های قاعده‌ای، بیماری پارکینسون، نوسانات موتوری، مدل نورون‌های اسپایکینگ
- Abstract
- Parkinson's disease (PD) is the second most common neurodegenerative disorder caused by degeneration of dopaminergic neurons in the basal ganglia (BG). Levodopa, a dopamine precursor, is one of the most prevalent treatments that alleviates PD symptoms. However, its long-term use leads to motor fluctuation. The prediction of motor fluctuations can be useful for determining the optimal dosing of levodopa. Mathematical modeling is one of the approaches for the prediction of motor fluctuations. Most of the modeling studies, which investigate different hypotheses about the principles of the PD, have developed different models of BG, because it is well accepted that pathophysiology of BG leads to PD. Although there are different approaches in modeling BG, models based on spiking neurons are more comprehensive, since their variables have physiological interpretation and neuron-neuron interactions can be studied quantitatively. In this study, an inclusive spiking neuron model of BG has been developed which considers the modulatory effect of dopamine on the BG. This model considers networks of neurons for striatum, subthalamic nucleus, internal and external segments of globus pallidus from the BG and the cortex and thalamus. Simulation results of the proposed model show that degeneration of almost 80% of dopaminergic neurons in substantia nigra pars compacta leads to the onset of PD symptoms. In addition, they indicate that indirect pathway plays a major role in pathophysiology of BG. Considering similar patterns for variations in dopamine concentration and pharmacokinetics of levodopa, our results show that the symptoms of PD returns almost 4 hour after taking each single dose of levodopa. Therefore, we may suggest a patient experiencing wearing-off to take the same dose of levodopa 6 times per day. However, the proposed model has some limitations as follows. The application of the proposed model describes wearing-off, where as there are other types of motor fluctuation that are more disabling. Their prediction requires more comprehensive models that can embed other physiological phenomena occurring as the side effects of levodopa in BG. In addition, the model considers only the forward pathway from cortex (CX) to the thalamus (TH). Considering closed-loop pathway from TH to CX in the model will provide a more realistic model that can predict the role of this loop in the onset of PD symptoms. Keywords: Basal Ganglia, Parkinson’s Disease, Motor Fluctuations, Spiking Neurons-based Model
