сколько связей нейронов в мозге
ВВЕДЕНИЕ В КОГНИТИВНЫЕ НЕЙРОНАУКИ. Глава 3. Нейроны и связи между ними.
Глава 3. Нейроны и связи между ними.
Что мы знаем о процессах, происходящих на уровне нейронов? Можем ли мы сейчас построить непротиворечивую теорию относительно событий на этом уровне?
Основными клетками мозга являются нейроны, высококонсервативные с эволюционной точки зрения. Они сохранялись в относительно неизменном виде в течение многих сотен миллионов лет, и даже очень разные виды животных имеют одинаковые типы нейронов. Со многих точек зрения нейроны не отличаются от остальных клеток, но есть то, что выделяет их среди остальных: специализация на электрохимической сигнализации, благодаря которой они способны принимать входящий сигнал на дендритах и посылать электрохимический сигнал вдоль аксона. Весь мозг можно рассматривать как сверхсложную структуру, состоящую из связанных между собой нейронов.
Дендритами и аксонами называют выросты тела нейрона; один нейрон может иметь до десяти тысяч дендритов и один аксон.
Потенциал действия (ПД) проходит по аксону значительно медленнее, чем электрический ток в компьютере, однако многие задачи наш мозг выполняет гораздо лучше современных компьютеров. В настоящее время компьютеры далеко отстоят от человека в задачах восприятия, языковой коммуникации, семантической памяти, контроля движения и творчества.
Нейробиология концентрирует внимание на связи и взаимодействии нейронов. Рассмотрение таких связей удобно начинать как раз с генерализованного нейрона.
Классические нейроны соединяются при помощи синапсов, которые могут быть возбуждающими и тормозящими.
Активность нейрона опосредована десятками факторов — циклом сна и бодрствования, доступностью предшественников нейромедиаторов и многими другими. Все эти факторы влияют на вероятность прохождения сигнала между двумя нейронами и могут быть представлены в виде синаптических весов. Таким образом, все разнообразие нейронов можно с успехом представить в виде интегративного нейрона, а все способы межнейронной коммуникации — в форме вероятности прохождения сигнала между нейронами.
Существует по меньшей мере шесть основных нейромедиаторов и не менее тридцати «менее важных», в основном являющихся нейропептидами.
Даже дендриты отдельной клетки, по всей видимости, способны к обработке информации. Имеются также данные, что способна принимать участие в обработке информации и нейроглия — поддерживающая ткань нервной системы.
На настоящий момент известно о существовании в некоторых частях взрослого головного мозга стволовых клеток. Образование новых синапсов идет в течение всей жизни; для образования новых синапсов отростки дендритов способны образовываться за несколько минут.
1.3. Обработка информации нейронами.
Искусственные нейронные сети использовались для моделирования многих функций мозга — распознавания элементов изображений, управления роботами, обучения и улучшения функционирования на основе опыта.
Во многих случаях такие сети выполняли задачи лучше, чем компьютерные программы, основанные на логике и математике.
Так же, они помогают нам понять принципы работы реальных нейронных сетей в мозге.
Нейросети помогают нам понять работу нервной системы.
Так искусственные нейросети могут служить моделями для изучения реальных структур в мозге.
Мы ограничимся рассмотрением синапсов только двух типов — возбуждающего (повышающего вероятность прохождения ПД (Потенциал действия) на постсинаптическом нейроне) и тормозящего (понижающего такую вероятность).
Глутамат — наиболее распространенный медиатор в ЦНС — является возбуждающим.
ГАМК (гаммаАминоМасляная кислота) является наиболее распространенным тормозным медиатором.
В нервной системе распространены массивы нейронов, часто именуемые картами.
2.1. Упрощенный случай: рецепторы, пути и контуры.
Каждый сенсорный нерв может содержать несколько параллельных каналов, каждый из которых проводит несколько различающуюся информацию. Так, зрительный тракт имеет канал передачи цвета, называемый мелкоклеточным, и канал передачи формы и размеров объекта, называемый крупноклеточным.
Точно так же соматосенсорные пути сочетают каналы передачи прикосновения, давления, боли и некоторые другие.
Большинство сенсорных волокон оканчиваются в таламусе, где они передают сигнал нейронам, оканчивающимся в коре.
(рис. 3.10 и 3.11) 
Таким образом, в большинстве сигнальных путей существуют петли обратной связи — такие, как в нейросети с двумя или более слоями.
С этой точки зрения мозг представляется системой воздействующих друг на друга массивов и сетей.
Массивы нейронов представляет собой двумерную сеть нейронов.
Когда массивы соответствуют пространственной организации той или иной структуры, их называют картами.
В мозге имеет место как временное, так и пространственное кодирование, наряду со многими другими способами кодирования и обработки информации.
Пространственные карты являются наиболее наглядной формой пространственного кодирования.
Таким образом, даже информация от не ассоциированных с пространством органов чувств обрабатывается массивами и картами нейронов.
Наш мозг организует огромные количества входящей информации так, чтобы отражать положение окружающих объектов. Моторная кора, как вы можете догадаться, также выглядит как непропорциональная карта скелетных мышц тела.
Главным вопросом относительно сенсорики на сегодняшний день яляется вопрос о том, как осуществляется высокоуровневая обработка воспринятой информации. И модель нейросетей предоставляет один из возможных ответов.
Мозг постоянно корректирует работу моторных систем на основании сенсорной информации и адаптирует сенсорные системы при помощи моторной активности.
Сенсорные системы можно представить в виде иерархических систем, состоящих из иерархических систем низшего порядка, начиная с рецепторов и постепенно переходя ко все более сложным объектам.
Идет непрерывный обмен информацией между двумя системами в процессе цикла от восприятия до действия, начиная с наинизшего и заканчивая высшими уровнями планирования, мышления и анализа возможного развития событий
(рис. 3.20 Иерархическая система из области архитектуры).
В схеме иерархической системы обработки информации, каждый массив нейронов назван картой; карты существуют на разных уровнях, и сигнал может идти вверх, вниз и к другой карте того же уровня.
При рассмотрении электрической активности десятков миллиардов нейронов мозг поневоле начинает казаться огромным оркестром, а не одним инструментом. За сотни миллионов лет эволюции в мозге появились нейроны с самыми разными видами временного и пространственного кодирования (блок 3.1).
В путях следования информации имеется множество точек выбора, с которых она может быть направлена по нескольким различным путям или быть передана на уровень выше или ниже.
Если вернуться к ступенчатой пирамиде, то такой разветвленный путь похож на путь человека к вершине: он может достигнуть ее прямым или окружным путем.
Зрительная картина мира подвержена постоянным изменениям. Однако мозг тем не менее ведет обработку таких изменений. Животное не может позволить себе не заметить хищника, прячущегося в траве, только потому, что сейчас закат, или потому, что на него падает тень.
Для того чтобы выжить, мы должны были иметь превосходную зрительную систему.
Вот, например, кошка, выслеживающая жертву, может осматривать дерево только одним глазом, тогда как другой глаз остается пассивным. Это приводит к явлению бинокулярной конкуренции — конкуренции между зрительными входами от разных глаз.
Многие животные получают от разных глаз совершенно разные входы — такие животные, как кролики и олени, вообще не имеют участков перекрытия полей зрения, поэтому для них явление бинокулярной конкуренции невозможно.
Мозг постоянно имеет некоторые ожидания относительно встречаемых им внешних условий. Спускаясь по лестнице в темноте, мы ожидаем, что под ногой будет ступенька.
При анализе неоднозначно трактуемых объектов ожидание обусловливает выбор наиболее приемлемого варианта трактовки. Многие слова в языке имеют больше одного значения, поэтому, даже читая это, вы вынуждены иметь дело с неоднозначностями. Мозг опирается не только на входящую информацию — он имеет множество причин выбора того или иного варианта, основанных на предсказании результата и ожидании.
Селективное внимание позволяет нам динамически изменять свои сенсорные предпочтения, а долговременная память увеличивает силу синапсов, ответственных за точное восприятие.
Многие ученые считают, что всю кору целиком, наряду с сопутствующими областями, такими как таламус, следует рассматривать как одну функциональную единицу. Ее часто называют таламокортикальной системой.
Одним из основных свойств поведения животных является способность адаптироваться.
Основным свойством мозга, таким образом, является приспособляемость. Однако какие изменения в структуре самого мозга приводят к такой приспособляемости?
Для этих целей гораздо лучше подходят методы визуализации структур мозга, получившие интенсивное развитие в два прошедших десятилетия.
Хотя большая часть методов визуализации ориентирована на конкретную область, подчеркивая тем самым функциональное разделение, а не интеграцию, были предприняты попытки изучения обучения как системного процесса, включающего глобальные изменения структуры и функций мозга.
Развитие технологии магнитно-резонансной томографии позволило начать изучение изменений структурных компонентов связи — трактов белого вещества — под влиянием обучения.
Как было показано, обучение жонглированию вызывает изменения как в сером, так и в белом веществе мозга.
Данные результаты стали поистине революционными, поскольку долгие годы считалось, что структура мозга неизменна.
Подобные открытия, позволяющие рассматривать мозг как функционально и структурно лабильный орган, вне всякого сомнения являются шагом вперед в нашем понимании процесса обучения.
(4.0. Адаптация и обучение массивов нейронов).
Наиболее известное правило обучения нейросетей, выражаемое в лозунге «neurons that fire together, wire together».
Нейроны, которые срабатывают вместе, соединяются вместе.
(Обучение по Хэббу).
Дональд Хэбб в 1949 г. постулировал, что ассамблеи нейронов способны обучаться благодаря усилению связей между нейронами, активирующимися при стимуляции одновременно.
В основе обучения и памяти лежит эффективность синаптической связи.
Существует множество способов воздействия на эффективность синаптической передачи. Так, два нейрона могут образовать больше синапсов, в самих синапсах может вырабатываться больше нейромедиатора, рецепторы постсинаптического нейрона могут стать эффективнее.
В обучении задействовано два типа изменений; их можно рассматривать как усиленное возбуждение и усиленное торможение.
Долговременное усиление возбудимости одного нейрона называют долговременой потенциацией.
Долговременное понижение же — долговременной депрессией. Оба события имеют место в гиппокампе.
Визуально обучение по Хэббу можно представить в виде утолщения линий между узлами сети, как в простой совокупности клеток.
Модели с третьим, скрытым слоем позволяют нейросети изменять силу соединений.
Классическая трехслойная прямая сеть со скрытым слоем и настраиваемой силой взаимодействий может эффективно обучаться путем сопоставления выхода нейросети с желаемым выходом и подстройки силы соединений для достижения желаемого результата.
Процесс носит название обратного распространения ошибки обучения и во многом подобен отрицательной обратной связи.
Сети такого типа на сегодняшний день наиболее распространены.
В самоорганизующейся аутоассоциативной сети выход ставится в соответствие входу.
Такая стратегия полезна при распознавании паттернов, таких как звук знакомого голоса.
Самоорганизующиеся системы используются в природе для решения многих задач.
Сами организмы и их нервные системы можно рассматривать как самоорганизующиеся системы.
Самоорганизующаяся сеть способна справляться с фундаментальой проблемой распознавания человеческих лиц.
Человек учится реагировать на нормальные, недеформированные лица в очень ранний период жизни и вскоре становится способен отличать знакомые лица от незнакомых.
Задача, решаемая сетью, гораздо проще решаемой человеком, поскольку в модели происходит только формирование цепи.
Сеть способна обучаться предугадывать расположение рта в нижней части рисунка и двух глаз — в верхней.
4.2. Дарвинистский подход в нервной системе: выживают клетки и синапсы, наиболее приспособленные к данной задаче.
Нейральный дарвинизм предполагает, что нейроны развиваются и соединяются друг с другом в соответствии с дарвинистскими принципами.
Селекционизм — эффективный способ адаптации.
Отбор нейронов приводит к образованию долгоживущих нейронных совокупностей, выполняющих задачи адаптации, обучения, разпознавания паттернов и им подобные.
Нейросети отличаются высоким уровнем параллельности (что означает способность производить много разных вычислений одновременно) и распределенности (способности обрабатывать информацию в разных местах с использованием разных механизмов).
Это говорит о большей близости нейросетей к биологическим способам обработки информации.
Нейронные сети довольно просто перевести на язык математических выражений.
Нейросети способны обрабатывать символьную информацию, а символы могут быть переведены в нейросети.
Обучение нейросети проявляются по мере распознавания сетью входа и отсечения ею альтернативных вариантов.
Существует масса способов координации работы нейронов. Одним из них являются масштабные ритмы, координирующие работу больших групп нейронов так же, как дирижер координирует игру симфонического оркестра. Если большая масса нейронов активируется одновременно, то их активность, как правило, суммируется.
Современные данные говорят в пользу гораздо более быстрых гамма- и тета-корреляций на тех частотах, на которых мозг выполняет большую часть этой работы.
Ритмы энцефалограммы на сегодняшний день считаются сигнализирующими о разных, но скоординированных процессах.
К примеру, гамма-ритмы высокой плотности считаются ассоциированными с осознанным зрительным восприятием и процессом решения простой проблемы эквивалентности.
Альфа-ритмы традиционно ассоциируются с отсутствием задач, требующих фокусировки внимания, тогда как тета-ритмы, как полагают на настоящий момент, контролируют гиппокампальную область и фронтальную кору в процессе обращения к долговременной памяти. Дельта-ритмы — сигналы глубокого сна — группируют быструю нейрональную активность с целью консолидации полученных данных.
При проектировании самолета инженеры закладывают в его конструкцию некоторую функциональную избыточность на случай выхода из строя важнейших систем. Так, если откажет один двигатель, то большая часть самолетов будет способна дотянуть до взлетно-посадочной полосы на оставшихся.
Человек и животные также обладают определенной функциональной избыточностью.
Мозга это правило тоже касается. Мозг способен работать даже после получения весьма значительных повреждений.
Латеральное торможение является распространенной стратегией для выделения различий между двумя однородными областями сигнала, такими как темные пятна на светлом фоне.
Клетки сенсорных систем имеют так называемые рецептивные поля, настроенные на определенные параметры входа, такие как ориентация линии, цвет, движение, форма и тип объекта. При повышении уровня визуальных карт их разрешение падает, в то время как способность к интеграции информации растет.
Поскольку сенсорные и моторные системы изучают отдельно друг от друга, мозг представляется нам огромным сенсомоторным органом, делающим возможным непрерывные высокоуровневые взаимодействия между входом и выходом.
Пространственные массивы нейронов делают возможным пространственное кодирование, однако не стоит забывать о том, что в нервной системе имеется еще и кодирование временное. Основные ритмы энцефалограммы, как полагают, отвечают за временную координацию активности больших групп нейронов.
Последние исследования позволяют предположить, что гамма-ритм ответственен за интеграцию сенсорной информации осознанные ощущения, а тета-ритм — за извлечение информации из долговременной памяти.
Контрольные задания к этой главе.
1. Опишите основные функции интегративного нейрона.
2. Что такое латеральное торможение и какую роль оно играет в сенсорных системах?
3. Каким образом сенсорные и моторные системы можно рассматривать в форме иерархических структур?
4. Опишите роль двусторонних взаимодействий в функционировании мозга.
5. Что такое дарвинистский подход к нервной системе и какие аспекты процессов, происходящих в мозге, он затрагивает?
6. Назовите три наиболее общих свойства сенсорных систем.
Создана самая подробная карта нейронных связей в мозге человека
Цветное изображение 4 000 аксонов, передающих нервные импульсы одному нейрону.
Иллюстрация Google/Lichtman Laboratory.
В человеческом мозге насчитывается 86 миллиардов нейронов, сообщающихся между собой посредством сотни триллионов синапсов. Это запутанная сеть нейронных связей, в глубине которой таятся наши сознание, мысли чувства, воспоминания и индивидуальность.
Человеческий мозг сложнее любого существующего на сегодняшний день компьютера. Поэтому визуализация полной структуры всех его связей выглядит, на первый взгляд, совершенно непосильной задачей.
Однако исследователи со всего мира упорно трудятся, буквально собирая по кусочкам небольшие области головного мозга человека. К слову, такая карта нейронных связей называется «коннектомом», а наука, которая занимается «картографией» нервной системы – коннектомика.
В 2020 году исследователи из Google в сотрудничестве с коллегами из Медицинского института Говарда Хьюза создали коннектом мозга плодовой мушки. Звучит как довольно простая задача, однако пока что им удалось «нанести на карту» лишь около половины головного мозга насекомого.
Недавно Google совместно с исследователями из Гарварда выпустил похожую модель человеческого мозга. Точнее, его крохотного участка.
Так учёные получили 225 миллионов двухмерных изображений, которые затем «сшили» в 3D-модель.
Разные клетки и их структуры внутри образца выявляли с помощью алгоритмов машинного обучения. Исследователи лишь изредка проверяли вручную точность, с которой машины определяли принадлежность разных клеток.
Конечный результат назвали набором данных H01, и он является одной из наиболее полных карт человеческого мозга из когда-либо созданных. Он содержит информацию о 50 000 нервных клеток, 130 миллионах синапсов и, кроме того, визуализирует дополнительные детали: аксоны и дендриты нейронов, миелин и клетки ресничного эпителия.
Самым впечатляющим в этом наборе данных стало то, что он занял целых 1,4 петабайта памяти. Это больше миллиона гигабайтов.
При этом в Google утверждают, что это всего одна миллионная часть полной карты человеческого мозга.
Выходит, что огромную сложность представит не только сама работа по картированию всего этого объёма, но и поиск места для хранения этого невероятного массива информации. К тому же исследователям ещё предстоит найти способ организации полученных данных и обеспечить удобный доступ к ним.
А пока для ознакомления онлайн доступен собранный ныне набор данных H01.
Научная статья, сопровождающая это достижение, была опубликована на сайте препринтов bioRxiv.
Напомним, ранее мы писали о создании карты мозга, показывающей, где в нём «хранятся» отдельные слова (кстати, она тоже доступна онлайн). Также мы сообщали о том, что учёные обнаружили сходство человеческого мозга с пчелиным роем.
Больше новостей из мира науки и технологий вы найдёте в разделе «Наука» на медиаплатформе «Смотрим».
Что особенного в мозге человека?
Что особенного в мозге человека?
Морфологическая реконструкция нейрона коры мозга человека. Внизу показаны подпороговые осцилляции трансмембранного потенциала нейрона в биофизической модели. На фоне показаны человеческие нейроны 2/3 слоя коры, окрашенные с помощью антител.
Автор
Редакторы
Нейроны человека и других млекопитающих очень похожи, если смотреть «издалека». Тем не менее есть и важные различия. Недавно ученые из Института Аллена (среди которых и автор этой статьи) опубликовали работу в журнале Neuron, где показали, что возбудимости нейронов мозга человека и мыши заметно различаются. Оказалось, что нейроны коры мозга человека имеют гораздо большее количество HCN-каналов, которые особым образом влияют на возбудимость нейронов. Что это значит с точки зрения эволюции и какой эффект оказывает на поведение отдельных нейронов?
Довольно долго считалось, что базовые элементы нервной системы — нейроны — всех млекопитающих похожи друг на друга. Такую мысль высказывал, например, Сантьяго Рамон-и-Кахаль [1]. Нейрон получает входные сигналы от других нейронов за счет синапсов, которые расположены на дендритах и соме [2]. В результате меняется величина трансмембранного потенциала [3], и если она превышает порог, то нейрон генерирует потенциал действия, или спайк (от англ. spike — шип). После этого спайк распространяется по аксону и активирует другие нейроны, с которыми он связан с помощью синапсов. Несмотря на схожие свойства нейронов животных, ученые получают всё большее количество данных о том, что отдельные детали значительно различаются.
Мозги человека и других млекопитающих очень похожи. Именно это позволяет нам, изучая мозг других животных, узнать что-то о своем собственном. В частности, структура коры мозга, появившейся позже всего в течение эволюции, очень схожа у всех млекопитающих. Именно она отвечает за множество высших психических функций (восприятие, память, речь), которыми мы обладаем.
Но если кора у нас и мышек устроена одинаково, почему же мышки не играют на скрипке и не делают научные открытия, а люди на это способны хотя бы изредка? Иными словами, что делает нас особенными по сравнению с другими млекопитающими?
Довольно давно стало понятно, что это очень сложный вопрос, на который существует много разных ответов. Один из них наша научная группа пытается дать в Институте Аллена (Allen institute for brain science), изучая и сравнивая нейроны человека и мыши. Наша работа была недавно опубликована в международном журнале Neuron [4].
Известно, что объем мозга человека и площадь коры увеличивались в ходе эволюции очень быстро. За последние 75 миллионов лет площадь коры мозга человека стала больше примерно в 1000 раз по сравнению с общим предком мыши и человека. Поэтому нейроны человеческого мозга должны были адаптироваться к эволюционно быстрым изменениям его свойств.
Кора млекопитающих обладает удивительно сложной анатомической организацией. Она состоит из шести слоев клеток, которые связаны между собой. В каждом слое есть возбуждающие и тормозные нейроны разных типов. Типы нейронов отличаются между собой по форме дендритного дерева, по возбудимости мембраны и специальным белкам, которые позволяют «увидеть» эти нейроны с помощью иммуногистохимических методов [5]. Зачастую в коре нейроны определенных типов связаны между собой строго специфическим образом, поэтому, анализируя активность нейронов, важно знать, к какому типу они относятся.
Чтобы не сравнивать яблоки с апельсинами, мы рассмотрели свойства самых часто встречающихся нейронов коры — пирамидальных нейронов 2/3 слоя. Поскольку границу между вторым и третьим слоем анатомически сложно провести, нейроны этих слоев объединяют вместе как нейроны 2/3 слоя. Именно этот слой самый толстый в коре человека по сравнению с корой мыши. Нейроны именно этого слоя коры наиболее сильно изменились у человека по сравнению с другими млекопитающими. Ширина 2/3 слоя около одного миллиметра, и он толще других слоев примерно в 2–3 раза.
Изучая ответы отдельных нейронов в этом слое коры, мы обнаружили, что нейроны человека и мыши по-разному отвечают на электрические стимулы (рис. 1). Оказалось, что нейроны одного и того же 2/3 слоя коры у мыши и человека обладают различными резонансными частотами (рис. 1 в и г). Иными словами, при предъявлении стимула (ток, подаваемый в нейрон), нейроны человека и мыши по-разному на него отвечают. Нейроны человека обладают резонансами более высокой частоты, при этом частота этих резонансов зависит от глубины расположения нейронов в коре. Чем глубже эти нейроны в слое 2/3 у человека, тем выше их частота (рис. 1 в и г). При этом частота резонансов у мыши гораздо ниже и увеличивается медленнее при продвижении в глубину в слоя 2/3.
Рисунок 1. Нейроны человека и мыши обладают различными резонансными свойствами. а — Подпороговый ответ нейронов мыши 2/3 слоя коры в ответ на синусоидальный стимул с увеличивающейся амплитудой. Сверху показан ответ нейронов верхней части 2/3 слоя коры, снизу — ответ более глубоких нейронов того же слоя. Справа показан спектр частоты колебаний и электрический импеданс трансмембранного потенциала в ответ на синусоидальный стимул наверху и внизу слоя 2/3. б — То же самое для нейронов человека. в — Слева показана резонансная частота нейронов мыши 2/3 слоя в зависимости от глубины внутри этого слоя (резонансная частот соответствует пику в спектре на панели а справа). Справа показано отсечение спектра после трех децибел. г — тоже самое для нейронов человека. Результаты, относящиеся к нейронам мыши, показаны черным; к нейронам человека — красным.
Для того чтобы объяснить эти физиологические свойства нейронов человека, мы проанализировали биофизические свойства нейронов коры человека и мыши. Дело в том, что в генерации спайков, а также в поддержании трансмембранного потенциала участвует большое количество различных белков (преимущественно ионных каналов). Основными являются натриевые и калиевые каналы, но также существует большое количество других белков, которые изменяют свойства потенциала действия и синапсов. Так, одна из наших прежних работ посвящена изучению связи эпилепсии с гомеостазом ионов хлора в нейронах мозга [6].
Одними из таких каналов, тонко настраивающих сигнализацию нейронов, являются HCN-каналы, пропускающие ионы калия при гиперполяризации мембраны. Это явление необычно тем, что «обычные» потенциал-чувствительные каналы открываются при деполяризации (потенциал идет «вверх»), а этот тип каналов — напротив, при гиперполяризации (потенциал идет «вниз») трансмембранного потенциала. Поэтому данный ток получил специальное обозначение — h-ток, напоминающее о его hyper-активации (hyperpolarization activated в названии канала — (англ.) активирующийся благодаря гиперполяризации).
Когда нейрон получает отрицательный синаптический вход от тормозных нейронов, это приводит к активации h-тока. Но после того как стимуляция исчезает, возникает кратковременная деполяризация мембраны нейрона, что часто приводит к генерации спайков. Иными словами, действие h-тока похоже на пружину, которую сначала сжимают (отрицательный вход), а потом резко отпускают (отсутствие стимуляции), после чего она распрямляется еще больше, чем в изначальном состоянии. Эти каналы есть не только в нейронах мозга: их также можно обнаружить в кардиомиоцитах сердца [7], где они помогают синхронизировать активность клеток во время сердечных сокращений.
Мы обнаружили, что в мембране человеческих нейронов 2/3 слоя есть особенно большое количество h-тока, анализируя ответы нейронов в ответ на электрические стимулы (рис. 1). Анализ мРНК из тех же нейронов подтвердил эти результаты и показал, что в клетках 2/3 слоя коры человека имеется гораздо большее количество фрагментов, кодирующих HCN1-каналы (подтип HCN-каналов). В нейронах коры мыши тоже имеется большое количество HCN1-каналов, но их не так много, как в нейронах человека (рис. 2). Более того, оказалось, что HCN1-каналов больше в каждом слое коры человека, а не только в слое 2/3. Чтобы понять, что значат эти данные в отношении отдельных клеток, мы совместно использовали электрофизиологию и математическое моделирование.
Рисунок 2. Оценка уровня экспрессии генов, кодирующих HCN-каналы, в нейронах человека (а) и мыши (б). Все данные получены на основании анализа мРНК, извлеченной из ядер отдельных нейронов разных слоев коры (L1–6 и тормозных нейронов всех слоев Inh). Результаты приведены в единицах RPKM (англ. Reads Per Kilobase Million — количество прочтений (гена HCN1) на один миллион пар оснований).
Некоторые подробности нейронного моделирования приведены в статье «От живого мозга к искусственному интеллекту» [8].
Рисунок 3. Биофизическая модель нейрона человека. а — Стимуляция биологического нейрона и математической модели стимулом с увеличивающейся частотой с помощью электрического тока. б — Спектр колебаний трансмембранного потенциала в ответ на стимуляцию с панели а. Черным показан стимул, зеленым — ответ биологического нейрона 2/3 нейрона коры, красным — ответ модели со включенными h-каналами (Ih(+)), синим — ответ модели с выключенными h-каналами (Ih(−)).
Рисунок 3. Биофизическая модель нейрона человека. в — Трехмерная реконструкция нейрона коры слоя 2/3. Красными кругами показано положение глутаматных синапсов [9]. г — Задержка между активностью синапса на дендритном дереве и ответом на соме нейрона в зависимости от расстояния от синапса до сомы. Красным показан ответ модели в присутствии h-тока (Ih(+)), синим — когда h-ток отсутствует (Ih(−)). д — Спектр колебаний трансмембранного потенциала на соме в модели с h-током и без h-тока в ответ на стимуляцию с помощью 1000 синапсов. Черные линии наверху соответствуют различным диапазонам частот, средние величины которых достоверно отличаются, в частности в тета-диапазоне.
Используя эту модель, мы воспроизвели поведение нейрона, когда он находится в нейронной сети коры. Для этого мы стимулировали модель нейрона с помощью 1000 глутаматных синапсов [9], каждый из которых активировался случайно со средней частотой около 4 Гц (рис. 3д). Поскольку разряды нейронов в большой сети генерируются случайно или хаотически [10], их можно описывать с помощью случайных процессов.
В ответ на синаптическую стимуляцию происходят колебания мембранного потенциала нейрона. Чтобы понять свойства этих колебаний, мы проанализировали их частоту в модели с h-током и без него (рис. 3). Оказалось, что h-ток позволяет нейрону лучше проводить колебания в тета-диапазоне (4–10 Гц) от дендритов к соме. При этом сами колебания мембранного потенциала генерируются синапсами, расположенными на дендритном дереве (рис. 3). Также мы обнаружили, что скорость проведения сигнала от дендритов к соме увеличивается при наличии h-тока (рис. 3д). Это происходит за счет способности HCN-каналов делать мембрану нейронов чуть более возбудимой, что приводит к более быстрому проведению изменений потенциала от дендритов к соме.
Дело в том, что человеческие нейроны гораздо больше нейронов мыши. Объем мозга и размер нейронов быстро увеличивались в ходе эволюции млекопитающих. С одной стороны, большой нейрон может связаться с бóльшим числом других нейронов, что позволяет более эффективно проводить информацию в сети; с другой стороны, скорость обработки информации в больших нейронах меньше, чем в маленьких. Вероятно, большое количество h-тока было одной из эволюционных адаптаций, которые позволили поддерживать прежнюю скорость проведения потенциалов действия, несмотря на бóльший размер нейронов. Этот механизм может быть особенно важен для более глубоких слоев коры (рис. 1), поскольку нейроны 2/3 слоя должны получать информацию от нейронов первого слоя коры с такой же задержкой, как и нейроны верхнего слоя 2/3.
Сравнивая нейроны человека и других животных, мы надеемся постепенно понять, что именно делает мозг человека особенным. Возможно, разница между мозгом человека и мыши такая же, как между игровой приставкой и суперкомпьютером. Оба они построены на микропроцессорах, но суперкомпьютер обладает гораздо большей производительностью за счет более быстрых элементов и большего их количества. В ближайшем будущем мы планируем изучить свойства нейронов коры человека и мыши во всех слоях коры и в разных ее областях. Это поможет нам понять, что делает мозг человека особенным по сравнению с мозгом других млекопитающих [11]. С практической точки зрения это позволит разрабатывать более эффективные лекарства, которые будут лучше работать для нейронов человека за счет особенных свойств наших с вами ионных каналов.