Динамика нейронных ансамблей

2020-02-20 16:02

Нейроученый Александр Храмов об ансамбле нейронов, компьютерных моделях мозга и проекте «Голубой мозг»

     Нервная система живого существа, начиная от простейшего организма и заканчивая человеком, состоит из нервных клеток — нейронов. Количество нейронов в нервной системе организма варьируется от пятисот или тысячи нейронов у простейших червей до сотен миллиардов у высших млекопитающих, включая приматов и человека как самого интеллектуального существа на планете Земля.

     Нейроны организуются в нервной системе в ансамбли — сложные структуры с большим количеством связей между отдельными клетками. Когда мы говорим о нервной системе млекопитающих, выделяется несколько уровней иерархии в организации центральной нервной системы. Высший уровень, или макроуровень, — организация и самоорганизация динамики областей мозга для решения задач. Например, обработка сенсорной информации, принятие решений, моторная и двигательная активность. Для организации такой деятельности нужно обеспечить деятельность локальных областей мозга. Эти процессы происходят на следующем уровне — мезоуровне организации мозга. На нем начинается взаимодействие больших нейронных групп между собой через связи головного мозга. На мезоуровне происходит обработка сенсорной информации в коре головного мозга, которая вовлекает в себя подкорковые области, поэтому необходима тесная связь между этими областями.

     Если рассмотреть динамику крупных ансамблей, то мы заметим, что она определяется динамикой индивидуальных нейронов. В этот момент возникает большая проблема понимания функционирования мозга на всех уровнях иерархии. Если мы хотим понять, как работает мозг, необходимо понимать, как отдельный нейрон работает и взаимодействует с соседними нейронами, затем вернуться на верхний уровень и разобраться, как происходит самоорганизация огромного нейронного ансамбля для решения задач.

     На каждом уровне иерархии свои методы исследования, поэтому чаще исследуют динамику отдельных нейронов. Такой подход помогает поставить прямые эксперименты над простейшими животными. Например, кальмары имеют очень большие нейроны, которые позволяют манипулировать с этими клетками, измеряя их физические и химические характеристики. Но как только мы попадаем внутрь мозга, возникает большая сложность с отслеживанием динамики отдельного нейрона. Сейчас уже существуют подходы, связанные с оптогенетикой, когда мы подсвечиваем или возбуждаем интересующие нас группы или отдельные нейроны в оптическом диапазоне. Но такой метод сильно инвазивен и не позволяет изучить поведение нейронов в естественных условиях.

     Существует большое количество перспективных идей о том, как мы можем изучить группу нейронов на работающем мозге, но они туманны, поэтому возникает естественный подход — поставить эксперименты. Один из таких подходов называют «мозг на чипе». Ученые берут отдельные клетки головного мозга мышки и пересаживают их на специальный субстрат в чашку Петри, чтобы они развивались и жили в искусственных условиях. Дальше с помощью стимуляций с этой группой нейронов ученые заставляют их вырастить связи между собой. Такой подход дает модель простейшей нервной системы, над которой ставят опыты. Такая система позволяет изучать ее реакцию на воздействия. Это делается с помощью матрицы электронов, которую встраивают в чашку Петри, а затем получают информацию об активности нейрона ансамбля.

     Есть альтернативный подход, связанный с созданием на компьютере динамики нейронных ансамблей. Такой подход более гибкий, потому что при наличии адекватной модели нейрона мы можем сконструировать сложную структуру и установить необходимую топологию связей между ними, поэтому круг проблем для изучения расширится. Существует много интересных подходов. Первое, с чего начинается каждый подход, — построение модели нейрона, который представляет собой простую клетку с большим количеством входов (дендритов) и одним выходом (аксоном). Количество связей одного нейрона с другими достигает 10–20 тысяч. Структура головного мозга чрезвычайно сложная, поэтому смоделировать такую структуру пока не получается. Мощности суперкомпьютеров не хватит, чтобы смоделировать головной мозг простого животного.

     Следующий важный этап — адекватная модель нейронного ансамбля. Здесь есть два подхода. Первый — детальное изучение процессов, которые протекают в нейроне и в связи между нейронами — синапсе. Затем нужно построить математическую модель, которая смогла описать поведение такой системы с точки зрения некоторых уравнений. Такие модели биологически релевантны, для любой переменной такой модели  можно сопоставить реальный параметр в нейроне, поэтому эти модели тоже оказываются очень сложными. Например, классическая биологическая модель нейрона — модель Ходжкина — Хаксли, которая характеризуется четырьмя дифференциальными уравнениями. Если мы моделируем большое количество нейронов в ансамбле, то решение такой задачи для современного компьютера становится сложной проблемой. Другой подход — отказаться от биологической релевантности и попробовать построить модель, которая будет похожа по поведению на нейрон с основными особенностями. Таких моделей создано очень много. Также существуют модели, которые не описываются дифференциальными уравнениями, а являются дискретными моделями, которые очень быстро реализуются на вычислительной технике и позволяют моделировать большие ансамбли за очень короткий промежуток времени.

     Главная функция создания каждой модели — проверить гипотезы, которые можно высказать о функционировании головного мозга и влиянии параметров, которые мы не можем контролировать в эксперименте, потому что их контроль невозможен на живом организме, меняя их в математической модели. Из-за таких моментов компьютерные симуляции оказываются перспективнее, чем модели биологических нейронов мозга на чипе. Основная проблема такого подхода заключается в том, что моделировать возможно только малые ансамбли. Возникает вопрос адекватности: насколько модель, которая включает 100 нейронов, отражает процессы, протекающие в одной колонке неокортекса — 10 тысяч нейронов? В 2005 году запустили проект под названием «Голубой мозг» (англ. Blue Brain), который поставил задачу: с использованием суперкомпьютеров смоделировать активность нейронов одной колонки неокортекса. Этот проект реализовали в Лозаннском политехническом институте, и он включал большие исследования суперкомпьютерных вычислений. Важный момент связан с визуализацией такого объема информации — 5–10 тысяч нейронов (сейчас это называют Big Data). Отдельный нейрон в этом случае проанализировать невозможно, поэтому надо понимать, как ведет себя весь ансамбль.

     Этот проект не закончился сверхуспешно, но я считаю, что он стал первым шагом, который поможет перейти от моделирования небольших ансамблей нейронов к моделированию больших групп нейронов. В перспективе может оказаться, что такое компьютерное моделирование, как и в случае техники, когда технические объекты вначале моделируют на компьютере и исследуют вопросы безопасности, может стать неотъемлемым этапом тестирования лекарств.

Источник: postnauka.ru