С помощью трехмерной электронной микроскопии исследователям удалось измерить локальные соединительные ткани в коре головного мозга.
Мозг млекопитающих с их несравнимо большим количеством нервных клеток и экстремальной плотностью общения является самой сложной из известных сетей. Более ста лет существуют методы частичного анализа этих сетей. Однако возможность получения локально полных схем нейронных сетей в мозгу млекопитающих существует всего несколько лет.
Наш мозг содержит чрезвычайно плотно упакованные сети мембранных кабелей, которые позволяют нашим приблизительно 86 миллиардам нервных клеток общаться друг с другом. Каждая из наших нервных клеток взаимодействует примерно с 1000 другими, а точки взаимодействия между нервными клетками - синапсами - расположены вдоль кабелей, которые часто простираются по всему мозгу.
Фактически, по оценкам, около пяти миллионов километров нервно-паралитических клеток упакованы в наши черепа - в 10 раз длиннее, чем любое шоссе на Земле.
Лишь разработка более быстрых методов трехмерной электронной микроскопии и методов анализа на основе искусственного интеллекта (ИИ) сделала возможным плотное картирование нейронных сетей.
Новая исследовательская область "Connectomics" в настоящее время занимается измерением все более крупных контуров в различных регионах мозга и видов животных.
В работе, опубликованной в Science, группа исследователей под руководством директора Макса Планка Морица Хельмштадтера проанализировала кусочек биоптически полученной мозговой ткани из коры головного мозга 4-недельной мыши. Кусок ткани происходит из соматосенсорной коры головного мозга, части головного мозга, которая участвует в расчете контактной информации.
Анализ нервных клеток и их синапсов при плотной реконструкции из коры головного мозга.
С помощью оптимизированной обработки изображений на основе искусственного интеллекта и эффективного взаимодействия между анализами данных человека и машины исследователям удалось реконструировать все около 400 000 синапсов и около 2,7 метров нейронных кабелей в этом сегменте ткани.
Это привело к появлению соединительного купола, т.е. принципиальной схемы, между около 7000 аксонов и около 3700 постсинаптических нервно-клеточных процессов. Эта схема примерно в 26 раз больше, чем самая большая соединительная ткань млекопитающих, когда-либо опубликованная в сетчатке мыши 6 лет назад.
В результате реконструкции была не только значительно увеличена сетевая карта, но и выполнена с 33-кратным повышением эффективности - новый стандарт в реконструкции плотных соединительных тканей из мозга млекопитающих.
Этот методологический прорыв теперь позволил исследователям проанализировать схему соединений между куполами.
В частности, они исследовали, какая часть схемы показала признаки предыдущего обучения. Они использовали связь между ростом и усилением синапсов, которая связана с процессами обучения.
Алессандро Мотта, первый автор исследования и электротехник, использовал специальные конструкции, в которых несколько синапсов были найдены между двумя нервными клетками, чтобы найти возможные следы долгосрочной потенцирования (LTP).
"Так как некоторые модели синаптической пластичности делают точные прогнозы об усилении синапсов во время обучения. Например, когда мышь учится распознавать кошку или дерево.
Мы смогли даже вывести оценки частоты таких процессов обучения на основе снимка карты корковых цепей", - объясняет Мотта.
Поскольку до биопсии мозга у мыши была 4-недельная нормальная лабораторная жизнь, ученые рассматривают свой метод как возможность прочитать пропорцию полученных свойств цепи от нормально взрослого куска мозга.
"Мы были удивлены тем, как много информации и как много точности содержится даже в таком еще относительно небольшом куске из коры головного мозга, - сказал Хельмштадтер, - в частности, чтение предположительно изученных частей схемы действительно открыло нам глаза".
Цели скрининга.
Разработанные методы оказывают значительное влияние на возможную передачу знаний от исследований мозга к современному так называемому "искусственному интеллекту".
"Цель измерения нейронных сетей в коре головного мозга - это большое научное приключение.
Мы надеемся, что сможем извлечь из них важнейшие свойства сети, которые сделают мозг таким эффективным компьютером.
Намного более эффективным, чем любой другой искусственный интеллект сегодня", - объясняет Хельмштадтер.
Исследователи резюмируют:
"Мы считаем, что наши методы, применяемые ко многим типам мозговой ткани из различных областей мозга, слоев мозга, этапов развития и видов животных, покажут нам, как эволюция сформировала эти сети и какое влияние оказывают обучение и опыт на точную структуру сети.
Такое "скрининговое исследование" позволит нам описать схемы в моделях психиатрических заболеваний. Мы сможем выяснить, являются ли некоторые важные заболевания мозга на самом деле циркулирующими заболеваниями и в какой степени".
