Варвара Дьяконова - Пострефлекторная нейробиология поведения

Выражаю признательность Д. Д. Воронцову, В. Е. Дьяконовой, Т. А. Коршуновой, Ю. И. Манину и анонимному рецензенту, чьи советы я учел в финальной версии этого текста.

Литература

[1] Дьяконова В. Е., Крушинский А. Л., Щербакова Т.Д. Эволюционные и нейрохимические предпосылки влияния двигательной активности на когнитивные функции // Когнитивная наука в Москве: новые исследования. М.: Буки-Веди, 2013. С. 113–117.

[2] Дьякoнoвa T. Л. Heйpoxимичecкиe мexaнизмы peгyляции пaчeчнoй aктивнocти в изoлиpoвaнныx эндoгeнныx ocциллятopax yлитки: poль мoнoaминoв и oпиoидныx пeптидoв // Heйpoфизиoлoгия. 1991. Т. 23. № 4. С. 472–480.

[3] Кун Т. Структура научных революций. М., 1975.

[4] Сахаров Д. А. Биология мозга накануне смены парадигм // Когнитивная наука в Москве: новые исследования. М.: Буки-Веди, 2011. С. 220–224.

[5] Сахаров Д. А. Биологический субстрат генерации поведенческих актов // Журн. общ. биол. 2012. Т. 73. № 5. С. 334–348.

[6] Сахаров Д. А. “Cognitive pattern generators”: от идеи к исследованию. Лекция на 6 Международной конференции по когнитивной науке (2014). URL: http://www.youtube.com/watch?v=YJyJ4jUCzy4.

[7] Bargmann C. I. Beyond the connectome: How neuromodulators shape neural circuits. Bio-essays. 2012. Vol. 34. P. 458–465.

[8] Clower W. T. The transition from animal spirits to animal electricity: a neuroscience paradigm shift // J. Hist. Neurosci. 1998. Vol. 7. No. 3. P. 201–218.

[9] Graybiel A. M. The basal ganglia and cognitive pattern generators // Schizophr. Bull. 1997. Vol. 23. No. 3. P. 459–469.

[10] Kopell N. J., Gritton H. J., Whittington M. A., Kramer M. A. Beyond the connectome: the dynome. Neuron. 2014. Vol. 83. No. 6. P. 1319–1328.

[11] Miller G. Cognitive revolution: a historical perspective // Trends in Cognitive Sciences. 2003. Vol. 7. No. 3. P. 141–144.

[12] Moroz L. L., Edwards J. R., Puthanveettil S. V., Kohn A. B., Ha T., Heyland A., Knudsen B., Sahni A., Yu F., Liu L., Jezzini S., Lovell P., Iannucculli W., Chen M., Nguyen T., Sheng H., Shaw R., Kalachikov S., Panchin Y. V., Farmerie W., Russo J. J., Ju J., Kandel E. R. Neuronal Transcriptome of Aplysia: Neuronal Compartments and Circuitry // Cell. 2006. Vol. 127. No. 7. P. 1453–1467.

[13] Mulloney B., Smarandache C. Fifty years of CPGs: two neuroethological papers that shaped the course of neuroscience. Front. Behav. Neurosci. 2010. Vol. 4. No. 45. P. 1–8.

Среди многих интересных и концептуальных сообщений на седьмой конференции по когнитивной науке хочется отметить доклад, который, с моей точки зрения, может стать началом для действительно нового и, главное, адекватного с биологической точки зрения подхода к математическому моделированию нервной системы.

На протяжении многих лет основной парадигмой в моделировании мыслительных и поведенческих процессов является коннекционизм – подход, в котором модель представляет собой сложную сеть из связанных между собой относительно простых и одинаковых элементов. Наиболее распространенная форма коннекционизма – искусственные нейронные сети, в которые объединены формальные нейроны. Модель формального нейрона и нейронной сети была предложена У. Маккалоком и У. Питтсом еще в 1943 г. [8]. В то время многие важные свойства нейронов не были открыты. Математически, формальный нейрон – это пороговый элемент с единственным выходом, функция активации которого зависит от линейной комбинации всех входных сигналов. Нейронные сети успешно применяются в распознавании образов, классификации, кластеризации, прогнозировании, решении ряда вычислительных и оптимизационных задач. Появившиеся в последнее десятилетие «сложные сетевые модели» были успешно применены для описания связей во многих биологических и социальных системах, включая сети мозга, где получили название «структурная и функциональная коннектомика» [6, 7].

Однако искусственные нейронные сети и структурная коннектомика всё еще имеют очень мало общего с процессами, происходящими в живых нервных системах. Эти модели основываются на идее «проволочного мозга», в котором он представляется электрической сетью с жестко заданной топологией, которая образуется проводами, соединяющими одинаковые «пассивные» нейроны. Многие важные свойства, присущие живым нейронным сетям, в таких терминах описать невозможно. Современные исследования свидетельствуют о том, что (1) нейроны не одинаковы – они являются трансмиттер-специфическими; (2) большинство нейронов способны генерировать собственную электрическую активность, а не только в ответ на возбуждающий внешний сигнал; (3) выброс трансмиттеров происходит в общее межклеточное пространство, а не только в синаптическую щель; (4) перестройка топологии сетей и изменение режимов активности нейронов происходят ad hoc – под действием разных нейротрансмиттеров [1, 4, 5].

Л. Жилякова (ИПУ РАН) предложила математическую модель, которая развивает концептуальную модель гетерохимического генератора, предложенную еще тридцать лет назад Д. А. Сахаровым [3]. Модель учитывает принципиальные для функционирования реальной системы свойства биологических нейронов. Ее формальный нейрон обладает не только электрическим зарядом, но и химическими входами (рецепторами к разным нейротрансмиттерам) и химическим выходом (секретируемый нейротрансмиттер). Нейроны в этой модели «разноцветны», отличаются по входам и выходам, т. е. секретируют разные нейротрансмиттеры и по-разному реагируют на разные химические сигналы. Кроме того, они «не пассивны», обладают собственной, а не только вызванной активностью. Сеть из таких нейронов названа гетерогенной нейронной сетью. При этом термин «сеть» не означает наличия лишь электрических связей – любая химическая связь в ней может быть отражена теми же математическими средствами. Каждый значимый в этой сети трансмиттер может выделить свою подсеть. Переключение между сетями производится с учетом пороговых характеристик. Модель, обладающая такими свойствами, порождает сети с топологией, способной динамически изменяться при изменении концентраций тех или иных трансмиттеров в среде.

Уже сформулирована модель для простого моторного генератора (3 нейрона, 3 фазы ритма, 2 внутренних и 2 внешних нейротрансмиттера, способность к перестроению). Эта модель соответствует реальным биологическим характеристикам известных центральных генераторов паттерна ( Central Pattern Generators ). В частности, появление «эндогенной активности» нейронов автоматически привело к доминированию тормозных (как в биологических генераторах), а не возбуждающих (как в прежних сетевых моделях) связей. Трансмиттер-специфические перестройки сходны с наблюдаемыми в реальности благодаря наличию межклеточной среды и разноцветного нейромодуляторного фона. И наконец, жесткие синаптические связи оказались не необходимыми для работы модели, такой генератор «связан» химически изначально, что соответствует реальному онтогенезу нервной системы, в которой нейротрансмиттерная специфичность задается до установления синаптических связей. Помимо перечисленных преимуществ, модель дала ответ на частный нейробиологический вопрос: как трехфазный генератор может работать не на трех, а на двух нейротрансмиттерах?