Мышь, насекомое или червь — у всех этих существ один и тот же принцип руководит формированием сверхпрочных связей между нейронами в мозге, подтверждает новое исследование. Исследование помогает подтвердить идею о том, что, независимо от вида, существует универсальный механизм, лежащий в основе формирования мозговых сетей.
У разных животных в мозге находится разное количество нейронов — от сотен у червей до десятков миллиардов у человека. Нейроны образуют между собой связи, называемые синапсами, которые позволяют передавать информацию из одной области мозга в другую в виде электрических сигналов. Вместе эти связи образуют сеть, которая позволяет животным функционировать и обрабатывать информацию об окружающем мире.
Эта сеть гибкая, она постоянно меняется и перестраивается. Некоторые из связей между нейронами довольно слабые и поэтому легко ломаются и заменяются, в то время как небольшая группа связей очень прочная. Эти сильные связи известны как «тяжелый хвост», потому что на графике плотности связей в мозге от низкого к высокому они представляют собой выбросы, расположенные на плотном конце шкалы — как хвост животного.
Эти «хвостатые» связи играют большую роль в управлении основными когнитивными процессами, такими как обучение и память, по сравнению с более слабыми связями, которых в мозге гораздо больше. Однако до сих пор было неизвестно, формируются ли эти прочные связи на основе простых, известных принципов организации сетей или с помощью механизмов, специфичных для каждого вида, утверждают авторы нового исследования, опубликованного в среду (17 января) в журнале Nature Physics.
«Уже давно известно, что количество нейронов, с которыми связан нейрон, варьируется в широких пределах, при этом некоторые нейроны в сети являются высокосвязанными хабами», — сообщил Маркус Кайзер, профессор нейроинформатики.
«Однако у разных видов распределение весов силы связей также сильно варьируется», — сказал он. Команда хотела выяснить, могут ли эти различия быть связаны с тем, как устроен мозг каждого вида.
Авторы проанализировали карты соединений между нейронами, называемые коннектомами, на основе мозга мышей, плодовых мушек и двух видов червей. Они создали эти карты, проанализировав образцы тканей с помощью специальных методов визуализации.
Чтобы выяснить, как могут формироваться «тяжелые хвосты», они использовали данные коннектомов для разработки математической модели, основанной на принципе самоорганизации нейронов, известном как пластичность по Хеббу. Этот принцип можно выразить фразой «нейроны, которые горят вместе, соединяются вместе». Другими словами, когда один нейрон неоднократно активирует другой с помощью химических сообщений, связь между двумя клетками становится сильнее. Этот базовый принцип лежит в основе того, как мы учимся и формируем воспоминания.
Однако в некоторых предыдущих исследованиях высказывалось предположение, что динамика Хеббиана сама по себе не может полностью объяснить способность животных перестраивать свои синапсы и укреплять связи между нейронами.
Модель авторов подтвердила, что пластичность по Геббу объясняет формирование связей с тяжелым хвостом у всех изученных ими животных, без необходимости в дополнительных механизмах, специфичных для каждого вида. По словам исследователей, этот принцип не только объясняет образование «тяжелых хвостов», но и, вероятно, определяет склонность нейронов объединяться в плотные группы в зависимости от уровня их активности.
Чтобы сделать свою модель более похожей на реальный мозг, авторы позаботились о том, чтобы учесть некоторую случайность в организации сети, говорится в их заявлении. Они предположили, что нейроны обычно перестраиваются и соединяются в зависимости от их активности, как в динамике Хеббиана, или случайным образом, при этом синапсы иногда разъединяются или образуются без четкой причины, сказал в другом заявлении Кристофер Линн, первый автор нового исследования и доцент физики в Йельском университете.
«В целом, это многообещающий первый шаг к объяснению вариаций синаптического веса — прочности связей между нейронами в биологических нейронных сетях», — сказал Кайзер.
Однако ограничение статьи может заключаться в том, что авторы сравнили лишь несколько характеристик своей модели с реальными нейронными сетями, сказал он. Например, они проверили кластеризацию в своей модели, но не проверили другие особенности, которые можно было бы ожидать увидеть в сетях мозга с плотными связями, сказал он. К ним относятся модули — плотно соединенные области нейронов — и короткая общая длина пути, то есть расстояние между клетками.
Авторы не изучали человеческий мозг, но они считают, что изучение этого, казалось бы, универсального принципа развития сетей может помочь ученым лучше понять структуру и функции мозга многих животных, включая человека.
Нет комментариев