Мозговой органоид переднего мозга, составленный из двух частей. В течение нескольких дней участки слились в единую ткань и некоторые нейроны (зеленым) мигрировали из левого участка в правый. Предоставлено лабораторией Паска / Стэнфордский университет |
Полугодовой обзор последних достижений и тенденций в тех областях нейробиологии, которые имеют важное значение для темы изучения личности и перспектив полномасштабной эмуляции мозга. В обзоре представлены четыре темы: картирование мозга; машинное обучение в нейронауке; нейроимпланты, зонды и волокна; органоиды и 3D печать нервной ткани.
Картирование мозга
Одной из самых важных в этом направлении является картирование мозга. В этой области за полгода были сделаны некоторые большие шаги. Отметим, что в ближайшем будущем данные будут продолжать прибывать всё с большей скоростью, поэтому создание искусственного интеллекта (ИИ) для их анализа и извлечения закономерностей — параллельный картированию мозга процесс и уже сейчас, как отмечает биолог Артур Того, изучение мозга все больше напоминает изучение математики.
В самом начале сентября в Китае открылся крупнейший центр по картированию нейронных связей в мозге, в котором находится несколько десятков автоматизированных систем нарезки мозга на тонкие пластины, оцифровки и восстановления 3D изображения. Такая специализация центров становится возможной благодаря плотному международному сотрудничеству лабораторий. В дополнение к уже существующим международным проектам, в сентябре было заявлено о создании проекта International Brain Laboratory, который объединил 21 научное учреждение Европы и США. Ученые совместными усилиями собираются ответить на вопрос, как наш мозг принимает решения, то есть где, когда и как нейроны получают информацию, обрабатывают ее и вырабатывают ответ.
Также опубликована первая часть проекта «qBrain» (количественный мозг), над которым работает команда из Лаборатории в Колд-Спринг-Харбор. В работе отслеживается распределение тормозящих нейронов в коре мозга мыши. В ближайшие 5 лет команда планирует создать онлайн базу данных, которая будет включать карты распределения и клеточной морфологии более 100 различные типов клеток в мозге. Вышла в свет и первая порция 3D изображений 300 неронов и их связей в мозге мыши из проекта MouseLight. Команда исследователей хотела бы создать подобную дорожную карту хотя бы для нескольких тысяч нейронов из примерно 70 миллионов в мозге мыши.
Что касается мозга человека, то своими результатами поделился Институт Аллена — выложена в открытый доступ Allen Cell Types Database. В базе данных содержится информация об электрических свойствах примерно 300 кортикальных нейронов разных типов, которые получили от 36 живых пациентов. Помимо этого, в базе данных можно посмотреть 3D реконструкцию их формы или анатомии и компьютерные модели, имитирующие электрическую активность этих нейронов. База данных будет содержать профили экспрессии генов, основанные на измерениях активности всех генов в 16 000 отдельных клеток мозга трех взрослых человек.
Машинное обучение в нейронауке
Необходимость в применении алгоритмов машинного обучения обусловлена стремительным ростом количества данных. Особенно актуально машинное обучение для анализа цифровых снимков. Например, электронная микроскопия тканей мозга дает терабайты данных, ручная обработка которых трудозатратна.
Другая область, в которой в последнее время наблюдается рост использования методов машинного обучения — визуализация активности нейронов с использованием индикаторов кальция. Методы оптической визуализации с использованием индикаторов кальция значимы для мониторинга активности крупных нейронных популяций in vivo. Эксперименты с визуализацией обычно генерируют большие объемы данных, которые необходимо обработать, чтобы понять какие нейроны были активны. Эти данные, как правило, зашумлены и извлечь из них информации о нейронных спайках непросто. Разработанные алгоритмы машинного обучения хорошо справляются с этой задачей.
Наблюдение и классификация поведения подопытных животных в экспериментах, которые предполагают несколько часов видеозаписи также чрезвычайно утомительны, если производятся вручную. Здесь методы машинного обучение также были успешно применены для анализа поведения мышей и дрозофил.
На данный момент, одной из тенденций в разработке нейросетей можно назвать стремление преодолеть разрыв между нейронаукой и ИИ, стремление максимально приблизить работу искусственного нейрона к его биологическому прототипу. На этом пути будет необходимо решить нетривиальную задачу создания алгоритма, который будет обучаться без подкрепления. А пока в исследовании, опубликованном в eLife, команда из Канадского института перспективных исследований (CIAF) во главе с Блейком Ричардсом в сотрудничестве с Тимоти Лилликрапом из Google DeepMind представила алгоритм, который имитирует, как глубокое обучение может работать в нашем мозге. Одним из первых достижений нейросети стало успешное распознавание рукописных цифр.
Нейроимпланты, зонды и волокна
Одной из самых передовых разработок в этой области считается зонд Neuropixels для считывания нейронной активности в живом мозге, разработанный нейроинженерами из Медицинского института Ховарда Хьюза, Университетского колледжа Лондона, а также Института мозга Аллена и других научных учреждений Бельгии, Канады и Британии. Длина зонда — сантиметр, этого хватает, чтобы вести запись активности клеток в разных слоях мозга мыши, вплоть до самых глубоких, одновременно. Зонд Neuropixels передает данные по двум проводкам, а каналы можно переключать, выбирая любые из 960 точек считывания. Это позволяет менять области записи по ходу эксперимента, причем зонд передает сырые данные, а усиление и фильтрация происходят на базе, соединенной с зондом. За счет этого на маленькой подложке умещаются сотни электродов.
ВИДЕО https://vimeo.com/242524350
Недавние инженерные усовершенствования сверхминиатюрных беспроводных имплантов значительно расширили возможности нейроученых. В настоящее время такие чипы превратилась в мультимодальные зонды для подачи света, жидкости и электрического тока, иногда с возможностью записи и вычисления данных in situ. Их разработка и внедрение обеспечивают способы работы, которые качественно отличаются от обычных подходов: животные не привязаны к внешнему оборудованию с помощью оптических волокон, электрических кабелей и трубок для жидкости.
Особый интерес в этой области вызывает технология гибкой электроники в виде микросетки. Пару лет назад американским нейрофизиологам удалось создать сетку из гибких проводов и электронных компонентов, которую можно ввести с помощью шприца непосредственно в мозг. Набор гибкой электроники разворачивается после инъекции, способен подключаться к нервным клеткам без их разрушения и даже расти вместе с развивающимся мозгом.
В настоящее время идет работа по внедрению в лабораториях миниатюрных, высокоэффективных имплантов для оптоэлектроники и микрожидкостных чипов, поставляющих лекарства точно к цели, которые могут подзаряжаться беспроводным путем (магнитное поле), хорошо имплантируются и работают долгое время без каких-либо видимых повреждений живой ткани. Успешные испытания на животных, в том числе макаках, прошли многосердцевинные волокна, которые сочетают в себе несколько функций — температурный сенсор, светодиод, который позволяет проводить оптическую стимуляцию, фотодиод для фотометрии и микроэлектрод для электрической стимуляции.
В другом перспективном направлении работают биоинженеры из Пенсильванского университета, которые недавно презентовали концепцию «живых электродов», которые не только полностью совместимы с тканью, но и растут в ней, точно связываясь с клетками нужного типа. Идея в том, чтобы роль длинного зонда с электродами выполнял пучок нервных волокон, вживленных в мозг извне. Авторы радикально решают проблему биосовместимости. Вместо того чтобы искать новые материалы, стремясь снизить реакцию иммунной системы, авторы используют обычные нейроны — ведь аксон тоже принимает и передает электрический потенциал. Такой живой электрод, по мере того как гидрогелевый кожух исчезнет, интегрируется в ткань мозга, включится в нейронную сеть и будет работать дольше обычных зондов, гипотетически всю жизнь организма. При этом один аксон способен синаптически связаться с сотнями и даже тысячами клеток. Авторы пишут, что уже строят живые электроды, где от 5 000 до 50 000 нейронов в колонке, и она лишь в два раза толще человеческого волоса.
По оценкам Кристофа Коха первые операции по имплантации устройств здоровым людям, объединяющих мозг и программное обеспечение, сделают уже через 10-20 лет. В этом же году были представлены первые успехи нейроимплантов в лечении неврологических заболеваний и в улучшении рабочей и кратковременной памяти.
Органоиды и 3D печать нервной ткани
По версии журнала Nature органоиды названы методом 2017 года.
Органоид мозга — это не то же самое, что и мозг. В широком смысле это трехмерная клеточная культура, выращенная из плюрипотентных стволовых клеток, которую можно рассматривать как редукционистскую клеточную систему, которая имитирует некоторые характеристики клеточного состава и активности головного мозга, и в своем развитии проходит по крайней мере некоторые из этапов раннего эмбрионального развития мозга человека. Тем не менее, даже в таком несовершенном и упрощенном виде, органоиды обладают огромным потенциалом, который изменит изучение как нормального развития мозга человека, так и его болезней.
Уже сейчас ясно, что ключевым преимуществом органоидов является то, что они предоставляют доступ к эмбриональному развитию человека; в частности, они оказались ценными для изучения внешней радиальной глии человека, популяции стволовых клеток-предшественников, которая значительно увеличена у людей и демонстрирует видоспецифическую динамику, которая отвечает за многие отличительные особенности человеческого мозга. Особенный интерес вызывает межвидовое сравнение мозговых органоидов, полученных из индуцированных плюрипотентных стволовых клеток (iPSC) человека, шимпанзе и орангутанов. Сравнение показало, что, хотя органоиды человека и шимпанзе были очень похожими по составу и архитектуре клеток, человеческие органоиды показали специфическую репродукции клеток-предшественников нейрогенеза, что может быть связано с увеличением размера мозга. При моделировании болезней органоиды применялись, например, для изучения влияния вируса Зика на ранних стадиях развития головного мозга.
В будущем возможно себе представить применение органоидов в персонализированной медицине. Линии плюрипотентных стволовых клеток могут быть получены от отдельных пациентов, а затем использоваться для выращивания органоидов, которые в рамках процедуры постановки диагноза помогут дать индивидуальную характеристику состояния болезни и провести персонализированное лечение. Именно на этот метод возлагают большие надежды в исследованиях рака, нейродегенеративных заболеваний, тестировании и разработке новых лекарств.
За последние полгода вышли также несколько статей, в которых сообщалось об успехах в лечении повреждений коры головного мозга и спинномозговых травм у животных с помощью выращенных из плюрипотентных стволовых клеток органоидов мозга. Так, нейрохирурги Пенсильванского университета трансплантировали в зрительную кору живых крыс органоиды из зрелых нейронов человека, которые прижились и даже реагировали в ответ на зрительную стимуляцию.
Одним из перспективных методов создания органоидов в настоящее время является биопринтинг. Уже созданы фрагменты нервной ткани с точным позиционированием нейронов, существуют образцы, которые могут воспроизводить точную 3D архитектуру и клеточный состав небольшого участка головного мозга. Помимо воссоздания клеточной архитектуры ткани, биопринтинг может использоваться для изучения межклеточного взаимодействия и влияния пространственного положения на нервные клетки. Ведутся попытки создания in vitro нескольких участков мозга с разной структурой, чтобы проследить их взаимодействие и понять как структура влияет на их функции.
Завершая обзор, отметим, что несмотря на результаты, которые были невозможны еще пару лет назад, исследователи до сих пор в самом начале пути. Как отметил Артур Того, пионер в области нейровизуализации и директор Института нейровизуализации и информатики в Университете Южной Калифорнии (USC): «молекулярные события, благодаря которым вы сможете запомнить мои слова, длятся от пикосекунд до десятилетий. А наша способность наблюдать эти процессы в мозге очень ограничена. Мы делаем снимки, которые отражают события в миллисекундном масштабе, и не умеем делать их быстрее. Нам нужны стратегии вычислений, чтобы измерения в миллисекундах связать с поведением, которое мы наблюдаем спустя минуты, часы или даже годы».
автор обзора Екатерина Шахбазян
Перепечатка разрешается при сохранении ссылок на источник публикации.