Tworzeniem szczegółowych map połączeń między komórkami nerwowymi zajmuje się dziedzina neuronauki zwana konektomiką. Sieć neuronalnych połączeń nazywa się natomiast konektomem.

Michał Januszewski przypomina, jak wygląda struktura układu nerwowego: komórki nerwowe tworzą wypustki, które łączą się między sobą za pomocą tzw. synaps. Właśnie synapsy są kluczowe – to w nich następuje przekazywanie informacji między poszczególnymi neuronami. – Dobrą analogią, której czasem używamy, jest drzewo – neuron ma podobną strukturę. Wypustki rozgałęziają się na coraz mniejsze i sieć, którą tworzą, można porównać do koron drzew tworzących gęstą puszczę – wyjaśnia.

Zajmujący się tym naukowcy chcą poznać podstawową strukturę mózgu i dzięki temu zrozumieć jego działanie.

– W dziedzinie tej, podobnie jak w inżynierii, panuje przekonanie, że struktura określa funkcję. Jeśli więc zrozumiemy budowę jakiegoś elementu – w tym wypadku: tkanki nerwowej – będziemy w stanie zrozumieć, jak ona funkcjonuje. Dobrze znamy budowę mózgu, w tym ludzkiego, na wysokim poziomie – wiemy, za jakie funkcje odpowiadają wszystkie różne rejony. Jeśli jednak chodzi o konektomikę – czyli o to, co dzieje się na najniższym poziomie – jesteśmy dopiero na etapie badań podstawowych. Jeśli mówimy o mapowaniu całego mózgu, to dopiero niedawno udało się to zrobić w przypadku muszki owocowej. Największy fragment ludzkiego mózgu, w jakim wykonano mapę połączeń w rozdzielczości synaptycznej, ma objętość jednego milimetra sześciennego – zauważa.

Neurobiolodzy mają ambitne plany. – W perspektywie kolejnej dekady być może uda się poznać mózg myszy, a w ciągu kilku dekad – naczelnych. Do zastosowań konektomiki w neurologii czy psychiatrii będzie więc wiodła jeszcze długa droga. Ale żeby do tego doszło, potrzebne są takie właśnie badania – podkreśla ekspert.

Dr Januszewski przypomina, że sztuczne sieci neuronowe (czyli to, na czym opiera się sztuczna inteligencja) inspirowane są budową mózgu. – To na razie spekulacja, ale można sobie wyobrazić, że w pewnym momencie wnioski i obserwacje, które będziemy w stanie wyciągać z badań konektomicznych, doprowadzą na przykład do rozwoju nowych, bardziej efektywnych algorytmów. Pamiętajmy, że mimo ostatnich sukcesów SI nie da się jej porównać z tym, jak efektywnie uczy się człowiek – mówi.

Efekty badań na tak skomplikowanym poziomie zależą od możliwości technologicznych. – Ludzki mózg ma objętość ok. 1 litra, natomiast struktury, które nas interesują, mają rozmiar kilkudziesięciu nanometrów. Ponieważ są one tak małe, to historycznie istniała tylko jedna technika ich obrazowania: mikroskopia elektronowa. Daje ona bardzo duże powiększenia, ale ma duże ograniczenia – preparaty wymagają skomplikowanego przygotowania, technologia ta jest droga i trudna w zastosowaniu, a powstający obraz jest czarno-biały – opisuje naukowiec.

Znaczącego postępu może przynieść wykorzystanie mikroskopii świetlnej. – Prostota i niskie koszty tej technologii to oczywista kwestia. Dodanie koloru to podstawowa przewaga mikroskopii świetlnej – powoduje, że możemy uzyskać więcej informacji. Można np. specjalnie wybarwić synapsy, dzięki czemu stają się dużo lepiej widoczne. Korzystamy z tego właśnie w naszej pracy. Jednak typowy mikroskop świetlny, nawet zaawansowany, daje wielokrotnie mniejsze powiększenia niż elektronowy – tłumaczy.

– Z pomocą przychodzi nowa, pomysłowa metoda. Grupa Johanna Danzla z IST w Austrii, przy współpracy z Google, rozwinęła metodę LICONN (light microscopy-based connectomics). Wykorzystuje się w niej dwie techniki. Pierwsza to tzw. mikroskopia ekspansywna. Tkankę poddaje się działaniu specjalnych substancji, co powoduje, że wielokrotnie – nawet 16 razy w jednym wymiarze – zwiększa swoje rozmiary. To daje ogromną różnicę. Do tego stosuje się barwienie białek – podstawowych materiałów budulcowych każdej komórki. Dzięki temu możemy zobaczyć wiele z tego, co znajduje się w wybranym przez nas fragmencie tkanki. LICONN może stać się powszechnym narzędziem – mikroskopy świetlne to standardowe wyposażenie laboratoriów biologicznych. Nie mówimy oczywiście o mikroskopach, nazwijmy je, szkolnych. Jednak nawet zaawansowane mikroskopy świetlne są dużo mniej kosztowne i prostsze w obsłudze od elektronowych – mówi ekspert.

Kolejne potężne narzędzie to sztuczna inteligencja.

– Do czasu sprzed mniej więcej dekady obrazy uzyskiwane z mikroskopów neuronów analizowano głównie manualnie. Oglądali je eksperci i ręcznie zaznaczali obrysy i inne elementy komórek. W ten sposób można było analizować tylko naprawdę niewielkie fragmenty tkanek. Z czasem algorytmy sztucznej inteligencji zaczęły działać tak dobrze, że zaczęły tworzyć rekonstrukcje neuronów z czarno-białych obrazów, w tym identyfikować synapsy – tłumaczy.

Badacz i jego zespół także udoskonalają wykorzystanie SI w konektomice. W swojej grupie rozwinęli np. metodę, w ramach której SI rozpoznaje na obrazach pojedyncze neurony i wypełnia je odpowiednimi kolorami. – Przypomina to trochę kolorowanie obrazków przez dzieci w przedszkolu. Trzeba jasno powiedzieć, że sztuczna inteligencja zrewolucjonizowała konektomikę. Nadal jeszcze praca człowieka jest niezbędna, ale pełni on funkcje nadzorcze – kontroluje jakość. Mamy przy tym nadzieję, że SI będzie coraz doskonalsza i coraz bardziej samodzielna – mówi naukowiec.

Zaznacza przy tym, że konektom to dopiero jedna z warstw pełnego atlasu mózgu.

– Mapa mózgu pokazująca połączenia synaps to ogromne osiągnięcie, ale to nadal mapa niekompletna. Chcielibyśmy także mieć np. mapę chemiczną, pokazującą wykorzystywane przez komórki neuroprzekaźniki. Częściowo mogłaby powstać dzięki technologii LICONN. Kolejna sprawa to mapa aktywności komórek i synaps. Dążymy do tego, aby budować zintegrowane mapy, pokazujące mózg z różnych stron – łączące dane o konektomie, o chemii mózgu i o jego aktywności. Tego typu projekt wykonujemy już dla larwy małej rybki, danio pręgowanego. Wcześniej obserwowano mózg jej postaci larwalnej pod względem aktywności komórek, a teraz opracowujemy konektom. Mamy nadzieję, że na końcu tego projektu będziemy w stanie budować modele obliczeniowe, które pozwolą przewidywać nie tylko to, jak skonfigurowane są obwody neuronalne, ale i to, jak przetwarzają informacje i jak komunikują się ze sobą – mówi Michał Januszewski.

Nauka w Polsce, Marek Matacz

mat/ zan/ mhr/