В 2023-м европейский проект Human Brain Project по созданию модели человеческого мозга завершается, так и не достигнув цели. Выбранный путь оказался слишком сложным. Российские ученые предложили решать обратную задачу — искать параметры, при которых модель воспроизводит экспериментальные данные. О том, как этот подход работает для описания ритмов мозга, рассказал РИА Новости кандидат биологических наук Иван Мысин, старший научный сотрудник лаборатории системной организации нейронов имени О. С. Виноградовой в Институте теоретической и экспериментальной биофизики РАН.
Ученые задумались над моделью мозга
В 2013 году в ЕС запустили масштабный проект Human Brain Project с финансированием в миллиард евро. Его основатель — Генри Маркрам из Федерального института технологии в Лозанне — полагал, что за десять лет можно создать модель мозга на клеточном уровне. Идея изначально вызвала скептицизм в научной среде, пишет Nature.
Маркрам руководил большим проектом Blue Brain по компьютерному моделированию зрительной коры мозга. Если иметь много экспериментальных данных и вычислительных ресурсов, цель достижима, утверждал он. Ученому поверили, прошло десять лет, однако модель не создали до сих пор.
Начиная работать в этом направлении, Иван Мысин часто слышал от старших коллег два противоположных мнения. Одни считали, что надо моделировать отдельные эмпирические явления, другие — мозг в целом. Позднее ученый понял, что это не разные точки зрения, а проявление кризиса: никто на самом деле не знал, как создавать эти модели.
Моделирование позволяет объяснить экспериментальные данные и находить в них неожиданные связи. В науке о мозге это один из основных методов исследования.
Это важно для понимания работы мозга и решения прикладных задач, в первую очередь лечения болезни Альцгеймера, эпилепсии, паркинсонизма.
Проблема больших моделей в том, что для них нужно много параметров, которые непросто измерить. Один из подходов — решать маленькие задачи, объясняющие отдельные экспериментально обнаруженные закономерности. Небольшая модель требует малое число параметров, которые можно настроить, исходя из гипотезы о механизмах описываемого явления. Одну из первых работ Иван Мысин посвятил тому, как формируется тета-ритм и передается в гиппокамп. Модель описывает взаимодействие всего шести популяций нейронов.
Для моделирования всего мозга, как задумывали в проекте Human Brain Project, необходимо иметь данные о большом количестве популяций нейронов. Предполагалось экспериментально измерить все эти параметры, заложить их в модель и посмотреть, что получится. Однако такой подход не сработал по нескольким причинам. Во-первых, данные разнородны — полученные на множестве животных, они недостаточно точны и не всегда сопоставимы. Во-вторых, нужны большие вычислительные мощности. Для Blue Brain взяли самый мощный на тот момент суперкомпьютер из использовавшихся для невоенных целей — Blue Gene. Тем не менее прорывных результатов не добились. В таких масштабных проектах пытаются строить слишком детальные модели, что часто избыточно. Многие процессы можно описать проще.
Гиппокамп и его ритмы
Самая изученная структура мозга — гиппокамп. Недаром это модельный объект для нейробиологии. По сути, это упрощенная версия коры больших полушарий, эволюционно более древняя. Он важен для формирования внимания и памяти.
В гиппокампе выделяют несколько зон, функционально связанных друг с другом пучками волокон, которые видны в микроскоп. Это помогло еще в 1970-е раскрыть многие тайны памяти. Одно из самых значительных достижений принадлежит советскому нейробиологу Ольге Сергеевне Виноградовой, работавшей в Пущино. Экспериментально она установила, что высокочастотная стимуляция пучка волокон приводит к усилению ответов, а низкочастотная — напротив, к уменьшению. Это было одним из первых доказательств того, что пластичность мозга достигается за счет изменения силы связей между нейронами. На сегодняшний день концепция о том, что память хранится в связях между нейронами, считается общепринятой. Эксперимент по стимуляции пучков волокон в гиппокампе стал классическим.
Всю научную карьеру О. С. Виноградова исследовала роль гиппокампа в формировании памяти. Руководила экспериментами по регистрации нейронной активности во всех областях этого отдела мозга. Это помогло разработать теорию, известную как «велосипед Виноградовой», согласно которой гиппокамп «решает», какая информация новая и требует запоминания, а какую следует проигнорировать. На этом основывается внимание.
Тогда же, в 1970-е, другие научные группы открыли нейроны, определяющие положение животного в пространстве, показав тем самым, что гиппокамп — это хранилище пространственной памяти. Позже нашли нервные клетки, кодирующие этапы поведенческих актов у животных, а у людей — реагирующие на образы известных актрис и политиков. Это означало, что гиппокамп хранит все виды памяти в виде последовательности образов.
Сейчас таких эмпирических закономерностей о кодировании информации в гиппокампе установлено много. Задача состоит в том, чтобы обобщить их в стройную теорию, которую можно реализовать в компьютерной модели.
Нейроны гиппокампа на 90 процентов — пирамидальные клетки. Именно они кодируют информацию. Остальные — тормозные нейроны, регулирующие активность пирамидных клеток, то есть генерацию импульсов (или, по-другому, потенциалов действия). Их можно зарегистрировать приборами и таким образом отслеживать передачу сигналов между нейронами. Почти вся их активность ритмична.
В гиппокампе выражены тета- и дельта-ритмы. У первого частота — от четырех до восьми колебаний в секунду. Тета-ритм регистрируют, когда животное что-то изучает, ищет, реагирует на внешний стимул, например на резкий звук. Это ритм внимания. Он выражен, когда нужно запомнить информацию, вспомнить, сравнить с ожидаемым.
Дельта-ритм (частота 1-4 герц) появляется в состоянии отдыха и сна. Он необходим для закрепления памяти.
Тета-ритм открыли в 1930-е и долгое время не могли понять, как он возникает. Оказалось, есть особая структура мозга — медиальная септальная область, чьи сигналы заставляют нейроны гиппокампа работать ритмически.
По одной из гипотез, ритмы упорядочивают активность нейронов и потоки информации. Если клетки мозга активируются совместно, связи между ними усиливаются.
На поведенческом уровне это приводит к формированию ассоциаций. Как в опытах Павлова: загорелась лампочка — выделяется слюна. Активизировались одни нейроны, следом другие. Создалась устойчивая ассоциация.
Работе мозга свойственна упорядоченность — сначала активируется одна группа нейронов, затем другая. Чтобы связь усилилась, необходимы импульсы с разницей не более 30 миллисекунд. Ритмы повышают вероятность совпадения в работе нейронов и возникновения ассоциаций. Вероятно, это ускоряет обучение.
Модель предсказывает новое свойство
Ритмы формируются десятками тысяч нейронов. В каком-то смысле это их усредненная активность. Современные техники позволяют регистрировать активность сотен индивидуальных нейронов. На этих данных можно построить модель, которая предскажет поведение всех нейронов.
Ученые из Пущино собрали экспериментальные данные из открытой печати по тормозным нейронам поля CA1 — самой изученной зоны гиппокампа. Они работают в определенном порядке, например, сначала один тип нейронов, потом другой, потом снова первый и так далее. Между нейронами действуют тормозные связи, которые организуют этот порядок. Но как? Возникла гипотеза, что в этом участвует кратковременная пластичность — изменение силы связи между синапсами, основной механизм формирования кратковременной памяти.
Гиппокамп в разрезе с обозначением его основных участков
Известно 18 типов тормозных нейронов. Ученые выбрали всего семь и смоделировали сеть. Однако даже такая неполная модель требовала настройки 301 параметра для уравнений. Тогда разработали оригинальный математический подход, который позволил свести решение задачи к тому, что используют в ИИ — например, в ChatGPT.
Ученые намерены взяться и за более сложные проекты, которые требуют настройки тысяч параметров. Это позволит строить масштабные модели нейронных сетей мозга. Не исключено, что в итоге удастся сделать и модель всего мозга. Пусть не так быстро, как хотелось бы.