[245] для физиологии» [47]. Это был бы чрезвычайно важный шаг, но работа исследователей над простыми нервными системами предполагает, что коннектомика, хотя и обеспечивает существенную анатомическую базу для понимания мозга, не сможет объяснить происходящее, если не будет сопровождаться как экспериментами, так и моделированием [48].
Если вы будете просто наблюдать за синаптической щелью между двумя нейронами, вы не узнаете, что происходит там – возбуждение или торможение.
Даже в простой цепи каждый нейрон связан со многими другими нейронами как химическими синапсами, так и щелевидными контактами (нексусами), которые непосредственно соединяют две клетки и пропускают электрические сигналы (по этой причине их также называют электрическими синапсами; они были впервые обнаружены как анатомические структуры в 1950-х годах, а их функция продемонстрирована в 1960-х годах) [49]. Кроме того, нейрон может выделять в синапс несколько различных типов нейромедиаторов.
Просто наблюдая за синаптической щелью между двумя нейронами, вы не узнаете, что происходит там – возбуждение или торможение – и сколько нейромедиаторов задействовано.
Из-за такого рода факторов даже очень простые системы могут быть невероятно сложны. Например, в стенке тела личинки есть клетки, которые реагируют, когда она растягивается, движется, образуя часть цепи, которая контролирует движение. Каждый из таких нейронов имеет восемнадцать входных и пятьдесят три выходных синапсов. Большинство, если не все, из этих синапсов может включать более одного нейромедиатора [50]. И все лишь для того, чтобы сообщить двигательным цепочкам мышц личинки – даже не ее мозгу, – что ее кожа растянулась. Исследователи недавно описали один тормозящий нейрон в области, называемой зрительным бугром мыши – он имеет 862 входных и 626 выходных синапсов [51]. Что именно делает клетка, неясно, кроме того, что она участвует во многих различных функциях. Сложность нервной системы – любой нервной системы – поразительна. Те же проблемы можно обнаружить даже в самых простых частях нашего мозга. В 2018 году Софи Скотт, нейробиолог из Университетского колледжа Лондона, которая интересуется тем, как в мозге обрабатываются звуки, в частности как звуки с аналогичной частотой представлены в соседних структурах (это называется тонотопией), в отчаянии опубликовала в «Твиттере» фотографию высокоуровневой электрической карты «зачатка» слуховой системы человека.
Исходный пункт для изучения коннектомов – обновленная версия нейронной доктрины Кахаля: нейроны являются отдельными единицами, которые демонстрируют однонаправленную передачу сигналов. Но ученые все охотнее признают, что этот процесс намного сложнее. Нервная система содержит звездообразные глиальные клетки, называемые астроцитами, или астроглиями, которые обвиваются вокруг синапсов. Эти клетки помогают поддерживать жизнь нейронов, но за последние два десятилетия стало ясно, что астроциты способны изменять активность нейронов, выпуская кальций или нейромедиаторы и изменяя активность мозга у мыши [52]. Значительная роль функционирования астроцитов в естественных ситуациях все еще остается предметом ожесточенных споров. Но недавние результаты свидетельствуют о том, что, у рыбки данио-рерио, по крайней мере, данные клетки выполняют вычислительную функцию. Астроциты регулируют работу нейронов путем накопления сенсорной информации и сигнализируют о неэффективности конкретного действия, а за счет изменения активности нейронов снижают вероятность воспроизведения этого действия в будущем [53]. Функции нервной системы, несомненно, более сложны, чем думал Кахаль [54].
Твит профессора Софи Скотт из Университетского колледжа Лондона (Сам текст твита: Провела сегодняшний день, читая о подкорковой обработке слуховой информации. Мне нравится эта сволочь. ОДИН НЕЙРОН от улитки. Все развивается бурными темпами: 8 разных типов клеток, 5 разных потоков обработки, все они сохраняют тонотопию. И это ТОЛЬКО НАЧАЛО. Как мы вообще что-то слышим!)
Более того, уже более двух десятилетий мы знаем, что нейронная активность иногда может распространять свое воздействие как вверх по путям, так и вниз. В 1997 году калифорнийские исследователи изучили простую сеть изолированных клеток гиппокампа и обнаружили, что угнетение активности в выходном синапсе клетки распространяется обратно вверх по нейрону и влияет сначала на входные синапсы, а затем и на всю сеть [55].
Хотя потенциалы действия обычно передаются только в одном направлении – вниз по аксону, – это не всегда так.
Клетки не являются электронными компонентами компьютера, и карта электрических связей не покажет, как они функционируют в сети.
Нейронная активность иногда может распространяться как вверх по путям, так и вниз.
Эти открытия привели некоторых исследователей к предположению, что нейронная доктрина не адекватна для понимания сложности мозга и что неизвестные коллективные свойства, возникающие в результате деятельности групп нейронов – интегративные эмердженты на научном жаргоне, – могут оказаться значительными. Группа ведущих нейробиологов сказала в 2005 году:
«Сложность человеческого мозга и, вероятно, других областей нервной системы проистекает из некоторых особенностей ее организации, которые используют перестановки десятков интегративных[246] переменных и тысяч или миллионов переменных коннективности и, возможно, интегративных эмерджентов[247], которые еще предстоит открыть. Ответы простираются далеко за пределы объяснения с помощью нейрона, действующего как единая функциональная единица» [56].
Десять лет спустя Рафаэль Юсте из Колумбийского университета также утверждал, что нейронная доктрина в настоящее время если не устарела, то по крайней мере дополнена. Многие зоны мозга, по-видимому, организованы по принципу сетей, к примеру, наборы тормозящих нейронов, которые, согласно Юсте, «часто связаны друг с другом щелевидными соединениями, как будто были придуманы для работы единым целым». И способность некоторых тормозящих нейронов передавать нейромедиаторы тканям, а не просто выпускать их в синапс, предполагает, что они «по-видимому, предназначены для распространения “покрова торможения” (blanket of inhibition) на возбуждающие клетки» [57]. Далее Юсте указал на отдельные примеры функций, возникающих в результате активности нейронной сети, которые не могут быть идентифицированы на уровне единичных клеток. Например, как было показано в отчете 2012 года об активности клеток в мозге мыши, перемещавшейся по виртуальному лабиринту [58]. Паттерн активации в сети может объяснить поведение мыши, но активность нейронов по отдельности – нет.
Хотя Юсте утверждал, что необходимо разработать теорию функционирования нейронных цепей, он, как и его предшественники, не знал, какими могут быть следующие шаги. Нейробиолог лишь настаивал на том, что простой регистрации данных, полученных из множества нейронных сетей, будет недостаточно – объяснение не возникнет как по волшебству. Вместо этого, вероятно, потребуется учитывать все уровни системы: от молекулярного, через активность отдельных клеток, до поведения всей цепи и поведенческой реакции для того, чтобы полностью понять исследуемый феномен [59]. Идея, возможно, верная, но мы еще мало знаем. Здесь нет вины Юсте – неспособность выйти за рамки общих принципов типична для современных представлений о работе мозга. У нас нет ни соответствующей теоретической базы, ни экспериментальных данных, которые могли бы указать на ответ. Мы еще не представляем, как сделать следующий шаг.
Одним из возможных исключений является работа Дьерджи Бузаки, пытавшегося применить идеи Хебба о клеточных ансамблях к современным данным, в частности с точки зрения флуктуирующих[248] взаимодействий между нейронными сетями во время мозговой активности [60]. Эта мысль привела его к аргументации гипотезы, которую он назвал «вывернутым наизнанку» взглядом на мозг. Мозг ученый рассматривает как систему для принятия решений, а не просто место сбора и обработки информации. Деятельность клеточных ансамблей должна рассматриваться с позиции результатов их деятельности и последствий этой деятельности для организма, а не просто создания представления-проекции внешнего мира.
Правда, несмотря на то, что концепция Бузаки может рассмтриваться как часть общего осознания того, что мозг не является пассивной структурой, она еще не получила широкого признания.
Все более популярными в области нейроисследований становятся сложные математические вычисления, которые позволяют уменьшить множество измерений, присутствующих в богатых наборах данных. Описывая информацию в терминах того, что на профессиональном языке называется «низкоразмерными аттракторными[249] многообразиями» (low-dimensional attractor-like manifolds), ученые утверждают, что могут выявить различные состояния в деятельности данной сети и видеть, как система переходит из одного состояния в другое, когда животное находится под влиянием стимула [61]. Такой популяционный подход к деятельности нейронных сетей одновременно является амбициозным и даже желанным, так как дает возможность описать деятельность нейроных сетей у многих животных, мозг которых состоит из невообразимо большого количества нервных клеток и связей между ними [62]. Однако исследования уводят нас далеко от компонентной нейронной активности, и подход в целом носит описательный характер. Ряд испытаний недавно показал, что такие методы могут привести к более функциональному пониманию. Основой обучения является пластичность отдельных синапсов. Если рассматривать их на уровне сложного поведения, управляемого мозгом, то функция пластичности может выражаться в возможности нейронной сети генерировать новые паттерны активности. Хотя активность отдельных нейронов может быть весьма изменчивой во времени, активность синхронно возбуждаемой сети может быть очень стабильной. Более того, кажется, что существуют четкие параллели между подобными исследованиями и тем, как мозг на самом деле производит и контролирует движение [63].