Difference between revisions of "Dinamiche fisiologiche nelle malattie demielinizzanti: svelare relazioni complesse attraverso la modellazione al computer"

Revision as of 16:05, 16 April 2023

Other languages:

Free resource

Title	Dinamiche fisiologiche nelle malattie demielinizzanti: svelare relazioni complesse attraverso la modellazione al computer
Authors	Jay S. Coggan · Stefan Bittner · Klaus M. Stiefel · Sven G. Meuth · Steven A. Prescott
Source	Document
Date	2021
Journal	Int J Mol Sci.
DOI	10.3390/ijms160921215
PUBMED	https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4613250/#!po=53.5714
PDF copy
License	CC BY
This resource has been identified as a Free Scientific Resource, this is why Masticationpedia presents it here as a mean of gratitude toward the Authors, with appreciation for their choice of releasing it open to anyone's access

This is free scientific content. It has been released with a free license, this is why we can present it here now, for your convenience. Free knowledge, free access to scientific knowledge is a right of yours; it helps Science to grow, it helps you to have access to Science

This content was relased with a 'CC BY' license.
You might perhaps wish to thank the Author/s

Free resource by Jay S. Coggan · Stefan Bittner · Klaus M. Stiefel · Sven G. Meuth · Steven A. Prescott

Book Index

Abstract

Nonostante le intense ricerche, sono disponibili pochi trattamenti per la maggior parte dei disturbi neurologici. Le malattie demielinizzanti non fanno eccezione. Ciò forse non sorprende considerando la natura multifattoriale di queste malattie, che comportano complesse interazioni tra cellule del sistema immunitario, glia e neuroni. Nel caso della sclerosi multipla, ad esempio, non c'è unanimità tra i ricercatori sulla causa o persino su quale sistema o tipo di cellula potrebbe essere ground zero. Questa situazione preclude lo sviluppo e l'applicazione strategica di terapie basate sui meccanismi. Discuteremo di come la modellazione computazionale applicata a questioni a diversi livelli biologici possa aiutare a collegare insieme osservazioni disparate e decifrare meccanismi complessi le cui soluzioni non sono riconducibili al semplice riduzionismo. Effettuando previsioni verificabili e rivelando lacune critiche nelle conoscenze esistenti, tali modelli possono aiutare a indirizzare la ricerca e forniranno un quadro rigoroso in cui integrare i nuovi dati man mano che vengono raccolti. Al giorno d'oggi, i dati non mancano; la sfida è dare un senso a tutto ciò. A tale riguardo, la modellazione computazionale è uno strumento inestimabile che potrebbe, in ultima analisi, trasformare il modo in cui comprendiamo, diagnostichiamo e trattiamo le malattie demielinizzanti.

Parole chiave: mielina, demielinizzazione, sclerosi multipla, malattia neurodegenerativa, modello computazionale, scoperta di farmaci

Introduzione

I sistemi nervosi dei vertebrati sono spesso divisi in materia grigia e bianca in base al loro aspetto e ai ruoli funzionali corrispondenti. Mentre la materia grigia è costituita in gran parte da corpi cellulari e dendriti, la materia bianca contiene principalmente assoni e prende il nome dai fogli di membrana lipidica chiamati mielina che sono avvolti strettamente attorno a quegli assoni.^[1] La mielina proviene da diverse classi di cellule gliali denominate oligodendrociti nel sistema nervoso centrale (SNC) e cellule di Schwann nel sistema nervoso periferico (SNP).

L'isolamento elettrico fornito dai fogli di mielina migliora la funzione assonale aumentando sia l'efficienza energetica che la velocità di conduzione dei potenziali d'azione (AP). Queste due funzioni potrebbero aver cambiato la loro importanza relativa durante l'evoluzione.^[2] La mielina è apparsa per la prima volta nell'Ordoviciano (da 485 a 443 ma, o milioni di anni prima del presente) dopo la divisione degli antenati della lampreda e della missina dal resto di linee dei vertebrati.^[3] Con alcune interessanti eccezioni, ^[4]^[5] la mielina o strutture analoghe si trovano in tutti i vertebrati ed è fondamentale per il corretto funzionamento del loro sistema nervoso. Il tempo approssimativo dell'evoluzione della mielina può essere dedotto dal tempo noto di divergenza tra cordati senza (agnatha) e con (tutti gli altri vertebrati) mielina.

L'avvolgimento della mielina è interrotto da tratti regolarmente distanziati e non mielinizzati noti come nodi di Ranvier. La mielina accelera la conduzione limitando il flusso di carica transmembrana attraverso i canali ionici situati all'interno dei nodi. All'interno dei cosiddetti internodi, la corrente scorre lungo l'assone con una piccola parte che passa attraverso la membrana cellulare isolata. L'AP viene rigenerato in ciascun nodo in cui la densità dei canali del sodio e del potassio voltaggio-dipendenti è molto elevata. Questo processo è chiamato "conduzione saltatoria" poiché l'AP sembra saltare da un nodo all'altro. Le interruzioni in questo sistema di comunicazioni a fuoco rapido possono essere associate a una serie di disfunzioni del sistema nervoso.^[6]

Sotto diversi aspetti, gli assoni sembrano operare ai limiti fisici. Un esempio interessante è che la dimensione degli assoni sembra essere limitata dal rumore termico intrinseco alle proteine del canale ionico; qualsiasi assone più sottile di 0,1 μm sarebbe inutile per il trasferimento di informazioni a causa dei suoi elevati livelli di rumore.^[7] Curiosamente, 0,1 μm è anche approssimativamente il diametro dell'assone più piccolo osservato nei sistemi nervosi [7]. Questo e risultati simili suggeriscono che gli assoni e le loro sottostrutture sono dispositivi biologici finemente sintonizzati, ma che la sintonizzazione può evidentemente essere interrotta in condizioni patologiche.^[8]

La demielinizzazione mette in moto cambiamenti funzionali che sono importanti per le caratteristiche cliniche ma che non sono facilmente spiegabili da cambiamenti immunologici o radiologici. La posizione di una placca prevede quale sistema sarà interessato (motorio vs. sensoriale, visivo vs. tattile) ma non come sarà influenzato. Ciò evidenzia l'importanza di valutare la funzione (oltre alla struttura) e come cambia dopo la demielinizzazione. Dopo aver introdotto le malattie demielinizzanti, discuteremo di come le manifestazioni cliniche di tali malattie riflettano diversi cambiamenti patologici nella funzione degli assoni. Sosterremo che la comprensione di questi cambiamenti e la piena capitalizzazione di tale comprensione per scopi diagnostici e terapeutici possono trarre enormi benefici dalla modellazione computazionale.

Malattie demielinizzanti

Figura 1: Disturbi demielinizzanti del sistema nervoso periferico (PNS). (A) Polineuropatie demielinizzanti primarie e (B) Polineuropatie con danno assone. Abbreviazioni: CMT 1, 2 e 4: malattia di Charcot-Marie-Tooth; CMTX: malattia di Charcot-Marie-Tooth legata all'X; HNPP: neuropatia ereditaria con predisposizione a paralisi da pressione; AIDP: polineuropatia demielinizzante infiammatoria acuta; GBS: sindrome di Guillain-Barré. CIDP: polineuropatia demielinizzante infiammatoria cronica; MGUS: gammopatia monoclonale di significato indeterminato; POESIE: polineuropatia, organomegalia, endocrinopatia o edema della proteina M e anomalie della pelle; HSAN I-IV: neuropatia sensoriale e autonomica ereditaria.

Esiste un gran numero di malattie demielinizzanti che interessano sia il SNP (Figura 1) che il SNC (Figura 2). Le eziologie sono eterogenee e vanno dai disordini genetici ai meccanismi metabolici, infettivi o autoimmuni. La sclerosi multipla (SM) è il più diffuso di questi disturbi, con circa 3 milioni di pazienti in tutto il mondo. La sua causa sottostante è incerta, ma si ritiene che implichi la predisposizione genetica agli agenti ambientali ^[9]^[10] e possa coinvolgere componenti immunologiche, di risposta al trauma, biofisiche, genetiche e/o metaboliche.^[10] I sintomi e le lesioni devono essere molteplici sia nel tempo che nello spazio. Cioè, ci devono essere più episodi nel tempo, che coinvolgono parti disconnesse del sistema nervoso centrale. Non è chiaro se la demielinizzazione infiammatoria sia un evento primario o secondario all'interno del processo patologico..^[9]^[11]^[12] La maggior parte dei trattamenti mira al sistema immunitario o alla barriera emato-encefalica, ma anche la gestione dei sintomi neurologici attraverso la modulazione dell'eccitabilità assonale svolge un ruolo importante (vedi sotto).

Figura 2: Disturbi demielinizzanti del sistema nervoso centrale (SNC). Abbreviazioni: SM: sclerosi multipla; ADEM: encefalomielite acuta disseminata; HIV: virus dell'immunodeficienza umana; PML: leucoencefalopatia multifocale progressiva; HTLV-1: virus T-linfotropico umano 1; PRES: sindrome da encefalopatia posteriore reversibile.

Valutazione clinica della sclerosi multipla

I sintomi sono diversi e possono verificarsi in tutte le combinazioni all'interno di un singolo paziente. La diagnosi richiede che nel tempo vi siano lesioni multiple ed episodi sintomatici, che coinvolgano parti disconnesse del sistema nervoso centrale. Inoltre, i sintomi tendono ad essere scarsamente correlati con le misure radiologiche. Nella grande maggioranza dei casi, le caratteristiche cliniche individuali non si correlano bene con i risultati della RM, specialmente per le lesioni cerebrali.^[13]^[14]^[15] Questa dissociazione clinico-radiologica richiede una migliore comprensione teorica dei sintomi della demielinizzazione e dei cambiamenti biofisici sottostanti che li accompagnano, il che ovviamente solleva la questione di cosa accada esattamente agli assoni colpiti.

I sintomi sono spesso intermittenti e possono includere sia la perdita della funzione (sintomi negativi come intorpidimento, debolezza muscolare, formicolio, cecità, incontinenza, perdita della funzione sessuale, perdita di equilibrio, linguaggio confuso, costipazione, affaticamento invalidante, depressione, disfunzione cognitiva , incapacità di deglutire, interruzione dell'andatura e perdita del controllo della respirazione) e guadagno di funzionalità (sintomi positivi come spasmi, spasticità, crampi, dolore, visione offuscata o doppia, urgenza o esitazione urinaria, nausea, tra gli altri).^[16] I primi criteri diagnostici differenziali includono il segno di Lhermitte (sensazioni legate alla flessione del collo) e il fenomeno di Uhthoff (peggioramento dei sintomi dipendente dalla temperatura). La diagnosi differenziale di SM segue strettamente i criteri di McDonald.^[17]

Negli studi diagnostici umani sui potenziali evocati visivi, sensoriali o motori (VEP, SEP, MEP), solo la latenza o la velocità di conduzione possono essere misurate con precisione (con variazioni di circa il 30-40% tra i diversi laboratori). Ma queste misure danno pochi indizi sui meccanismi sottostanti che coinvolgono il rallentamento o il blocco della conduzione, o fattori morfologici o funzionali come ramificazione, demielinizzazione, rimielinizzazione, assottigliamento assonale (diminuzione dell'area della sezione trasversale), attenuazione o ricrescita, cambiamenti di conduzione legati alla temperatura , o malpolarizzazione (iper o ipo). Tuttavia, il tipo di lesione demielinizzante può fornire indizi sull'eziologia e quindi guidare il trattamento; ad esempio, i fattori genetici sembrano essere maggiormente correlati ai processi patologici internodali e le disfunzioni immunologiche causano anomalie paranodali.^[18]

Un certo numero di test viene abitualmente utilizzato per valutare la funzione neurale. Nell'elettroneurografia, un breve stimolo elettrico viene applicato a un nervo periferico in una posizione anatomicamente predefinita per misurare la latenza e l'ampiezza del potenziale d'azione composto in un'altra posizione lungo il nervo. I risultati devono essere interpretati in combinazione con risultati clinici e test (ad esempio, elettromiografia) ma, soprattutto, diverse malattie mostrano diversi modelli di cambiamenti elettroneurografici. Questo è importante non solo per scopi diagnostici, ma può anche indicare specifici cambiamenti patologici nella funzione degli assoni che potrebbero, a loro volta, aiutare a guidare la scelta della terapia (se la patobiologia degli assoni fosse compresa; vedi sotto). Utilizzando il monitoraggio della soglia, l'eccitabilità è stata misurata negli esseri umani per diverse malattie demielinizzanti periferiche tra cui la malattia di Charcot-Marie-Tooth di tipo 1A (CMT1A), la polineuropatia demielinizzante infiammatoria cronica (CIDP), la sindrome di Guillain-Barré (GBS) e la neuropatia motoria multifocale (MMN )..^[19]^[20]^[21]^[22]^[23]^[24]^[25] La sfida sta nell'interpretare queste osservazioni. A tal fine, il gruppo di Stephanova ha simulato gradi progressivamente maggiori di demielinizzazione sistematica e focale delle fibre motorie per cercare di spiegare i cambiamenti fisiologici osservati ^[26]^[27]^[28]^[29]^[30]^[31] (vedere la sezione Modellazione di seguito).

Coinvolgimento dei corpi cellulari

La progressione dalla SM recidivante-remittente (RRMS) alla SM secondaria progressiva (SPMS) è associata a un maggiore coinvolgimento della patologia della materia grigia, sebbene il coinvolgimento assonale/della materia grigia possa essere osservato già nelle prime fasi della malattia. ^[32]^[33]^[34]^[35] Il danno alla materia grigia è considerato il meccanismo alla base della progressione della malattia e della disabilità permanente nei pazienti con SM ed è misurato dalla perdita della frazione parenchimale cerebrale o del volume cerebrale mediante risonanza magnetica o clinicamente dalla progressione sulla scala dello stato di disabilità ampliata (EDSS).^[36] La transizione dalla SMRR alla SMSP è un presagio per la mancanza di terapie per combattere l'esacerbato deterioramento fisico e cognitivo che la maggior parte dei pazienti con SMSM deve affrontare. ^[9]^[37]

Trattamento

I principali interventi per la SM riguardano la modulazione della risposta immunitaria con, ad esempio, metil-prednisolone, interferone beta, glatiramer acetato o fingolimod, o impedendo alle cellule infiammatorie di attraversare la BBB (anticorpi monoclonali, ad es. Tysabri (anti α4-integrina, Natalizumab )). Molto recentemente i primi due agenti orali (fumarato e teriflunomide) e l'anticorpo anti-CD52 Natalizumab sono stati approvati per il trattamento della SMRR, che può essere trattata con successo con terapie di prima linea come interferoni, glatiramer acetato o fingolimod, o con terapie di seconda linea, ma le forme progressive (PPMS, SPMS) rappresentano ancora un bisogno biomedico insoddisfatto.^[38] Gli antineoplastici sono utilizzati in casi estremamente avanzati o difficili.^[39]

I farmaci modificanti la malattia sono fondamentali per arrestare o almeno attenuare il processo di demielinizzazione, ma lo è anche per gestire i sintomi derivanti da qualunque demielinizzazione sia già avvenuta. La modulazione del canale ionico è sempre più promettente con l'avvento di nuovi bloccanti del canale ionico come Ampyra (blocco del canale K). ^[40]^[41] Il blocco del canale del potassio ha lo scopo di migliorare l'eccitabilità degli assoni. Il problema è che tali interventi, sebbene efficaci nel trattamento dei sintomi negativi e nel ripristino della funzione, tendono ad esacerbare i sintomi positivi.^[42] Al contrario, il trattamento di sintomi positivi come gli spasmi con antiepilettici come la carbamazepina, ad esempio, può esacerbare i sintomi negativi.^[43] Infatti, il blocco dei canali del Na+ non solo riduce i sintomi positivi, ma può anche essere neuroprotettivo (poiché l'accumulo di Na+ fa sì che i meccanismi di scambio Na+/Ca2+ carichino i neuroni con Ca2+, che è eccitotossico)^[44] (Figura 3) ma questi benefici vanno a scapito dei sintomi. Pertanto, e specialmente in un paziente che presenta una combinazione di sintomi positivi e negativi, le opzioni di trattamento sono limitate.

Figura 3: Meccanismi di neurodegenerazione correlata alla demielinizzazione. La demielinizzazione può portare progressivamente a squilibri ionici, crisi energetiche, blocco della conduzione e infine neurodegenerazione. (A) un nodo normale di Ranvier con regioni iuxtaparanodali, paranodali e nodali intatte, raffiguranti

Na^{+},K^{+},Ca^{+}

ioni che scorrono attraverso i rispettivi canali con mitocondri che forniscono l'ATP per

Na^{+},K^{+}ATP

asi dipendenti dall'energia che ristabiliscono i gradienti ionici impoveriti dal flusso ionico attraverso i canali. Nell'assone sono presenti numerosi canali ionici diversi, ma qui è raffigurato solo un piccolo sottoinsieme; (B) la demielinizzazione parziale provoca la dispersione dei canali ionici nodali, l'insufficienza energetica e gli squilibri dei gradienti ionici; (C) la demielinizzazione completa può provocare blocco di conduzione e degenerazione assonale a causa dell'accumulo di

Ca^{+}

intracellulare che risulta dalla crisi energetica e dall'interruzione degli equilibri ionici. Abbreviazioni:

K_{v}1

: canale del potassio di tipo 1;

Na_{v}1.6

e

Na_{v}1.2

: canali del sodio di tipo 1.6 e 1.2;

Na^{+},Ca^{+}

: scambiatore:

Na^{+},Ca^{+}

pompa di scambio;

Na^{+},K^{+}ATP

ase: ATP (energia)-dipendente

Na^{+},K^{+}

pompa di scambio; CASPR1: proteina 1 associata alla contactina (molecola di interazione tra cellula mielinizzante con assone);

NF55

: neurofascina 155 (molecola di interazione predominante tra mielina e assone alla giunzione paranodale axo-gliale).m Da SMRR a SPMS è un presagio per la mancanza di terapie per combattere l'esacerbato deterioramento fisico e cognitivo che deve affrontare la maggior parte dei pazienti con SMSP.

La discussione di cui sopra solleva il punto importante che, sebbene sia stato fatto molto rumore sui meccanismi immunitari, la loro connessione con i cambiamenti clinici è in gran parte correlazionale. Bisogna considerare gli effetti intermedi sulla funzione assonale, vale a dire i cambiamenti primari e secondari (compensativi) nell'eccitabilità degli assoni, per apprezzare come la funzione neurologica è alterata. Questi cambiamenti non sono conseguenze semplici e dirette della demielinizzazione ma, invece, suggeriscono che la stessa fisiologia assonale cambia in risposta alla demielinizzazione. Alcuni di questi cambiamenti sono adattivi mentre altri sono disadattivi, o forse i cambiamenti adattivi possono diventare disadattivi man mano che la situazione (stato di mielinizzazione) si evolve. Se i cambiamenti nella fisiologia assonale determinano la manifestazione di vari sintomi, la gestione dei sintomi ricadrà in gran parte su trattamenti che mirano a manipolare la fisiologia degli assoni. Lo sviluppo strategico di tali trattamenti richiede una profonda comprensione meccanicistica dell'eccitabilità assonale e della sua regolazione.

Patobiologia degli assoni

Cambiamenti strutturali e molecolari

Gli assoni sono profondamente influenzati dalla demielinizzazione. La morfologia dell'assone diventa irregolare o rigonfia, spesso con un aspetto a perline. Si osserva anche un accumulo focale di proteine (tramite trasporto assonale veloce). Nelle placche attive croniche, la perdita assonale del 20%-80% è evidente all'interno della sostanza bianca peri-placca e della normale sostanza bianca distante.^[45] Nelle placche attive precoci e croniche, si ritiene che il danno sia causato da fattori infiammatori e immunitari rilasciati durante la demielinizzazione infiammatoria acuta. I mediatori proposti includono proteasi, citochine, eccitotossine e radicali liberi. Gli antigeni neuronali sono bersagli della reazione immunitaria che porta all'infiammazione del sistema nervoso centrale. Altri fattori che causano la disfunzione assonale o la morte includono una mancanza di supporto trofico da mielina e oligodendrociti, danni da fattori immunitari solubili o cellulari ancora presenti nella placca inattiva e insufficienza mitocondriale cronica nell'ambito di una maggiore richiesta di energia.^[46] Un ruolo critico per gli oligodendrociti e le cellule di Schwann nella sopravvivenza degli assoni è stato anche attribuito ai perossisomi, al metabolismo lipidico e alla disintossicazione delle specie reattive dell'ossigeno (ROS).^[47]

La rimielinizzazione è spesso osservata come placche ombra formate dal reclutamento di precursori di oligodendrociti indifferenziati che migrano e circondano le lesioni consentendo sottili strati di rimielinizzazione.^[48] Questo processo si verifica principalmente nelle placche attive acute, ma anche nelle fasi croniche. Questa osservazione ha innescato lo sviluppo di un nuovo anticorpo monoclonale diretto contro LINGO-1 (Anti-LINGO-1). Il legame di LINGO-1 ai recettori Nogo previene i processi di rimielinizzazione nel SNC; l'inibizione di questa interazione consente quindi una significativa rimielinizzazione negli animali con encefalomielite autoimmune sperimentale.^[49]

Durante il processo patologico, i linfociti autoreattivi e i macrofagi possono attraversare la barriera ematoencefalica e accumularsi nel cervello e nel midollo spinale.^[50] I linfociti regolatori (Tregs) non riescono a sopprimere le cellule effettrici, per lo più cellule CD8+ citotossiche.^[51] Il rilascio di citochine pro-infiammatorie recluta la microglia ingenua, che entra in contatto con un'unità oligodendrocita-mielina mediante interazioni con Fc e recettori del complemento. Un segnale citotossico che innesca la morte viene quindi trasmesso attraverso il fattore di necrosi tumorale α (TNFα)^[52] legato alla superficie. Ciò si verifica in concerto con un esteso danno assonale.^[10]

Lucchinetti el al.^[46] proposto quattro distinti immunopattern di formazione della placca riscontrati in pazienti in diversi stadi della malattia. Le placche di tipo I e II sono dominate dall'infiammazione dei linfociti T e dei macrofagi e si pensa che mimino rispettivamente i modelli di encefalomielite autoimmune a cellula T o a cellula T più anticorpi. La perdita di mielina nelle placche di tipo I può essere causata da fattori tossici rilasciati dai macrofagi attivati, mentre la deposizione di IgG e complemento suggerisce un ruolo degli anticorpi nelle placche di tipo II. Al contrario, i modelli III e IV mostrano una grande distrofia degli oligodendrociti. Si ritiene che il pattern III sia correlato alle lesioni indotte dall'ipossia che sono guidate da difetti nella funzione mitocondriale,^[53] mentre le lesioni del pattern IV sono associate a morte profonda non apoptotica degli oligodendrociti nella sostanza bianca periplacca.

Barnett e Prineas^[54] hanno analizzato le lesioni dei pazienti subito dopo l'inizio di una ricaduta, durante la quale era in corso la formazione attiva della placca. I loro risultati suggeriscono che l'apoptosi degli oligodendrociti e l'attivazione gliale si verificano durante la formazione precoce della placca attiva in assenza di linfociti infiammatori o fagociti della mielina. Hanno proposto che la vulnerabilità degli oligodendrociti, descritta nel modello di tipo III di Lucchinetti, sia presente nelle prime fasi di tutta la formazione della placca ed è l'innesco per la successiva necrosi post apoptotica che avvia la fagocitosi della mielina da parte dei macrofagi nelle fasi successive. Le analisi in vitro di questo processo hanno implicato cascate del complemento, fattori di necrosi tumorale o secondi messaggeri gassosi.^[55] Sebbene l'identificazione delle placche e il monitoraggio del loro progresso abbiano un importante valore clinico, esiste solo una modesta correlazione tra il carico della lesione demielinizzante determinato dalla risonanza magnetica convenzionale e la disabilità clinica dei pazienti con SM (vedi sopra).

Modifiche funzionali

I meccanismi di compromissione funzionale durante la demielinizzazione spesso includono l'interruzione degli ioni Na+, K+ e Ca2+ transmembrana, la dispersione dei canali ionici corrispondenti, una diminuzione dell'efficienza della conduzione AP e una conseguente crisi metabolica (Figura 3). La demielinizzazione può facilmente spiegare il fallimento della conduzione all'interno dell'assone interessato. Se la conduzione non fallisce completamente, la velocità di conduzione può comunque essere rallentata e il rallentamento differenziale tra diversi assoni può causare ritardi di conduzione variabili che si traducono in picchi desincronizzati.

La demielinizzazione consente inoltre agli assoni denudati di avvicinarsi strettamente, ponendo così le basi per le interazioni epatiche e il crosstalk.^[10] La riflessione può anche verificarsi a causa della mancata corrispondenza di impedenza tra le lunghezze mielinizzate e non mielinizzate dell'assone. D'altra parte, l'ipereccitabilità non può essere direttamente attribuita alla demielinizzazione; invece, i cambiamenti secondari nell'eccitabilità intrinseca devono essere invocati per spiegare fenomeni come la generazione di picchi ectopici e la post-dimissione (AD). Le alterazioni dell'eccitabilità rappresentano probabilmente cambiamenti compensatori volti a ripristinare la funzione in seguito all'interruzione causata direttamente dalla demielinizzazione, coerente con un processo denominato plasticità omeostatica,^[56] ma tale compensazione può evidentemente essere disadattativa. Ciascuno dei suddetti esiti, che non si escludono a vicenda, contribuisce a produrre diversi sintomi osservati nelle malattie demielinizzanti.

I sintomi parossistici caratterizzati dall'insorgenza improvvisa o dall'intensificazione di sintomi come spasmo o dolore lancinante derivano probabilmente dall'AD o da picchi di tipo burst inappropriati. Tali modelli di spiking suggeriscono interazioni altamente non lineari tra le correnti ioniche che contribuiscono ^[57]^[58] e potrebbero, almeno in teoria, coinvolgere interazioni tra diverse regioni del neurone.^[59] A differenza di forme più generiche di ipereccitabilità (ad esempio, aumento della frequenza di scarica o soglia ridotta), questi modelli specifici sono limitati in termini di precisi meccanismi attraverso i quali potrebbero insorgere. Pertanto, l'identificazione dei cambiamenti del canale ionico alla base di quelle specifiche forme di ipereccitabilità può aiutare a limitare la ricerca dei cambiamenti del canale ionico responsabili delle forme associate, ma meno distintive, di ipereccitabilità.

L'interruzione dell'equilibrio energetico in un neurone potrebbe anche avere un impatto profondo sul benessere del neurone (Figura 3). In effetti, le modifiche compensative possono riuscire a ripristinare alcune funzioni ma, senza invertire il problema principale, possono sorgere altri problemi. Ad esempio, anche se il blocco di conduzione è impedito da un'appropriata variazione compensativa dell'eccitabilità (cioè, una che non si traduca in ipereccitabilità), il sistema può essere meno efficiente dal punto di vista energetico. La perdita del risparmio energetico offerto dalla conduzione saltatoria induce una produzione compensativa di energia mitocondriale che può provocare danni ossidativi e neurodegenerazione. ^[53]^[60]^[61]

Tenere traccia di questo lungo elenco di cambiamenti neurobiologici, comprendere le interrelazioni tra tali cambiamenti e, in definitiva, collegare tali cambiamenti con manifestazioni cliniche e applicare un trattamento efficace non è un compito facile. A tal fine, la modellazione computazionale è uno strumento prezioso. Le simulazioni non solo servono a organizzare le informazioni già note, ma identificano anche lacune cruciali nella conoscenza. L'uso giudizioso della modellazione computazionale può quindi consentire una comprensione più completa e facilitare l'applicazione più efficace di tale comprensione, come discusso di seguito.

Modellazione computazionale

Soprattutto se abbinata agli esperimenti tradizionali, la modellazione computazionale è indispensabile per dare un senso a dati incoerenti e meccanismi complessi. Questi benefici sono esemplificati dall'applicazione di simulazioni in altri campi, come l'epilessia.^[62] Qui esaminiamo parte della storia della modellazione computazionale di assoni, conduttanze ioniche, fisiologia della mielina e demielinizzazione, sistema immunitario, mitocondri e altri fattori biologici che sono fondamentali per comprendere le malattie demielinizzanti. La nostra recensione non è esaustiva, ma fornirà un'ampia introduzione agli sforzi passati, presenti e futuri in questo settore.

Modeling Axons

The computational modeling of axons has evolved taxonomically, from squid to mammalian tissues with a corresponding increase in sophistication. The Hodgkin and Huxley (HH) model, which provided the first thorough explanation of AP generation, was derived from experiments in unmyelinated giant axons of squid,^[63]^[64] but this early model has proven to be an invaluable tool from which later, more sophisticated models of myelinated axons have evolved.

The spatial and biophysical heterogeneity conferred by the addition of myelin, and the consequent formation of nodes and internodal regions, represents a significant increase in axon complexity. The first computational model of a myelinated axon was a one-dimensional model that collapsed the myelin sheath into the underlying passive axolemma, used a uniform spatial step size to form the discrete approximation used in the numerical solution and employed a HH characterization of the nodal membrane.^[65] Goldman & Albus^[66] modified this model to include a description of the nodal membrane derived from experimental data on Xenopus laevis myelinated nerve fibers as determined by Frankenhaeuser & Huxley.^[67] Subsequent studies have used the same basic form for the model with some variations for the representation of the axolemma.^[15]^[68]^[69]^[70]^[71]^[72]^[73]^[74]^[75]^[76] The single cable model, describing the axon and all of its conductance and capacitance properties in one cable equation, has dominated the field until the present day despite the introduction of double cable models by Blight.^[77] In double cable models, the internodal axolemma and the myelin sheath are independently represented. The double cable model has been expanded by Halter and Clark^[78] to explore effects of the complex geometry of CNS oligodendrocytes (or Schwann cells in the case of the PNS).

Newer models have also improved upon previous simplifications including the anatomical complexity of the node of Ranvier, the distribution of ionic channels in the axon beneath the myelin sheath, the different electrical properties of the myelin sheath and the axolemma, and accommodation of possible current flow within the periaxonal space.^[78]^[79]^[80]^[81]^[82] Anatomical representations of the paranodal area have allowed more detailed assessment of the effects of traumatic brain injury (TBI) on myelinated axons.^[83] One of the most anatomically sophisticated models includes representation of the complex aqueous sheath structure of myelin lamellae as a series of interconnecting parallel lamellae in a model of motor nerves.^[30]^[80]

Newer models have also considered the non-uniform distribution of ion channels throughout the axon [19,84,85,86,87,88,89,90].^[19]^[84]^[85]^[86]^[87]^[88]^[89]^[90] Beyond ion channels, energy-dependent pumps and other ion-transport mechanisms provide important therapeutic targets for a number of neurological disorders.^[91]^[92]^[93] In that respect, regulating transmembrane ion gradients costs significant energy and itself becomes an important consideration (see below).^[94] This is especially true since the small volume of axons renders them prone to ion concentration changes that can dramatically impact driving forces, and can become problematic in models that assume constant intracellular and extracellular concentrations. But recent models have also dealt with such issues (see below).

All of the aforementioned models focus on simulating the change in axon membrane potential but one does not necessarily have experimental access to that variable, which of course complicates efforts to compare simulation and experimental data. Indeed, since extracellular recordings are the primary source of electrophysiological data from human subjects, the mathematical description of the extracellular field potential is of great interest clinically. Mathematical evaluations based on Laplace equations and Fourier transforms are used for calculating these potentials (sometimes referred to as line-source modeling, e.g.,.^[82]^[95]

Modeling Specific Mechanisms

Beyond modeling normal axonal function, models can be used to explore particular mechanisms of axonal dysfunction especially when combined with experimental results that might better pinpoint mechanisms.^[96] For example, Barrett and Barrett^[97] showed that the depolarizing afterpotential (DAP) is sensitive to changes in conductance densities and capacitative changes that might occur during demyelination. A model by Blight was designed for simulation of his experimental recording conditions^[77]^[98] and represents a single internode with multiple discrete segments and adjacent nodes and internodes in single lumped-parameter segments. This model included K+ channels in the axolemma of the single multi-segmented internode and treats the remainder as purely passive.

Building on this work, with careful attention to anatomical and electrophysiological details, McIntyre et al.^[81] addressed the role of the DAP and afterhyperpolarization (AHP) in the recovery cycle—the distinct pattern of threshold fluctuation following a single action potential exhibited by human nerves. The simulations suggested distinct roles for active and passive Na+ and K+ channels in both afterpotentials and proposed that differences in the AP shape, strength-duration relationship, and the recovery cycle of motor and sensory nerve fibers can be attributed to kinetic differences in nodal Na+ conductances. Richardson et al.^[99] also found that alteration to the standard “perfect insulator” model is necessary to reproduce DAPs during high-frequency stimulation.

The temperature sensitivity of demyelination effects has also been investigated computationally. Zlochiver^[100] modeled persistent resonant reflection across a single focal demyelination plaque and found that this effect was sensitive to temperature and axon diameter. All of these examples demonstrated the power of simulations to examine specific mechanisms to explain observed phenomena from the clinic and offer guidance for future research.

As mentioned above, distinct changes in axon function are likely to manifest certain gain- or loss-of-function symptoms. If one could reproduce those changes in a computational model, the necessary parameter changes needed to convert the model between normal and abnormal operation could be used to predict the underlying pathology. Ideally this can lead to specific experiments in which the suspect ion channel, for example, is directly manipulated to see if its acute alteration is sufficient to reproduce or reverse certain pathological changes. Recent studies from the Prescott lab illustrate this process.^[101]^[102] This success of these studies depended on advanced techniques including the dynamic clamp technique, used to switch between normal and abnormal spiking patterns and optogenetic tools. The next step is to link changes in axon function with disease symptoms (or their behavioural correlates in animal models).

In auditory nerve experiments, Tagoe and colleagues^[103] demonstrated that hearing loss related to morphological changes at paranodes and juxtaparanodes, including the elongation of the auditory nerve around nodes of Ranvier, can result from exposure to lound noise, Extending this work, Hamann and collegues built a computational model to examine possible mechanisms. Their model suggested that it is more likely that a decrease in the density of Na-channels, rather than a redistribution of Na or K channels in general, is responsible for the conduction inhibition associated with acoustic over-exposure.^[104] This experiment-model tandem demonstrates the revelatory potential of pairing computational models with laboratory experiments.

With a myelinated axon multi-layered model Stephanova and colleagues have had on-going success identifying likely anatomical and physiological deficiencies underlying various symptoms and conditions related to demyelination by making comparisons to the threshold tracking measurements from patients including latencies, refractoriness (the increase in threshold current during the relative refractory period), refractory period, supernormality, and threshold electrotonus values including stimulus-response measures such as current-threshold relationships.^[21] For example, they found that mild internodal systematic demyelination (ISD) is a specific indicator for CMT1A. Mild paranodal systematic demyelination (PSD) and paranodal systematic demyelination (PISD) are specific indicators for CIPD and its subtypes. Severe focal demyelinations, internodal and paranodal, paranodal-internodal (IFD and PFD, PIFD) are specific indicators for acquired demyelinating neuropathies such as GBS and MMN [18] (see Figure 1).

Mild systematic and severe focal demyelination correspond to hereditary (CMT1A) and acquired (CIDP, GBS and MMN) neuropathies (Table 1). It was also found that 70% systematic demyelination is insufficient to cause symptoms and 96% is required for conduction block at a single node [18]. Thus, there is a large safety factor for focal demyelination. With their temperature-dependent version of the model of the myelinated human motor nerve fiber, Stephanova and Daskalova^[105] showed that the electrotonic potentials in patients with CIDP are in high risk for blocking during hypo- and even mild hyperthermia and suggest mechanisms involving increased magnitude of polarizing nodal and depolarizing internodal electrotonic potentials, inward rectifier K+ and leak K+ currents increase with temperature, and the accommodation to long-lasting hyperpolarization is greater than to depolarization.


Table 1 Correspondence between types of demyelination and diseases according to Stephanova and Dimitrov.^[18]
Type of Demyelination	Corresponding Disease (PNS)
Internodal systematic demyelination (ISD)	Charcot-Marie-Tooth Disease Type 1A (CMT1A)
Paranodal systematic demyelination (PSD)	Chronic inflammatory demyelinating polyneuropathy (CIDP)
Paranodal + internodal demyelination (PISD)	Chronic inflammatory demyelinating polyneuropathy (CIPD) subtypes
Internodal focal demyelination (IFD)	Guillain-Barré (GBS)
Paranodal focal demyelination (PFD)	Multifocal Motor Neuropathy (MMN)
Paranodal + focal demyelination (PIFD)	Multifocal Motor Neuropathy (MMN)

Simple Models and Nonlinear Dynamical Analysis

Given the temporal dissociation between the manifestation of symptoms and the rates of demyelination and remyelination, homeostatic processes undoubtedly occur within axons, which include the redistribution of ion channels in demyelinated plaques.^[106]^[107] But given the diversity of ion channels expressed by different axons and only patchy knowledge of how expression levels change, building detailed models to investigate those homeostatic processes is problematic. Especially under those conditions, highly simplified models can help identify fundamental principles, as exemplified by joint use of modified HH and Morris-Lecar models [57,58]. The results of those studies suggested a simple explanation for the breadth of symptoms encountered during demyelination by revealing that the ratio of Na+ to leak K+ conductance, g(Na)/g(L), acted as a four-way switch controlling excitability patterns that included failure of AP propagation, normal AP propagation, AD, and spontaneous spiking.

Further studies with this model suggested the potential for competition or cooperation between different regions of the same neuron.^[59] Cooperativity between remote sites of ectopic spiking allows AD to be initiated and maintained at different locations within a single axon, thus providing a compelling explanation for the temporal and spatial discontinuities of pain and other symptoms presented by MS patients. Remarkably, in a recent study of demyelinated axons in a cuprizone mouse model, experimental evidence was seen for a redistribution of ion channels from the node of Ranvier, enhanced ectopic excitability along with antidromically propagated APs from the demyelinated plaque, as well as a compensatory shift in the excitability of membranes proximal to the soma.^[108] All of these observations concur or are consistent with the computational model predictions of Coggan and colleagues and imply the success of the computational approach to guiding laboratory studies.

Furthermore, these simplified models enabled application of mathematical tools to examine the nonlinear mechanisms by which AD is initiated and terminated.^[57]^[58]^[59] Bifurcation analysis revealed the underlying bistability of axon excitability under pathological conditions, as well as the factors controlling the transition from one attractor state to another. AD, for example, requires a slow inward current that allows for two stable attractor states, one corresponding to quiescence and the other to repetitive spiking (a limit cycle). Termination of AD was explained by the attractor associated with repetitive spiking being destroyed. This occurred when ultra-slow negative feedback in the form of intracellular Na+ accumulation caused the destruction of the limit-cycle attractor state [58]. Other studies using bifurcation analysis suggest that ion concentration changes can introduce slow dynamics that may be important for understanding pathological outcomes [94,109].^[94]^[109]

Modeling at Small Scales

Studies mentioned above highlight the importance of ion concentration changes but each of them only considered those changes at a relatively course scale. By comparison, the study by Lorpreore et al.^[110] tackled the daunting problem of modeling three-dimensional electro-diffusion of ion fluxes in micro and nano-domains surrounding ion channels at the node of Ranvier. In this unique model, the fluxes of ions are calculated by Poisson-Nernst-Planck equations with finite volume techniques. The fluxes and electric potentials were evaluated within voxels formed by a Delaunay-Voronoi mesh of the axon interior and exterior close to the membrane. Importantly, the algorithm was validated and results agreed with cable model predictions. Divergence from cable model predictions at smaller cluster sizes revealed the importance of each channel’s own electric field.

The above example highlights the point that models can simulate more than ion channels and membrane potential. Indeed, models can and must dig deeper into biophysical mechanisms like electro-diffusion and into signaling pathways that ultimately serve to regulate ion channel function and expression. A promising method called Biochemical Systems Theory (BST) may be useful in the future for pre-screening the effects of drugs at the systemic level. Broome and Coleman^[111] demonstrated the power of this technique by modeling several biochemical pathways in neurons associated with cell death during MS including reactive oxygen and nitrogen species formation, Ca2+ dynamics, death complex formation, apoptotic factor release, and inflammatory responses together with three different states: normal, MS disease and treatment. At the atomic-level, a computational model of myelin basic protein (MBP) structure was carried-out because post-translational modifications of MBP may contribute to demyelination in MS.^[112] It is important to understand its 3D structure to predict interaction sites with other molecules but a crystal structure for this protein might never be measured directly. This type of modeling may, therefore, represent an effective way to predict the structure by combining knowledge of amino acid sequence with information from similar proteins. The challenge for and the true power of modeling lies in connecting mechanisms that operate at vastly different scales, from molecular structure to the nervous system as a whole, and beyond, to address how the nervous system interacts with the immune system.

Models of Immune Factors. While there are numerous computational models of the immune system,^[113] those related to MS typically model genetic interaction networks, either represented as sets of ordinary differential equations (ODEs) or Boolean networks. One systems biology model of a possible cellular mechanism of RRMS found breakdown in homeostasis of effector (Teff) and regulatory T (Treg) cells.^[114]^[115] By changing parameters in the Teff-Treg feedback loop, under continual stochastic external stimulus from antigens, the model reproduced spontaneous and apparently stochastic immune relapses. The irreversible damage from each episode accumulates over time. Novel predictions include the suggestion that the timing of Treg immunotherapy in the immune response cycle is critical in determining whether intervention is beneficial or deleterious.

Models of Mitochondrial Dysfunction. As mentioned above, myelin enables more energy efficient AP conduction along the axon. The increased energy demands placed on the demyelinated axon represents yet another challenge to the afflicted neuron. Beyond the loss of saltatory conduction, there is mounting evidence of a critical role for astrocytes and oligodendrocytes in supplying energy to neurons and this process has also been the subject of computational modeling.^[116]

There are many ways mitochondrial function can go awry and the compensatory pathways are equally complicated.^[53]^[60]^[61] For example, mitochondrial dysfunction can be rooted in perturbed Ca2+ signaling within mitochondria, disrupted proton gradients or electron chain, reduction-oxidation imbalance as well as the consequences of reduced ATP availability, locally and globally. Multi-scale models of heart, for example, have been used to link altered mitochrondrial Ca2+ signaling to arrhythmia [60]. Using mitochondrial network modeling, this study demonstrated how even slightly too much reactive oxygen species can trigger a cell-wide collapse of mitochondrial membrane potential. This is an excellent example of how a computational model can link processes occurring at different levels, and it is precisely these linkages that must be established in the field of demyelination diseases.

Missing Links and the Need for Integration

Within the field of demyelinating diseases, modeling efforts have traditionally focused on axon models aimed at explaining various aspects of excitability. But as outlined above, those models have undergone tremendous evolution in complexity. In the process, models at different biological scales have begun to coalesce. For instance, models have now begun to address the regulation of ion concentrations and the consequences thereof for slow excitability changes, energy consumption, and toxicity. A computational approach will be necessary for integrating parallel and multifactorial etiologies associated with cognitive decline such as immune system signaling, energy metabolism, grey and white matter interactions, and genetic networks [117].^[117] These continued efforts are starting to uncover the vast and interconnected feedback loops that operate across a broad range of spatial and temporal scales. That said, such efforts are still in their infancy and wide gaps remain in the modeling of demyelinating diseases. It is easier to describe what has been modeled than what has not. A truly integrated model involving multiple cell types that addresses all the hypothesized etiological factors remains unrealized. Among the unexplored or under-explored but potentially useful targets for modeling are grey matter pathology, myelin sheath aqueous layers, energy metabolism, and perhaps most importantly, multi-scale or integrated modeling. One should recognize that the necessary tools exist in other fields of study and can, therefore, be readily applied to the study of demyelination diseases.

Conclusions

The normal physiological function of the CNS or PNS relies on a highly regulated interplay of neurons, glia, vasculature and immune cells. This process encompasses and integrates numerous cellular and signaling components that produce a dynamical, computational whole. When any part goes awry, the entire system is forced to compensate. Even when compensation manages to rescue the most obvious consequences of demyelination, certain processes may not return to a completely normal state, which can lead to problems on longer time scales. The resulting symptoms are a confusing mixture of direct and compensatory changes that continuously evolve. The overall complexity has proven to be intractable to efficient experimental dissection. The application of computational modeling techniques represents an invaluable approach to help break the impasse and engender a new era of understanding and discovery.

Acknowledgments

Support provided by the Canadian Institutes of Health Research New Investigator Award and the Ontario Early Researcher Award (SAP). We thank Heiki Blum for assistance with figure preparation.

Author Contributions

All authors contributed to the writing of this manuscript. Figures were provided by Sven G. Meuth.

Conflicts of Interest

The authors declare no conflict of interest.

Article information

Int J Mol Sci. 2015 Sep; 16(9): 21215–21236. Published online 2015 Sep 7. doi: 10.3390/ijms160921215 PMCID: PMC4613250 PMID: 26370960 Jay S. Coggan,1,* Stefan Bittner,2 Klaus M. Stiefel,1 Sven G. Meuth,2 and Steven A. Prescott3,4 Christoph Kleinschnitz, Academic Editor 1NeuroLinx Research Institute, La Jolla, CA 92039, USA; E-Mail: gro.xniloruen@sualk 2Department of Neurology, Institute of Physiology, Universitätsklinikum Münster, 48149 Münster, Germany; E-Mails: moc.kooltuo@renttib-nafets (S.B.); ed.retsneumku@htuem.nevs (S.G.M.) 3Neurosciences and Mental Health, the Hospital for Sick Children, Toronto, ON M5G 1X8, Canada; E-Mail: ac.sdikkcis@ttocserp.evets 4Department of Physiology and the Institute of Biomaterials and Biomedical Engineering, University of Toronto, Toronto, ON M5G 1X8, Canada

Author to whom correspondence should be addressed; E-Mail: gro.xniloruen@yaj; Tel.: +1-858-243-6720.

Received 2015 May 26; Accepted 2015 Aug 25. Copyright © 2015 by the authors; licensee MDPI, Basel, Switzerland. This article is an open access article distributed under the terms and conditions of the Creative Commons Attribution license (http://creativecommons.org/licenses/by/4.0/). Articles from International Journal of Molecular Sciences are provided here courtesy of Multidisciplinary Digital Publishing Institute (MDPI)

Bibliography

↑ Virchow R. Uber das ausgebreitete Vorkommen einer dem Nervenmark analogen Substanz in den tierischen Geweben. Virchows Arch. Pathol. Anat. 1854;6:562–572. doi: 10.1007/BF02116709. [CrossRef] [Google Scholar]
↑ Stiefel K.M., Torben-Nielsen B., Coggan J.S. Proposed evolutionary changes in the role of myelin. Front. Neurosci. 2013;8 doi: 10.3389/fnins.2013.00202.[PMC free article] [PubMed] [CrossRef] [Google Scholar]
↑ Bullock T.H., Moore J.K., Fields R.D. Evolution of myelin sheaths: Both lamprey and hagfish lack myelin. Neurosci. Lett. 1984;48:145–148. doi: 10.1016/0304-3940(84)90010-7. [PubMed] [CrossRef] [Google Scholar]
↑ Davis A.D., Weatherby T.M., Hartline D.K., Lenz P.H. Myelin-like sheaths in copepod axons. Nature. 1999;398:571–571. doi: 10.1038/19212. [PubMed] [CrossRef] [Google Scholar]
↑ Hartline D.K., Colman D.R. Rapid conduction and the evolution of giant axons and myelinated fibers. Curr. Biol. 2007;17:R29–R35. doi: 10.1016/j.cub.2006.11.042. [PubMed] [CrossRef] [Google Scholar]
↑ Arancibia-Carcamo I.L., Attwell D. The node of ranvier in CNS pathology. Acta Neuropathol. 2014;128:161–175. doi: 10.1007/s00401-014-1305-z.[PMC free article] [PubMed] [CrossRef] [Google Scholar]
↑ Faisal A.A., White J.A., Laughlin S.B. Ion-channel noise places limits on the miniaturization of the brain’s wiring. Curr. Biol. 2005;15:1143–1149. doi: 10.1016/j.cub.2005.05.056. [PubMed] [CrossRef] [Google Scholar]
↑ Babbs C.F., Riyi S. Subtle paranodal injury slows impulse conduction in a mathematical model of myelinated axons. PLoS ONE. 2013;8:e67767. doi: 10.1371/journal.pone.0067767. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
↑ ^9.0 ^9.1 ^9.2 Trapp B.D., Nave K.A. Multiple sclerosis: An immune or neurodegenerative disorder? Annu. Rev. Neurosci. 2008;31:247–69. doi: 10.1146/annurev.neuro.30.051606.094313. [PubMed] [CrossRef] [Google Scholar]
↑ ^10.0 ^10.1 ^10.2 ^10.3 Compston A., Coles A. Multiple sclerosis. Lancet. 2008;372:1502–1517. doi: 10.1016/S0140-6736(08)61620-7. [PubMed] [CrossRef] [Google Scholar]
↑ Ostermann P.O., Westerberg C.E. Paroxysmal attacks in multiple sclerosis. Brain. 1975;98:189–202. doi: 10.1093/brain/98.2.189. [PubMed] [CrossRef] [Google Scholar]
↑ Twomey J.A., Espir M.L. Paroxysmal symptoms as the first manifestations of multiple sclerosis. J. Neurol. Neurosurg. Psychiatry. 1980;43:296–304. doi: 10.1136/jnnp.43.4.296. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
↑ Seewann A., Vrenken H., van der Valk P., Blezer E.L., Knol D.L., Castelijns J.A., Polman C.H., Pouwels P.J., Barkhof F., Geurts J.J. Diffusely abnormal white matter in chronic multiple sclerosis: Imaging and histopathologic analysis. Arch. Neurol. 2009;66:601–609. doi: 10.1001/archneurol.2009.57. [PubMed] [CrossRef] [Google Scholar]
↑ Ceccarelli A., Bakshi R., Neema M. MRI in multiple sclerosis: A review of the current literature. Curr. Opin. Neurol. 2012;25:402–409. doi: 10.1097/WCO.0b013e328354f63f. [PubMed] [CrossRef] [Google Scholar]
↑ ^15.0 ^15.1 Moore J.W., Joyner R.W., Brill M.H., Waxman S.D., Najar-Joa M. Simulations of conduction in uniform myelinated fibers. Relative sensitivity to changes in nodal and internodal parameters. Biophys. J. 1978;21:147–160. doi: 10.1016/S0006-3495(78)85515-5. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
↑ Waxman S.G., Kocsis J.D., Stys P.K. The Axon: Structure, Function and Pathophysiology. Oxford University Press; New York, NY, USA: 1995. [Google Scholar]
↑ Polman C.H., Reingold S.C., Banwell B., Clanet M., Cohen J.A., Filippi M., Fujihara K., Havrdova E., Hutchinson M., Kappos L., et al. Diagnostic criteria for multiple sclerosis: 2010 revisions to the McDonald criteria. Ann. Neurol. 2011;69:292–302. doi: 10.1002/ana.22366. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
↑ ^18.0 ^18.1 Stephanova D.I., Dimitrov B. Computational Neuroscience: Simulated Demyelinating Neuropathies and Neuronopathies. CRC Press; Boca Raton, FL, USA: 2013. [Google Scholar]
↑ ^19.0 ^19.1 Bostock H., Baker M., Reid G. Changes in excitability of human motor axons underlying post-ischaemic fasciculations: Evidence for two stable states. J. Physiol. 1991;441:537–557. doi: 10.1113/jphysiol.1991.sp018766.[PMC free article] [PubMed] [CrossRef] [Google Scholar]
↑ Mogyoros I., Kiernan M.C., Burke D., Bostock H. Strength-duration properties of sensory and motor axons in amyotrophic lateral sclerosis. Brain. 1998;121:851–859. doi: 10.1093/brain/121.5.851. [PubMed] [CrossRef] [Google Scholar]
↑ ^21.0 ^21.1 Kiernan M.C., Burke D., Andersen K.V., Bostock H. Multiple measures of axonal excitability: A new approach in clinical testing. Muscle Nerve. 2000;23:399–409. doi: 10.1002/(SICI)1097-4598(200003)23:3<399::AID-MUS12>3.0.CO;2-G. [PubMed] [CrossRef] [Google Scholar]
↑ Cappelen-Smith C., Kuwabara S., Lin C.S., Mogyoros I., Burke D. Membrane properties in chronic inflammatory demyelinating polyneuropathy. Brain. 2001;124:2439–2447. doi: 10.1093/brain/124.12.2439. [PubMed] [CrossRef] [Google Scholar]
↑ Kuwabara S., Ogawara K., Sung J.Y., Mori M., Kanai K., Hattori T., Yuki N., MLin C.S., Burke D., Bostock H. Differences in membrane properties of axonal and demyelinating Guillain-Barré syndromes. Ann. Neurol. 2002;52:180–187. doi: 10.1002/ana.10275. [PubMed] [CrossRef] [Google Scholar]
↑ Nodera H., Bostock H., Kuwabara S., Sakamoto T., Asanuma K., Jia-Ying S., Ogawara K., Hattori N., Hirayama M., Sobue G., et al. Nerve excitability properties in Charcot-Marie-Tooth disease type 1A. Brain. 2004;127:203–211. doi: 10.1093/brain/awh020. [PubMed] [CrossRef] [Google Scholar]
↑ Sung M.H., Simon R. In silico simulation of inhibitor drug effects on nuclear factor-κB pathway dynamics. Mol. Pharmacol. 2004;66:70–75. doi: 10.1124/mol.66.1.70. [PubMed] [CrossRef] [Google Scholar]
↑ Stephanova D.I., Daskalova M. Differences in potentials and excitability properties in simulated cases of demyelinating neuropathies. Part III. Paranodal internodal demyelination. Clin. Neurophysiol. 2005;116:2334–2341. doi: 10.1016/j.clinph.2005.07.013. [PubMed] [CrossRef] [Google Scholar]
↑ Stephanova D.I., Daskalova M.S. Differences between the channels, currents and mechanisms of conduction slowing/block and accommodative processes in simulated cases of focal demyelinating neuropathies. Eur. Biophys. J. 2008;37:829–842. doi: 10.1007/s00249-008-0284-1. [PubMed] [CrossRef] [Google Scholar]
↑ Stephanova D.I., Alexandrov A.S. Simulating mild systematic and focal demyelinating neuropathies: Membrane property abnormalities. J. Integr. Neurosci. 2006;5:595–623. doi: 10.1142/S0219635206001331. [PubMed] [CrossRef] [Google Scholar]
↑ Stephanova D.I., Daskalova M., Alexandrov A.S. Channels, currents and mechanisms of accommodative processes in simulated cases of systematic demyelinating neuropathies. Brain Res. 2007;1171:138–151. doi: 10.1016/j.brainres.2007.07.029. [PubMed] [CrossRef] [Google Scholar]
↑ ^30.0 ^30.1 Stephanova D.I., Krustev S.M., Negrev N., Daskalova M. The myelin sheath aqueous layers improve the membrane properties of simulated chronic demyelinating neuropathies. J. Integr. Neurosci. 2011;10:105–120. doi: 10.1142/S0219635211002646. [PubMed] [CrossRef] [Google Scholar]
↑ Stephanova D.I., Alexandrov A.S., Kossev A., Christova L. Simulating focal demyelinating neuropathies: Membrane property abnormalities. Biol. Cybern. 2007;96:195–208. doi: 10.1007/s00422-006-0113-5. [PubMed] [CrossRef] [Google Scholar]
↑ Bø L., Geurts J.J., Mörk S.J., van der Valk P. Grey matter pathology in multiple sclerosis. Acta Neurol. Scand. Suppl. 2006;183:48–50. doi: 10.1111/j.1600-0404.2006.00615.x. [PubMed] [CrossRef] [Google Scholar]
↑ Geurts J.J., Barkhof F. Grey matter pathology in multiple sclerosis. Lancet Neurol. 2008;7:841–851. doi: 10.1016/S1474-4422(08)70191-1. [PubMed] [CrossRef] [Google Scholar]
↑ Zivadinov R., Pirko I. Advances in understanding gray matter pathology in multiple sclerosis: Are we ready to redefine disease pathogenesis? BMC Neurol. 2012;12 doi: 10.1186/1471-2377-12-9. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
↑ Popescu B.F., Lucchinetti C.F. Pathology of demyelinating diseases. Annu. Rev. Pathol. 2012;7:185–217. doi: 10.1146/annurev-pathol-011811-132443.[PubMed] [CrossRef] [Google Scholar]
↑ Kurtzke J.F., Beebe G.W., Nagler B., Nefzger M.D., Auth T.L., Kurland L.T. Studies on the natural history of multiple sclerosis: V. Long-term survival in young men. Arch. Neurol. 1970;22:215–225. doi: 10.1001/archneur.1970.00480210025003. [PubMed] [CrossRef] [Google Scholar]
↑ Rao S.M., Leo G.J., Bernardin L., Unverzagt F. Cognitive dysfunction in multiple sclerosis. I. Frequency, patterns, and prediction. Neurology. 1991;41:685–691. doi: 10.1212/WNL.41.5.685. [PubMed] [CrossRef] [Google Scholar]
↑ Meuth S.G., Bittner S., Ulzheimer J.C., Kleinschnitz C., Kieseier B.C., Wiendl H. Therapeutic approaches to multiple sclerosis: An update on failed, interrupted, or inconclusive trials of neuroprotective and alternative treatment strategies. BioDrugs. 2010;24:317–330. doi: 10.2165/11537190-000000000-00000. [PubMed] [CrossRef] [Google Scholar]
↑ Goldenberg M.M. Multiple sclerosis review. Pharm. Ther. 2012;37:137–139.[PMC free article] [PubMed] [Google Scholar]
↑ Göbel K., Wedell J.H., Herrmann A.M., Wachsmuth L., Pankratz S., Bittner S., Budde T., Kleinschnitz C., Faber C., Wiendl H., et al. 4-Aminopyridine ameliorates mobility but not disease course in an animal model of multiple sclerosis. Exp. Neurol. 2013;248:62–71. doi: 10.1016/j.expneurol.2013.05.016.[PubMed] [CrossRef] [Google Scholar]
↑ Krishnan A.V., Kiernan M.C. Sustained-release fampridine and the role of ion channel dysfunction in multiple sclerosis. Mult. Scler. 2013;19:385–391. doi: 10.1177/1352458512463769. [PubMed] [CrossRef] [Google Scholar]
↑ Bowe C.M., Kocsis J.D., Targ E.F., Waxman S.G. Physiological effects of 4-aminopyridine on demyelinated mammalian motor and sensory fibers. Ann. Neurol. 1987;22:264–268. doi: 10.1002/ana.410220212. [PubMed] [CrossRef] [Google Scholar]
↑ Sakurai M., Kanazawa I. Positive symptoms in multiple sclerosis: Their treatment with sodium channel blockers, lidocaine and mexiletine. J. Neurol. Sci. 1999;162:162–168. doi: 10.1016/S0022-510X(98)00322-0. [PubMed]
↑ Mattson M.P., Guthrie P.B., Kater S.B. A role for Na+-dependent Ca2+extrusion in protection against neuronal excitotoxicity. FASEB J. 1989;3:2519–2526. [PubMed] [Google Scholar]
↑ Moll N.M., Rietsch A.M., Thomas S., Ransohoff A.J., Lee J.C., Fox R., Chang A., Ransohoff R.M., Fisher E. Multiple sclerosis normal-appearing white matter: Pathology-imagig correlations. Ann. Neurol. 2011;70:764–773. doi: 10.1002/ana.22521. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
↑ ^46.0 ^46.1 Lucchinetti C., Brück W., Parisi J., Scheithauer B., Rodriguez M., Lassmann H. Heterogeneity of multiple sclerosis lesions: Implications for the pathogenesis of demyelination. Ann. Neurol. 2000;47:707–717. doi: 10.1002/1531-8249(200006)47:6<707::AID-ANA3>3.0.CO;2-Q. [PubMed] [CrossRef] [Google Scholar]
↑ Kassmann C.M., Nave K.A. Oligodendroglial impact on axonal function and survival— A hypothesis. Curr. Opin. Neurol. 2008;21:235–241. doi: 10.1097/WCO.0b013e328300c71f. [PubMed] [CrossRef] [Google Scholar]
↑ Scolding N., Franklin R. Axon loss in multiple sclerosis. Lancet. 1998;352:340–341. doi: 10.1016/S0140-6736(05)60463-1. [PubMed] [CrossRef] [Google Scholar]
↑ Mi S., Miller R.H., Lee X., Scott M.L., Shulag-Morskaya S., Shao Z., Chang J., Thill G., Levesque M., Zhang M., et al. LINGO-1 negatively regulates myelination by oligodendrocytes. Nat. Neurosci. 2005;8:745–751. doi: 10.1038/nn1460. [PubMed] [CrossRef] [Google Scholar]
↑ Bittner S., Ruck T., Schuhmann M.K., Herrmann A.M., Maati H.M., Bobak N., Göbel K., Langhauser F., Stegner D., Ehling P., et al. 2013 Endothelial TWIK-related potassium channel-1 (TREK1) regulates immune-cell trafficking into the CNS. Nat. Med. 2013;19:1161–1165. doi: 10.1038/nm.3303. [PubMed]
↑ Viglietta V., Baecher-Allan C., Weiner H.L., Hafler D.A. Loss of functional suppression by CD4+CD25+ regulatory T cells in patients with multiple sclerosis. J. Exp. Med. 2004;199:971–999. doi: 10.1084/jem.20031579.[PMC free article] [PubMed] [CrossRef] [Google Scholar]
↑ Zajicek J.P., Wing M., Scolding N.J., Compston D.A. Interactions between oligodendrocytes and microglia. A major role for complement and tumour necrosis factor in oligodendrocyte adherence and killing. Brain. 1992;115:1611–1631. [PubMed] [Google Scholar]
↑ ^53.0 ^53.1 ^53.2 Nikić I., Merkler D., Sorbara C., Brinkoetter M., Kreutzfeldt M., Bareyre F.M., Brück W., Bishop D., Misgeld T., Kerschensteiner M. A reversible form of axon damage in experimental autoimmune encephalomyelitis and multiple sclerosis. Nat. Med. 2011;17:495–499. doi: 10.1038/nm.2324. [PubMed] [CrossRef] [Google Scholar]
↑ Barnett M.H., Prineas J.W. Relapsing and remitting multiple sclerosis: Pathology of the newly forming lesion. Ann. Neurol. 2004;55:458–468. doi: 10.1002/ana.20016. [PubMed] [CrossRef] [Google Scholar]
↑ Van der Laan L.J., Ruuls S.R., Weber K.S., Lodder I.J., Döpp E.A., Dijkstra C.D. Macrophage phagocytosis of myelin in vitro determined by flow cytometry: Phagocytosis is mediated by CR3 and induces production of tumor necrosis factor-α and nitric oxide. J. Neuroimmunol. 1996;70:145–152. doi: 10.1016/S0165-5728(96)00110-5. [PubMed] [CrossRef] [Google Scholar]
↑ Wang G., Thompson S.M. Maladaptive homeostatic plasticity in a rodent model of central pain syndrome: Thalamic hyperexcitability after spinothalamic tract lesions. J. Neurosci. 2008;28:11959–11969. doi: 10.1523/JNEUROSCI.3296-08.2008. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
↑ ^57.0 ^57.1 Coggan J.S., Prescott S.A., Bartol T.M., Sejnowski T.J. Imbalance of ionic conductances contributes to diverse symptoms of demyelination. Proc. Natl. Acad. Sci. USA. 2010;107:20602–20609. doi: 10.1073/pnas.1013798107.[PMC free article] [PubMed] [CrossRef] [Google Scholar]
↑ ^58.0 ^58.1 Coggan J.S., Ocker G.K., Sejnowski T.J., Prescott S.A. Explaining pathological changes in axonal excitability through dynamical analysis of conductance-based models. J. Neural Eng. 2011;8 doi: 10.1088/1741-2560/8/6/065002. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
↑ ^59.0 ^59.1 ^59.2 Coggan J.S., Prescott S.A., Sejnowski T.J. Cooperativity between remote sites of ectopic spiking allows afterdischarge to be initiated and maintained at different locations. J. Comput. Neurosci. 2015;39:17–28. doi: 10.1007/s10827-015-0562-8. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
↑ ^60.0 ^60.1 Aon M.A., Cortassa S., Akar F.G., Brown D.A., Zhou L., O’Rourke B. From mitochondrial dynamics to arrhythmias. Int. J. Biochem. Cell Biol. 2009;41:1940–1948. doi: 10.1016/j.biocel.2009.02.016. [PMC free article][PubMed] [CrossRef] [Google Scholar]
↑ ^61.0 ^61.1 Su K., Bourdette D., Forte M. Mitochondrial dysfunction and neurodegeneration in multiple sclerosis. Front. Physiol. 2013;4doi: 10.3389/fphys.2013.00169. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
↑ Soltesz I., Staley K. Computational Neuroscience in Epilepsy. 1st ed. Elsevier; London, UK: 2008. [Google Scholar]
↑ Hodgkin A.L., Huxley A.F. The components of membrane conductance in the giant axon of Loligo. J. Physiol. 1952;116:473–496. doi: 10.1113/jphysiol.1952.sp004718. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
↑ Hodgkin A.L., Huxley A.F. Currents carried by sodium and potassium ions through the membrane of the giant axon of Loligo. J. Physiol. 1952;116:449–472. doi: 10.1113/jphysiol.1952.sp004717. [PMC free article] [PubMed]
↑ Fitzhugh R. Computation of impulse initiation and saltatory conduction in a myelinated nerve fiber. Biophys. J. 1962;2:11–21. doi: 10.1016/S0006-3495(62)86837-4. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
↑ Goldman L., Albus J.S. Computation of impulse conduction in myelinated fibers; theoretical basis of the velocity-diameter relation. Biophys. J. 1968;8:596–607. doi: 10.1016/S0006-3495(68)86510-5. [PMC free article][PubMed] [CrossRef] [Google Scholar]
↑ Frankenhaeuser B., Huxley A.F. The action potential in the myelinated nerve fiber of Xenopus laevis as computed on the basis of voltage clamp data. J. Physiol. 1964;171:302–315. doi: 10.1113/jphysiol.1964.sp007378.[PMC free article] [PubMed] [CrossRef] [Google Scholar]
↑ Smith R.S., Koles Z.J. Myelinated nerve fibers: Computed effect of myelin thickness on conduction velocity. Am. J. Physiol. 1970;219:1256–1258.[PubMed] [Google Scholar]
↑ Hutchinson N.A., Koles Z.J., Smith R.S. Conduction velocity in myelinated nerve fibres of Xenopus laevis. J. Physiol. 1970;208:279–289. doi: 10.1113/jphysiol.1970.sp009119. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
↑ Koles Z.J., Rasminsky M. A computer simulation of conduction in demyelinated nerve fibres. J. Physiol. 1972;227:351–364. doi: 10.1113/jphysiol.1972.sp010036. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
↑ Hardy W.L. Propagation speed in myelinated nerve. II. Theoretical dependence on external Na and on temperature. Biophys. J. 1973;13:1071–1089. doi: 10.1016/S0006-3495(73)86046-1. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
↑ Schauf C.L., Davis F.A. Impulse conduction in multiple sclerosis: A theoretical basis for modification by temperature and pharmacological agents. J. Neurol. Neurosurg. Psychiatry. 1974;37:152–161. doi: 10.1136/jnnp.37.2.152.[PMC free article] [PubMed] [CrossRef] [Google Scholar]
↑ Brill M.H., Waxman S.G., Moore J.W., Joyner R.W. Conduction velocity and spike configuration in myelinated fibres: Computed dependence on internode distance. J. Neurol. Neurosurg. Psychiatry. 1977;40:769–774. doi: 10.1136/jnnp.40.8.769. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
↑ Waxman S.G., Brill M.H. Conduction through demyelinated plaques in multiple sclerosis: Computer simulations of facilitation by short internodes. J. Neurol. Neurosurg. Psychiatry. 1978;41:408–416. doi: 10.1136/jnnp.41.5.408.[PMC free article] [PubMed] [CrossRef] [Google Scholar]
↑ Wood S.L., Waxman S.G., Kocsis J.D. Conduction of trans of impulses in uniform myelinated fibers: Computed dependence on stimulus frequency. Neuroscience. 1982;7:423–430. doi: 10.1016/0306-4522(82)90276-7. [PubMed] [CrossRef] [Google Scholar]
↑ Goldfinger M.D. Computation of high safety factor impulse propagation at axonal branch points. Neuroreport. 2000;11:449–456. doi: 10.1097/00001756-200002280-00005. [PubMed] [CrossRef] [Google Scholar]
↑ ^77.0 ^77.1 Blight A.R. Computer simulation of action potentials and afterpotentials in mammalian myelinated axons: The case for a lower resistance myelin sheath. Neuroscience. 1985;15:13–31. doi: 10.1016/0306-4522(85)90119-8. [PubMed] [CrossRef] [Google Scholar]
↑ ^78.0 ^78.1 Halter J.A., Clark J.W., Jr. A distributed-parameter model of the myelinated nerve fiber. J. Theor. Biol. 1991;148:345–382. doi: 10.1016/S0022-5193(05)80242-5. [PubMed] [CrossRef] [Google Scholar]
↑ Schwarz J.R., Eikhof G. Na currents and action potentials in rat myelinated nerve fibres at 20 and 37 °C. Pflugers Arch. 1987;409:569–577. doi: 10.1007/BF00584655. [PubMed] [CrossRef] [Google Scholar]
↑ ^80.0 ^80.1 Stephanova D.I. Myelin as longitudinal conductor: A multi-layered model of the myelinated human motor nerve fibre. Biol. Cybern. 2001;84:301–308. doi: 10.1007/s004220000213. [PubMed] [CrossRef] [Google Scholar]
↑ ^81.0 ^81.1 McIntyre C.C., Richardson A.G., Grill W.M. Modeling the excitability of mammalian nerve fibers: Influence of afterpotentials on the recovery cycle. J. Neurophysiol. 2002;87:995–1006. [PubMed] [Google Scholar]
↑ ^82.0 ^82.1 Einziger P.D., Livshitz L.M., Mizrahi J. Generalized cable equation model for myelinated nerve fiber. IEEE Trans. Biomed. Eng. 2005;52:1632–1642. doi: 10.1109/TBME.2005.856031. [PubMed] [CrossRef] [Google Scholar]
↑ Volman V., Ng L. Primary paranode demyelination modulates slowly developing axonal depolarization in a model of axonal injury. J. Neural Comput. 2014;37:439–457. [PubMed] [Google Scholar]
↑ Stephanova D.I., Bostock H. A Distributed-parameter model of the myelinated human motor nerve fibre: Temporal and spatial distributions of action potentials and ionic currents. Biol. Cybern. 1995;73:275–280. doi: 10.1007/BF00201429. [PubMed] [CrossRef] [Google Scholar]
↑ Chiu S.Y., Ritchie J.M. On the physiological role of internodal potassium channels and the security of conduction in myelinated nerve fibres. Proc. R. Soc. Lond. B Biol. Sci. 1984;220:415–422. doi: 10.1098/rspb.1984.0010.[PubMed] [CrossRef] [Google Scholar]
↑ Brismar T., Schwarz J.R. Potassium permeability in rat myelinated nerve fibres. Acta Physiol. Scand. 1985;124:141–148. doi: 10.1111/j.1748-1716.1985.tb07645.x. [PubMed] [CrossRef] [Google Scholar]
↑ Chiu S.Y., Schwarz W. Sodium and potassium currents in acutely demyelinated internodes of rabbit sciatic nerves. J. Physiol. 1987;391:631–649. doi: 10.1113/jphysiol.1987.sp016760. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
↑ Baker M., Bostock H., Grafe P., Martius P. Function and distribution of three types of rectifying channel in rat spinal root myelinated axons. J. Physiol. 1987;383:45–67. [PMC free article] [PubMed] [Google Scholar
↑ Röper J., Schwarz J.R. Heterogeneous distribution of fast and slow potassium channels in myelinated rat nerve fibres. J. Physiol. 1989;416:93–110. doi: 10.1113/jphysiol.1989.sp017751. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
↑ Bittner S., Meuth S.G. Targeting ion channels for the treatment of autoimmune neuroinflammation. Ther. Adv. Neurol. Disord. 2013;6:322–336. doi: 10.1177/1756285613487782. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
↑ Waxman S.G., Ritchie J.M. Molecular dissection of the myelinated axon. Ann. Neurol. 1993;33:121–136. doi: 10.1002/ana.410330202. [PubMed] [CrossRef] [Google Scholar]
↑ Bittner S., Budde T., Wiendl H., Meuth S.G. From the background to the spotlight: TASK channels in pathological conditions. Brain Pathol. 2010;20:999–1009. doi: 10.1111/j.1750-3639.2010.00407.x. [PMC free article][PubMed] [CrossRef] [Google Scholar]
↑ Ehling P., Bittner S., Budde T., Wiendl H., Meuth S.G. Ion channels in autoimmune neurodegeneration. FEBS Lett. 2011;585:3836–3842. doi: 10.1016/j.febslet.2011.03.065. [PubMed] [CrossRef] [Google Scholar]
↑ ^94.0 ^94.1 Hübel N., Dahlem M.A. Dynamics from seconds to hours in Hodgkin-Huxley model with time-dependent ion concentrations and buffer reservoirs. PLoS Comput. Biol. 2014;10:e1003941. doi: 10.1371/journal.pcbi.1003941.[PMC free article] [PubMed] [CrossRef] [Google Scholar]
↑ Ganapathy L., Clark J.W. Extracellular currents and potentials of the active myelinated nerve fibre. Biophys. J. 1987;52:749–761. doi: 10.1016/S0006-3495(87)83269-1. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
↑ Prescott S.A. Pathological changes in peripheral nerve excitability. In: Jaeger D., Jung R., editors. Encyclopedia of Computational Neurosci. 1st ed. Springer-Verlag; New York, NY, USA: 2015. [Google Scholar]
↑ Barrett E.F., Barrett J.N. Intracellular recording from vertebrate myelinated axons: Mechanism of the depolarizing afterpotential. J. Physiol. 1982;323:117–144. doi: 10.1113/jphysiol.1982.sp014064. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
↑ Blight A.R., Someya S. Depolarizing afterpotentials in myelinated axons of mammalian spinal cord. Neuroscience. 1985;15:1–12. doi: 10.1016/0306-4522(85)90118-6. [PubMed] [CrossRef] [Google Scholar]
↑ Richardson A.G., McIntyre C.C., Grill W.M. Modelling the effects of electric fields on nerve fibres: Influence of the myelin sheath. Med. Biol. Eng. Comput. 2000;38:438–446. doi: 10.1007/BF02345014. [PubMed] [CrossRef] [Google Scholar]
↑ Zlochiver S. Persistent reflection underlies ectopic activity in multiple sclerosis: A numerical study. Biol. Cybern. 2010;102:181–196. doi: 10.1007/s00422-009-0361-2. [PubMed] [CrossRef] [Google Scholar]
↑ Ratté S., Zhu Y., Lee K.Y., Prescott S.A. Criticality and degeneracy in injury-induced changes in primary afferent excitability and the implications for neuropathic pain. Elife. 2014;3:e02370. doi: 10.7554/eLife.02370.[PMC free article] [PubMed] [CrossRef] [Google Scholar]
↑ Zhu Y., Feng B., Schwartz E.S., Gebhart G.F., Prescott S.A. Novel method to assess axonal excitability using channelrhodopsin-based photoactivation. J. Neurophysiol. 2015;113:2242–2249. doi: 10.1152/jn.00982.2014.[PMC free article] [PubMed] [CrossRef] [Google Scholar]
↑ Tagoe T., Barker M., Jones A., Allcock N., Hamann M. Auditory nerve perinodal dysmyelination in noise-induced hearing loss. J. Neurosci. 2014;12:2684–2688. doi: 10.1523/JNEUROSCI.3977-13.2014.
↑ Brown A.M., Hamann M. Computational modeling of the effects of auditory nerve dysmyelination. Front. Neuroanat. 2014;8doi: 10.3389/fnana.2014.00073. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
↑ Stephanova D.I., Daskalova M. Electrotonic potentials in simulated chronic inflammatory demyelinating polyneuropathy at 20 °C–42 °C. J. Integr. Neurosci. 2015;27:1–18. doi: 10.1142/S0219635215500119. [PubMed] [CrossRef] [Google Scholar]
↑ Rasminsky M. Hyperexcitability of pathologically myelinated axons and positive symptoms in multiple sclerosis. Adv. Neurol. 1981;31:289–297.[PubMed] [Google Scholar]
↑ Ulrich J., Groebke-Lorenz W. The optic nerve in multiple sclerosis: A morphological study with retrospective clinicopathological correlation. Neuro-Ophthalmology. 1983;3:149–159. doi: 10.3109/01658108309009732.[CrossRef] [Google Scholar]
↑ Hamada M.S., Kole M.H. Myelin loss and axonal ion channel adaptations associated with gray matter neuronal hyperexcitability. J. Neurosci. 2015;35:7272–7786. [PMC free article] [PubMed] [Google Scholar]
↑ Yu N., Morris C.E., Joós B., Longtin A. Spontaneous excitation patterns computed for axons with injury-like impairments of sodium channels and Na/K pumps. PLoS Comput. Biol. 2012;8:e1002664. doi: 10.1371/journal.pcbi.1002664. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
↑ Lopreore C.L., Bartol T.M., Coggan J.S., Keller D.X., Sosinsky G.E., Ellisman M.H., Sejnowski T.J. Computational modeling of three-dimensional electrodiffusion in biological systems: Application to the node of Ranvier. Biophys. J. 2008;95:2624–2635. doi: 10.1529/biophysj.108.132167.
↑ Broome T.M., Cole.man R.A. A mathematical model of cell death in multiple sclerosis. J. Neurosci. Methods. 2011;201:420–425. doi: 10.1016/j.jneumeth.2011.08.008. [PubMed] [CrossRef] [Google Scholar]
↑ Ridsdale R.A., Beniac D.R., Tompkins T.A., Moscarello M.A., Harauz G. Three-dimensional structure of myelin basic protein. II. Molecular modeling and considerations of predicted structures in multiple sclerosis. J. Biol. Chem. 1997;272:4269–4275. doi: 10.1074/jbc.272.7.4269. [PubMed] [CrossRef] [Google Scholar]
↑ Pigozzo A.B., Macedo G.C., Santos R.W., Lobosco M. On the computational modeling of the innate immune system. BMC Bioinform. 2013;14 doi: 10.1186/1471-2105-14-S6-S7. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
↑ Doerck S., Göbel K., Weise G., Schneider-Hohendorf T., Reinhardt M., Hauff P., Schwab N., Linker R., Mäurer M., Meuth S.G., et al. Temporal pattern of ICAM-I mediated regulatory T cell recruitment to sites of inflammation in adoptive transfer model of multiple sclerosis. PLoS ONE. 2010;5:e15478. doi: 10.1371/journal.pone.0015478. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
↑ De Mendizábal N.V., Carneiro J., Solé R.V., Goñi J., Bragard J., Martinez-Forero I., Martinez-Pasamar S., Sepulcre J., Torrealdea J., Bagnato F., et al. Modeling the effector-regulatory T cell cross-regulation reveals the intrinsic character of relapses in Multiple Sclerosis. BMC Syst. Biol. 2011;5doi: 10.1186/1752-0509-5-114. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
↑ Jolivet R., Coggan J.S., Allaman I., Magistretti P.J. Multi-timescale modeling of activity-dependent metabolic coupling in the neuron-glia-vasculature ensemble. PLoS Comput. Biol. 2015;11:e1004036. doi: 10.1371/journal.pcbi.1004036. [PMC free article] [PubMed] [CrossRef]
↑ Zeis T., Allaman I., Gentner M., Schroder K., Tschopp J., Magistretti P.J., Schaeren-Wiemers N. Metabolic gene expression changes in astrocytes in Multiple Sclerosis cerebral cortex are indicative of immune-mediated signaling. Brain Behav. Immun. 2015;48:315–325. doi: 10.1016/j.bbi.2015.04.013.[PubMed] [CrossRef] [Google Scholar]

[1] Virchow R. Uber das ausgebreitete Vorkommen einer dem Nervenmark analogen Substanz in den tierischen Geweben. Virchows Arch. Pathol. Anat. 1854;6:562–572. doi: 10.1007/BF02116709. [CrossRef] [Google Scholar]

[2] Stiefel K.M., Torben-Nielsen B., Coggan J.S. Proposed evolutionary changes in the role of myelin. Front. Neurosci. 2013;8 doi: 10.3389/fnins.2013.00202.[PMC free article] [PubMed] [CrossRef] [Google Scholar]

[3] Bullock T.H., Moore J.K., Fields R.D. Evolution of myelin sheaths: Both lamprey and hagfish lack myelin. Neurosci. Lett. 1984;48:145–148. doi: 10.1016/0304-3940(84)90010-7. [PubMed] [CrossRef] [Google Scholar]

[4] Davis A.D., Weatherby T.M., Hartline D.K., Lenz P.H. Myelin-like sheaths in copepod axons. Nature. 1999;398:571–571. doi: 10.1038/19212. [PubMed] [CrossRef] [Google Scholar]

[5] Hartline D.K., Colman D.R. Rapid conduction and the evolution of giant axons and myelinated fibers. Curr. Biol. 2007;17:R29–R35. doi: 10.1016/j.cub.2006.11.042. [PubMed] [CrossRef] [Google Scholar]

[6] Arancibia-Carcamo I.L., Attwell D. The node of ranvier in CNS pathology. Acta Neuropathol. 2014;128:161–175. doi: 10.1007/s00401-014-1305-z.[PMC free article] [PubMed] [CrossRef] [Google Scholar]

[7] Faisal A.A., White J.A., Laughlin S.B. Ion-channel noise places limits on the miniaturization of the brain’s wiring. Curr. Biol. 2005;15:1143–1149. doi: 10.1016/j.cub.2005.05.056. [PubMed] [CrossRef] [Google Scholar]

[8] Babbs C.F., Riyi S. Subtle paranodal injury slows impulse conduction in a mathematical model of myelinated axons. PLoS ONE. 2013;8:e67767. doi: 10.1371/journal.pone.0067767. [PMC free article] [PubMed] [CrossRef] [Google Scholar]

[:0-9] 9.0 ^9.1 ^9.2 Trapp B.D., Nave K.A. Multiple sclerosis: An immune or neurodegenerative disorder? Annu. Rev. Neurosci. 2008;31:247–69. doi: 10.1146/annurev.neuro.30.051606.094313. [PubMed] [CrossRef] [Google Scholar]

[:1-10] 10.0 ^10.1 ^10.2 ^10.3 Compston A., Coles A. Multiple sclerosis. Lancet. 2008;372:1502–1517. doi: 10.1016/S0140-6736(08)61620-7. [PubMed] [CrossRef] [Google Scholar]

[11] Ostermann P.O., Westerberg C.E. Paroxysmal attacks in multiple sclerosis. Brain. 1975;98:189–202. doi: 10.1093/brain/98.2.189. [PubMed] [CrossRef] [Google Scholar]

[12] Twomey J.A., Espir M.L. Paroxysmal symptoms as the first manifestations of multiple sclerosis. J. Neurol. Neurosurg. Psychiatry. 1980;43:296–304. doi: 10.1136/jnnp.43.4.296. [PMC free article] [PubMed] [CrossRef] [Google Scholar]

[13] Seewann A., Vrenken H., van der Valk P., Blezer E.L., Knol D.L., Castelijns J.A., Polman C.H., Pouwels P.J., Barkhof F., Geurts J.J. Diffusely abnormal white matter in chronic multiple sclerosis: Imaging and histopathologic analysis. Arch. Neurol. 2009;66:601–609. doi: 10.1001/archneurol.2009.57. [PubMed] [CrossRef] [Google Scholar]

[14] Ceccarelli A., Bakshi R., Neema M. MRI in multiple sclerosis: A review of the current literature. Curr. Opin. Neurol. 2012;25:402–409. doi: 10.1097/WCO.0b013e328354f63f. [PubMed] [CrossRef] [Google Scholar]

[:2-15] 15.0 ^15.1 Moore J.W., Joyner R.W., Brill M.H., Waxman S.D., Najar-Joa M. Simulations of conduction in uniform myelinated fibers. Relative sensitivity to changes in nodal and internodal parameters. Biophys. J. 1978;21:147–160. doi: 10.1016/S0006-3495(78)85515-5. [PMC free article] [PubMed] [CrossRef] [Google Scholar]

[16] Waxman S.G., Kocsis J.D., Stys P.K. The Axon: Structure, Function and Pathophysiology. Oxford University Press; New York, NY, USA: 1995. [Google Scholar]

[17] Polman C.H., Reingold S.C., Banwell B., Clanet M., Cohen J.A., Filippi M., Fujihara K., Havrdova E., Hutchinson M., Kappos L., et al. Diagnostic criteria for multiple sclerosis: 2010 revisions to the McDonald criteria. Ann. Neurol. 2011;69:292–302. doi: 10.1002/ana.22366. [PMC free article] [PubMed] [CrossRef] [Google Scholar]

[:3-18] 18.0 ^18.1 Stephanova D.I., Dimitrov B. Computational Neuroscience: Simulated Demyelinating Neuropathies and Neuronopathies. CRC Press; Boca Raton, FL, USA: 2013. [Google Scholar]

[:4-19] 19.0 ^19.1 Bostock H., Baker M., Reid G. Changes in excitability of human motor axons underlying post-ischaemic fasciculations: Evidence for two stable states. J. Physiol. 1991;441:537–557. doi: 10.1113/jphysiol.1991.sp018766.[PMC free article] [PubMed] [CrossRef] [Google Scholar]

[20] Mogyoros I., Kiernan M.C., Burke D., Bostock H. Strength-duration properties of sensory and motor axons in amyotrophic lateral sclerosis. Brain. 1998;121:851–859. doi: 10.1093/brain/121.5.851. [PubMed] [CrossRef] [Google Scholar]

[:5-21] 21.0 ^21.1 Kiernan M.C., Burke D., Andersen K.V., Bostock H. Multiple measures of axonal excitability: A new approach in clinical testing. Muscle Nerve. 2000;23:399–409. doi: 10.1002/(SICI)1097-4598(200003)23:3<399::AID-MUS12>3.0.CO;2-G. [PubMed] [CrossRef] [Google Scholar]

[22] Cappelen-Smith C., Kuwabara S., Lin C.S., Mogyoros I., Burke D. Membrane properties in chronic inflammatory demyelinating polyneuropathy. Brain. 2001;124:2439–2447. doi: 10.1093/brain/124.12.2439. [PubMed] [CrossRef] [Google Scholar]

[23] Kuwabara S., Ogawara K., Sung J.Y., Mori M., Kanai K., Hattori T., Yuki N., MLin C.S., Burke D., Bostock H. Differences in membrane properties of axonal and demyelinating Guillain-Barré syndromes. Ann. Neurol. 2002;52:180–187. doi: 10.1002/ana.10275. [PubMed] [CrossRef] [Google Scholar]

[24] Nodera H., Bostock H., Kuwabara S., Sakamoto T., Asanuma K., Jia-Ying S., Ogawara K., Hattori N., Hirayama M., Sobue G., et al. Nerve excitability properties in Charcot-Marie-Tooth disease type 1A. Brain. 2004;127:203–211. doi: 10.1093/brain/awh020. [PubMed] [CrossRef] [Google Scholar]

[25] Sung M.H., Simon R. In silico simulation of inhibitor drug effects on nuclear factor-κB pathway dynamics. Mol. Pharmacol. 2004;66:70–75. doi: 10.1124/mol.66.1.70. [PubMed] [CrossRef] [Google Scholar]

[26] Stephanova D.I., Daskalova M. Differences in potentials and excitability properties in simulated cases of demyelinating neuropathies. Part III. Paranodal internodal demyelination. Clin. Neurophysiol. 2005;116:2334–2341. doi: 10.1016/j.clinph.2005.07.013. [PubMed] [CrossRef] [Google Scholar]

[27] Stephanova D.I., Daskalova M.S. Differences between the channels, currents and mechanisms of conduction slowing/block and accommodative processes in simulated cases of focal demyelinating neuropathies. Eur. Biophys. J. 2008;37:829–842. doi: 10.1007/s00249-008-0284-1. [PubMed] [CrossRef] [Google Scholar]

[28] Stephanova D.I., Alexandrov A.S. Simulating mild systematic and focal demyelinating neuropathies: Membrane property abnormalities. J. Integr. Neurosci. 2006;5:595–623. doi: 10.1142/S0219635206001331. [PubMed] [CrossRef] [Google Scholar]

[29] Stephanova D.I., Daskalova M., Alexandrov A.S. Channels, currents and mechanisms of accommodative processes in simulated cases of systematic demyelinating neuropathies. Brain Res. 2007;1171:138–151. doi: 10.1016/j.brainres.2007.07.029. [PubMed] [CrossRef] [Google Scholar]

[:6-30] 30.0 ^30.1 Stephanova D.I., Krustev S.M., Negrev N., Daskalova M. The myelin sheath aqueous layers improve the membrane properties of simulated chronic demyelinating neuropathies. J. Integr. Neurosci. 2011;10:105–120. doi: 10.1142/S0219635211002646. [PubMed] [CrossRef] [Google Scholar]

[31] Stephanova D.I., Alexandrov A.S., Kossev A., Christova L. Simulating focal demyelinating neuropathies: Membrane property abnormalities. Biol. Cybern. 2007;96:195–208. doi: 10.1007/s00422-006-0113-5. [PubMed] [CrossRef] [Google Scholar]

[32] Bø L., Geurts J.J., Mörk S.J., van der Valk P. Grey matter pathology in multiple sclerosis. Acta Neurol. Scand. Suppl. 2006;183:48–50. doi: 10.1111/j.1600-0404.2006.00615.x. [PubMed] [CrossRef] [Google Scholar]

[33] Geurts J.J., Barkhof F. Grey matter pathology in multiple sclerosis. Lancet Neurol. 2008;7:841–851. doi: 10.1016/S1474-4422(08)70191-1. [PubMed] [CrossRef] [Google Scholar]

[34] Zivadinov R., Pirko I. Advances in understanding gray matter pathology in multiple sclerosis: Are we ready to redefine disease pathogenesis? BMC Neurol. 2012;12 doi: 10.1186/1471-2377-12-9. [PMC free article] [PubMed] [CrossRef] [Google Scholar]

[35] Popescu B.F., Lucchinetti C.F. Pathology of demyelinating diseases. Annu. Rev. Pathol. 2012;7:185–217. doi: 10.1146/annurev-pathol-011811-132443.[PubMed] [CrossRef] [Google Scholar]

[36] Kurtzke J.F., Beebe G.W., Nagler B., Nefzger M.D., Auth T.L., Kurland L.T. Studies on the natural history of multiple sclerosis: V. Long-term survival in young men. Arch. Neurol. 1970;22:215–225. doi: 10.1001/archneur.1970.00480210025003. [PubMed] [CrossRef] [Google Scholar]

[37] Rao S.M., Leo G.J., Bernardin L., Unverzagt F. Cognitive dysfunction in multiple sclerosis. I. Frequency, patterns, and prediction. Neurology. 1991;41:685–691. doi: 10.1212/WNL.41.5.685. [PubMed] [CrossRef] [Google Scholar]

[38] Meuth S.G., Bittner S., Ulzheimer J.C., Kleinschnitz C., Kieseier B.C., Wiendl H. Therapeutic approaches to multiple sclerosis: An update on failed, interrupted, or inconclusive trials of neuroprotective and alternative treatment strategies. BioDrugs. 2010;24:317–330. doi: 10.2165/11537190-000000000-00000. [PubMed] [CrossRef] [Google Scholar]

[39] Goldenberg M.M. Multiple sclerosis review. Pharm. Ther. 2012;37:137–139.[PMC free article] [PubMed] [Google Scholar]

[40] Göbel K., Wedell J.H., Herrmann A.M., Wachsmuth L., Pankratz S., Bittner S., Budde T., Kleinschnitz C., Faber C., Wiendl H., et al. 4-Aminopyridine ameliorates mobility but not disease course in an animal model of multiple sclerosis. Exp. Neurol. 2013;248:62–71. doi: 10.1016/j.expneurol.2013.05.016.[PubMed] [CrossRef] [Google Scholar]

[41] Krishnan A.V., Kiernan M.C. Sustained-release fampridine and the role of ion channel dysfunction in multiple sclerosis. Mult. Scler. 2013;19:385–391. doi: 10.1177/1352458512463769. [PubMed] [CrossRef] [Google Scholar]

[42] Bowe C.M., Kocsis J.D., Targ E.F., Waxman S.G. Physiological effects of 4-aminopyridine on demyelinated mammalian motor and sensory fibers. Ann. Neurol. 1987;22:264–268. doi: 10.1002/ana.410220212. [PubMed] [CrossRef] [Google Scholar]

[43] Sakurai M., Kanazawa I. Positive symptoms in multiple sclerosis: Their treatment with sodium channel blockers, lidocaine and mexiletine. J. Neurol. Sci. 1999;162:162–168. doi: 10.1016/S0022-510X(98)00322-0. [PubMed]

[44] Mattson M.P., Guthrie P.B., Kater S.B. A role for Na+-dependent Ca2+extrusion in protection against neuronal excitotoxicity. FASEB J. 1989;3:2519–2526. [PubMed] [Google Scholar]

[45] Moll N.M., Rietsch A.M., Thomas S., Ransohoff A.J., Lee J.C., Fox R., Chang A., Ransohoff R.M., Fisher E. Multiple sclerosis normal-appearing white matter: Pathology-imagig correlations. Ann. Neurol. 2011;70:764–773. doi: 10.1002/ana.22521. [PMC free article] [PubMed] [CrossRef] [Google Scholar]

[:7-46] 46.0 ^46.1 Lucchinetti C., Brück W., Parisi J., Scheithauer B., Rodriguez M., Lassmann H. Heterogeneity of multiple sclerosis lesions: Implications for the pathogenesis of demyelination. Ann. Neurol. 2000;47:707–717. doi: 10.1002/1531-8249(200006)47:6<707::AID-ANA3>3.0.CO;2-Q. [PubMed] [CrossRef] [Google Scholar]

[47] Kassmann C.M., Nave K.A. Oligodendroglial impact on axonal function and survival— A hypothesis. Curr. Opin. Neurol. 2008;21:235–241. doi: 10.1097/WCO.0b013e328300c71f. [PubMed] [CrossRef] [Google Scholar]

[48] Scolding N., Franklin R. Axon loss in multiple sclerosis. Lancet. 1998;352:340–341. doi: 10.1016/S0140-6736(05)60463-1. [PubMed] [CrossRef] [Google Scholar]

[49] Mi S., Miller R.H., Lee X., Scott M.L., Shulag-Morskaya S., Shao Z., Chang J., Thill G., Levesque M., Zhang M., et al. LINGO-1 negatively regulates myelination by oligodendrocytes. Nat. Neurosci. 2005;8:745–751. doi: 10.1038/nn1460. [PubMed] [CrossRef] [Google Scholar]

[50] Bittner S., Ruck T., Schuhmann M.K., Herrmann A.M., Maati H.M., Bobak N., Göbel K., Langhauser F., Stegner D., Ehling P., et al. 2013 Endothelial TWIK-related potassium channel-1 (TREK1) regulates immune-cell trafficking into the CNS. Nat. Med. 2013;19:1161–1165. doi: 10.1038/nm.3303. [PubMed]

[51] Viglietta V., Baecher-Allan C., Weiner H.L., Hafler D.A. Loss of functional suppression by CD4+CD25+ regulatory T cells in patients with multiple sclerosis. J. Exp. Med. 2004;199:971–999. doi: 10.1084/jem.20031579.[PMC free article] [PubMed] [CrossRef] [Google Scholar]

[52] Zajicek J.P., Wing M., Scolding N.J., Compston D.A. Interactions between oligodendrocytes and microglia. A major role for complement and tumour necrosis factor in oligodendrocyte adherence and killing. Brain. 1992;115:1611–1631. [PubMed] [Google Scholar]

[:8-53] 53.0 ^53.1 ^53.2 Nikić I., Merkler D., Sorbara C., Brinkoetter M., Kreutzfeldt M., Bareyre F.M., Brück W., Bishop D., Misgeld T., Kerschensteiner M. A reversible form of axon damage in experimental autoimmune encephalomyelitis and multiple sclerosis. Nat. Med. 2011;17:495–499. doi: 10.1038/nm.2324. [PubMed] [CrossRef] [Google Scholar]

[54] Barnett M.H., Prineas J.W. Relapsing and remitting multiple sclerosis: Pathology of the newly forming lesion. Ann. Neurol. 2004;55:458–468. doi: 10.1002/ana.20016. [PubMed] [CrossRef] [Google Scholar]

[55] Van der Laan L.J., Ruuls S.R., Weber K.S., Lodder I.J., Döpp E.A., Dijkstra C.D. Macrophage phagocytosis of myelin in vitro determined by flow cytometry: Phagocytosis is mediated by CR3 and induces production of tumor necrosis factor-α and nitric oxide. J. Neuroimmunol. 1996;70:145–152. doi: 10.1016/S0165-5728(96)00110-5. [PubMed] [CrossRef] [Google Scholar]

[56] Wang G., Thompson S.M. Maladaptive homeostatic plasticity in a rodent model of central pain syndrome: Thalamic hyperexcitability after spinothalamic tract lesions. J. Neurosci. 2008;28:11959–11969. doi: 10.1523/JNEUROSCI.3296-08.2008. [PMC free article] [PubMed] [CrossRef] [Google Scholar]

[:9-57] 57.0 ^57.1 Coggan J.S., Prescott S.A., Bartol T.M., Sejnowski T.J. Imbalance of ionic conductances contributes to diverse symptoms of demyelination. Proc. Natl. Acad. Sci. USA. 2010;107:20602–20609. doi: 10.1073/pnas.1013798107.[PMC free article] [PubMed] [CrossRef] [Google Scholar]

[:10-58] 58.0 ^58.1 Coggan J.S., Ocker G.K., Sejnowski T.J., Prescott S.A. Explaining pathological changes in axonal excitability through dynamical analysis of conductance-based models. J. Neural Eng. 2011;8 doi: 10.1088/1741-2560/8/6/065002. [PMC free article] [PubMed] [CrossRef] [Google Scholar]

[:11-59] 59.0 ^59.1 ^59.2 Coggan J.S., Prescott S.A., Sejnowski T.J. Cooperativity between remote sites of ectopic spiking allows afterdischarge to be initiated and maintained at different locations. J. Comput. Neurosci. 2015;39:17–28. doi: 10.1007/s10827-015-0562-8. [PMC free article] [PubMed] [CrossRef] [Google Scholar]

[:12-60] 60.0 ^60.1 Aon M.A., Cortassa S., Akar F.G., Brown D.A., Zhou L., O’Rourke B. From mitochondrial dynamics to arrhythmias. Int. J. Biochem. Cell Biol. 2009;41:1940–1948. doi: 10.1016/j.biocel.2009.02.016. [PMC free article][PubMed] [CrossRef] [Google Scholar]

[:13-61] 61.0 ^61.1 Su K., Bourdette D., Forte M. Mitochondrial dysfunction and neurodegeneration in multiple sclerosis. Front. Physiol. 2013;4doi: 10.3389/fphys.2013.00169. [PMC free article] [PubMed] [CrossRef] [Google Scholar]

[62] Soltesz I., Staley K. Computational Neuroscience in Epilepsy. 1st ed. Elsevier; London, UK: 2008. [Google Scholar]

[63] Hodgkin A.L., Huxley A.F. The components of membrane conductance in the giant axon of Loligo. J. Physiol. 1952;116:473–496. doi: 10.1113/jphysiol.1952.sp004718. [PMC free article] [PubMed] [CrossRef] [Google Scholar]

[64] Hodgkin A.L., Huxley A.F. Currents carried by sodium and potassium ions through the membrane of the giant axon of Loligo. J. Physiol. 1952;116:449–472. doi: 10.1113/jphysiol.1952.sp004717. [PMC free article] [PubMed]

[65] Fitzhugh R. Computation of impulse initiation and saltatory conduction in a myelinated nerve fiber. Biophys. J. 1962;2:11–21. doi: 10.1016/S0006-3495(62)86837-4. [PMC free article] [PubMed] [CrossRef] [Google Scholar]

[66] Goldman L., Albus J.S. Computation of impulse conduction in myelinated fibers; theoretical basis of the velocity-diameter relation. Biophys. J. 1968;8:596–607. doi: 10.1016/S0006-3495(68)86510-5. [PMC free article][PubMed] [CrossRef] [Google Scholar]

[67] Frankenhaeuser B., Huxley A.F. The action potential in the myelinated nerve fiber of Xenopus laevis as computed on the basis of voltage clamp data. J. Physiol. 1964;171:302–315. doi: 10.1113/jphysiol.1964.sp007378.[PMC free article] [PubMed] [CrossRef] [Google Scholar]

[68] Smith R.S., Koles Z.J. Myelinated nerve fibers: Computed effect of myelin thickness on conduction velocity. Am. J. Physiol. 1970;219:1256–1258.[PubMed] [Google Scholar]

[69] Hutchinson N.A., Koles Z.J., Smith R.S. Conduction velocity in myelinated nerve fibres of Xenopus laevis. J. Physiol. 1970;208:279–289. doi: 10.1113/jphysiol.1970.sp009119. [PMC free article] [PubMed] [CrossRef] [Google Scholar]

[70] Koles Z.J., Rasminsky M. A computer simulation of conduction in demyelinated nerve fibres. J. Physiol. 1972;227:351–364. doi: 10.1113/jphysiol.1972.sp010036. [PMC free article] [PubMed] [CrossRef] [Google Scholar]

[71] Hardy W.L. Propagation speed in myelinated nerve. II. Theoretical dependence on external Na and on temperature. Biophys. J. 1973;13:1071–1089. doi: 10.1016/S0006-3495(73)86046-1. [PMC free article] [PubMed] [CrossRef] [Google Scholar]

[72] Schauf C.L., Davis F.A. Impulse conduction in multiple sclerosis: A theoretical basis for modification by temperature and pharmacological agents. J. Neurol. Neurosurg. Psychiatry. 1974;37:152–161. doi: 10.1136/jnnp.37.2.152.[PMC free article] [PubMed] [CrossRef] [Google Scholar]

[73] Brill M.H., Waxman S.G., Moore J.W., Joyner R.W. Conduction velocity and spike configuration in myelinated fibres: Computed dependence on internode distance. J. Neurol. Neurosurg. Psychiatry. 1977;40:769–774. doi: 10.1136/jnnp.40.8.769. [PMC free article] [PubMed] [CrossRef] [Google Scholar]

[74] Waxman S.G., Brill M.H. Conduction through demyelinated plaques in multiple sclerosis: Computer simulations of facilitation by short internodes. J. Neurol. Neurosurg. Psychiatry. 1978;41:408–416. doi: 10.1136/jnnp.41.5.408.[PMC free article] [PubMed] [CrossRef] [Google Scholar]

[75] Wood S.L., Waxman S.G., Kocsis J.D. Conduction of trans of impulses in uniform myelinated fibers: Computed dependence on stimulus frequency. Neuroscience. 1982;7:423–430. doi: 10.1016/0306-4522(82)90276-7. [PubMed] [CrossRef] [Google Scholar]

[76] Goldfinger M.D. Computation of high safety factor impulse propagation at axonal branch points. Neuroreport. 2000;11:449–456. doi: 10.1097/00001756-200002280-00005. [PubMed] [CrossRef] [Google Scholar]

[:14-77] 77.0 ^77.1 Blight A.R. Computer simulation of action potentials and afterpotentials in mammalian myelinated axons: The case for a lower resistance myelin sheath. Neuroscience. 1985;15:13–31. doi: 10.1016/0306-4522(85)90119-8. [PubMed] [CrossRef] [Google Scholar]

[:15-78] 78.0 ^78.1 Halter J.A., Clark J.W., Jr. A distributed-parameter model of the myelinated nerve fiber. J. Theor. Biol. 1991;148:345–382. doi: 10.1016/S0022-5193(05)80242-5. [PubMed] [CrossRef] [Google Scholar]

[79] Schwarz J.R., Eikhof G. Na currents and action potentials in rat myelinated nerve fibres at 20 and 37 °C. Pflugers Arch. 1987;409:569–577. doi: 10.1007/BF00584655. [PubMed] [CrossRef] [Google Scholar]

[:16-80] 80.0 ^80.1 Stephanova D.I. Myelin as longitudinal conductor: A multi-layered model of the myelinated human motor nerve fibre. Biol. Cybern. 2001;84:301–308. doi: 10.1007/s004220000213. [PubMed] [CrossRef] [Google Scholar]

[:17-81] 81.0 ^81.1 McIntyre C.C., Richardson A.G., Grill W.M. Modeling the excitability of mammalian nerve fibers: Influence of afterpotentials on the recovery cycle. J. Neurophysiol. 2002;87:995–1006. [PubMed] [Google Scholar]

[:18-82] 82.0 ^82.1 Einziger P.D., Livshitz L.M., Mizrahi J. Generalized cable equation model for myelinated nerve fiber. IEEE Trans. Biomed. Eng. 2005;52:1632–1642. doi: 10.1109/TBME.2005.856031. [PubMed] [CrossRef] [Google Scholar]

[83] Volman V., Ng L. Primary paranode demyelination modulates slowly developing axonal depolarization in a model of axonal injury. J. Neural Comput. 2014;37:439–457. [PubMed] [Google Scholar]

[84] Stephanova D.I., Bostock H. A Distributed-parameter model of the myelinated human motor nerve fibre: Temporal and spatial distributions of action potentials and ionic currents. Biol. Cybern. 1995;73:275–280. doi: 10.1007/BF00201429. [PubMed] [CrossRef] [Google Scholar]

[85] Chiu S.Y., Ritchie J.M. On the physiological role of internodal potassium channels and the security of conduction in myelinated nerve fibres. Proc. R. Soc. Lond. B Biol. Sci. 1984;220:415–422. doi: 10.1098/rspb.1984.0010.[PubMed] [CrossRef] [Google Scholar]

[86] Brismar T., Schwarz J.R. Potassium permeability in rat myelinated nerve fibres. Acta Physiol. Scand. 1985;124:141–148. doi: 10.1111/j.1748-1716.1985.tb07645.x. [PubMed] [CrossRef] [Google Scholar]

[87] Chiu S.Y., Schwarz W. Sodium and potassium currents in acutely demyelinated internodes of rabbit sciatic nerves. J. Physiol. 1987;391:631–649. doi: 10.1113/jphysiol.1987.sp016760. [PMC free article] [PubMed] [CrossRef] [Google Scholar]

[88] Baker M., Bostock H., Grafe P., Martius P. Function and distribution of three types of rectifying channel in rat spinal root myelinated axons. J. Physiol. 1987;383:45–67. [PMC free article] [PubMed] [Google Scholar

[89] Röper J., Schwarz J.R. Heterogeneous distribution of fast and slow potassium channels in myelinated rat nerve fibres. J. Physiol. 1989;416:93–110. doi: 10.1113/jphysiol.1989.sp017751. [PMC free article] [PubMed] [CrossRef] [Google Scholar]

[90] Bittner S., Meuth S.G. Targeting ion channels for the treatment of autoimmune neuroinflammation. Ther. Adv. Neurol. Disord. 2013;6:322–336. doi: 10.1177/1756285613487782. [PMC free article] [PubMed] [CrossRef] [Google Scholar]

[91] Waxman S.G., Ritchie J.M. Molecular dissection of the myelinated axon. Ann. Neurol. 1993;33:121–136. doi: 10.1002/ana.410330202. [PubMed] [CrossRef] [Google Scholar]

[92] Bittner S., Budde T., Wiendl H., Meuth S.G. From the background to the spotlight: TASK channels in pathological conditions. Brain Pathol. 2010;20:999–1009. doi: 10.1111/j.1750-3639.2010.00407.x. [PMC free article][PubMed] [CrossRef] [Google Scholar]

[93] Ehling P., Bittner S., Budde T., Wiendl H., Meuth S.G. Ion channels in autoimmune neurodegeneration. FEBS Lett. 2011;585:3836–3842. doi: 10.1016/j.febslet.2011.03.065. [PubMed] [CrossRef] [Google Scholar]

[:19-94] 94.0 ^94.1 Hübel N., Dahlem M.A. Dynamics from seconds to hours in Hodgkin-Huxley model with time-dependent ion concentrations and buffer reservoirs. PLoS Comput. Biol. 2014;10:e1003941. doi: 10.1371/journal.pcbi.1003941.[PMC free article] [PubMed] [CrossRef] [Google Scholar]

[95] Ganapathy L., Clark J.W. Extracellular currents and potentials of the active myelinated nerve fibre. Biophys. J. 1987;52:749–761. doi: 10.1016/S0006-3495(87)83269-1. [PMC free article] [PubMed] [CrossRef] [Google Scholar]

[96] Prescott S.A. Pathological changes in peripheral nerve excitability. In: Jaeger D., Jung R., editors. Encyclopedia of Computational Neurosci. 1st ed. Springer-Verlag; New York, NY, USA: 2015. [Google Scholar]

[97] Barrett E.F., Barrett J.N. Intracellular recording from vertebrate myelinated axons: Mechanism of the depolarizing afterpotential. J. Physiol. 1982;323:117–144. doi: 10.1113/jphysiol.1982.sp014064. [PMC free article] [PubMed] [CrossRef] [Google Scholar]

[98] Blight A.R., Someya S. Depolarizing afterpotentials in myelinated axons of mammalian spinal cord. Neuroscience. 1985;15:1–12. doi: 10.1016/0306-4522(85)90118-6. [PubMed] [CrossRef] [Google Scholar]

[99] Richardson A.G., McIntyre C.C., Grill W.M. Modelling the effects of electric fields on nerve fibres: Influence of the myelin sheath. Med. Biol. Eng. Comput. 2000;38:438–446. doi: 10.1007/BF02345014. [PubMed] [CrossRef] [Google Scholar]

[100] Zlochiver S. Persistent reflection underlies ectopic activity in multiple sclerosis: A numerical study. Biol. Cybern. 2010;102:181–196. doi: 10.1007/s00422-009-0361-2. [PubMed] [CrossRef] [Google Scholar]

[101] Ratté S., Zhu Y., Lee K.Y., Prescott S.A. Criticality and degeneracy in injury-induced changes in primary afferent excitability and the implications for neuropathic pain. Elife. 2014;3:e02370. doi: 10.7554/eLife.02370.[PMC free article] [PubMed] [CrossRef] [Google Scholar]

[102] Zhu Y., Feng B., Schwartz E.S., Gebhart G.F., Prescott S.A. Novel method to assess axonal excitability using channelrhodopsin-based photoactivation. J. Neurophysiol. 2015;113:2242–2249. doi: 10.1152/jn.00982.2014.[PMC free article] [PubMed] [CrossRef] [Google Scholar]

[103] Tagoe T., Barker M., Jones A., Allcock N., Hamann M. Auditory nerve perinodal dysmyelination in noise-induced hearing loss. J. Neurosci. 2014;12:2684–2688. doi: 10.1523/JNEUROSCI.3977-13.2014.

[104] Brown A.M., Hamann M. Computational modeling of the effects of auditory nerve dysmyelination. Front. Neuroanat. 2014;8doi: 10.3389/fnana.2014.00073. [PMC free article] [PubMed] [CrossRef] [Google Scholar]

[105] Stephanova D.I., Daskalova M. Electrotonic potentials in simulated chronic inflammatory demyelinating polyneuropathy at 20 °C–42 °C. J. Integr. Neurosci. 2015;27:1–18. doi: 10.1142/S0219635215500119. [PubMed] [CrossRef] [Google Scholar]

[106] Rasminsky M. Hyperexcitability of pathologically myelinated axons and positive symptoms in multiple sclerosis. Adv. Neurol. 1981;31:289–297.[PubMed] [Google Scholar]

[107] Ulrich J., Groebke-Lorenz W. The optic nerve in multiple sclerosis: A morphological study with retrospective clinicopathological correlation. Neuro-Ophthalmology. 1983;3:149–159. doi: 10.3109/01658108309009732.[CrossRef] [Google Scholar]

[108] Hamada M.S., Kole M.H. Myelin loss and axonal ion channel adaptations associated with gray matter neuronal hyperexcitability. J. Neurosci. 2015;35:7272–7786. [PMC free article] [PubMed] [Google Scholar]

[109] Yu N., Morris C.E., Joós B., Longtin A. Spontaneous excitation patterns computed for axons with injury-like impairments of sodium channels and Na/K pumps. PLoS Comput. Biol. 2012;8:e1002664. doi: 10.1371/journal.pcbi.1002664. [PMC free article] [PubMed] [CrossRef] [Google Scholar]

[110] Lopreore C.L., Bartol T.M., Coggan J.S., Keller D.X., Sosinsky G.E., Ellisman M.H., Sejnowski T.J. Computational modeling of three-dimensional electrodiffusion in biological systems: Application to the node of Ranvier. Biophys. J. 2008;95:2624–2635. doi: 10.1529/biophysj.108.132167.

[111] Broome T.M., Cole.man R.A. A mathematical model of cell death in multiple sclerosis. J. Neurosci. Methods. 2011;201:420–425. doi: 10.1016/j.jneumeth.2011.08.008. [PubMed] [CrossRef] [Google Scholar]

[112] Ridsdale R.A., Beniac D.R., Tompkins T.A., Moscarello M.A., Harauz G. Three-dimensional structure of myelin basic protein. II. Molecular modeling and considerations of predicted structures in multiple sclerosis. J. Biol. Chem. 1997;272:4269–4275. doi: 10.1074/jbc.272.7.4269. [PubMed] [CrossRef] [Google Scholar]

[113] Pigozzo A.B., Macedo G.C., Santos R.W., Lobosco M. On the computational modeling of the innate immune system. BMC Bioinform. 2013;14 doi: 10.1186/1471-2105-14-S6-S7. [PMC free article] [PubMed] [CrossRef] [Google Scholar]

[114] Doerck S., Göbel K., Weise G., Schneider-Hohendorf T., Reinhardt M., Hauff P., Schwab N., Linker R., Mäurer M., Meuth S.G., et al. Temporal pattern of ICAM-I mediated regulatory T cell recruitment to sites of inflammation in adoptive transfer model of multiple sclerosis. PLoS ONE. 2010;5:e15478. doi: 10.1371/journal.pone.0015478. [PMC free article] [PubMed] [CrossRef] [Google Scholar]

[115] De Mendizábal N.V., Carneiro J., Solé R.V., Goñi J., Bragard J., Martinez-Forero I., Martinez-Pasamar S., Sepulcre J., Torrealdea J., Bagnato F., et al. Modeling the effector-regulatory T cell cross-regulation reveals the intrinsic character of relapses in Multiple Sclerosis. BMC Syst. Biol. 2011;5doi: 10.1186/1752-0509-5-114. [PMC free article] [PubMed] [CrossRef] [Google Scholar]

[116] Jolivet R., Coggan J.S., Allaman I., Magistretti P.J. Multi-timescale modeling of activity-dependent metabolic coupling in the neuron-glia-vasculature ensemble. PLoS Comput. Biol. 2015;11:e1004036. doi: 10.1371/journal.pcbi.1004036. [PMC free article] [PubMed] [CrossRef]

[117] Zeis T., Allaman I., Gentner M., Schroder K., Tschopp J., Magistretti P.J., Schaeren-Wiemers N. Metabolic gene expression changes in astrocytes in Multiple Sclerosis cerebral cortex are indicative of immune-mediated signaling. Brain Behav. Immun. 2015;48:315–325. doi: 10.1016/j.bbi.2015.04.013.[PubMed] [CrossRef] [Google Scholar]

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

[11]

[12]

[13]

[14]

[15]

[16]

[17]

[18]

[19]

[20]

[21]

[22]

[23]

[24]

[25]

[26]

[27]

[28]

[29]

[30]

[31]

[32]

[33]

[34]

[35]

[36]

[37]

[38]

[39]

[40]

[41]

[42]

[43]

[44]

[45]

[46]

[47]

[48]

[49]

[50]

[51]

[52]

[53]

[54]

[55]

[56]

[57]

[58]

[59]

[60]

[61]

[62]

[63]

[64]

[65]

[66]

[67]

[68]

[69]

[70]

[71]

[72]

[73]

[74]

[75]

[76]

[77]

[78]

[79]

[80]

[81]

[82]

[83]

[84]

[85]

[86]

[87]

[88]

[89]

[90]

[91]

[92]

[93]

[94]

[95]

[96]

[97]

[98]

[99]

[100]

@@ Line 91: / Line 91: @@
-The above discussion raises the important point that although much ado has been made about immune mechanisms, their connection with clinical changes is largely correlational. One must consider the intermediary effects on axonal function, namely the primary and secondary (compensatory) changes in axon excitability, in order to appreciate how neurological function is altered. Those changes are not simple and direct consequences of demyelination but, instead, suggest that axonal physiology itself changes in response to demyelination. Some of those changes are adaptive whereas others are maladaptive, or perhaps adaptive changes can become maladaptive as the situation (myelination status) evolves. If changes in axonal physiology dictate the manifestation of various symptoms, then symptom management will largely fall on treatments that aim to manipulate axon physiology. Strategically developing such treatments require a deep, mechanistic understanding of axonal excitability and its regulation.
+La discussione di cui sopra solleva il punto importante che, sebbene sia stato fatto molto rumore sui meccanismi immunitari, la loro connessione con i cambiamenti clinici è in gran parte correlazionale. Bisogna considerare gli effetti intermedi sulla funzione assonale, vale a dire i cambiamenti primari e secondari (compensativi) nell'eccitabilità degli assoni, per apprezzare come la funzione neurologica è alterata. Questi cambiamenti non sono conseguenze semplici e dirette della demielinizzazione ma, invece, suggeriscono che la stessa fisiologia assonale cambia in risposta alla demielinizzazione. Alcuni di questi cambiamenti sono adattivi mentre altri sono disadattivi, o forse i cambiamenti adattivi possono diventare disadattivi man mano che la situazione (stato di mielinizzazione) si evolve. Se i cambiamenti nella fisiologia assonale determinano la manifestazione di vari sintomi, la gestione dei sintomi ricadrà in gran parte su trattamenti che mirano a manipolare la fisiologia degli assoni. Lo sviluppo strategico di tali trattamenti richiede una profonda comprensione meccanicistica dell'eccitabilità assonale e della sua regolazione.
-=== Axon Pathobiology ===
+=== Patobiologia degli assoni ===
-==== Structural and Molecular Changes ====
+=== Cambiamenti strutturali e molecolari ===
-Axons are profoundly affected by demyelination. Axon morphology becomes irregular or swollen, often with a beaded appearance. Focal accumulation of proteins (by fast axonal transport) is also observed. In chronic active plaques, axonal loss of 20%–80% is apparent within peri-plaque white matter and normal distant white matter.<ref>Moll N.M., Rietsch A.M., Thomas S., Ransohoff A.J., Lee J.C., Fox R., Chang A., Ransohoff R.M., Fisher E. Multiple sclerosis normal-appearing white matter: Pathology-imagig correlations. Ann. Neurol. 2011;70:764–773. doi: 10.1002/ana.22521. [PMC free article] [PubMed] [CrossRef] [Google Scholar]</ref> In early active and chronic active plaques, damage is thought to be caused by inflammatory and immune factors released during acute inflammatory demyelination. Proposed mediators include proteases, cytokines, excitotoxins and free radicals. Neuronal antigens are targets of immune reaction leading to CNS inflammation. Other factors causing axonal dysfunction or death include a lack of trophic support from myelin and oligodendrocytes, damage from soluble or cellular immune factors still present in the inactive plaque, and chronic mitochondrial failure in the setting of increased energy demands.<ref name=":7">Lucchinetti C., Brück W., Parisi J., Scheithauer B., Rodriguez M., Lassmann H. Heterogeneity of multiple sclerosis lesions: Implications for the pathogenesis of demyelination. Ann. Neurol. 2000;47:707–717. doi: 10.1002/1531-8249(200006)47:6<707::AID-ANA3>3.0.CO;2-Q. [PubMed] [CrossRef] [Google Scholar]</ref> A critical role for oligodendrocytes and Schwann cells in axon survival has also been attributed to peroxisomes, lipid metabolism and reactive oxygen species (ROS) detoxification.<ref>Kassmann C.M., Nave K.A. Oligodendroglial impact on axonal function and survival— A hypothesis. Curr. Opin. Neurol. 2008;21:235–241. doi: 10.1097/WCO.0b013e328300c71f. [PubMed] [CrossRef] [Google Scholar]</ref>
+Gli assoni sono profondamente influenzati dalla demielinizzazione. La morfologia dell'assone diventa irregolare o rigonfia, spesso con un aspetto a perline. Si osserva anche un accumulo focale di proteine (tramite trasporto assonale veloce). Nelle placche attive croniche, la perdita assonale del 20%-80% è evidente all'interno della sostanza bianca peri-placca e della normale sostanza bianca distante.<ref>Moll N.M., Rietsch A.M., Thomas S., Ransohoff A.J., Lee J.C., Fox R., Chang A., Ransohoff R.M., Fisher E. Multiple sclerosis normal-appearing white matter: Pathology-imagig correlations. Ann. Neurol. 2011;70:764–773. doi: 10.1002/ana.22521. [PMC free article] [PubMed] [CrossRef] [Google Scholar]</ref> Nelle placche attive precoci e croniche, si ritiene che il danno sia causato da fattori infiammatori e immunitari rilasciati durante la demielinizzazione infiammatoria acuta. I mediatori proposti includono proteasi, citochine, eccitotossine e radicali liberi. Gli antigeni neuronali sono bersagli della reazione immunitaria che porta all'infiammazione del sistema nervoso centrale. Altri fattori che causano la disfunzione assonale o la morte includono una mancanza di supporto trofico da mielina e oligodendrociti, danni da fattori immunitari solubili o cellulari ancora presenti nella placca inattiva e insufficienza mitocondriale cronica nell'ambito di una maggiore richiesta di energia.<ref name=":7">Lucchinetti C., Brück W., Parisi J., Scheithauer B., Rodriguez M., Lassmann H. Heterogeneity of multiple sclerosis lesions: Implications for the pathogenesis of demyelination. Ann. Neurol. 2000;47:707–717. doi: 10.1002/1531-8249(200006)47:6<707::AID-ANA3>3.0.CO;2-Q. [PubMed] [CrossRef] [Google Scholar]</ref> Un ruolo critico per gli oligodendrociti e le cellule di Schwann nella sopravvivenza degli assoni è stato anche attribuito ai perossisomi, al metabolismo lipidico e alla disintossicazione delle specie reattive dell'ossigeno (ROS).<ref>Kassmann C.M., Nave K.A. Oligodendroglial impact on axonal function and survival— A hypothesis. Curr. Opin. Neurol. 2008;21:235–241. doi: 10.1097/WCO.0b013e328300c71f. [PubMed] [CrossRef] [Google Scholar]</ref>
-Remyelination is often observed as shadow plaques formed by the recruitment of undifferentiated oligodendrocyte precursors that migrate to and surround the lesions enabling thin layers of remyelination.<ref>Scolding N., Franklin R. Axon loss in multiple sclerosis. Lancet. 1998;352:340–341. doi: 10.1016/S0140-6736(05)60463-1. [PubMed] [CrossRef] [Google Scholar]</ref> This process occurs mostly in acute active plaques, but also in chronic phases. This observation triggered the development of a new monoclonal anitbody directed against LINGO-1 (Anti-LINGO-1). Binding of LINGO-1 to Nogo receptors prevents remyelinating processes in the CNS; inhibition of this interaction thus enables significant remyelination in animals with experimental autoimmune encephalomyelitis.<ref>Mi S., Miller R.H., Lee X., Scott M.L., Shulag-Morskaya S., Shao Z., Chang J., Thill G., Levesque M., Zhang M., et al. LINGO-1 negatively regulates myelination by oligodendrocytes. Nat. Neurosci. 2005;8:745–751. doi: 10.1038/nn1460. [PubMed] [CrossRef] [Google Scholar]</ref>
+La rimielinizzazione è spesso osservata come placche ombra formate dal reclutamento di precursori di oligodendrociti indifferenziati che migrano e circondano le lesioni consentendo sottili strati di rimielinizzazione.<ref>Scolding N., Franklin R. Axon loss in multiple sclerosis. Lancet. 1998;352:340–341. doi: 10.1016/S0140-6736(05)60463-1. [PubMed] [CrossRef] [Google Scholar]</ref> Questo processo si verifica principalmente nelle placche attive acute, ma anche nelle fasi croniche. Questa osservazione ha innescato lo sviluppo di un nuovo anticorpo monoclonale diretto contro LINGO-1 (Anti-LINGO-1). Il legame di LINGO-1 ai recettori Nogo previene i processi di rimielinizzazione nel SNC; l'inibizione di questa interazione consente quindi una significativa rimielinizzazione negli animali con encefalomielite autoimmune sperimentale.<ref>Mi S., Miller R.H., Lee X., Scott M.L., Shulag-Morskaya S., Shao Z., Chang J., Thill G., Levesque M., Zhang M., et al. LINGO-1 negatively regulates myelination by oligodendrocytes. Nat. Neurosci. 2005;8:745–751. doi: 10.1038/nn1460. [PubMed] [CrossRef] [Google Scholar]</ref>
-During the disease process, autoreactive lymphocytes and macrophages can cross the blood brain barrier and accumulate in the brain and spinal cord.<ref>Bittner S., Ruck T., Schuhmann M.K., Herrmann A.M., Maati H.M., Bobak N., Göbel K., Langhauser F., Stegner D., Ehling P., et al. 2013 Endothelial TWIK-related potassium channel-1 (TREK1) regulates immune-cell trafficking into the CNS. Nat. Med. 2013;19:1161–1165. doi: 10.1038/nm.3303. [PubMed] </ref> Regulatory lymphocytes (Tregs) fail to suppress effector cells-mostly cytotoxic CD8+ cells.<ref>Viglietta V., Baecher-Allan C., Weiner H.L., Hafler D.A. Loss of functional suppression by CD4+CD25+ regulatory T cells in patients with multiple sclerosis. J. Exp. Med. 2004;199:971–999. doi: 10.1084/jem.20031579.[PMC free article] [PubMed] [CrossRef] [Google Scholar]</ref> Release of pro-inflammatory cytokines recruits naive microglia, which make contact with an oligodendrocyte-myelin unit by interactions with Fc and complement receptors. A cytotoxic death-triggering signal is then transmitted through surface bound tumor necrosis factor α (TNFα).<ref>Zajicek J.P., Wing M., Scolding N.J., Compston D.A. Interactions between oligodendrocytes and microglia. A major role for complement and tumour necrosis factor in oligodendrocyte adherence and killing. Brain. 1992;115:1611–1631. [PubMed] [Google Scholar]</ref> This occurs in concert with extensive axonal damage.<ref name=":1" />
+Durante il processo patologico, i linfociti autoreattivi e i macrofagi possono attraversare la barriera ematoencefalica e accumularsi nel cervello e nel midollo spinale.<ref>Bittner S., Ruck T., Schuhmann M.K., Herrmann A.M., Maati H.M., Bobak N., Göbel K., Langhauser F., Stegner D., Ehling P., et al. 2013 Endothelial TWIK-related potassium channel-1 (TREK1) regulates immune-cell trafficking into the CNS. Nat. Med. 2013;19:1161–1165. doi: 10.1038/nm.3303. [PubMed] </ref> I linfociti regolatori (Tregs) non riescono a sopprimere le cellule effettrici, per lo più cellule CD8+ citotossiche.<ref>Viglietta V., Baecher-Allan C., Weiner H.L., Hafler D.A. Loss of functional suppression by CD4+CD25+ regulatory T cells in patients with multiple sclerosis. J. Exp. Med. 2004;199:971–999. doi: 10.1084/jem.20031579.[PMC free article] [PubMed] [CrossRef] [Google Scholar]</ref> Il rilascio di citochine pro-infiammatorie recluta la microglia ingenua, che entra in contatto con un'unità oligodendrocita-mielina mediante interazioni con Fc e recettori del complemento. Un segnale citotossico che innesca la morte viene quindi trasmesso attraverso il fattore di necrosi tumorale α (TNFα)<ref>Zajicek J.P., Wing M., Scolding N.J., Compston D.A. Interactions between oligodendrocytes and microglia. A major role for complement and tumour necrosis factor in oligodendrocyte adherence and killing. Brain. 1992;115:1611–1631. [PubMed] [Google Scholar]</ref> legato alla superficie. Ciò si verifica in concerto con un esteso danno assonale.<ref name=":1" />
-Lucchinetti el al.<ref name=":7" /> proposed four distinct immunopatterns of plaque formation found in patients at different stages of the disease. Type I and II plaques are dominated by T-lymphocyte and macrophage inflammation and are thought to mimic T-cell or T-cell plus antibody autoimmune encephalomyelitis models, respectively. Myelin loss in type I plaques may be caused by toxic factors released by activated macrophages, whereas IgG and complement deposition suggest a role of antibodies in type II plaques. In contrast, patterns III and IV show large oligodendrocyte dystrophy. Pattern III is thought to be related to hypoxia-induced lesions which are driven by defects in mitochondrial function,<ref name=":8">Nikić I., Merkler D., Sorbara C., Brinkoetter M., Kreutzfeldt M., Bareyre F.M., Brück W., Bishop D., Misgeld T., Kerschensteiner M. A reversible form of axon damage in experimental autoimmune encephalomyelitis and multiple sclerosis. Nat. Med. 2011;17:495–499. doi: 10.1038/nm.2324. [PubMed] [CrossRef] [Google Scholar]</ref> whereas pattern IV lesions are associated with profound non-apoptotic death of oligodendrocytes in periplaque white matter.
+Lucchinetti el al.<ref name=":7" /> proposto quattro distinti immunopattern di formazione della placca riscontrati in pazienti in diversi stadi della malattia. Le placche di tipo I e II sono dominate dall'infiammazione dei linfociti T e dei macrofagi e si pensa che mimino rispettivamente i modelli di encefalomielite autoimmune a cellula T o a cellula T più anticorpi. La perdita di mielina nelle placche di tipo I può essere causata da fattori tossici rilasciati dai macrofagi attivati, mentre la deposizione di IgG e complemento suggerisce un ruolo degli anticorpi nelle placche di tipo II. Al contrario, i modelli III e IV mostrano una grande distrofia degli oligodendrociti. Si ritiene che il pattern III sia correlato alle lesioni indotte dall'ipossia che sono guidate da difetti nella funzione mitocondriale,<ref name=":8">Nikić I., Merkler D., Sorbara C., Brinkoetter M., Kreutzfeldt M., Bareyre F.M., Brück W., Bishop D., Misgeld T., Kerschensteiner M. A reversible form of axon damage in experimental autoimmune encephalomyelitis and multiple sclerosis. Nat. Med. 2011;17:495–499. doi: 10.1038/nm.2324. [PubMed] [CrossRef] [Google Scholar]</ref> mentre le lesioni del pattern IV sono associate a morte profonda non apoptotica degli oligodendrociti nella sostanza bianca periplacca.
-Barnett and Prineas<ref>Barnett M.H., Prineas J.W. Relapsing and remitting multiple sclerosis: Pathology of the newly forming lesion. Ann. Neurol. 2004;55:458–468. doi: 10.1002/ana.20016. [PubMed] [CrossRef] [Google Scholar]</ref> analyzed lesions from patients directly after the onset of a relapse, during which active plaque formation was ongoing. Their results suggest that oligodendrocyte apoptosis and glial activation occur during early active plaque formation in the absence of inflammatory lymphocytes or myelin phagocytes. They proposed that the vulnerability of oligodendrocytes, described in Lucchinetti’s type III pattern, is present in the early stages of all plaque formation and is the trigger for subsequent post apoptotic necrosis which initiates the phagocytosis of myelin by macrophages at later stages. In vitro analyses of this process have implicated complement cascades, tumor necrosis factors or gaseous second messengers.<ref>Van der Laan L.J., Ruuls S.R., Weber K.S., Lodder I.J., Döpp E.A., Dijkstra C.D. Macrophage phagocytosis of myelin ''in vitro'' determined by flow cytometry: Phagocytosis is mediated by CR3 and induces production of tumor necrosis factor-α and nitric oxide. J. Neuroimmunol. 1996;70:145–152. doi: 10.1016/S0165-5728(96)00110-5. [PubMed] [CrossRef] [Google Scholar]</ref> Although identification of plaques and monitoring of their progress has important clinical value, there is only a modest correlation between the demyelinating lesion load as determined by conventional MRI and the clinical disability of patients with MS (see above).
+Barnett e Prineas<ref>Barnett M.H., Prineas J.W. Relapsing and remitting multiple sclerosis: Pathology of the newly forming lesion. Ann. Neurol. 2004;55:458–468. doi: 10.1002/ana.20016. [PubMed] [CrossRef] [Google Scholar]</ref> hanno analizzato le lesioni dei pazienti subito dopo l'inizio di una ricaduta, durante la quale era in corso la formazione attiva della placca. I loro risultati suggeriscono che l'apoptosi degli oligodendrociti e l'attivazione gliale si verificano durante la formazione precoce della placca attiva in assenza di linfociti infiammatori o fagociti della mielina. Hanno proposto che la vulnerabilità degli oligodendrociti, descritta nel modello di tipo III di Lucchinetti, sia presente nelle prime fasi di tutta la formazione della placca ed è l'innesco per la successiva necrosi post apoptotica che avvia la fagocitosi della mielina da parte dei macrofagi nelle fasi successive. Le analisi in vitro di questo processo hanno implicato cascate del complemento, fattori di necrosi tumorale o secondi messaggeri gassosi.<ref>Van der Laan L.J., Ruuls S.R., Weber K.S., Lodder I.J., Döpp E.A., Dijkstra C.D. Macrophage phagocytosis of myelin ''in vitro'' determined by flow cytometry: Phagocytosis is mediated by CR3 and induces production of tumor necrosis factor-α and nitric oxide. J. Neuroimmunol. 1996;70:145–152. doi: 10.1016/S0165-5728(96)00110-5. [PubMed] [CrossRef] [Google Scholar]</ref> Sebbene l'identificazione delle placche e il monitoraggio del loro progresso abbiano un importante valore clinico, esiste solo una modesta correlazione tra il carico della lesione demielinizzante determinato dalla risonanza magnetica convenzionale e la disabilità clinica dei pazienti con SM (vedi sopra).
-==== Functional Changes ====
+==== Modifiche funzionali ====
-The mechanisms of functional impairment during demyelination often include the disruption of transmembrane Na+, K+ and Ca2+ ions, the dispersal of their corresponding ion channels, a decrease in the efficiency of AP conduction and a resulting metabolic crisis (Figure 3). Demyelination can readily explain conduction failure within the affected axon. If conduction does not completely fail, conduction velocity can nonetheless be slowed and differential slowing across different axons can cause variable conduction delays that result in desynchronized spiking.
+I meccanismi di compromissione funzionale durante la demielinizzazione spesso includono l'interruzione degli ioni Na+, K+ e Ca2+ transmembrana, la dispersione dei canali ionici corrispondenti, una diminuzione dell'efficienza della conduzione AP e una conseguente crisi metabolica (Figura 3). La demielinizzazione può facilmente spiegare il fallimento della conduzione all'interno dell'assone interessato. Se la conduzione non fallisce completamente, la velocità di conduzione può comunque essere rallentata e il rallentamento differenziale tra diversi assoni può causare ritardi di conduzione variabili che si traducono in picchi desincronizzati.
-Demyelination also allows denuded axons to become closely apposed, thus setting the stage for ephaptic interactions and crosstalk.<ref name=":1" /> Reflection can also occur because of impedance mismatch between myelinated and unmyelinated lengths of axon. On the other hand, hyperexcitability cannot be directly ascribed to demyelination; instead, secondary changes in intrinsic excitability need to be invoked to explain phenomena like ectopic spike generation and afterdischarge (AD). Alterations in excitability likely represent compensatory changes aimed at restoring function following the disruption caused directly by demyelination, consistent with a process referred to as homeostatic plasticity,<ref>Wang G., Thompson S.M. Maladaptive homeostatic plasticity in a rodent model of central pain syndrome: Thalamic hyperexcitability after spinothalamic tract lesions. J. Neurosci. 2008;28:11959–11969. doi: 10.1523/JNEUROSCI.3296-08.2008. [PMC free article] [PubMed] [CrossRef] [Google Scholar]</ref> but that compensation can evidently be maladaptive. Each of the aforementioned outcomes, which are not mutually exclusive, contribute to producing different symptoms observed in demyelinating diseases.
+La demielinizzazione consente inoltre agli assoni denudati di avvicinarsi strettamente, ponendo così le basi per le interazioni epatiche e il crosstalk.<ref name=":1" /> La riflessione può anche verificarsi a causa della mancata corrispondenza di impedenza tra le lunghezze mielinizzate e non mielinizzate dell'assone. D'altra parte, l'ipereccitabilità non può essere direttamente attribuita alla demielinizzazione; invece, i cambiamenti secondari nell'eccitabilità intrinseca devono essere invocati per spiegare fenomeni come la generazione di picchi ectopici e la post-dimissione (AD). Le alterazioni dell'eccitabilità rappresentano probabilmente cambiamenti compensatori volti a ripristinare la funzione in seguito all'interruzione causata direttamente dalla demielinizzazione, coerente con un processo denominato plasticità omeostatica,<ref>Wang G., Thompson S.M. Maladaptive homeostatic plasticity in a rodent model of central pain syndrome: Thalamic hyperexcitability after spinothalamic tract lesions. J. Neurosci. 2008;28:11959–11969. doi: 10.1523/JNEUROSCI.3296-08.2008. [PMC free article] [PubMed] [CrossRef] [Google Scholar]</ref> ma tale compensazione può evidentemente essere disadattativa. Ciascuno dei suddetti esiti, che non si escludono a vicenda, contribuisce a produrre diversi sintomi osservati nelle malattie demielinizzanti.
-Paroxysmal symptoms characterized by the sudden onset or intensification of symptoms such as spasm or shooting pain likely arise from AD or otherwise inappropriate burst-type spiking. Such spiking patterns suggest highly nonlinear interactions among the contributing ion currents<ref name=":9">Coggan J.S., Prescott S.A., Bartol T.M., Sejnowski T.J. Imbalance of ionic conductances contributes to diverse symptoms of demyelination. Proc. Natl. Acad. Sci. USA. 2010;107:20602–20609. doi: 10.1073/pnas.1013798107.[PMC free article] [PubMed] [CrossRef] [Google Scholar]</ref><ref name=":10">Coggan J.S., Ocker G.K., Sejnowski T.J., Prescott S.A. Explaining pathological changes in axonal excitability through dynamical analysis of conductance-based models. J. Neural Eng. 2011;8 doi: 10.1088/1741-2560/8/6/065002. [PMC free article] [PubMed] [CrossRef] [Google Scholar]</ref> and could, in theory at least, involve interactions between different regions of the neuron.<ref name=":11">Coggan J.S., Prescott S.A., Sejnowski T.J. Cooperativity between remote sites of ectopic spiking allows afterdischarge to be initiated and maintained at different locations. J. Comput. Neurosci. 2015;39:17–28. doi: 10.1007/s10827-015-0562-8. [PMC free article] [PubMed] [CrossRef] [Google Scholar]</ref> As opposed to more generic forms of hyperexcitability (e.g., increased firing rate or reduced threshold), these specific patterns are limited in terms of the precise mechanisms through which they might arise. Therefore, identifying the ion channel changes underlying those specific forms of hyperexcitability can help constrain the search for ion channel changes responsible for associated, yet less distinctive, forms of hyperexcitability.
+I sintomi parossistici caratterizzati dall'insorgenza improvvisa o dall'intensificazione di sintomi come spasmo o dolore lancinante derivano probabilmente dall'AD o da picchi di tipo burst inappropriati. Tali modelli di spiking suggeriscono interazioni altamente non lineari tra le correnti ioniche che contribuiscono <ref name=":9">Coggan J.S., Prescott S.A., Bartol T.M., Sejnowski T.J. Imbalance of ionic conductances contributes to diverse symptoms of demyelination. Proc. Natl. Acad. Sci. USA. 2010;107:20602–20609. doi: 10.1073/pnas.1013798107.[PMC free article] [PubMed] [CrossRef] [Google Scholar]</ref><ref name=":10">Coggan J.S., Ocker G.K., Sejnowski T.J., Prescott S.A. Explaining pathological changes in axonal excitability through dynamical analysis of conductance-based models. J. Neural Eng. 2011;8 doi: 10.1088/1741-2560/8/6/065002. [PMC free article] [PubMed] [CrossRef] [Google Scholar]</ref> e potrebbero, almeno in teoria, coinvolgere interazioni tra diverse regioni del neurone.<ref name=":11">Coggan J.S., Prescott S.A., Sejnowski T.J. Cooperativity between remote sites of ectopic spiking allows afterdischarge to be initiated and maintained at different locations. J. Comput. Neurosci. 2015;39:17–28. doi: 10.1007/s10827-015-0562-8. [PMC free article] [PubMed] [CrossRef] [Google Scholar]</ref> A differenza di forme più generiche di ipereccitabilità (ad esempio, aumento della frequenza di scarica o soglia ridotta), questi modelli specifici sono limitati in termini di precisi meccanismi attraverso i quali potrebbero insorgere. Pertanto, l'identificazione dei cambiamenti del canale ionico alla base di quelle specifiche forme di ipereccitabilità può aiutare a limitare la ricerca dei cambiamenti del canale ionico responsabili delle forme associate, ma meno distintive, di ipereccitabilità.
-The disruption of energy balance in a neuron could also profoundly impact neuron well-being (Figure 3). Indeed, compensatory changes may manage to restore certain functions but, without reversing the primary problem, other problems may arise. For example, even if conduction block is prevented by an appropriate compensatory change in excitability (i.e., one that does not result in hyperexcitability), the system may be less energy efficient. Losing the energy savings afforded by saltatory conduction induces compensatory mitochondrial energy production that can result in oxidative damage and neurodegeneration.<ref name=":8" /><ref name=":12">Aon M.A., Cortassa S., Akar F.G., Brown D.A., Zhou L., O’Rourke B. From mitochondrial dynamics to arrhythmias. Int. J. Biochem. Cell Biol. 2009;41:1940–1948. doi: 10.1016/j.biocel.2009.02.016. [PMC free article][PubMed] [CrossRef] [Google Scholar]</ref><ref name=":13">Su K., Bourdette D., Forte M. Mitochondrial dysfunction and neurodegeneration in multiple sclerosis. Front. Physiol. 2013;4doi: 10.3389/fphys.2013.00169. [PMC free article] [PubMed] [CrossRef] [Google Scholar]</ref>
+L'interruzione dell'equilibrio energetico in un neurone potrebbe anche avere un impatto profondo sul benessere del neurone (Figura 3). In effetti, le modifiche compensative possono riuscire a ripristinare alcune funzioni ma, senza invertire il problema principale, possono sorgere altri problemi. Ad esempio, anche se il blocco di conduzione è impedito da un'appropriata variazione compensativa dell'eccitabilità (cioè, una che non si traduca in ipereccitabilità), il sistema può essere meno efficiente dal punto di vista energetico. La perdita del risparmio energetico offerto dalla conduzione saltatoria induce una produzione compensativa di energia mitocondriale che può provocare danni ossidativi e neurodegenerazione. <ref name=":8" /><ref name=":12">Aon M.A., Cortassa S., Akar F.G., Brown D.A., Zhou L., O’Rourke B. From mitochondrial dynamics to arrhythmias. Int. J. Biochem. Cell Biol. 2009;41:1940–1948. doi: 10.1016/j.biocel.2009.02.016. [PMC free article][PubMed] [CrossRef] [Google Scholar]</ref><ref name=":13">Su K., Bourdette D., Forte M. Mitochondrial dysfunction and neurodegeneration in multiple sclerosis. Front. Physiol. 2013;4doi: 10.3389/fphys.2013.00169. [PMC free article] [PubMed] [CrossRef] [Google Scholar]</ref>
-Keeping track of this long list of neurobiological changes, understanding the inter-relationships between those changes, and ultimately linking those changes with clinical manifestations and applying effective treatment is no easy task. To this end, computational modeling is an invaluable tool. Simulations not only serve to organize what information is already known, they also identify crucial gaps in knowledge. The judicious use of computational modeling can therefore enable more comprehensive understanding and facilitate the more effective application of that understanding, as discussed below.
+Tenere traccia di questo lungo elenco di cambiamenti neurobiologici, comprendere le interrelazioni tra tali cambiamenti e, in definitiva, collegare tali cambiamenti con manifestazioni cliniche e applicare un trattamento efficace non è un compito facile. A tal fine, la modellazione computazionale è uno strumento prezioso. Le simulazioni non solo servono a organizzare le informazioni già note, ma identificano anche lacune cruciali nella conoscenza. L'uso giudizioso della modellazione computazionale può quindi consentire una comprensione più completa e facilitare l'applicazione più efficace di tale comprensione, come discusso di seguito.
-=== Computational Modeling ===
+=== Modellazione computazionale ===
-Especially when paired with traditional experiments, computational modeling is indispensable for making sense of inconsistent data and complex mechanisms. These benefits are exemplified by the application of simulations in other fields, such as epilepsy.<ref>Soltesz I., Staley K.  Computational Neuroscience in Epilepsy. 1st ed. Elsevier; London, UK: 2008.  [Google Scholar]</ref> Here we survey some of the history of computational modeling of axons, ion conductances, the physiology of myelin and demyelination, the immune system, mitochondria and other biological factors that are critical for understanding demyelinating diseases. Our review is not exhaustive but will provide a broad introduction to past, present, and future efforts in this area.
+Soprattutto se abbinata agli esperimenti tradizionali, la modellazione computazionale è indispensabile per dare un senso a dati incoerenti e meccanismi complessi. Questi benefici sono esemplificati dall'applicazione di simulazioni in altri campi, come l'epilessia.<ref>Soltesz I., Staley K.  Computational Neuroscience in Epilepsy. 1st ed. Elsevier; London, UK: 2008.  [Google Scholar]</ref> Qui esaminiamo parte della storia della modellazione computazionale di assoni, conduttanze ioniche, fisiologia della mielina e demielinizzazione, sistema immunitario, mitocondri e altri fattori biologici che sono fondamentali per comprendere le malattie demielinizzanti. La nostra recensione non è esaustiva, ma fornirà un'ampia introduzione agli sforzi passati, presenti e futuri in questo settore.
 ==== Modeling Axons ====