Исследователи опубликовали первый полный коннектом мозга и «спинного мозга» дрозофилы: управление телом оказалось децентрализованным
В современной нейробиологии и теории управления на протяжении десятилетий доминировала модель централизованного контроля. В рамках этой концепции предполагалось, что нервная система функционирует строго последовательно: периферические рецепторы воспринимают внешние стимулы, головной мозг обрабатывает полученную информацию и принимает решения, после чего отправляет двигательные команды исполнительным органам. Эта схема, описывающая разделение сенсорных, когнитивных и моторных функций, долгое время определяла подходы к изучению поведения животных и проектированию робототехнических систем.
Однако эмпирические данные, полученные в ходе детального изучения нейронных связей, указывают на иную структуру управления. Живые организмы демонстрируют высокую степень автономности отдельных сегментов тела, а координация их движений происходит без постоянного участия центральных отделов головного мозга. Это явление описывается теорией воплощенного познания, согласно которой физическое строение тела и локальные нейронные контуры берут на себя значительную часть вычислительной работы, необходимой для адаптации к внешней среде.
Важнейшим шагом на пути к подтверждению этой теории стала публикация проекта BANC (Brain and Nerve Cord). Международная группа исследователей впервые реконструировала плотный коннектом взрослой самки плодовой мушки Drosophila melanogaster, объединив в единую сеть головной мозг и брюшную нервную цепочку — аналог спинного мозга позвоночных. Полученные данные позволяют детально проанализировать механизмы взаимодействия между центральными и периферическими отделами нервной системы.
Содержание
- Масштаб исследования и методы трехмерной реконструкции
- Метрика скорректированного влияния
- Автономия сегментов и локальные петли обратной связи
- Роль восходящих и нисходящих нейронов
- Поведенческие суперкластеры и субсумптивная архитектура
- Функция головного мозга как супервизора
- Значение для разработки робототехнических систем
Масштаб исследования и методы трехмерной реконструкции
До публикации проекта BANC в распоряжении ученых были полные коннектомы только простейших организмов. Первым детально описанным организмом стал круглый червь Caenorhabditis elegans, чья нервная система содержит 302 нейрона и несколько тысяч синапсов. Вторым — личинка асцидии Ciona intestinalis, обладающая сходным уровнем сложности. Нервная система взрослого насекомого дрозофилы качественно отличается от них: она насчитывает около 160 тысяч нейронов и приблизительно 100 миллионов синаптических соединений. Такой масштаб требует принципиально иных технологических решений для картирования.
Процесс воссоздания коннектома состоял из нескольких последовательных этапов:
- Подготовка и нарезка образца. Тело взрослой дрозофилы было зафиксировано, стабилизировано и нарезано на 7010 последовательных ультратонких срезов толщиной от 45 до 50 нанометров. Для автоматического сбора срезов использовалась специализированная ленточная подложка платформы GridTape.
- Электронная микроскопия. Каждый срез был отсканирован с помощью просвечивающего электронного микроскопа с высоким разрешением. Это позволило визуализировать мембраны клеток, синаптические щели шириной 10-20 нанометров и синаптические пузырьки диаметром около 40 нанометров.
- Автоматическая сегментация. Полученные двухмерные изображения были объединены в единый трехмерный объем. Искусственные нейросети (сверточные нейронные сети, CNN) провели автоматическое распознавание контуров отдельных клеток, ядер и митохондрий, а также предсказали положение пресинаптических и постсинаптических окончаний.
- Ручная верификация. Поскольку автоматические алгоритмы допускают ошибки при объединении сложных ветвящихся отростков нейронов, потребовалась масштабная ручная проверка. Команда из 155 специалистов на протяжении двух лет корректировала связи, исправив миллионы ложных разрывов и слияний. Общие трудозатраты составили около 30 человеко-лет.
Параллельно с этим отдельные алгоритмы классифицировали типы нейромедиаторов, выделяемых каждым синапсом (ацетилхолин, глутамат, ГАМК, дофамин, серотонин, октопамин, тирамин и гистамин). В результате исследователи получили детализированную карту, связывающую центральную нервную систему с периферией: моторными нейронами конечностей, крыльев, хоботка, антенн, а также сенсорными рецепторами и эндокринными клетками.
Особое значение в этой структуре имеет шейная коннектива — нервный тракт, соединяющий головной мозг с брюшной нервной цепочкой. В ходе работы было установлено, что через этот узел проходит 1839 восходящих нейронов, передающих информацию от тела к голове, и 1313 нисходящих нейронов, направляющих сигналы в обратном направлении.
Метрика скорректированного влияния
Главная сложность при анализе коннектома заключается в определении функциональной значимости анатомических связей. Наличие физического контакта (синапса) между нейронами А и Б не всегда означает, что нейрон А оказывает определяющее влияние на активность нейрона Б, особенно если путь между ними включает несколько промежуточных переходов. Простые методы подсчета шагов в графе не позволяют оценить реальную силу взаимодействия в сети из 100 миллионов контактов.
Для решения этой вычислительной задачи авторы исследования разработали математическую метрику, названную «скорректированным влиянием». Метод основан на линейном динамическом моделировании распространения сигналов по нейронной сети:
- Моделирование стимуляции. В выбранный нейрон-источник виртуально вводится постоянный непрерывный сигнал активации (значение принимается за единицу).
- Распределение весов. Сигнал передается на все последующие нейроны. При этом связь между пресинаптическим нейроном j и постсинаптическим нейроном i взвешивается. Вес связи wij равен числу синапсов между этими клетками, деленному на общее количество входящих синапсов принимающего нейрона i. Контакты, содержащие менее 5 синапсов, исключаются из анализа как статистически малозначимые.
- Расчет установившегося состояния. Алгоритм вычисляет вектор активации всей сети в установившемся состоянии, когда распространение сигнала стабилизируется.
- Коррекция затухания. Поскольку сигнал затухает экспоненциально по мере прохождения через синаптические переходы, исследователи применили логарифмическое преобразование полученных значений и добавили константу c=24, чтобы перевести результаты в область неотрицательных чисел.
Эта метрика позволила заранее рассчитать взаимное влияние для всех 20 миллиардов пар клеток в организме дрозофилы. Полученные коэффициенты отражают эффективную функциональную дистанцию между любыми нейронами системы, учитывая как прямые синаптические контакты, так и сложные многоступенчатые пути передачи импульса.
Автономия сегментов и локальные петли обратной связи
Детальный анализ рассчитанных коэффициентов влияния выявил фундаментальную закономерность: эффекторные нейроны живого организма управляются преимущественно локальными сигналами.
Под эффекторными нейронами понимаются клетки, непосредственно вызывающие изменения в состоянии организма: моторные нейроны мышц, эндокринные клетки и эфферентные нейроны, управляющие работой внутренних органов. Исследование показало, что моторные нейроны конкретного сегмента тела получают наиболее сильные сигналы от сенсорных рецепторов, расположенных в том же самом сегменте.
Например, двигательные нейроны глотки дрозофилы сильнее всего зависят от активности сенсорных рецепторов глотки. Движения глотки изменяют состояние рецепторов, которые, в свою очередь, немедленно корректируют активность двигательных нейронов. Таким образом, формируется замкнутая взаимная петля обратной связи, функционирующая на периферии. Аналогичные локальные контуры обратной связи были обнаружены практически во всех частях тела насекомого: в конечностях, крыльях, хоботке и органах репродуктивной системы.
Существуют и более длинные регуляторные контуры, связывающие разные органы, но они также остаются преимущественно локализованными в пределах определенных систем. Так, двигательные нейроны глотки получают сигналы от датчиков наполнения зоба и рецепторов на лапках. Это необходимо для поэтапной координации пищевого поведения: сигналы о наполнении пищеварительного тракта могут снижать интенсивность глотательных движений без привлечения когнитивных центров головного мозга.
Исследователи также проанализировали преэффекторные нейроны (клетки, находящиеся на один синаптический переход выше двигательных нейронов) и пре-преэффекторные нейроны. Выяснилось, что даже на этих уровнях воздействие остается узкоспециализированным и локальным. Сила влияния быстро снижается при переходе к соседним сегментам тела. Это доказывает, что координация движений и базовые поведенческие реакции осуществляются децентрализованно, непосредственно на уровне сегментарных нейронных сетей брюшной нервной цепочки, что исключает задержки, неизбежные при передаче сигналов через головной мозг.
Роль восходящих и нисходящих нейронов
Связующим звеном между локальными контурами тела и головным мозгом служат восходящие (AN) и нисходящие (DN) нейроны шейной коннективы. Ранее в нейробиологии предполагалось упрощенное разделение их функций: нисходящие нейроны рассматривались как каналы передачи двигательных команд от мозга к телу, а восходящие — как каналы передачи сенсорной информации от тела к мозгу.
Данные коннектома BANC опровергают эту жесткую схему. Оба класса нейронов имеют развитые синаптические выходы как в головном мозге, так и в брюшной нервной цепочке. Большинство индивидуальных нисходящих нейронов оказывает влияние на эффекторы, расположенные в самых разных частях тела. То же самое справедливо и для восходящих нейронов.
Примером такого многофункционального взаимодействия служат конкретные типы клеток:
- Нейрон DNpe013 имеет тело в головном мозге, но его отростки проецируются в брюшную нервную цепочку, где они одновременно влияют на моторные нейроны, управляющие движениями глаз, мышцами шеи и конечностей.
- Нейрон AN19B025 имеет тело в брюшном отделе, однако он передает сигналы вверх и одновременно координирует работу моторных нейронов антенн, шеи и крыльев.
Таким образом, нисходящие и восходящие пути служат не просто транзитными проводами, а активно участвуют в интеграции двигательных паттернов и координации работы соматических мышц и внутренних органов в разных сегментах тела.
Поведенческие суперкластеры и субсумптивная архитектура
Для классификации функций восходящих и нисходящих нейронов исследователи применили методы спектральной кластеризации. Нейроны были сгруппированы на основе сходства их синаптических связей. Полученные группы затем были объединены в более крупные суперкластеры, каждый из которых удалось сопоставить с конкретным типом поведения дрозофилы:
- Управление мощностью полета
- Руление в полете
- Управление направлением ходьбы
- Прямолинейная ходьба
- Гигиеническое поведение (чистка тела)
- Пищевое поведение (заглатывание пищи)
- Тактильное прощупывание субстрата (перед началом питания)
- Репродуктивное поведение
- Регуляция работы внутренних органов
- Реакция на угрозу (аварийный взлет)
Каждый суперкластер имеет специфический набор входов и выходов. Так, суперкластер реакции на угрозу получает информацию от зрительных нейронов, реагирующих на быстрое увеличение объектов в поле зрения, и от механических рецепторов давления. На выходе этот суперкластер активирует двигательные нейроны мышц ног и крыльев, необходимых для прыжка и полета, а также синаптически воздействует на эндокринные клетки, стимулируя выброс гормонов для быстрой мобилизации энергетических ресурсов организма.
Взаимодействие между этими суперкластерами организовано по принципу иерархического соподчинения, аналогичному субсумптивной архитектуре в робототехнике. В этой архитектуре полуавтономные поведенческие модули способны перехватывать управление друг у друга:
При обнаружении опасности сигналы от суперкластера угрозы активируют реакцию бегства и одновременно через тормозные интернейроны блокируют работу суперкластера ходьбы. Это позволяет мгновенно прервать текущую активность без предварительного анализа ситуации в когнитивных центрах. Взаимодействие между модулями происходит напрямую, через горизонтальные связи в брюшной нервной цепочке.
Функция головного мозга как супервизора
Если локальные двигательные контуры тела и поведенческие суперкластеры коннективы способны самостоятельно обеспечивать выполнение сложных движений, возникает вопрос о роли головного мозга. В частности, какова функция его ключевых ассоциативных и навигационных центров — грибовидных тел и центрального комплекса?
Чтобы ответить на этот вопрос, авторы исследования разделили всю центральную нервную систему дрозофилы на 13 дискретных сетей с помощью алгоритма спектральной кластеризации, максимизирующего плотность внутренних связей и минимизирующего число внешних контактов. Анализ этих сетей выявил важные особенности:
- Низкое прямое влияние. Сети, соответствующие центральному комплексу и обонятельной системе (включающей грибовидные тела), имеют крайне низкие показатели прямого влияния на эффекторные нейроны.
- Слабый входящий поток. Эти структуры получают относительно мало прямых сигналов от других двигательных и сенсорных сетей брюшного отдела.
- Ограниченное число выходов. Выходные нейроны центрального комплекса и грибовидных тел имеют синаптические контакты лишь с очень небольшой, строго определенной группой восходящих и нисходящих нейронов.
Эти топологические свойства указывают на то, что высшие отделы мозга выполняют исключительно супервизорную (контролирующую) функцию. Они не участвуют в непосредственном выборе и выполнении элементарных действий. Их задача — долгосрочное планирование и контекстуальная модуляция.
Высшие отделы мозга изменяют чувствительность локальных петель обратной связи, корректируя их уставки в зависимости от текущих целей организма и накопленного опыта. Например, выходные нейроны центрального комплекса непрерывно сопоставляют текущий курс движения дрозофилы с целевым направлением. В случае расхождения они посылают корректирующие импульсы на специфические нисходящие нейроны руления. Эти импульсы изменяют параметры работы локальных генераторов двигательных паттернов в брюшной цепочке, заставляя мышцы крыльев работать асимметрично. Головной мозг задает общие параметры поведения, тогда как детальная реализация движений полностью делегирована периферии.
Значение для разработки робототехнических систем
Данные, полученные при анализе коннектома BANC, имеют важное прикладное значение для проектирования робототехники и разработки систем управления искусственных агентов.
Традиционные архитектуры управления роботами строятся на принципах жесткой централизации. Центральный вычислительный блок должен непрерывно обрабатывать массивы сенсорных данных от всех датчиков, рассчитывать кинематику каждого привода и отправлять управляющие сигналы на исполнительные механизмы в режиме реального времени. Это требует колоссальных вычислительных мощностей и приводит к высоким затратам энергии, а также увеличивает время отклика системы на быстрые изменения внешней среды.
Природные системы предлагают альтернативное решение — распределенное воплощенное управление:
- Локальная адаптация. Большинство задач по удержанию равновесия, обходу мелких препятствий и поддержанию ритма движения переносится непосредственно на уровень мехатроники конечностей. Локальные контуры обратной связи реагируют на внешние возмущения мгновенно, без задержек на передачу данных в центральный процессор.
- Модульная иерархия. Сложные двигательные программы координируются полуавтономными поведенческими блоками, способными аппаратно подавлять или активировать друг друга в зависимости от приоритета задачи.
- Супервизорный контроль. Центральный процессор освобождается от рутинных вычислительных задач по управлению приводами. Его ресурсы расходуются исключительно на высокоуровневые задачи: навигацию, построение карты местности, обучение и планирование глобальной траектории движения.
Реализация подобных принципов на базе нейроморфных процессоров позволит создавать автономных роботов, обладающих высокой скоростью реакции, живучестью и низким энергопотреблением, сопоставимым с энергопотреблением живых организмов.
Источник: bioRxiv
0 комментариев
Добавить комментарий