Классическая нейробиологическая теория о влиянии коннектома на функции мозга предполагает, что динамика нейронов зависит от взаимодействия между специализированными нейронными пулами, связанными сложной сетью аксонов. Однако другая теория – теория нейронного поля, которая используется в моделировании активности целого мозга – предполагает, что геометрия мозга может иметь более фундаментальное значение. Результаты нового исследования, опубликованного в журнале Nature, бросают вызов преобладающим взглядам и выявляют недооцененную роль геометрии в формировании функций мозга.
Единичные нейроны представляют собой небольшие динамические системы. Их состояние может меняться во времени и в зависимости от определенного оказываемого на них воздействия. Главная особенность этих клеток состоит в их способности к электрическому возбуждению и к передаче его своим соседям. Понимая механизм возбуждения нейронов, можно описать поведение отдельных единиц нервной системы и, более того, предсказывать его.
Соединяясь между собой и формируя мосты для передачи возбуждения, единичные нейроны складываются в пулы – крупные динамические системы, предсказание поведения которых представляет собой уже на порядок более сложную задачу (хотя бы потому, что сложно собрать все факторы, влияющие на их динамику).
Эти пулы также связываются между собой, передают возбуждение своим соседям, и система становится еще сложнее. Электрическая активность совокупности нейронных пулов на уровне целого мозга проявляется в виде ритмических колебаний электрического потенциала (brain rhythms) и распространяется волнами.
Характерная особенность динамики коры головного мозга состоит в том, что ее параметры меняются в зависимости от определенного внешнего влияния, процессов, протекающих внутри организма, или когнитивной деятельности. О влиянии этих процессов на активность головного мозга можно судить по изменению пространственно-временных паттернов динамики пулов нейронов. Изменение электрического поля, которое создается множеством нейронов, можно успешно регистрировать и визуализировать, например, методами ЭЭГ, фМРТ и др. Эти методы используются для картирования функций мозга и позволяют отслеживать влияние какого-либо фактора на активность мозга. Из этой информации, согласно классическому представлению о работе мозга (описывается ниже), строятся гипотезы о том, что за определенную функцию отвечает какой-то конкретный пул нейронов.
Открытие механизмов возбуждения нейронов, безусловно, дало четкое представление о поведении отдельных единиц нервной системы, но все же до сих пор остается непонятным, какой фундаментальный принцип лежит в основе динамики большого количества нейронов, в том числе на уровне целого мозга.
Классическая точка зрения, которая доминирует в исследованиях мозга сегодня, гласит, что комплексную деятельность мозга определяет сложная сеть связей между его частями. Предполагается, что определенная деятельность человека вызывает изменение активности его мозга строго в определенных зонах. Так, при движении можно уловить изменяющуюся активность мозга над моторной корой; речь ассоциируется со специфической активностью височных долей; обработка зрительной информации – в затылочной области и пр. Между этими областями также существует сложная структурная связь, объединяющая все части мозга для обмена информацией друг с другом. За счет этого обеспечивается внутренняя обратная связь, необходимая для слаженной работы всех структур. Эти связи образованны аксонами нейронов. Учитывая, что головной мозг, по теоретическим расчетам, состоит из биллиона нейронов, количество связей между ними достигает триллиона. Совокупность этих связей принято называть коннектомом. Так вот, согласно этой точке зрения, пространственные паттерны динамики мозга (специфическая активность) возникают в результате взаимодействия между его отдельными, функционально специализированными областями, связанными топологически сложным массивом ближних и дальних аксональных связей. Однако рассматриваемый подход напрямую не учитывает физические свойства мозга, его геометрию и топологию.
Принцип суперпозиции волн предполагает, что в линейных средах каждая распространяющаяся волна не изменяет свойства среды, а последующая волна пробегает в тех же условиях, что и первая. В связи с этим результирующую волну, проходящую в среде, можно рассчитывать как сумму всех распространяющихся в среде волн. Линейные среды – среды, для которых предполагается наличие прямо пропорциональной связи между внешним воздействием и соответствующими изменениями состояния этой среды.
Эти же характеристики включены в базу другой точки зрения. В широком классе теорий нейронного поля (neural field theories, NFTs) корковая активность рассматривается как суперпозиция волн, распространяющихся через физически непрерывный слой нервной ткани.
Правило экспоненциального расстояния (exponential distance rule, EDR) для связности – правило, которое описывает прогностическую связь между расстоянием и силой связи. Веса соединений экспоненциально затухают с расстоянием, падая на несколько порядков в диапазоне длин соединений. Вес соединения (термин из моделирования) – значение, которое понимается как, условно говоря, важность проходящего через соединение сигнала.
Здесь модель взаимодействия между отдельными областями коры заменяется на более простую модель некоего однородного пространственного ядра, из которого исходит активность, уменьшающаяся по правилу экспоненциального расстояния для связности.
То есть чем дальше от этого ядра место регистрации активности, тем более рассеянной она становится.
Ключевое предсказание NFT заключается в том, что внутренняя геометрия мозга физически формирует и накладывает ограничения на возникающую динамику совокупности нейронов. Интересное и привлекательное следствие из этого – если отдавать предпочтение пространственным и физическим ограничениям анатомии мозга, то в таком случае, чтобы понять пространственно-структурную активность мозга, нужно учитывать только форму мозга, а не его полный набор связей.
В различных областях физики и техники структурные ограничения, влияющие на динамику системы, описываются через понятие о модах системы (eigenmodes). Эти моды представляют собой более фундаментальные пространственные паттерны, чем коннектом, и соответствуют естественным резонансным режимам системы. В таком случае полагается, что пространственно-временные паттерны динамики мозга возникают в результате возбуждения структурных мод мозга. Таким образом, эта точка зрения резко противопоставляется классической, которая утверждает, что сложные паттерны мозговой активности формируются из-за анатомической связи между отделами мозга.
Сравнить эти две точки зрения взялись исследователи из Института мозга и психического здоровья имени Тернера (Австралия). В своей работе, опубликованной в Nature, они предлагают новый подход, согласно которому функции мозга могут объясняться именно его структурой. При этом ограничения, которые накладываются на функционал системы, воплощается в виде мод, полученных из геометрии мозга.
Описывая свой подход, авторы сравнивают моды со скрипичными струнами, резонансные частоты которых длиной, плотностью и натяжением. Точно так же моды мозга, по мнению исследователей, определяются его структурными — физическими, геометрическими и анатомическими — свойствами. Однако не известно, вносят ли какие-либо из этих специфических структурных свойств доминирующий вклад в динамику мозга.
Чтобы сравнить эти две точки зрения, авторы проверили, насколько легко традиционная дискретная точка зрения и непрерывная, основанная на представлении о волнах, смогут объяснить динамику на более 10 000 разных карт активности мозга. Карты взяты из общей базы, включающей тысячи экспериментов с функциональной магнитно-резонансной томографией (фМРТ), когда люди выполняли широкий спектр когнитивных, эмоциональных, сенсорных и двигательных задач. Исследователи попытались описать каждую карту активности, используя моды коры головного мозга, основанные на его связности, и моды, основанные на его форме.
Для подтверждения того, что тесная связь между формой мозга и его функциями обусловлена волнообразной активностью, распространяющейся по всему мозгу, исследователи использовали простую волновую модель, которая использует только форму мозга, чтобы ограничить эволюцию волн во времени и пространстве.
В результате, как сообщают авторы, эта модель объяснила активность мозга лучше, чем более сложная современная модель, основанная на коннектомах, которая пытается уловить ключевые физиологические детали активности нейронов и сложную схему связи между различными областями мозга. Исследователи показали, что структурные моды, полученные из геометрии мозга, обеспечили более компактное и точное представление о его макромасштабной активности.
Также исследователи обнаружили, что большинство из 10 000 различных карт мозга, которые они изучили, были связаны с паттернами активности, охватывающими почти весь мозг. Эти результаты противоречат классической нейробиологической парадигме, которая предполагает, что активность во время выполнения задач происходит в дискретных областях мозга.
Сравнение геометрических мод с другими анатомическими (моды коннектома и EDR) и статистическими (рассчитанными с помощью анализа главных компонент и метода Фурье) базисными наборами показывают, что превосходная производительность геометрических мод в контексте захвата макромасштабной активности коры головного мозга не обусловлена просто общими математическими свойствами расширения базисного набора. Скорее этот результат, по мнению авторов, указывает на то, что геометрия представляет собой фундаментальное анатомическое ограничение динамики.
Производительность мод коннектома, по результатам исследования, оказалась сравнительно низкой. Это может указывать на то, что топологически сложные соединения, которые существуют за пределами простого правила экспоненциального расстояния, приносят минимальную дополнительную пользу в получении мод, которые могут точно объяснить пространственно-временные паттерны активности коры, измеренные с помощью фМРТ.
Авторы утверждают, что их подход согласуется со строго установленными результатами физики и инженерии, согласно которым возмущения пространственно непрерывных систем вызывают общесистемные реакции. Аналогично, музыкальные ноты скрипичной струны возникают в результате вибраций по всей ее длине, а не в результате поведения ограниченного сегмента струны.
Использование геометрических мод показало, что активность мозга при выполнении задания была связана преимущественно с возбуждением мод с длиной волны примерно 60 мм и более. Этот результат совпадает с аналогичными наблюдениями длинноволновых возбуждений в эмпирической ЭЭГ и предполагает, что классический анализ, основанный на пороговой обработке точечных статистических карт, скрывает пространственно протяженные и сложные паттерны активности, фактически вызванные задачей.
Тем не менее, хотя полученные исследователями результаты, по их собственному выражению, не могут исключить вклад сложной межрегиональной связи в генерацию пространственно-временных паттернов мозга, они указывают на то, что такая связь не является необходимой для возникновения этой макромасштабной динамики.
Авторы утверждают, что в неврологии вместо описанного ими подхода используются типичные методы картирования мозга, которые для количественной оценки мозговой активности полагаются на сложные статистические расчеты. При этом физические и анатомические основы генерации паттернов активности мозга не берутся в расчет. Поэтому традиционные подходы к картированию мозга способны выявить только верхушку айсберга в понимании того, как работает мозг. Напротив, использование геометрических мод предполагает использование физических принципов для понимания того, как разнообразная активность возникает из анатомии мозга.
Авторы также выражают мнение о том, что существующие модели функционирования мозга нуждаются в обновлении. При этом упор должен быть сделан на том, как волны возбуждения проходят через мозг, а не на том, как сигналы проходят между отдельными областями.
Текст: Анна Удоратина
Geometric constraints on human brain function by Pang J.C. et al, Nature. Published: May 2023.
