Когда началась работа над созданием модели вируса и сколько времени она заняла?

Для нас это рекордная по срокам работа. Обычно большие и сложные вирусы занимают восемь-девять месяцев моделирования. В случае с Зика мы бросили на работу все наши ресурсы и справились за три недели.

Я так понимаю, что интерес к этому вирусу связан с наблюдаемой сейчас вспышкой и возможной эпидемией вируса в Северной Америке?

Вообще, мы никогда не делали свои модели под какие-то глобальные события, «к случаю». Даже вирус Эбола, изображение которого использовалось практически всеми мировыми СМИ во время недавней вспышки 2014 года было сделано задолго до самой вспышки. Мы выбираем вирусы исходя из того, насколько они распространены и опасны, насколько интересна их структура. И, конечно, насколько хорошо она изучена. Но модель вируса Зика — это для нас первый опыт такого «скоростногогорячего» моделирования.

Сколько человек трудилось над моделью?

(считает) Восемь человек.

Вы говорите о своих моделях как о «самых научно достоверных изображениях» из тех, что существуют на сегодняшний день. В связи с этим возникают два вопроса. Во-первых, что это значит — что вы в вкладываете в понятие «научной достоверности» по отношению к модели? И, во-вторых, как эта достоверность достигается?

Следует прежде всего сказать, что наша компания основана молекулярными биологами и специалистами по биоинформатике. Поэтому наш научный бэкграунд определяет то, как мы подходим к моделированию. В основе нашего моделирования — упор на научную экспертизу, которая позволяет избежать тех ошибок, которыми изобилуют модели, если над ними работают исключительно дизайнеры и художники. Где в работе над моделью нет научной составляющей.

При создании каждого вируса мы работаем по следующей схеме. Сначала анализируем все доступные публикации, которые касаются его структуры, на основе чего составляется глобальный обзор литературы, формируемый по неким определенным внутренним стандартам. Мы определяем, какие из компонентов вируса изучены полностью — для которых из них есть данные рентгено-структурного анализа — и какие из них не изучены. Для каждого из компонентов определяем, каких из его фрагментов нет в рентгеновских структурах. Метод рентгено-структурного анализа предполагает, что многие участки белка, которые сложно кристаллизовать получить осложняют[1] получение кристаллов — трансмембранные фрагменты, участки с подвижной структурой и так далее — могут специально отрезаться учеными, так что их просто нет в опубликованных данных. Мы находим эти недостающие фрагменты и достраиваем их структуру на основе тех методов, которые сейчас используются для этого в науке (это данные о структуре родственных белков и методы молекулярной динамики).

На следующем этапе мы проводим предсказание белок-белковых взаимодействий внутри вируса: какие белки и какими поверхностями друг с другом контактируют в вирионе, как именно устроены белковые комплексы. Рентгено-структурный анализ информацию об этом обычно не дает, потому мы обращаемся к методам молекулярного докинга.

Бывает, когда строение компонентов некого вируса нам вообще пока не известно. В таком случае приходится использовать данные о родственных вирусах как шаблоны для новой структуры. Это тоже довольно распространенная методика в науке, для этого разработаны специальные протоколы, которые мы и используем при моделировании.

Наиболее дискуссионным моментом модели почти всегда является упаковка генома вируса. Это очень сложная задача, которая часто просто не может быть однозначно решена существующими методами. Поэтому мы всегда говорим, что показываем в модели только возможный вариант укладки генома. Мы, конечно, стараемся максимально полно предсказать для генома ДНК-белковые или РНК-белковые взаимодействия, пытаемся установить методами биоинформатики элементы третичной пространственной структуры РНК-геномов. Но абсолютно достоверно это сделать сейчас просто невозможно. Это самостоятельная, большая и интересная научная задача.

Плюс ко всему для каждого проекта мы отбираем наиболее авторитетных экспертов, которые посвятили многие годы изучению того или иного вируса, проводим с ними консультации. В случае вируса гриппа, например, это была группа Хайме Мартина-Бенито из Испанского национального центра биотехнологий и ряд других исследователей. Для ВИЧ это был Егор Воронин из Global HIV Vaccine Entreprise. При моделироваании Эбола мы общались с Рональдом Харти из Университета Пеннсильвании.

А Зика?

Вирус Зика — довольно экзотичная вещь, он долго был обделен вниманием ученых. В данном случае не было каких-то крупных научных групп, которые были бы лидерами в этом вопросе и могли бы нам помочь. К счастью, это вирус достаточно простой, и особой необходимости привлекать сторонних консультантов в данном случае не возникло, мы справились своими силами. Уже после того, как модель была готова, мы получили ряд минорных комментариев, касающихся, например, глубины погружения в мембрану трансмембранных фрагментов белков.

Что было самым сложным при создании этой модели?

Наверное, пространственная организация упаковки генома. Это всегда сложно.

У какого процента белков в случае вируса Зика уже есть рентгеновские структуры, а что вам приходилось восстанавливать методами моделирования по-аналогии?

Пока кристаллографические данные о структурах белков непосредственно вируса Зика не доступны, так что все пространственные модели были сделаны на основе прочитанного генома и близких белков из родственных вирусов Денге, Западного Нила или желтой лихорадки.

Вирус Зика — последнее пополнение в вашем «Зоопарке Вирусов». Расскажите, пожалуйста, что это за проект и какие цели вы перед ним ставите.

«Зоопарк» — это первая в мире попытка создать коллекцию научно достоверных моделей вирусов человека с атомным разрешением. Дело в том, что вирусы слишком маленькие для того, чтобы изучать их методами, которые подходят для исследования клеток. С другой стороны, они слишком большие, чтобы работать с ними как с белками и получать рентгеновские структуры. Получается, что мы довольно много знаем о строении отдельных вирусных компонентов и о том, как вирусы ведут себя в клетках. Но увидеть вирусы своими глазами, рассмотреть их во всех подробностях можно только с помощью компьютерного моделирования.

Тут есть даже некоторый парадокс: любой ребенок знает, как выглядит далекий от нас Марс, но на что похож вирус гриппа, которым мы все болеем ежегодно, знают немногие. Собственно, из этого желания — показать людям красоту и сложность микро и наномира вирусного мира — и вырос наш «Зоопарк Вирусов». Это прежде всего чисто просветительский и образовательный проект, и мы рады, что многие наши изображения уже попали на страницы ведущих учебников и руководств.

Не могу не спросить: мой любимый гигантский мимивирус попадет в «Зоопарк»?

Мимивирус, конечно, очень большой. Правда большой, не заражает человека, а “Зоопарк вирусов” прежде всего о вирусах человека. И, к тому же, довольно плохо изучен. Надо понимать, что в наших моделях представлены все молекулы, которые есть в вирионе, даже отдельные липиды мембраны. Поэтому даже в случае с Эболой счет молекул уже идет на миллионы, и моделирование требует очень больших ресурсов. В этом смысле мимивирус, который по размеру оставляет позади некоторые бактериальные клетки, выглядит, конечно, устрашающе. Видимо, для его моделирования нам потребуется разработать особый подход, так что это задача не ближайшего будущего. Пока мы сфокусированы на более изученных и распространенных вирусах — вирусе герпеса, гепатитов и еще десятке других.

Вирус Эбола

Вирус папилломы человека — HPV

Аденовирус

28.03.2016 Источник: nplus1.ru

Международная группа нейробиологов из Института Аллена, Гарвардской медицинской школы и исследовательской инициативы в области нейроэлектроники NERF опубликовали самую большую из ныне существующих карт нейронных сетей в коре головного мозга, где происходят такие сложные процессы, как обработка памяти. Результаты исследования опубликованы в журнале Nature.

По словам ученых, полученный результат представляет собой кульминацию десятилетней исследовательской программы. С помощью современных методов были собраны огромные массивы данных по мозговой активности, которые позволяют найти связь между структурой мозга и ее функциями. Теперь нейробиологи собираются заняться выяснением того, за какие типы обработки сигналов отвечают определенные нейронные схемы.

Ученые уже обнаружили некоторые свидетельства того, что в коре головного мозга нейронные сети обладают модульной структурой. Кроме того, были выявлены закономерности организации связи между нейронами. Опираясь на эти данные, исследователи планируют начать поиск нейронных цепей в коре головного мозга, которые могли бы выполнять различные мозговые функции.

Чтобы создать карту нейронных сетей, ученые начали с картографирования зрительной коры мозга мыши, нейроны которой реагировали на определенные визуальные стимулы, например вертикальные или горизонтальные линии на экране. После этого были сделаны ультратонкие срезы мозга, чтобы получить миллионы изображений нейронов и синапсов, которые затем реконструировали для создания 3D-модели.

Исследования уже дали первые результаты. Например, ученые получили доказательства, что нейроны со схожими функциями будут связаны друг с другом большим числом синапсов, чем нейроны с разными функциями.

Ранее нейрофизиологи из Швейцарии создали компьютерную модель мозга крысы, которая включала в себя 31 тысячу нейронов и 37 миллионов синапсов. Для ее создания был использован один из самых производительных суперкомпьютеров Blue Brain IV.

29.03.2016 Источник: lenta.ru

Недавно группа нейрофизиологов из лаборатории профессора Медицинской школы Университета Дьюка Мигеля Николесиса (Miguel Nicolelis) продемонстрировала управление колесной платформой с помощью сигналов, полученных от электродов, имплантированных в моторную кору мозга обезьяны. Такие работы открывают перспективы создания протезов и инвалидных кресел для парализованных больных, которые смогут управлять их движением просто «силой мысли». С другой стороны, хирургическая имплантация электродов в мозг остается пугающей и опасной процедурой, способной ограничить применение этих технологий. О том, как проходили эксперименты с обезьянами и какое будущее ждет инвазивные методы регистрации активности нейронов, мы поговорили с одним из авторов работы, исследователем из Университета Дьюка Михаилом Лебедевым.

«N+1»: За последние годы ваша группа провела совершенно потрясающие работы с использованием микроэлектродов: расширение видимого спектра крыс подключением ИК-датчиков; управление сразу парой роборук за счет сигналов, полученных из моторной коры обезьяны; соединение мозгов двух обезьян в единое управляющее устройство... На таком ярком фоне новая работа с «мысленным» контролем над колесной платформой чем-то выделяется?

М.Л.: Выделяется, причем достаточно заметно. Дело в том, что прежде считывание сигналов с моторной коры рассматривалось только с точки зрения управления конечностью — рукой, ногой... При этом нейронные механизмы, связанные с перемещением всего тела, остаются нераскрытыми даже на фундаментальном уровне. Поэтому до самого начала экспериментов оставалось неясным, сможем ли мы в принципе, считывая сигналы управления руками и ногами, интерпретировать их с точки зрения движения всего тела. У обезьяны не было никакого рычага и других способов направлять колесную платформу — она просто представляла соответствующие движения рук и ног в пространстве.

Можно вспомнить, как обычно рисуют мозг с моторным гомункулусом: одной области соответствуют нейроны, управляющие движением руки, другой — ноги или шеи... Обратите внимание: на этой схеме нигде нет группы нейронов, которая бы соответствовала телу в целом, его перемещению в пространстве. Так как области мозга, представляющие все тело, пока не описаны, мы попробовали получить нужный сигнал из активностей нейронов, которые управляют конечностями, и на том же гомункулусе ярко выделяются.

Более того, сейчас мы готовим статью, связанную с продолжением этой истории. В новом варианте эксперимента мы скомбинировали его с подходом, который использовали раньше, в работе с «объединением» двух мозгов: одна обезьяна ездила в своей тележке, а другая сидела в углу, наблюдая за ней. Движения тележки отражались в мозге и водителя, и наблюдателя. В этом большой новости нет: известно, что движения существ, за которыми человек наблюдает, зеркалируется в активности и его собственных нейронов. Однако нам удалось объединить сигналы и «водителя», и «наблюдателя», а затем передать управление колесами итоговому, суммирующему сигналу.

«N+1»:Тут возникает вопрос о том, как именно выделяется нужный сигнал. Для интерпретации данных о возбуждении сотен нейронов понадобилась нейронная сеть?

М.Л.: В этой части мы решили поступить максимально просто и использовали сравнительно несложный метод выделения сигнала, фильтр Винера. Упрощенно говоря, наша модель получала данные по частоте разрядов нейронов, умножала активность каждого на определенный весовой коэффициент, суммировала и на выходе давала нужный параметр — в нашем случае, это либо скорость движения вперед-назад, либо угловая скорость, соответствующая вращению тележки вокруг вертикальной оси. Такой фильтр, конечно, нуждается в предварительном обучении, чтобы выбрать правильные коэффициенты.

На этапе обучения фильтра обезьяна не управляла тележкой, а просто каталась на ней, движения колес случайным образом задавал компьютер. С помощью наших электродов мы регистрировали активность, которая возникала в моторной коре обезьяны в ответ на разные виды движений. Фильтр Винера оценивал эту активность и в зависимости от ее величины в каждом случае присваивал два коэффициента: «вклад» нейрона в движение вперед-назад и в поворот вокруг своей оси. То есть, если нейрон активно возбуждался при таком движении, он получал большой коэффициент, если нет, то маленький.

Из опыта мы знаем, что это не очень сложная задача, и для обучения фильтра при том количестве входных данных, что мы имеем, — а это порядка 300 нейронов с двух полушарий — достаточно сеанса максимум в 10 минут. Затем мы уже можем передать управление обезьяне.

При попытке двинуться в определенную сторону ее нейроны разряжаются, эти данные снимаются и поступают в обученный фильтр, где перемножаются на нужные коэффициенты, суммируются — и мы получаем на выходе две скоростные компоненты. При этом, по мере того как обезьяна осваивает такое управление, ее мозг пластично адаптируется, выдавая все более четкий сигнал, и обезьяна быстрее добирается до награды.

«N+1»:Получив такой обученный фильтр, мы можем применить его на другом животном?

М.Л.: Нет, такого не получится. Имплантируя микроэлектроды, мы, конечно, попадаем в нужную область очень точно, но не с точностью до нейрона. Да и локализация нейронов у каждого животного индивидуальна. Поэтому даже одни и те же электроды у разных обезьян могут записывать разные показатели, фактически, случайным образом.

Можно добавить, что животные, которых мы использовали в экспериментах, ходят с «хронически» имплантированными электродами не первый год. Они уже участвовали во многих опытах, в основном, по управлению роботизированной рукой.

«N+1»: Звучит довольно брутально. Вообще, на фоне быстрого развития неинвазивных методов получения данных об активности мозга — таких как ЭЭГ или томография — не теряют ли микроэлектроды актуальности? Ведь они требуют хирургической имплантации, вскрытия черепной коробки и так далее...

М.Л.: Никоим образом. Та же ЭЭГ, по сути, какой была сто лет назад, такой и остается сегодня — прогресс в этой области заключается, в основном, в улучшении алгоритмов и средств интерпретации данных. Но в целом он по-прежнему не позволяет получать точные, высококачественные сигналы, и вряд ли это измениться в будущем. ЭЭГ данные — это всегда данные о синхронном срабатывании достаточно большого количества нейронов.

Возникает даже своего рода парадокс. Ведь когда нейроны делают что-то осмысленное — например, управляют рукой, — они разряжаются небольшими группами. А синхронная активность проявляется как раз в периоды, когда они никакой осмысленной, нужной нам для интерпретации деятельностью не занимаются. Самые масштабные синхронные срабатывания наблюдаются во сне, и ЭЭГ во сне демонстрируют самую большую амплитуду. Поэтому системы ЭЭГ работают «от обратного»: сильный сигнал означает, что субъект находится в покое, слабый — что он чем-то занят. При этом детали этого занятия совершенно ускользают.

В силу этих причин думаю, что ЭЭГ и близкие ему методы будут развиваться больше в сторону нейрореабилитации, помощи больным после инсультов и тому подобных вещей. А для более тонкого контроля, в любом случае, понадобятся инвазивные методы. Конечно, со стороны сегодня они кажутся достаточно страшными: нужно открыть череп, вставить электроды... Но, думаю, эти проблемы будут решены в ближайшие 10–20 лет.

«N+1»: Вспоминается недавняя работа австралийских ученых, предложивших микроэлектрод, который проникает в мозг по сосудам и «раскрывается» в нужном месте, фиксируясь и снимая активность соседних нейронов. Вы имеете в виду такие решения?

М.Л.: Это, безусловно, очень хорошая идея. Главное — что качество записи, которое дает такой подход, сравнимо с данными электрокортикографии, при которой электроды просто кладутся на поверхность мозга, но внутрь нервной ткани не вводятся, так что это достаточно безопасно. Запись «через сосуды» дает такое же разрешение, но при этом позволяет добраться и в глубинные структуры мозга, работая и в подкорковых областях. С другой стороны, конечно, возникают вопросы о том, насколько безопасно ходить с такими электродами в сосудах, не будут ли они провоцировать нарушения кровоснабжения и все подобное — это еще стоит тщательно изучить.

Нельзя забывать и о том, что активно развиваются нанотехнологии, которые теоретически позволят сделать электроды очень и очень маленькими. Существует даже концепция использования «нанопыли», — частиц, которые будут проникать в мозг и считывать активность индивидуальных нейронов, передавая эти данные на устройство, расположенное снаружи черепа. Возможностей минимизировать опасность инвазивного подхода у нас достаточно.

Беседовал Роман Фишман

21.03.2016 Источник: nplus1.ru