Как миллиарды нейронов мозга связаны между собой, а нервная активность формирует мысли? В конце 2015 года ученые приблизились к ответу на эти вопросы. В проекте Blue Brain была создана детальная реконструкция небольшого участка моторной коры — 31 тысяча нейронов, связанных друг с другом восьмью миллионами связей. Активность нейронной сети смоделировали на суперкомпьютере. Это позволило ученым проверить важнейшие принципы работы мозга многих млекопитающих, в том числе человека.

Один из подходов к изучению мозга — моделирование. Компьютерные модели в естественных науках используются там, где невозможно или очень трудно провести эксперимент* — например в астрофизике, гидродинамике и молекулярной биологии. Математические модели позволяют ученым обобщать большой объем экспериментальных данных в емкие концепции, а также предсказывать новые свойства. В нейробиологии область, которая занимается моделированием мозга, называется вычислительной нейронаукой. Она описывает процессы, происходящие в нервной системе, с помощью математических моделей [1].

* — О том, как наука, «подсыхая», дает сочные плоды, а именно — об увлекательном процессе и впечатляющих результатах слияния биологии с информатикой, — можно прочитать в статьях: «Пространственно-временное моделирование в биологии» [2], «Вычислительное будущее биологии» [3], «Жизнь — это компьютер» [4] и «Я б в биоинформатики пошёл, пусть меня научат!» [5]. — Ред.

Человеческий мозг — одна из самых сложных систем, которые нам известны. В мозге взрослого человека содержится около 10¹¹ нейронов, которые связаны еще бόльшим количеством связей — примерно 10¹¹–10¹³ [6]. Многие эксперименты на мозге живого человека ученые не могут проводить по этическим причинам, поэтому они изучают мозг других млекопитающих как наиболее похожий на человеческий. Несмотря на то что человек относится к приматам, а мышь — к грызунам, многие свойства коры мозга у них очень схожи.

В рамках проекта Blue Brain [7, 8] ученые реконструировали небольшой участок соматосенсорной коры размером 0,29 мм³, который называется колонкой. Нейроны этой области управляют телодвижениями, а также анализируют тактильную информацию. В пределах колонки коры нейроны в большей степени связаны друг с другом, нежели с нейронами соседних колонок, что позволяет увидеть такую структуру анатомически [6]. Строение колонки повторяется в зрительной, слуховой и других областях коры. Именно поэтому изучение этого небольшого участка позволяет многое сказать о работе всего мозга.

Чтобы смоделировать колонку, ученые записали активность 14 тысяч нейронов в срезах мозга и воссоздали около 8 миллионов связей между ними. На это ушло около 10 лет.

Реконструкция: лес дендритных деревьев

Небольшой фрагмент соматосенсорной (участвующей в движении) коры мозга мыши был выбран потому, что о его строении уже многое было известно. Изучением связей между отдельными клетками и целыми областями занимается раздел нейронауки под названием коннектомика [9]. Ученые считают, что информация, с помощью которой мозг может обучаться и адаптироваться к внешней среде, записывается в связях между отдельными нейронами — синапсах. Например, в синапсах соматосенсорной коры закодирована информация, необходимая животному для того, чтобы двигать конечностями и понимать, что они чувствуют.

Итак, с чего же начинали моделирование? Для того чтобы изучить, как нейроны отвечают на различные стимулы, активность отдельных клеток в срезе мозга записывали с помощью метода patch-clamp в ответ на электрическую стимуляцию. После этого в «записанные» нейроны добавляли специальную краску, чтобы увидеть устройство клетки. Затем данные о структуре нейрона и его ответы на электрические стимулы записывали в одну базу данных.

На следующем этапе структуру отдельных нейронов и их ответы на стимуляцию классифицировали по специальным алгоритмам. Это позволило понять, какие именно типы нейронов представлены в соматосенсорной коре. Кроме того, результаты классификации сравнили с другими известными данными, чтобы проверить работу таких алгоритмов.

В итоге ученые нашли 55 классов возбуждающих и тормозных нейронов, отличающихся характерной формой. Анализ разных типов клеток позволил моделировать искусственные нейроны, которые по форме и электрическим свойствам похожи на настоящие. Этот этап крайне важен в реконструкции. Поскольку современные методы не позволяют записать активность всех возможных клеток в мозге, важно уметь обобщать информацию об уже «измеренных» нейронах и предсказывать свойства тех, которые только могут быть измерены. Таким образом, 14 000 записанных нейронов позволили смоделировать 31 000 нейронов, из которых затем была построена колонка.

Реконструированные нейроны расставили в модели так, чтобы максимально достоверно сымитировать оригинал (рис. 1). Затем при помощи специального поискового алгоритма дендриты этих нейронов связали с аксонами соседних [10]. Это позволило решить крайне непростую задачу восстановления связей между отдельными клетками. Оказалось, что даже на участке коры размером всего 0,29 мм³ содержится порядка 8 000 000 межнейронных связей, состоящих из 37 000 000 синапсов (каждая связь представлена несколькими синапсами).

Рисунок 1. Плотность нейронов в колонке коры размером около 0,29 мм³. а — Плотность нейронов в разных частях коры. б — Различные типы нейронов, помеченные с помощью флуоресцентных белков. в — Морфологические типы возбуждающих (excitatory) и тормозных (inhibitory) нейронов в разных слоях коры.

Реконструкция позволила ученым детально проследить практически все возможные связи, которые формирует каждый нейрон в колонке. Но стоит отметить, что такая реконструкция позволяет описать связи только статистически. Иными словами, полученные связи — не единственно возможный вариант, а однин из наиболее вероятных.

На видео 1 представлена общая картина таких связей. Каждый нейрон обладает большим количеством ответвлений, которые называются дендритными деревьями. Именно на веточках этих деревьев и формируются отдельные синапсы. Отростки нейронов образуют целый «лес», состоящий из дендритов и аксонов отдельных клеток. Хорошо видно, что даже небольшой участок коры обладает колоссальным числом связей, которые неоднородно распределены между клетками 55 типов.

Динамика: синхронизация и хаос в сети нейронов

Для того чтобы отдельные клетки могли автономно генерировать активность, нейроны в модели соединили в соответствии с реконструированными связями. Оказалось, что сеть, построенная подобным образом, способна генерировать синхронную активность, которая называется популяционными спайками. В случае такой активности все нервные клетки генерируют спайки (нервные импульсы) почти в одно и то же время (рис. 2). Если в сети достаточно возбуждения, почти все нейроны генерируют синхронный популяционный спайк. Затем сеть медленно восстанавливается перед генерацией следующего синхронного импульса. Такое автономное поведение сети характерно для эпилепсии: группа нейронов вынуждена генерировать синхронную активность, которую сложно остановить.

Рисунок 2. Популяционный спайк в модели колонки. а — Реконструированные нейроны в различных слоях коры. б — Популяционные спайки в сети нейронов. Каждая точка соответствует нервному импульсу, по вертикали отложены различные нейроны. в — Потенциал клеток разных типов. г — Распределение интервалов между импульсами во время активности.

При меньшей силе связей в сети возможен и другой вид активности — асинхронное состояние. В этом режиме нейроны могут генерировать импульсы в разное время, то есть вести себя асинхронно: возбуждение в сети сбалансировано с торможением. За счет возбуждающих связей сеть постоянно генерирует спайки, которые поддерживают активность, а тормозные связи не позволяют нейронам слишком сильно синхронизироваться, подавляя слишком активные клетки.

Рисунок 3. Асинхронное состояние в сети нейронов. а — Спайки возбуждающих (красные точки) и тормозных (синие точки) нейронов. Внизу — частота разрядов возбуждающих (красная линия) и тормозных (синяя линия) нейронов. б — Корреляция между спайками отдельных нейронов. в — Усредненная корреляция мембранного потенциала всех нейронов сети, а также усредненных возбуждающих (EPSP) и тормозных (IPSP) токов.

Такое состояние сети называется сбалансированным (англ. balanced state). Баланс между возбуждением и торможением поддерживается за счет постоянной активности возбуждающих и тормозных нейронов (рис. 3). При балансе активность нейронов на первый взгляд кажется не связанной: внешний наблюдатель увидит только случайные разряды отдельных клеток. Но на самом деле поведение сети тонко настроено таким образом, что каждая клетка получает сбалансированный «вход», состоящий из возбуждения и торможения. При внешней стимуляции коры, например при поглаживании связанного с корой участка кожи, активность сети нейронов может немного возрасти. При этом число спайков немного увеличится, но потом сеть довольно быстро вернется к начальному состоянию, в котором она готова обрабатывать новую информацию (видео 2). Иными словами, сбалансированное состояние сети очень устойчиво.

Ключевое свойство асинхронного состояния заключается в том, что нейрон получает импульсы случайно, даже если в сети нет дополнительных источников шума. Такие системы известны в физике как детерминированный хаос.

В состоянии хаоса сеть нейронов чувствительна к начальным условиям, то есть состояние сети в каждый момент времени строго определяется ее предыдущим состоянием. Но стόит хоть немного изменить условия, например немного сместить время генерации спайка одной клетки, и сеть переходит в совершенно другое состояние уже через несколько мгновений [11]. В состоянии хаоса время отдельных спайков нейронов сети случайно, и в каждый следующий момент времени состояние сети уже не такое, как было до этого [12].

Стόит отметить, что сбалансированное состояние сети нейронов коры предсказывалось другими моделями ранее [13, 14]. В работах, посвященных более простым нейронным сетям, механизмы асинхронного состояния системы также объяснились балансом возбуждения и торможения. Таким образом, построенная в рамках Blue Brain подробная модель подтвердила один из известных принципов работы коры.

Анализ модели также показал, что в зависимости от силы возбуждения сеть может находиться либо в асинхронном состоянии (при небольшом возбуждении), либо в состоянии популяционных спайков. Сила возбуждения в сети среди прочего определяется концентрацией внеклеточного кальция, влияющего на выход нейромедиаторов в синапсах [15]. То, что модель учитывала этот параметр, помогло подтвердить ее достоверность большим количеством экспериментальных данных, учитывающих концентрацию кальция.

Чтобы определить эффективность модели для биологических вычислений, ученые сконструировали модель, воспроизводящую сигнал, который получают нейроны коры от таламуса. Похожую стимуляцию получает кора при надавливании двух тонких иголок, расположенных на определенном расстоянии друг от друга. В таком случае нейроны в центре колонки получают два сигнала, разнесенных на разное расстояние, а другие области коры должны определить расстояние между иголками только на основании активности (рис. 4). Оказалось, что нейроны пятого слоя коры могут лучше всего определить расстояние между иголками, если вся сеть находится в асинхронном режиме активности, близком к режиму генерации популяционных спайков.

Рисунок 4. Декодирование стимула в коре. а — Модель колонки и стимула. б — Спайки отдельных нейронов при стимуляции двумя иголками. в, г — Распределение времени до первого спайка и количество спайков с момента стимуляции. д, е — Способность определить расстояние между иголками на основании активности нейронов при различных концентрациях кальция, когда декодирование построено на времени задержки до первых спайков (д) и общем их количестве (е). ж — Усредненная способность нейронов пятого слоя определять характеристику стимула при различных концентрациях кальция.

Выводы

Результатом одного из самых многообещающих проектов в области вычислительной нейронауки стала максимально подробная на данный момент реконструкция участка мозга размером около 0,29 мм³. Посмотреть на нее можно на интернет-портале проекта Blue Brain [16]. Модель впервые связала воедино огромное количество данных о работе коры.

Несмотря на успех Blue Brain Project, теоретики нейронауки критикуют его за то, что ничего принципиально нового о работе мозга узнать не удалось [17]. Например, асинхронное состояние сети было предсказано задолго до начала работы над проектом. Кроме того, модель не подходит для проверки многих важных гипотез о механизмах работы коры из-за своей сложности. Интерпретация результатов такого моделирования крайне трудна даже для специалистов.

При современном уровне развития технологий реконструкция большинства связей между нейронами даже в небольшом мозге мыши может занять несколько миллионов лет (табл. 1). Так что широкое применение этого метода для человека пока невозможно.

Тем не менее модель показала принципиальную возможность реконструкции больших частей нервной системы, таких как колонка коры, на уровне отдельных клеток. Дальнейшее развитие таких моделей и методов реконструкции поможет понять, что именно нужно знать для раскрытия принципов работы мозга.

21.06.2016 Источник: biomolecula.ru

Статья написана совместно с Алисой Иваницкой.

Искусственные аналоги человеческого мозга могут стать реальностью благодаря созданию микроскопических устройств, имитирующих связи между нейронами.

Изобретение может приблизить создание человекоподобных роботов, самоуправляемых автомобилей, интеллектуальных аналитических систем, революционных инструментов медицинской диагностики и т. п., — обещает один из авторов разработки Тэ Ву Ли (Tae-Woo Lee) из Пхоханского университета науки и технологии (Южная Корея).

Человеческий мозг обладает колоссальной вычислительной мощностью, которая обеспечивается многочисленными соединениями нейронов — синапсами. Считается, что в мозге около 100 миллиардов нейронов и около одного квадриллиона соединений. Каждый синапс срабатывает примерно 10 раз в секунду.

Теоретически мозг может выполнять около 10 квадриллионов операций в секунду. Для сравнения: самый быстрый китайский суперкомпьютер «Тяньхэ-2» способен делать до 55 квадриллионов вычислений в секунду. Однако мощность, потребляемая человеческим мозгом, несоизмеримо меньше той, что требуется компьютеру, — всего 20 Вт против 17,8 МВт, необходимых «Тяньхэ-2».

Ученые во главе с Тэ Ву Ли намерены создать компьютер, имитирующий человеческий мозг и при этом сравнимый с биологическим аналогом не только по эффективности, но и по экономичности.

До сих пор искусственные синапсы требовали для своей работы намного больше энергии, чем человеческие. Синапсы, созданные командой Ли, потребляют всего 1,23 фемтоджоуля на единичную активность, что делает их рекордсменами среди всех ранее созданных устройств такого рода. К слову, яблоко, упавшее на землю с высоты одного метра, к моменту удара накапливает около одного квадриллиона фемтоджоулей кинетической энергии.

Искусственные синапсы Ли представляют собой своего рода транзисторы, способные имитировать активность соединений между клетками человеческого мозга. В основе этих устройств — провода диаметром 200-300 нанометров. Ученые поместили 144 синаптических транзистора на десятисантиметровую пластину.

Искусственные синапсы имеют двухслойную структуру, выполненную из органических материалов. Благодаря такой конструкции устройства могут запирать или освобождать ионы, имитируя работу настоящих синапсов.

В настоящее время группа Ли работает над созданием органических нанопроводов диаметром уже в десятки нанометров. Экспериментируя с различными материалами, ученые надеются еще больше снизить энергопотребление искусственных синапсов.

О своих достижениях ученые рассказали в журнале Science 17 июня.

23.06.2016 Источник: hi-news.ru

Биолог Леонид Марголис об общей теории медицины, работе иммунной системы и ВИЧ-инфекции

Вся современная естественная наука вышла из истории, из натурфилософии — средневековой науки, которая не делила природу на разные отделы и изучала ее как целое. Со временем науки разделились на физику, химию, медицину, или биомедицину, как сейчас говорят. И они почему-то пошли совершенно разными путями. Физика стремилась к объединению своих теорий, и идея физики — попытаться в рамках единой теории объяснить все явления нашего мира.

Медицина пошла по совершенно другому пути: она стала концентрироваться вокруг отдельных болезней, что привело к очень большой специализации медицины. Например, офтальмологи мало что знают о болезнях сердца, люди, которые занимаются болезнями сердца, атеросклерозом, мало что знают об инфекционных болезнях, люди, которые занимаются инфекционными болезнями, мало что знают о разных патологиях беременности и так далее.

Последняя общая теория биологии — это клеточная теория, которая была развита более 150 лет назад, и с тех пор особо общей теории не было. И сейчас мы наблюдаем развитие, становление теории, которая является первой за многие годы общей теорией медицины, — это теория о том, как происходят разные болезни и что их объединяет.

Различные болезни в различных областях сопровождаются таким явлением, как иммунная активация. Во времена Пастера и многие годы позже иммунная система рассматривалась как система, которая защищает нас от летающих вокруг бактерий, вирусов, и если, не дай бог, вирус или бактерия проникли в организм, иммунная система активируется и уничтожает их. После чего все возвращается на предыдущий уровень до следующей инфекции, если, конечно, эта инфекция не является летальной. Оказалось, что это совершенно не так.

Иммунная система часто не возвращается обратно, и, более того, в нашем организме существует много вирусов и бактерий, которые живут постоянно, не угрожая нашему здоровью, но время от времени активируются. Таким образом, иммунная система как маневры в армии: все время происходит ее тренировка. Когда человек заражается какими-нибудь вирусами, бактериями — начинается воспаление. Мы все знаем, что такое воспаление, когда, скажем, оно возникает на коже. Воспаление связано с активацией лимфоцитов, размножением, движением лейкоцитов к области инфекции, происходит покраснение, увеличение проницаемости сосудов — мы с этим сталкивались в жизни. Потом все это проходит. Иногда это приобретает хронический характер. Так называемое хроническое воспаление характеризуется продукцией ряда растворимых веществ и активацией некоторых клеток.

Имеется явление, которое теперь стало понятным, — более легкая активация иммунной системы. Это не воспаление, не хроническое воспаление, а что-то ниже этого, более слабое. Оказалось, что оно сопровождает разные болезни, и в разных областях эксперты понимают уже, что эта иммунная активация сильно способствует развитию болезни. Это как бы второй ключ от сейфа. Один ключ — это непосредственно этиологический агент, который вызывает, скажем, ВИЧ-инфекцию — это ВИЧ.

Второй ключ — иммунная активация, которая является двигателем инфекции, и, возможно, без этого болезнь и не развилась бы.

Это неновая идея. Новое состоит в том, что эксперты в разных областях не знают о том, насколько широко это представление, которое захватывает разные области. В разных областях эта идея появилась в разное время. Например, при болезнях сердца, атеросклерозе ее можно проследить к Рудольфу Вирхову, классику науки прошлого века, в других областях она появилась в 90-х годах или совсем недавно.

Мы занимаемся исследованием этой иммунной активации. Она характеризуется рядом вполне конкретных измеряемых параметров: появление молекул, которые называются маркерами иммунной активации на лимфоцитах, появление везикул, которые клетки продуцируют и передают другим клеткам как информационный сигнал (в нем РНК и белки), и ряд других параметров. Эта иммунная активация оказалась общей для многих болезней. Мы исследовали иммунную активацию с разными коллегами. В частности, иммунную активацию при атеросклерозе мы исследуем с выдающимися московскими специалистами в области сердечных болезней, кардиологами Александром Вадимовичем Шпектором и Еленой Юрьевной Васильевой. Мы исследуем это при разных нарушениях беременности — есть такое нарушение беременности, называется преэклампсия, очень распространенное, ведущее часто к смерти плода, — с американским выдающимся специалистом Роберто Ромеро и в ряде других болезней.

Самым ярким примером, который показывает, почему иммунная активация является движущей силой инфекции, — ВИЧ-инфекция. Вирус иммунодефицита по определению вызывает иммунодефицит. Долго думали, что это иммунодефицит, потому что вирус уничтожает какие-то важные клетки. Что правда. Но оказалось, что движущей силой ВИЧ-инфекции является иммунная активация, потому что вирус заражает в основном иммуноактивированные клетки, продолжает иммуноактивировать клетки, которые не заражены, и таким образом развивается инфекция.