Связи между нервными клетками отличаются по своей силе — один и тот же входной сигнал вызывает слабый ответ в клетке, с которой установлена слабая связь, и более мощный ответ — в клетке, связь с которой более прочная. До сих пор было не очень понятно, почему нейроны формируют и поддерживают более сильные связи с одними клетками и более слабые — с другими, и каковы роли сильных и слабых связей. В свежем исследовании, опубликованном в журнале Nature [1], показано: нейроны ведут себя прямо как люди, образуя сильные связи с теми, чьи интересы и поведение сильнее всего напоминают их собственные. Более сильные связи были образованы клетками, реагирующими на сходные стимулы («общие интересы»), а также между клетками, чьи активности наиболее сходны («похожее поведение»). Сильные связи, которых было меньшинство, отвечали за специфичность системы нейронов к входному сигналу, а слабые связи создавали «общий тонус», необходимый, чтобы система могла перестроиться под влиянием изменившихся обстоятельств.

Исследователи изучали структуру нейронных связей в небольшом кусочке первичной зрительной коры мышей. В мозг животных вводили краситель, реагирующий на кальций, чтобы видеть, какие из нейронов активируются в ответ на предъявление мышам разных картинок. В результате для каждого нейрона исследуемой области мозга ученые получили набор из картинок, на которые он отвечает. По этим данным для каждого нейрона описали рецепторное поле — разделение визуального пространства на подполя, свет в которых активирует (ON) или не активирует (OFF) данный нейрон. Фактически, рецепторное поле — это предельно обобщенная картинка, на которую реагирует нейрон. Рецепторные поля у нейронов немного различались и лишь у небольшого числа пар нейронов были очень сходными или очень разными.

Кроме того, из наблюдений за работой нейронов ученые получили данные о корреляции активностей каждой пары нейронов — то есть о том, насколько были похожи ответы нейронов в самых разных случаях. Соответствие было, в основном, слабое, и активности лишь небольшого числа пар нейронов хорошо коррелировали между собой. Поместив метку рядом с изучаемой областью в мозге каждого животного (чтобы найти потом точное место, за которым наблюдали), исследователи извлекли мозги мышей, порезали на тонкие слои и оценили прочности связей между нейронами фрагмента. Делалось это так: в два нейрона вставляли тонкие капилляры с растворами солей физиологических концентраций. Потом на один из нейронов подавали сигнал, а на втором измеряли ответ. Чем больше амплитуда вызванного ответа во втором нейроне, тем сильнее связь между нейронами этой пары.

Все собранные данные позволили подробно охарактеризовать исследованный фрагмент коры. Проанализировав результаты, ученые обнаружили, что наиболее прочные связи были образованы нейронами, активности которых коррелировали сильнее всего, а также теми, чьи входные сигналы, вызывающие реакцию, были наиболее сходными (рис. 1). Связи между нейронами, отвечающими на наиболее похожие сигналы, образовывались чаще, чем между нейронами, отвечающими на непохожие стимулы. Кроме того, у пар клеток с двунаправленными связями рецепторные поля были более сходными, чем у пар нейронов, между которыми установлены однонаправленные связи.

Достаточно ли данных о рецепторных полях нейронов и о силах связей между ними, чтобы смоделировать работу фрагмента мозга*? Оказалось, что да — вполне достаточно. На основании информации о рецепторных полях и силе нейронных связей исследователи построили модель изученной системы нейронов, которая неплохо воспроизводила ее поведение (а именно — имела сходный «предпочтительный паттерн» — входной сигнал, который вызывал наиболее сильную активацию системы).

* — В работе «Blue Brain Project: как все связано?» описывается открытие универсальных принципов образования связей между нейронами [2], интересные моменты из «жизни» нейронов сетчатки глаза можно найти в статье «Как сетчатка распознаёт движение» [3], а описание применения принципов работы головного мозга в новейших компьютерах — в лучшем обзоре 2013 года «От живого мозга к искусственному интеллекту» [4]. — Ред.

Используя такую модель, ученые смогли выяснить, каковы вклады связей разной силы в свойства нейронной структуры. Если из модели убирали 25% самых сильных связей, система теряла чувствительность к входным данным и слабее реагировала на предпочтительные паттерны. Если же, наоборот, убирали 75% самых слабых связей, то уменьшалась только общая амплитуда ответов, а специфичность сохранялась прежней.

Получается, что сильные связи между нейронами обеспечивают специфичность системы по отношению к входным сигналам, а более слабые связи только создают «общий тонус». Однако слабые связи тоже важны, поскольку обеспечивают субстрат для пластичности: если какой-то стимул вдруг станет важным, соответствующие слабые связи могут укрепиться, благодаря чему специфичность всего ансамбля нейронов изменится.

Литература

1. Cossell L., Iacaruso M.F., Muir D.R., Houlton R., Sader E.N., Ko H. et al. (2015). Functional organization of excitatory synaptic strength in primary visual cortex. Nature. 518, 399–403;
2. Blue Brain Project: как все связано?;
3. Как сетчатка распознаёт движение;
4. От живого мозга к искусственному интеллекту.