вселенная и клетка головного мозга
Обнаружено поразительное сходство структур мозга и Вселенной
Франко Вацца и Альберто Фелетти, итальянские астрофизик и нейрохирург, выявили поразительное сходство между структурой человеческого мозга и структурой Вселенной, сравнивая увеличенные изображения гистологического разреза сети нейронных клеток мозга с сетью галактик, составляющих нашу Вселенную.
«Два типа структур различаются по масштабу на 27 порядков (то есть Вселенная на миллиард триллионов триллионов больше нашего мозга), но анализ обоих показал, что разные физические процессы могут повлечь за собой появление сходных по сложности и самоорганизации структур», — говорится в статье, опубликованной в Frontiers of Physics по результатам исследования.
Кратко об исследовании
Отправной точкой было стремление найти сходство между ними.
Человеческий мозжечок имеет около 69 млрд нейронов, в то время как наблюдаемая космическая сеть содержит более 100 тысяч миллионов галактик. Кроме того, обе системы организованы в четко определенные сети, с узлами-нейронами в мозге, галактиками — во Вселенной, связанными через нити.
И, наконец, оба объекта сравнения являются, казалось бы, пассивными материалами, с 70% массой или энергией внутри каждой системы, состоящей из элементов, которые играют лишь косвенную роль в их внутренних структурах.
Определив эти сходства, исследователи сравнили сеть галактик с увеличенными изображениями срезов коры головного мозга и мозжечка человека.
Что обнаружили
Исследователи обнаружили существование сходства в флуктуациях плотности материи между мозгом и космической сетью.
«Наш анализ показал, что распределение флуктуаций в нейронной сети мозжечка в масштабе от 1 микрометра до 0,1 миллиметра следует той же прогрессии, что и распределение материи в космической сети, но, конечно, в большем масштабе от 5 миллионов до 500 миллионов световых лет», — отметил астрофизик Франко Вацца.
«Вероятно, связь в двух сетях будет развиваться по сходным физическим принципам, несмотря на поразительную и очевидную разницу между физическими способностями, регулирующими галактики и нейроны», — объяснил нейрохирург Фельетти.
Зачем всё это?
Оба учёных надеются, что их метод найдет применение как в космологии, так и в нейрохирургии, и поможет лучше понять динамику временной эволюции как мозга, так и Вселенной.
Добавьте «Правду.Ру» в свои источники в Яндекс.Новости или News.Google, либо Яндекс.Дзен
Быстрые новости в Telegram-канале Правды.Ру. Не забудьте подписаться, чтоб быть в курсе событий.
Наша Вселенная — огромная нейронная сеть, и вот почему
10 сентября 2020 года мир облетела новость о том, что мир, по мнению физика Виталия Ванчурина, может быть огромной нейронной сетью. Специально к старту новых потоков курса «Machine Learning» и версии для подготовленных спецов «Machine Learning Pro + Deep Learning» представляем вам перевод материала — рассуждения о таком подходе к модели мира в свете других современных и порой весьма смелых теорий.
Несколько дней назад я прочитал статью Виталия Ванчурина на arXiv «Мир как нейронная сеть». Моей первой мыслью было, что это будет что-то о гипотезе симуляции, но, прочитав часть статьи, я понял, что она не совсем об этом. Сегодня в физике наиболее популярна теория струн (или теории, потому что их много).
Согласно теории струн, пространство имеет 9 или более измерений и фундаментальный объект — это суперструна. Струны вибрируют в пространстве высокой размерности, а каждая частица Вселенной — это вибрация суперструны. Фундаментальный объект в теории Ванчурина — нейрон; Вселенная может описываться как нейронная сеть.
Нейронные сети — это тренируемые математические структуры, вдохновлённые человеческим мозгом. Нейрон такой сети — несложный блок обработки, который обычно описывается простой математической функцией. Нейронная сеть — это также граф, его нейроны зависят от силы соединения (настраиваемых самой нейронной сетью весов). Итак, нейронная сеть — это нечто, похожее на компьютер, который программируется весами. Ванчурин в своей статье показывает, что Вселенная может описываться как нейронная сеть, и он может вывести из неё и квантовую механику, и общую теорию относительности. Это по крайней мере такая же хорошая модель Вселенной, как струны или что-то другое. Статья Ванчурина полна математики и читать её трудно, если вы не математик или физик. Ниже — суть в двух словах.
Теория Ванчурина очень впечатляет, и важно отметить, что модель нейронной сети в этой работе — не «думающая машина», она не распознаёт паттерны и т. д., которые мы используем в компьютерных технологиях. Ванчурин применяет модель нейронной сети как математическую модель частиц.
Но что, если частицы и даже пространство и время не фундаментальны во Вселенной? Нефундаментальность пространства-времени необычна, но не нова. Дональд Хоффман — большой проповедник теории «сознательной Вселенной». В его теории фундаментальная вещь — сознательный агент, а пространство-время — возникающие свойства сознательного опыта.
В конце XIX века Эйнштейн дал новое определение пространства и времени, которые были неприкасаемыми фундаментальными свойствами реальности. Он предположил, что скорость света постоянна для каждого наблюдателя, и этот закон более фундаментален, чем независимость времени.
На этом основывалась специальная теория относительности. Другой пример — квантовая механика, где нелокальность кванта предполагает нечто отличное от нашего повседневного опыта.
Хотя теория пространства и времени Хоффмана более радикальна, эти случаи — хорошие примеры того, что иногда сомнение в фундаментальных вещах может быть основой хорошей теории. В теории Хоффмана фундаментальная реальность — это иерархическая структура сознательных агентов, а вся переживаемая реальность с её пространством и временем представляет собой что-то вроде «гарнитуры» в нашем сознании, поэтому теория очень близка к гипотезе симуляции.
Несколько лет назад я написал эссе на тему «Как построить симулированную реальность?!». В этом эссе я попытался представить будущее, в котором реальна загрузка разума, и задал вопрос: каков оптимальный способ создания симулированных реальностей для загруженных сознаний?
Впервые я прочитал о выгрузке сознаний в знаменитой книге Рэя Курцвейла The Singularity is near. Выгрузка разума — это полная цифровизация человеческого мозга. Технология, где мозг копируется нейроном за нейроном и моделируется на цифровом компьютере. Если человеческий разум — это результат работы мозга, то эта имитированная копия будет полностью идентична человеческому разуму. Итак, если выгрузка разума возможна, как можно создать оптимальную симулированную реальность для оцифрованных разумов?
Первое решение
Первое решение — моделирование реальности по частям, но это очень расточительно и требует невероятно огромных вычислительных мощностей.
Тогда что можно сделать?
Можно сделать так, как делается в любой компьютерной игре: отображать только то, что видит пользователь. У нас 5 чувств, поэтому визуализации недостаточно, нужны запахи, звуки и т. д. Но модель та же: воспроизводится только то, что мы наблюдаем.
Некоторые интерпретации квантовой механики говорят нечто подобное о реальности. В этих интерпретациях реальны только наблюдаемые вещи. Но этот «трюк» не решает проблему вычислительной мощности, потому что смоделированная реальность будет согласованной только в том случае, если частицы моделируются, когда они не наблюдаются.
Например, если я держу яблоко в руке и закрываю глаза, яблоко должно быть в руке, когда я снова открываю глаза. В квантовой механике волновая функция описывает частицы, когда их никто не наблюдает, и она коллапсирует в реальный объект, когда наблюдатель наблюдает за ними.
Для моделирования волновой функции также потребуются огромные (почти бесконечные) вычислительные мощности. К счастью, есть еще один «трюк» для решения этой проблемы. Если целью является моделирование реальности для наблюдателя, достаточно учесть ожидания наблюдателя. Если мы будем придерживаться примера с яблоком, когда я открываю глаза, я ожидаю, что яблоко будет в руке.
Итак, если система знает о моих ожиданиях, она может имитировать для меня полностью согласованную реальность. Передача ожиданий — это что-то вроде проецирования реальности. Человеческий мозг делает это изо дня в день. Мы всегда воспринимаем только частички реальности, а наш мозг добавляет к ней недостающие части. Но что, если эти части реальности происходят не извне, а из проекции другого разума?
Если вам интересно, как наш мозг проецирует реальность, посмотрите выступление Анила Сета на TED по этой теме.
Моя гипотетическая система симуляции ничего не симулирует, а только «объединяет» проекции разных сознаний, чтобы создать из них непротиворечивую реальность, поэтому я называю эту симуляцию «машиной согласованности». Машина согласованности собирает прогнозы из загруженных сознаний отдельных людей, объединяет их и представляет им согласованную реальность. Машине согласования не нужна внешняя память, и ей не нужно моделировать какие-либо частицы. Она передаёт только стимулы для пяти чувств из объединённых проекций.
Но что, если машина согласованности не сможет объединить прогнозы потому, что между ними существует основное противоречие? В этом случае машина согласованности должна изменить ожидания, чтобы синхронизировать их. Ожидания индивидуального разума исходили из прошлого опыта, поэтому манипулирование разумом и изменение ожиданий — это что-то вроде путешествия во времени. Машина согласованности «возвращается в прошлое» и меняет события, чтобы синхронизировать ожидания. Это также идеальное решение для защиты модели. Если бы кто-то смог доказать, что мы живем в симуляции, машина согласованности могла бы вернуться в прошлое и залатать «дыру в безопасности». Таким образом, в этой системе вы никогда не сможете доказать, что система — симуляция.
В 2012 году Рэй Курцвейл опубликовал теорию о том, как работает человеческий разум. Согласно этой теории, неокортекс человеческого мозга построен из модулей распознавания образов. Модуль — это группа нейронов, способных распознать паттерн. Эти модули связаны между собой в иерархическую структуру. Модули нижнего уровня распознают примитивные шаблоны и отправляют сигналы вперед модулям более высокого уровня, а модули более высокого уровня, в свою очередь, могут также отправлять сигналы модулям нижнего уровня для их активации.
В этой модели мышление представляет собой что-то вроде ассоциативной цепочки активаций распознавателя образов. Во многих случаях распознаватели образов конкурируют друг с другом, и на более высоком уровне решается, какой модуль выиграл. Также в этой модели сознательный опыт является результатом конкуренции на верхнем уровне иерархии. Модель способна обеспечить согласованность на верхнем уровне. Если есть несоответствие на каком-либо уровне, распознаватель шаблонов отправляет сигналы модулям нижнего уровня, чтобы заблокировать их или изменить активации нижнего уровня.
Распознаватели образов Курцвейла — это что-то вроде сознательных агентов Хоффмана. Разница в том, что агенты Хоффмана представляют собой более абстрактные фундаментальные объекты, а распознаватели Курцвейла — это примитивные модули, построенные из группы нейронов.
Обе теории утверждают, что человеческое сознание — результат иерархии. Иерархическая сеть модулей, которая приводит к последовательному сознательному опыту, очень похожа на машину согласованности. Что, если индивидуальный разум (я) находится не на верхнем уровне в иерархии модулей, а в структуре только среднего уровня? Здесь вершина иерархии — не индивидуальный разум, а глобальное сознание верхнего уровня, содержащее индивидуальные сознания и поддерживающее согласованность переживаемой ими реальности. Это что-то вроде гигантского мозга со множеством личностей.
Хотя множественность личностей звучит странно, она не так уж необычна, как можно подумать. Один из любимых примеров Хоффмана — эксперименты с разделенным мозгом. Каллозотомия — это хирургическая процедура для лечения резистентной с медицинской точки зрения эпилепсии. При этой процедуре мозолистое тело перерезается, чтобы ограничить распространение эпилептической активности между двумя половинами мозга. После процедуры во многих случаях пациент ощущает себя двумя личностями. Такие эксперименты предполагают, что каждый человеческий мозг состоит из двух сознательных сущностей, но если две половины мозга связаны между собой, они образуют одну последовательную личность.
В модели глобального сознания индивидуальные сознания взаимосвязаны одинаково, что воспринимается этими сознаниями как непротиворечивая реальность. В такой модели пространство, время, частицы и каждый элемент реальности — результат взаимосвязи сознаний.
Если пространство-время и частицы являются только результатом взаимосвязанных сознаний, то что можно сказать о «внешней» объективной реальности? Почти ничего. Но если предположить, что глобальное сознание построено из абстрактных нейроноподобных математических структур, то можно сравнить его с текущей физической моделью.
В современной модели физического мира Вселенная возникла из ничего во время Большого взрыва, и ее самый фундаментальный строительный блок — суперструна.
Суперструны — это математические структуры большой размерности, которые образуют частицы. Каждую частицу можно описать вектором состояния, и физические законы являются операторами этих векторов. Со временем эти операторы непрерывно преобразуют векторы состояния.
Сознание — результат эволюции, а причина его образования — антропный принцип. Антропный принцип — это простой и элегантный ответ на вопрос, почему существует наша Вселенная и почему она адаптирована для осознанной разумной жизни.
Возможно, в мультивселенной есть множество вселенных, но во вселенных, которые не созданы для сознательной разумной жизни, некому спросить: «Почему моя вселенная построена именно так?». Мультивселенная играет в лотерею, и наша Вселенная выиграла джекпот: это мы. Нейросеть Вселенной подобна этому. Она также могла возникнуть из ничего, но построена из нейронов, а не из частиц. На самом низком уровне нейроны и частицы очень похожи.
И нейроны, и частицы представляют собой описываемые вектором состояния математические структуры, который непрерывно трансформируется по законам нейронов через их взаимодействия. Возможно, существует много пустых нейронных Вселенных, но некоторые из них подходят для некоей эволюции и в ней развиваются сознательные сущности.
Корректна ли эта модель для нашей Вселенной? Может быть и так, и, как написано выше, возможно, мы никогда не сможем доказать или опровергнуть, что наша Вселенная является нейронной сетью или нет.
Что можно сделать, исходя из этой теории? Если Хоффман прав и пространство-время не является фундаментальным, то, по его словам, возможно, мы сможем как-то «взломать Вселенную».
Если он не прав и сознание — результат функции мозга и может быть объяснено физическими законами, тогда мы сможем смоделировать их и в будущем построить наши собственные реальности. Так что правильный вопрос: «Когда мы будем жить в симуляции или мы уже живем в ней?»
Ученые обнаружили поразительное сходство между мозгом человека и Вселенной
Двое ученых из Италии, астрофизик и нейрохирург, сравнили две из наиболее комплексных систем, существующих в природе — карту нейронных клеток в мозге с космической сетью галактик — и обнаружили между ними поразительное сходство. Эти результаты позволят разработать новые эффективные методы анализа для обеих областей.
Франко Вазза из Университета Болони и Альберто Фалетти из Университета Вероны опубликовали в журнале Frontiers in Physics статью, в которой описали обнаруженное подобие карты галактик и нейронов человеческого мозга. Несмотря на разницу в масштабе (более 27 порядков) проведенный ими количественный анализ на пересечении космологии и нейробиологии, указывает, что различные физические процессы могут создавать структуры, характеризующиеся одинаковыми уровнями сложности и самоорганизации, пишет Phys.org.
Человеческий мозг функционирует благодаря разветвленной нейронной сети, которая содержит приблизительно 69 млрд нейронов. С другой стороны, наблюдаемая Вселенная состоит из минимум 100 млрд галактик. И в той, и в другой системе всего 30% массы принадлежит галактикам и нейронам. И там, и там галактики и нейроны располагаются вдоль длинных нитей или узлов между нитями. Наконец, 70% массы или энергии составляют компоненты, которые, по всей видимости, играют пассивную роль: вода в мозге и темная энергия во Вселенной.
Ученые сравнили модель системы галактик с отделами коры головного мозга и мозжечка. Их целью было наблюдение за флуктуациями материи в таких разных масштабах. Они рассчитали спектральную плотность обеих систем и пришли к выводу, что распределение флуктуаций внутри нейронной сети коры головного мозга в масштабе от 1 мкм до 0,1 мм следует той же прогрессии, что и распределение вещества в космической сети.
Вдобавок исследователи подсчитали другие параметры, общие у обеих систем: среднее количество связей в каждом узле и тенденцию к кластеризации нескольких связей в релевантных центральных узлах сети.
«Вероятно, связи внутри этих двух сетей развиваются, следуя схожим физическим принципам, несмотря на явное и очевидное отличие в физических силах, регулирующих галактики и нейроны, — сказал Фелетти. — Две эти комплексные сети демонстрируют больше подобия, чем космические нити и галактика или какая-нибудь нейронная сеть и внутреннее строение нейрона».
Специалисты MIT разработали новый метод сканирования мозга с непревзойденным разрешением и скоростью. «Карта» отслеживает положение отдельных нейронов, связи между ними и органеллы внутри них.
Мозг, общение нейронов и энергетическая эффективность
По всей видимости, в эволюции сформировались энергетически эффективные механизмы кодирования и передачи информации в мозге. Подпись: «Усердно пытаюсь минимизировать энергозатраты».
Автор
Редакторы
Статья на конкурс «био/мол/текст»: Клеточные процессы, обеспечивающие обмен информацией между нейронами, требуют много энергии. Высокое энергопотребление способствовало в ходе эволюции отбору наиболее эффективных механизмов кодирования и передачи информации. В этой статье вы узнаете о теоретическом подходе к изучению энергетики мозга, о его роли в исследованиях патологий, о том, какие нейроны более продвинуты, почему синапсам иногда выгодно не «срабатывать», а также, как они отбирают только нужную нейрону информацию.
Конкурс «био/мол/текст»-2017
Эта работа опубликована в номинации «Свободная тема» конкурса «био/мол/текст»-2017.
Генеральный спонсор конкурса — компания «Диаэм»: крупнейший поставщик оборудования, реагентов и расходных материалов для биологических исследований и производств.
Спонсором приза зрительских симпатий и партнером номинации «Биомедицина сегодня и завтра» выступила фирма «Инвитро».
Происхождение подхода
С середины ХХ века известно, что головной мозг потребляет значительную часть энергоресурсов всего организма: четверть всей глюкозы и ⅕ всего кислорода в случае высшего примата [1–5]. Это вдохновило Уильяма Леви и Роберта Бакстера из Массачусетского технологического института (США) на проведение теоретического анализа энергетической эффективности кодирования информации в биологических нейронных сетях (рис. 1) [6]. В основе исследования лежит следующая гипотеза. Поскольку энергопотребление мозга велико, ему выгодно иметь такие нейроны, которые работают наиболее эффективно — передают только полезную информацию и затрачивают при этом минимум энергии.
Это предположение оказалось справедливым: на простой модели нейронной сети авторы воспроизвели экспериментально измеренные значения некоторых параметров [6]. В частности, рассчитанная ими оптимальная частота генерации импульсов варьирует от 6 до 43 имп./с — почти так же, как и у нейронов основания гиппокампа. Их можно подразделить на две группы по частоте импульсации: медленные (
40 имп./с). При этом первая группа значительно превосходит по численности вторую [7]. Аналогичная картина наблюдается и в коре больших полушарий: медленных пирамидальных нейронов (
4—9 имп./с) в несколько раз больше, чем быстрых ингибиторных интернейронов (>100 имп./с) [8], [9]. Так, видимо, мозг «предпочитает» использовать поменьше быстрых и энергозатратных нейронов, чтобы те не израсходовали все ресурсы [6], [9–11].
Рисунок 1. Представлены два нейрона. В одном из них фиолетовым цветом окрашен пресинаптический белок синаптофизин. Другой нейрон полностью окрашен зеленым флуоресцентным белком. Мелкие светлые крапинки — синаптические контакты между нейронами [12]. Во вставке одна «крапинка» представлена ближе.
Группы нейронов, связанных между собой синапсами, называются нейронными сетями [13], [14]. Например, в коре больших полушарий пирамидальные нейроны и интернейроны образуют обширные сети. Слаженная «концертная» работа этих клеток обусловливает наши высшие когнитивные и другие способности. Аналогичные сети, только из других типов нейронов, распределены по всему мозгу, определенным образом связаны между собой и организуют работу всего органа.
Что такое интернейроны?
Нейроны центральной нервной системы разделяются на активирующие (образуют активирующие синапсы) и тормозящие (образуют тормозящие синапсы). Последние в значительной степени представлены интернейронами, или промежуточными нейронами. В коре больших полушарий и гиппокампе они ответственны за формирование гамма-ритмов мозга [15], которые обеспечивают слаженную, синхронную работу других нейронов. Это крайне важно для моторных функций, восприятия сенсорной информации, формирования памяти [9], [11].
Интернейроны отличаются способностью генерировать значительно более высокочастотные сигналы, чем другие нейроны. Они также содержат больше митохондрий, главных органелл энергетического метаболизма, «фабрик» по производству АТФ. Последние к тому же содержат большое количество белков цитохром-с оксидазы и цитохрома-с, являющихся ключевыми для метаболизма. Так, интернейроны являются крайне важными и, в то же время, энергозатратными клетками [8], [9], [11], [16].
Работа Леви и Бакстера [6] развивает концепцию «экономии импульсов» Горация Барлоу из Университета Калифорнии (США), который, кстати, является потомком Чарльза Дарвина [17]. Согласно ей, при развитии организма нейроны стремятся работать только с наиболее полезной информацией, фильтруя «лишние» импульсы, ненужную и избыточную информацию. Однако эта концепция не дает удовлетворительных результатов, так как не учитывает метаболические затраты, связанные с нейрональной активностью [6]. Расширенный подход Леви и Бакстера, в котором внимание уделено обоим факторам, оказался более плодотворным [6], [18–20]. И энергозатраты нейронов, и потребность в кодировании только полезной информации являются важными факторами, направляющими эволюцию мозга [6], [21–24]. Поэтому, чтобы лучше разобраться в том, как устроен мозг, стоит рассматривать обе эти характеристики: сколько нейрон передает полезной информации и сколько энергии при этом тратит.
За последнее время этот подход нашел множество подтверждений [10], [22], [24–26]. Он позволил по-новому взглянуть на устройство мозга на самых разных уровнях организации — от молекулярно-биофизического [20], [26] до органного [23]. Он помогает понять, каковы компромиссы между выполняемой функцией нейрона и ее энергетической ценой и в какой степени они выражены.
Как же работает этот подход?
Положим, у нас есть модель нейрона, описывающая его электрофизиологические свойства: потенциал действия (ПД) и постсинаптические потенциалы (ПСП) (об этих терминах — ниже). Мы хотим понять, эффективно ли он работает, не тратит ли неоправданно много энергии. Для этого нужно вычислить значения параметров модели (например, плотность каналов в мембране, скорость их открывания и закрывания), при которых: (а) достигается максимум отношения полезной информации к энергозатратам и в то же время (б) сохраняются реалистичные характеристики передаваемых сигналов [6], [19].
Поиск оптимума
Эти «оптимальные» значения параметров затем нужно сравнить с измеренными экспериментально и определить, насколько они отличаются. Общая картина отличий укажет на степень оптимизации данного нейрона в целом: насколько реальные, измеренные экспериментально, значения параметров совпадают с рассчитанными. Чем слабее выражены отличия, тем нейрон более близок к оптимуму и работает энергетически более эффективно, оптимально. С другой стороны, сопоставление конкретных параметров покажет, в каком конкретно качестве этот нейрон близок к «идеалу».
Далее, в контексте энергетической эффективности нейронов рассмотрены два процесса, на которых основано кодирование и передача информации в мозге. Это нервный импульс, или потенциал действия, благодаря которому информация может быть отправлена «адресату» на определенное расстояние (от микрометров до полутора метров) и синаптическая передача, лежащая в основе собственно передачи сигнала от одного нейрона на другой.
Потенциал действия
Потенциал действия (ПД) — сигнал, которые отправляют друг другу нейроны. ПД бывают разные: быстрые и медленные, малые и большие [28]. Зачастую они организованы в длинные последовательности (как буквы в слова), либо в короткие высокочастотные «пачки» (рис. 2).
Большое разнообразие сигналов обусловлено огромным количеством комбинаций разных типов ионных каналов, синаптических контактов, а также морфологией нейронов [28], [29]. Поскольку в основе сигнальных процессов нейрона лежат ионные токи, стоит ожидать, что разные ПД требуют различных энергозатрат [20], [27], [30].
Что такое потенциал действия?
ПД — это относительно сильное по амплитуде скачкообразное изменение мембранного потенциала.
Анализ разных типов нейронов (рис. 4) показал, что нейроны беспозвоночных не очень энергоэффективны, а некоторые нейроны позвоночных почти совершенны [20]. По результатам этого исследования, наиболее энергоэффективными оказались интернейроны гиппокампа, участвующего в формировании памяти и эмоций, а также таламокортикальные релейные нейроны, несущие основной поток сенсорной информации от таламуса к коре больших полушарий.
Рисунок 4. Разные нейроны эффективны по-разному. На рисунке представлено сравнение энергозатрат разных типов нейронов. Энергозатраты рассчитаны в моделях как с исходными (реальными) значениями параметров (черные столбцы), так и с оптимальными, при которых с одной стороны нейрон выполняет положенную ему функцию, с другой — затрачивает при этом минимум энергии (серые столбцы). Самыми эффективными из представленных оказались два типа нейронов позвоночных: интернейроны гиппокампа (rat hippocampal interneuron, RHI) и таламокортикальные нейроны (mouse thalamocortical relay cell, MTCR), так как для них энергозатраты в исходной модели наиболее близки к энергозатратам оптимизированной. Напротив, нейроны беспозвоночных менее эффективны. Условные обозначения: SA (squid axon) — гигантский аксон кальмара; CA (crab axon) — аксон краба; MFS (mouse fast spiking cortical interneuron) — быстрый кортикальный интернейрон мыши; BK (honeybee mushroom body Kenyon cell) — грибовидная клетка Кеньона пчелы.
Почему они более эффективны? Потому что у них малó перекрывание Na- и К-токов. Во время генерации ПД всегда есть промежуток времени, когда эти токи присутствуют одновременно (рис. 3в). При этом переноса заряда практически не происходит, и изменение мембранного потенциала минимально. Но «платить» за эти токи в любом случае приходится, несмотря на их «бесполезность» в этот период. Поэтому его продолжительность определяет, сколько энергетических ресурсов растрачивается впустую. Чем он короче, тем более эффективно использование энергии [20], [26], [30], [43]. Чем длиннее — тем менее эффективно. Как раз в двух вышеупомянутых типах нейронов, благодаря быстрым ионным каналам, этот период очень короткий, а ПД — самые эффективные [20].
Кстати, интернейроны гораздо более активны, чем большинство других нейронов мозга. В то же время они крайне важны для слаженной, синхронной работы нейронов, с которыми образуют небольшие локальные сети [9], [16]. Вероятно, высокая энергетическая эффективность ПД интернейронов является некой адаптацией к их высокой активности и роли в координации работы других нейронов [20].
Синапс
Передача сигнала от одного нейрона к другому происходит в специальном контакте между нейронами, в синапсе [12]. Мы рассмотрим только химические синапсы (есть еще электрические), поскольку они весьма распространены в нервной системе и важны для регуляции клеточного метаболизма, доставки питательных веществ [5].
Чаще всего, химический синапс образован между окончанием аксона одного нейрона и дендритом другого. Его работа напоминает. «переброс» эстафетной палочки, роль которой и играет нейромедиатор — химический посредник передачи сигнала [12], [42], [44–48].
На пресинаптическом окончании аксона ПД вызывает выброс нейромедиатора во внеклеточную среду — к принимающему нейрону. Последний только этого и ждет с нетерпением: в мембране дендритов рецепторы — ионные каналы определенного типа — связывают нейромедиатор, открываются и пропускают через себя разные ионы. Это приводит к генерации маленького постсинаптического потенциала (ПСП) на мембране дендрита. Он напоминает ПД, но значительно меньше по амплитуде и происходит за счет открывания других каналов. Множество этих маленьких ПСП, каждый от своего синапса, «сбегаются» по мембране дендритов к телу нейрона (зеленые стрелки на рис. 3а) и достигают начального сегмента аксона, где вызывают открывание Na-каналов и «провоцируют» его на генерацию ПД.
Такие синапсы называются возбуждающими: они способствуют активации нейрона и генерации ПД. Существуют также и тормозящие синапсы. Они, наоборот, способствуют торможению и препятствуют генерации ПД. Часто на одном нейроне есть и те, и другие синапсы. Определенное соотношение между торможением и возбуждением важно для нормальной работы мозга, формирования мозговых ритмов, сопровождающих высшие когнитивные функции [49].
Как это ни странно, выброс нейромедиатора в синапсе может и не произойти вовсе — это процесс вероятностный [18], [19]. Нейроны так экономят энергию: синаптическая передача и так обусловливает около половины всех энергозатрат нейронов [25]. Если бы синапсы всегда срабатывали, вся энергия пошла бы на обеспечение их работы, и не осталось бы ресурсов для других процессов. Более того, именно низкая вероятность (20–40%) выброса нейромедиатора соответствует наибольшей энергетической эффективности синапсов. Отношение количества полезной информации к затрачиваемой энергии в этом случае максимально [18], [19]. Так, выходит, что «неудачи» играют важную роль в работе синапсов и, соответственно, всего мозга. А за передачу сигнала при иногда «не срабатывающих» синапсах можно не беспокоиться, так как между нейронами обычно много синапсов, и хоть один из них да сработает.
Еще одна особенность синаптической передачи состоит в разделении общего потока информации на отдельные компоненты по частоте модуляции приходящего сигнала (грубо говоря, частоте приходящих ПД) [50]. Это происходит благодаря комбинированию разных рецепторов на постсинаптической мембране [38], [50]. Некоторые рецепторы активируются очень быстро: например, AMPA-рецепторы (AMPA происходит от α-amino-3-hydroxy-5-methyl-4-isoxazolepropionic acid). Если на постсинаптическом нейроне представлены только такие рецепторы, он может четко воспринимать высокочастотный сигнал (такой, как, например, на рис. 2в). Ярчайший пример — нейроны слуховой системы, участвующие в определении местоположения источника звука и точном распознавании коротких звуков типа щелчка, широко представленных в речи [12], [38], [51]. NMDA-рецепторы (NMDA — от N—methyl-D—aspartate) более медлительны. Они позволяют нейронам отбирать сигналы более низкой частоты (рис. 2г), а также воспринимать высокочастотную серию ПД как нечто единое — так называемое интегрирование синаптических сигналов [14]. Есть еще более медленные метаботропные рецепторы, которые при связывании нейромедиатора, передают сигнал на цепочку внутриклеточных «вторичных посредников» для подстройки самых разных клеточных процессов. К примеру, широко распространены рецепторы, ассоциированные с G-белками. В зависимости от типа они, например, регулируют количество каналов в мембране или напрямую модулируют их работу [14].
Различные комбинации быстрых AMPA-, более медленных NMDA- и метаботропных рецепторов позволяют нейронам отбирать и использовать наиболее полезную для них информацию, важную для их функционирования [50]. А «бесполезная» информация отсеивается, она не «воспринимается» нейроном. В таком случае не приходится тратить энергию на обработку ненужной информации. В этом и состоит еще одна сторона оптимизации синаптической передачи между нейронами.
Что еще?
Энергетическая эффективность клеток мозга исследуется также и в отношении их морфологии [35], [52–54]. Исследования показывают, что ветвление дендритов и аксона не хаотично и тоже экономит энергию [52], [54]. Например, аксон ветвится так, чтобы суммарная длина пути, который проходит ПД, была наименьшей. В таком случае энергозатраты на проведение ПД вдоль аксона минимальны.
Снижение энергозатрат нейрона достигается также при определенном соотношении тормозящих и возбуждающих синапсов [55]. Это имеет прямое отношение, например, к ишемии (патологическому состоянию, вызванному нарушением кровотока в сосудах) головного мозга. При этой патологии, вероятнее всего, первыми выходят из строя наиболее метаболически активные нейроны [9], [16]. В коре они представлены ингибиторными интернейронами, образующими тормозящие синапсы на множестве других пирамидальных нейронов [9], [16], [49]. В результате гибели интернейронов, снижается торможение пирамидальных. Как следствие, возрастает общий уровень активности последних (чаще срабатывают активирующие синапсы, чаще генерируются ПД). За этим немедленно следует рост их энергопотребления, что в условиях ишемии может привести к гибели нейронов.
При изучении патологий внимание уделяют и синаптической передаче как наиболее энергозатратному процессу [19]. Например, при болезнях Паркинсона [56], Хантингтона [57], Альцгеймера [58–61] происходит нарушение работы или транспорта к синапсам митохондрий, играющих основную роль в синтезе АТФ [62], [63]. В случае болезни Паркинсона, это может быть связано с нарушением работы и гибелью высоко энергозатратных нейронов черной субстанции, важной для регуляции моторных функций, тонуса мышц. При болезни Хантингтона, мутантный белок хангтингтин нарушает механизмы доставки новых митохондрий к синапсам, что приводит к «энергетическому голоданию» последних, повышенной уязвимости нейронов и избыточной активации. Все это может вызвать дальнейшие нарушения работы нейронов с последующей атрофией полосатого тела и коры головного мозга. При болезни Альцгеймера нарушение работы митохондрий (параллельно со снижением количества синапсов) происходит из-за отложения амилоидных бляшек. Действие последних на митохондрии приводит к окислительному стрессу, а также к апоптозу — клеточной гибели нейронов.
Еще раз обо всем
В конце ХХ века зародился подход к изучению мозга, в котором одновременно рассматривают две важные характеристики: сколько нейрон (или нейронная сеть, или синапс) кодирует и передает полезной информации и сколько энергии при этом тратит [6], [18], [19]. Их соотношение является своего рода критерием энергетической эффективности нейронов, нейронных сетей и синапсов.
Использование этого критерия в вычислительной нейробиологии дало существенный прирост к знаниям относительно роли некоторых явлений, процессов [6], [18–20], [26], [30], [43], [55]. В частности, малая вероятность выброса нейромедиатора в синапсе [18], [19], определенный баланс между торможением и возбуждением нейрона [55], выделение только определенного рода приходящей информации благодаря определенной комбинации рецепторов [50] — все это способствует экономии ценных энергетических ресурсов.
Более того, само по себе определение энергозатрат сигнальных процессов (например, генерация, проведение ПД, синаптическая передача) позволяет выяснить, какой из них пострадает в первую очередь при патологическом нарушении доставки питательных веществ [10], [25], [56]. Так как больше всего энергии требуется для работы синапсов, именно они первыми выйдут из строя при таких патологиях, как ишемия, болезни Альцгеймера и Хантингтона [19], [25]. Схожим образом определение энергозатрат разных типов нейронов помогает выяснить, какой из них погибнет раньше других в случае патологии. Например, при той же ишемии, в первую очередь выйдут из строя интернейроны коры [9], [16]. Эти же нейроны из-за интенсивного метаболизма — наиболее уязвимые клетки и при старении, болезни Альцгеймера и шизофрении [16].
В общем, подход к определению энергетически эффективных механизмов работы мозга является мощным направлением для развития и фундаментальной нейронауки, и ее медицинских аспектов [5], [14], [16], [20], [26], [55], [64].
Благодарности
Искренне благодарен моим родителям Ольге Наталевич и Александру Жукову, сестрам Любе и Алене, моему научному руководителю Алексею Браже и замечательным друзьям по лаборатории Эвелине Никельшпарг и Ольге Слатинской за поддержку и вдохновение, ценные замечания, сделанные при прочтении статьи. Я также очень благодарен редактору статьи Анне Петренко и главреду «Биомолекулы» Антону Чугунову за пометки, предложения и замечания.