про нейроны слышал у меня там связи
Распознать чужие эмоции и понять себя. Отрывок из книги Дэниела Гоулмана «Социальный интеллект. Новая наука о человеческих отношениях»
Одна супружеская пара в красках вспоминает свой первый поцелуй, важную веху в их отношениях. Они много лет были друзьями и однажды встретились поболтать за чаем. Обмениваясь мнениями за столом, оба согласились, что найти человека, который тебе по-настоящему подходит, очень трудно. Тут в разговоре повисла напряженная пауза — их взгляды встретились, и секунду-другую они задумчиво рассматривали друг друга.
Позже, уже выйдя из-за стола и прощаясь, они вновь посмотрели друг другу в глаза. И вдруг каждый из них почувствовал, будто какая-то мистическая сила заставляет их поцеловаться. Ни он, ни она не помнят, чтобы проявляли инициативу, но даже спустя много лет описывают ощущение, будто их подтолкнули навстречу друг другу.
Долгие взгляды могли быть необходимой прелюдией для поцелуя. Сегодняшняя нейронаука нашла некоторые подтверждения поэтическому выражению «глаза — зеркало души». Глаза действительно позволяют молниеносно считывать самые потаенные чувства. Точнее сказать, зрительная информация проецируется нейронами в орбитофронтальную зону префронтальной коры — область мозга, играющую ключевую роль в формировании эмпатии и в эмоциональной подстройке под собеседника. Взгляд «глаза в глаза» объединяет людей петлей обратной связи. Романтику таких моментов легко низвести до уровня нейробиологических механизмов: когда два человека смотрят друг другу в глаза, устанавливается связь между их орбитофронтальными зонами, особенно восприимчивыми к зрительному контакту и другим сигналам в общении лицом к лицу. Эти социальные нейронные пути играют важнейшую роль в распознавании чужих эмоций.
Как и при покупке жилья, в топографии мозга расположение говорит о многом. Орбитофронтальная кора (ОФК) находится над и немногим за глазницами (отсюда и название). Это стратегически важное место, на стыке самых верхних эмоциональных и самых нижних мыслительных областей мозга. Если представить себе мозг как сжатую в кулак руку, то извилины коры будут приблизительно соответствовать пальцам, подкорковые центры — нижней части ладони, а ОФК — месту соприкосновения ладони и кончиков пальцев.
Эта связь корковых и подкорковых областей головного мозга делает ОФК местом встречи высокого и низкого, эпицентром постижения социального мира вокруг нас. Совмещая наш внешний и внутренний опыт, ОФК совершает мгновенные социальные вычисления, позволяя нам понять, что мы чувствуем по отношению к собеседнику, что он чувствует по отношению к нам и как действовать в зависимости от его реакции. Взаимопонимание, тактичность и гладкость общения в значительной степени зависят от работы этой нейронной системы. Например, в ОФК есть нейроны, которые распознают эмоции по выражению лица или интонации и соотносят эту внешнюю информацию с внутренним опытом, в результате чего двое чувствуют, что их симпатия взаимна.
Эти нейронные сети отслеживают аффективную значимость — как много люди, вещи или события значат для нас с эмоциональной точки зрения. Когда матерям в эксперименте демонстрировали фотографии их новорожденных детей вперемежку со снимками незнакомых младенцев, фМРТ показывала, что зона ОФК у испытуемых реагирует только на фото их детей. И чем выше была активность ОФК, тем более сильное чувство любви и душевного тепла они испытывали.
Если рассуждать механистически, то выходит, что ОФК наделяет наше окружение своеобразной гедонистической ценностью, позволяя нам понять, что вот этот человек нам нравится, другого мы терпеть не можем, а третьего просто обожаем. Таким образом, эта область мозга отвечает на вопросы, от которых зависит, дойдет до поцелуя или нет.
Кроме того, ОФК оценивает эстетические свойства людей — например, запах, важнейший сигнал, вызывающий сильную симпатию или антипатию (эта биологическая реакция кормит парфюмеров испокон веков). Один мой приятель говорил, что может влюбиться в женщину, если только ему понравится вкус ее поцелуя.
Даже прежде, чем подобная информация доходит до сознания, прежде чем мы полностью понимаем, какие скрытые чувства зародились в нас, мы уже начинаем действовать по велению этих чувств. Вот почему поцелуй порой случается «сам собой».
Разумеется, в этом процессе задействованы и другие нейронные сети. Нейроны-осцилляторы приспосабливают частоту разрядки наших нейронов и координируют двигательную активность, когда мы имеем дело с движущимся объектом. В случае поцелуя эти клетки, вероятно, работают на полную, соразмеряя скорость и траекторию, чтобы вместо зубодробительного столкновения губы влюбленных мягко соприкоснулись. Даже при первом поцелуе.
Издательство «Corpus»
Скорость нижнего пути
Один знакомый профессор рассказывал мне, как выбирал ассистентку — единственного человека, с которым ему предстояло проводить на работе уйму времени: «Когда я зашел в приемную, где она ждала меня, мне сразу стало хорошо и спокойно. Я мгновенно почувствовал, что с ней мне будет легко. Конечно, я посмотрел ее резюме и все такое. Но на самом деле я сделал выбор, как только ее увидел. И ни минуты потом не жалел об этом».
Первое интуитивное впечатление от человека — это, по сути, намек на то, сможем ли мы с ним поладить или хотя бы ужиться по мере развития отношений. Но каким образом мы сортируем множество потенциальных друзей, коллег или супругов на тех, кто нас привлекает, и тех, кто оставляет равнодушным?
Похоже, мы почти всегда решаем это в считаные секунды при первой встрече. В рамках одного исследования университетские студенты в первый день занятий проводили 3–10 минут с каждым из будущих однокурсников. Сразу после этого им предлагали оценить новых знакомых по шкале от «мы будем только кивать друг другу при встрече» до «мы можем стать близкими друзьями». Девять недель спустя стало ясно, что отношения складывались примерно так, как подсказало первое впечатление.
В подобных мгновенных оценках ведущую роль играет особый класс нейронов. Речь идет о клетках мозга, по форме напоминающих веретено: у них большое тело-луковица, на полюсах плавно переходящее в два длинных отростка. Именно благодаря веретенообразным нейронам*, как полагают ученые, мы можем с такой скоростью интуитивно судить о людях. Эти нейроны привносят поспешность в поспешные суждения. Секрет их быстродействия кроется в строении: по объему они почти в четыре раза превышают другие клетки мозга, при этом из противоположных концов их удлиненного тела выходят протяженные, толстые у основания дендрит и аксон, которые обеспечивают межклеточную связь. Нейрон передает сигнал другой клетке тем быстрее, чем длиннее у него отростки. Соответственно, гигантские размеры веретенообразных нейронов обеспечивают максимальную скорость распространения нервных импульсов.
Эти клетки создают чрезвычайно крепкие связи между ОФК и передней поясной корой (ППК), высшей частью лимбической системы. ППК управляет вниманием и координирует мысли, эмоции и физиологические реакции на те или иные чувства. Этот важнейший узел связи представляет собой своеобразный нейронный командный центр. Отсюда отростки веретенообразных нейронов тянутся в самые разные участки мозга. При этом особые химические вещества, выделяемые аксонами, заставляют предположить, что веретенообразные нейроны играют главную роль в установлении социальных связей. Эти клетки богаты рецепторами серотонина, дофамина и вазопрессина — гормонов, играющих ключевую роль в формировании ощущения удовольствия, привязанности, любви, плохого и хорошего настроения.
Некоторые нейроанатомы считают, что именно веретенообразные нейроны выделяют нас среди прочих биологических видов. У людей примерно в 1000 раз больше этих нейронов, чем у человекообразных обезьян (у которых их несколько сотен), а у других млекопитающих, похоже, их нет вовсе. Есть мнение, что именно веретенообразные нейроны ответственны за лучшую социальную осведомленность одних людей (или видов приматов) по сравнению с другими. Нейровизуализационные исследования показывают, что у более чутких в межличностных отношениях людей — то есть адекватно оценивающих не только саму ситуацию, но и ее восприятие другими людьми, — ППК функционирует активнее.
Веретенообразные нейроны сконцентрированы в той части ОФК, которая принимает участие в наших эмоциональных реакциях на других людей, особенно в мгновенной эмпатии. Например, на снимках мозга видно, что эта зона активируется, когда мать слышит плач своего ребенка или когда мы ощущаем страдания своих близких. То же самое происходит в эмоционально насыщенные моменты вроде тех, когда мы смотрим на фотографию любимого, ощущаем влечение к кому-то или подозреваем, что нас обманывают.
Веретенообразных нейронов много и в другой части ОФК, которая играет не менее важную роль в нашей социальной жизни. Она отвечает за выражение нашего лица и распознавание чужих эмоций по лицу и активируется в минуты сильных переживаний. Эта область тесно связана с миндалиной, запускающей множество эмоциональных реакций, и частью мозга, где зарождаются первые эмоциональные суждения.
Похоже, именно эти потрясающие нейроны в ответе за высокую скорость нижнего пути. Например, мы уже знаем, нравится ли нам что-то, еще до того, как подберем для него нужное наименование. Возможно, работой веретенообразных нейронов объясняется способность нижнего пути выносить суждения типа «нравится — не нравится» за миллисекунды до того, как мы понимаем, что вообще перед нами. Но особенно важны такие мгновенные суждения, если они касаются людей. Можно сказать, что веретенообразные нейроны накрепко вплетены в нашу систему социальных ориентиров.
*Их еще называют нейронами фон Экономо (в честь австрийского психиатра и невролога Константина фон Экономо, который одним из первых обнаружил их в коре человеческого мозга и совместно с Георгом Коскинасом охарактеризовал).
Оформить предзаказ на книгу можно на сайте издательства Corpus
Blue brain project: связи и хаос
Арт Джексона Поллока «Jump in».
Автор
Редакторы
Как миллиарды нейронов мозга связаны между собой, а нервная активность формирует мысли? В конце 2015 года ученые приблизились к ответу на эти вопросы. В проекте Blue Brain была создана детальная реконструкция небольшого участка моторной коры — 31 тысяча нейронов, связанных друг с другом восьмью миллионами связей. Активность нейронной сети смоделировали на суперкомпьютере. Это позволило ученым проверить важнейшие принципы работы мозга многих млекопитающих, в том числе человека.
Один из подходов к изучению мозга — моделирование. Компьютерные модели в естественных науках используются там, где невозможно или очень трудно провести эксперимент — например в астрофизике, гидродинамике и молекулярной биологии. Математические модели позволяют ученым обобщать большой объем экспериментальных данных в емкие концепции, а также предсказывать новые свойства. В нейробиологии область, которая занимается моделированием мозга, называется вычислительной нейронаукой. Она описывает процессы, происходящие в нервной системе, с помощью математических моделей [1].
Человеческий мозг — одна из самых сложных систем, которые нам известны. В мозге взрослого человека содержится около 10 11 нейронов, которые связаны еще бόльшим количеством связей — примерно 10 11 –10 13 [6]. Многие эксперименты на мозге живого человека ученые не могут проводить по этическим причинам, поэтому они изучают мозг других млекопитающих как наиболее похожий на человеческий. Несмотря на то что человек относится к приматам, а мышь — к грызунам, многие свойства коры мозга у них очень схожи.
Чтобы смоделировать колонку, ученые записали активность 14 тысяч нейронов в срезах мозга и воссоздали около 8 миллионов связей между ними. На это ушло около 10 лет.
Реконструкция: лес дендритных деревьев
Небольшой фрагмент соматосенсорной (участвующей в движении) коры мозга мыши был выбран потому, что о его строении уже многое было известно. Изучением связей между отдельными клетками и целыми областями занимается раздел нейронауки под названием коннектомика [9]. Ученые считают, что информация, с помощью которой мозг может обучаться и адаптироваться к внешней среде, записывается в связях между отдельными нейронами — синапсах. Например, в синапсах соматосенсорной коры закодирована информация, необходимая животному для того, чтобы двигать конечностями и понимать, что они чувствуют.
Итак, с чего же начинали моделирование? Для того чтобы изучить, как нейроны отвечают на различные стимулы, активность отдельных клеток в срезе мозга записывали с помощью метода patch-clamp в ответ на электрическую стимуляцию. После этого в «записанные» нейроны добавляли специальную краску, чтобы увидеть устройство клетки. Затем данные о структуре нейрона и его ответы на электрические стимулы записывали в одну базу данных.
На следующем этапе структуру отдельных нейронов и их ответы на стимуляцию классифицировали по специальным алгоритмам. Это позволило понять, какие именно типы нейронов представлены в соматосенсорной коре. Кроме того, результаты классификации сравнили с другими известными данными, чтобы проверить работу таких алгоритмов.
В итоге ученые нашли 55 классов возбуждающих и тормозных нейронов, отличающихся характерной формой. Анализ разных типов клеток позволил моделировать искусственные нейроны, которые по форме и электрическим свойствам похожи на настоящие. Этот этап крайне важен в реконструкции. Поскольку современные методы не позволяют записать активность всех возможных клеток в мозге, важно уметь обобщать информацию об уже «измеренных» нейронах и предсказывать свойства тех, которые только могут быть измерены. Таким образом, 14 000 записанных нейронов позволили смоделировать 31 000 нейронов, из которых затем была построена колонка.
Реконструированные нейроны расставили в модели так, чтобы максимально достоверно сымитировать оригинал (рис. 1). Затем при помощи специального поискового алгоритма дендриты этих нейронов связали с аксонами соседних [10]. Это позволило решить крайне непростую задачу восстановления связей между отдельными клетками. Оказалось, что даже на участке коры размером всего 0,29 мм 3 содержится порядка 8 000 000 межнейронных связей, состоящих из 37 000 000 синапсов (каждая связь представлена несколькими синапсами).
Реконструкция позволила ученым детально проследить практически все возможные связи, которые формирует каждый нейрон в колонке. Но стоит отметить, что такая реконструкция позволяет описать связи только статистически. Иными словами, полученные связи — не единственно возможный вариант, а однин из наиболее вероятных.
Видео 1. Реконструкция связей нейронов в колонке. Фрагмент S1A — реконструкция формы нейронов, цветами показаны клетки различных слоев коры и характерные нейроны. Фрагмент S1B — «пролет» камеры через лес дендритных деревьев.
На видео 1 представлена общая картина таких связей. Каждый нейрон обладает большим количеством ответвлений, которые называются дендритными деревьями. Именно на веточках этих деревьев и формируются отдельные синапсы. Отростки нейронов образуют целый «лес», состоящий из дендритов и аксонов отдельных клеток. Хорошо видно, что даже небольшой участок коры обладает колоссальным числом связей, которые неоднородно распределены между клетками 55 типов.
Динамика: синхронизация и хаос в сети нейронов
Для того чтобы отдельные клетки могли автономно генерировать активность, нейроны в модели соединили в соответствии с реконструированными связями. Оказалось, что сеть, построенная подобным образом, способна генерировать синхронную активность, которая называется популяционными спайками. В случае такой активности все нервные клетки генерируют спайки (нервные импульсы) почти в одно и то же время (рис. 2). Если в сети достаточно возбуждения, почти все нейроны генерируют синхронный популяционный спайк. Затем сеть медленно восстанавливается перед генерацией следующего синхронного импульса. Такое автономное поведение сети характерно для эпилепсии: группа нейронов вынуждена генерировать синхронную активность, которую сложно остановить.
Рисунок 2. Популяционный спайк в модели колонки. а — Реконструированные нейроны в различных слоях коры. б — Популяционные спайки в сети нейронов. Каждая точка соответствует нервному импульсу, по вертикали отложены различные нейроны. в — Потенциал клеток разных типов. г — Распределение интервалов между импульсами во время активности.
При меньшей силе связей в сети возможен и другой вид активности — асинхронное состояние. В этом режиме нейроны могут генерировать импульсы в разное время, то есть вести себя асинхронно: возбуждение в сети сбалансировано с торможением. За счет возбуждающих связей сеть постоянно генерирует спайки, которые поддерживают активность, а тормозные связи не позволяют нейронам слишком сильно синхронизироваться, подавляя слишком активные клетки.
Рисунок 3. Асинхронное состояние в сети нейронов. а — Спайки возбуждающих (красные точки) и тормозных (синие точки) нейронов. Внизу — частота разрядов возбуждающих (красная линия) и тормозных (синяя линия) нейронов. б — Корреляция между спайками отдельных нейронов. в — Усредненная корреляция мембранного потенциала всех нейронов сети, а также усредненных возбуждающих (EPSP) и тормозных (IPSP) токов.
Такое состояние сети называется сбалансированным (англ. balanced state). Баланс между возбуждением и торможением поддерживается за счет постоянной активности возбуждающих и тормозных нейронов (рис. 3). При балансе активность нейронов на первый взгляд кажется не связанной: внешний наблюдатель увидит только случайные разряды отдельных клеток. Но на самом деле поведение сети тонко настроено таким образом, что каждая клетка получает сбалансированный «вход», состоящий из возбуждения и торможения. При внешней стимуляции коры, например при поглаживании связанного с корой участка кожи, активность сети нейронов может немного возрасти. При этом число спайков немного увеличится, но потом сеть довольно быстро вернется к начальному состоянию, в котором она готова обрабатывать новую информацию (видео 2). Иными словами, сбалансированное состояние сети очень устойчиво.
Видео 2. Состояние сети связанных колонок при стимуляции. Активность сети семи связанных колонок (
34 000 нейронов в каждой) при стимуляции нескольких клеток в центральной колонке (вид сверху).
Ключевое свойство асинхронного состояния заключается в том, что нейрон получает импульсы случайно, даже если в сети нет дополнительных источников шума. Такие системы известны в физике как детерминированный хаос.
В состоянии хаоса сеть нейронов чувствительна к начальным условиям, то есть состояние сети в каждый момент времени строго определяется ее предыдущим состоянием. Но стόит хоть немного изменить условия, например немного сместить время генерации спайка одной клетки, и сеть переходит в совершенно другое состояние уже через несколько мгновений [11]. В состоянии хаоса время отдельных спайков нейронов сети случайно, и в каждый следующий момент времени состояние сети уже не такое, как было до этого [12].
Стόит отметить, что сбалансированное состояние сети нейронов коры предсказывалось другими моделями ранее [13], [14]. В работах, посвященных более простым нейронным сетям, механизмы асинхронного состояния системы также объяснились балансом возбуждения и торможения. Таким образом, построенная в рамках Blue Brain подробная модель подтвердила один из известных принципов работы коры.
Анализ модели также показал, что в зависимости от силы возбуждения сеть может находиться либо в асинхронном состоянии (при небольшом возбуждении), либо в состоянии популяционных спайков. Сила возбуждения в сети среди прочего определяется концентрацией внеклеточного кальция, влияющего на выход нейромедиаторов в синапсах [15]. То, что модель учитывала этот параметр, помогло подтвердить ее достоверность большим количеством экспериментальных данных, учитывающих концентрацию кальция.
Чтобы определить эффективность модели для биологических вычислений, ученые сконструировали модель, воспроизводящую сигнал, который получают нейроны коры от таламуса. Похожую стимуляцию получает кора при надавливании двух тонких иголок, расположенных на определенном расстоянии друг от друга. В таком случае нейроны в центре колонки получают два сигнала, разнесенных на разное расстояние, а другие области коры должны определить расстояние между иголками только на основании активности (рис. 4). Оказалось, что нейроны пятого слоя коры могут лучше всего определить расстояние между иголками, если вся сеть находится в асинхронном режиме активности, близком к режиму генерации популяционных спайков.
Рисунок 4. Декодирование стимула в коре. а — Модель колонки и стимула. б — Спайки отдельных нейронов при стимуляции двумя иголками. в, г — Распределение времени до первого спайка и количество спайков с момента стимуляции. д, е — Способность определить расстояние между иголками на основании активности нейронов при различных концентрациях кальция, когда декодирование построено на времени задержки до первых спайков (д) и общем их количестве (е). ж — Усредненная способность нейронов пятого слоя определять характеристику стимула при различных концентрациях кальция.
Выводы
Несмотря на успех Blue Brain Project, теоретики нейронауки критикуют его за то, что ничего принципиально нового о работе мозга узнать не удалось [17]. Например, асинхронное состояние сети было предсказано задолго до начала работы над проектом. Кроме того, модель не подходит для проверки многих важных гипотез о механизмах работы коры из-за своей сложности. Интерпретация результатов такого моделирования крайне трудна даже для специалистов.
| Червь С. elegans (гермафродит / самец) | Плодовая мушка, медуллярная колонка | Мышь, IPL-сегмент сетчатки | Мозг плодовой мушки | Мышь, кортикальная колонка | Мозг мыши | Мозг человека | |
|---|---|---|---|---|---|---|---|
| Объем, мм 3 | 0,0003 | 0,0001 | 0,001 | 0,071 | 0,12 | 450 | 1400K |
| Воксельные размеры, XxYxZ, нм | 5×5×70 | 3,1×3,1×40 | 16×16×25 | ||||
| Воксельный объем, нм 3 | |||||||
| Количество вокселей, ×10 12 | 0,13 | 0,3 | 0,15 | 142 | 35 | 130K | 280M |
| Обнаруженные нейроны | 302 | 379 | 950 | ||||
| Описанные синапсы | 7283 | 8637 | — | ||||
| Время для воссоздания связей в мозге одной особи, годы | >10 | 10 | 10 | 4700 | 1200 | 4,5M | 14G |
При современном уровне развития технологий реконструкция большинства связей между нейронами даже в небольшом мозге мыши может занять несколько миллионов лет (табл. 1). Так что широкое применение этого метода для человека пока невозможно.
Тем не менее модель показала принципиальную возможность реконструкции больших частей нервной системы, таких как колонка коры, на уровне отдельных клеток. Дальнейшее развитие таких моделей и методов реконструкции поможет понять, что именно нужно знать для раскрытия принципов работы мозга.
Видео 3. Визуализация активности нейронов в микросети
Статья написана совместно с Алисой Иваницкой.