Универсальный процесс, связывающий мозг, одинаков у разных видов

Фото из открытых источников

Мышь, насекомое или червь — у всех этих существ один и тот же принцип управляет формированием сверхсильных связей между нейронами мозга, 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 мозгу разное количество нейронов: от сотен у червей до десятков миллиардов у людей. Нейроны образуют связи друг с другом, называемые синапсами, которые позволяют информации передаваться из одной области мозга в другую в виде электрических сигналов. Вместе эти связи образуют сеть, которая позволяет животным функционировать и обрабатывать информацию о мире. 

 

Эта сеть является гибкой; оно постоянно меняется и перестраивается. Некоторые связи между нейронами довольно слабы и поэтому легко разрываются и заменяются, тогда как небольшая группа очень прочна. Эти сильные связи известны как связи с «тяжелым хвостом», потому что на графике плотности связей в мозге от низкой к высокой они представляют собой выбросы, расположенные на плотном конце шкалы — как хвост животного. 

 

Эти связи с тяжелыми хвостами играют большую роль в контроле основных когнитивных процессов, таких как обучение и память, по сравнению с более слабыми связями, которых намного больше, чем в мозге. Однако пока неизвестно, сформировались ли эти прочные связи посредством простых, известных принципов сетевой организации или посредством механизмов, специфичных для вида, согласно авторам нового исследования, опубликованного в журнале Nature Physics. 

 

Авторы проанализировали карты связей между нейронами, называемые коннектомами, на основе мозга мышей, плодовых мух и двух видов червей. Они создали эти карты, анализируя образцы тканей с помощью специализированных методов визуализации. 

 

Чтобы выяснить, как могут формироваться соединения «тяжелый хвост», они использовали данные коннектомов для разработки математической модели, основанной на принципе нейронной самоорганизации, известном как пластичность Хебба. Этот принцип можно суммировать фразой «нейроны, которые срабатывают вместе, соединяются вместе». Другими словами, когда один нейрон неоднократно активирует другой посредством химических сообщений, связь между двумя клетками становится сильнее. Этот основной принцип лежит в основе того, как мы учимся и формируем воспоминания. 

 

Однако некоторые предыдущие исследования показали, что сама по себе динамика Хебба не может полностью объяснить способность животных перенастраивать свои синапсы и укреплять связи между нейронами. 

 

Модель авторов подтвердила, что пластичность Хебба объясняет образование соединений тяжелого хвоста у всех изученных ими животных без необходимости использования дополнительных механизмов, специфичных для каждого вида. По словам исследователей, помимо объяснения связей с «тяжелыми хвостами», этот принцип, вероятно, управляет тенденцией нейронов группироваться вместе и образовывать тесно сплоченные группы в зависимости от уровня их активности. 

 

Чтобы их модель больше напоминала реальный мозг, авторы позаботились о том, чтобы в ее сетевой организации учитывалась некоторая случайность, говорится в их заявлении. Они предположили, что нейроны обычно перестраиваются и соединяются в результате своей активности, как в динамике Хебба, или случайным образом, при этом синапсы иногда разъединяются или формируются без явной причины. 

 

«В целом, это многообещающий первый шаг к объяснению изменений синаптического веса (силы связей между нейронами) в биологических нейронных сетях», — сказали авторы исследования. 

 

Однако ограничением статьи может быть то, что авторы сравнили лишь некоторые особенности своей модели с реальными нейронными сетями, сказал он. Например, они протестировали кластеризацию со своей моделью, но не другие функции, которые вы ожидаете увидеть в мозговых сетях с соединениями «тяжелого хвоста», сказал он. К ним относятся модули — плотно связанные области нейронов — и короткая общая длина пути, то есть расстояние между клетками. 

 

Авторы в своей работе не изучали человеческий мозг, но считают, что изучение этого, казалось бы, универсального принципа развития сетей могло бы помочь ученым лучше понять структуру и функции мозга у многих животных, включая человека.