Странная рыба демонстрирует, как мозг отделяет полезные сигналы от шума

Фото из открытых источников

Чтобы найти зарытую добычу, рыба, известная как нильский слоник, воспринимает крошечные электрические поля, одновременно посылая собственные импульсы. Карта мозга показывает, как нейроны отфильтровывают эти поля. Результаты исследования были опубликованы в журнале Nature.

В мутных африканских реках нильский слоник охотится, используя сенсоры в своей коже, которые улавливают слабые электрические поля зарытых в землю личинок насекомых. Несколько раз в секунду она также испускает собственный электрический импульс, который вызывает гораздо более сильную реакцию в тех же сенсорах, чем любая личинка.

Исследователи проследили структуру мозговой цепи, которая устраняет помехи, по одному соединению за раз, и эта сеть соединяет каждую быстро обучающуюся клетку с медленно обучающейся.

Именно такое сочетание позволяет рыбе постоянно заново обучаться распознавать свой сигнал в течение всего дня, не разрушая уже сформированные ею прогнозы.

Натаниэль Соутелл годами записывал данные с этой схемы в Институте Цукермана Колумбийского университета. Записи с одной ячейки не позволяют определить, к каким другим ячейкам она подключена. Кроме того, быстрые и медленные ячейки перемешиваются, а не сортируются по слоям.

Соутелл заявил, что точная закономерность проявилась только на уровне отдельных связей.

«Быстрые и медленные типы нейронов пространственно перемешаны — визуализируя их все вместе, мы увидели нечто, напоминающее запутанный клубок», — сказал он.

Каждый импульс длится менее половины миллисекунды. Рецепторы, которые на него реагируют, — это те же самые, которые улавливают добычу, поэтому каждый импульс маскирует сигнал, который ищет рыба. Это электрическая версия попытки подслушать, одновременно крича.

Исправление происходит в многослойной структуре заднего мозга, в электросенсорной доле. Вместе с сигналом от кожи эта доля получает копию команды, которая вызвала импульс. Затем она учится строить реакцию, противоположную той, которую предсказывает эта копия.

Если вычесть одно из другого, импульс взаимно компенсируется. Исследователи называют такие предсказания негативными изображениями.

Урок никогда не заканчивается. То, насколько хорошо вода проводит электричество, влияет на размер и форму каждого импульса, поэтому предсказание приходится перестраивать всякий раз, когда меняется состояние воды.

Подобные схемы нейронных связей существуют для мозга плодовой мухи и небольшого участка коры головного мозга человека. Команда из Гарварда в лаборатории Лихтмана разрезала фрагмент заднего мозга рыбы на 3534 среза. Сложенные вместе, эти срезы по толщине примерно равны листу бумаги.

Программное обеспечение от, первоначально обученное на тканях человека, отслеживало клетки в стопке. Затем люди отметили 29 694 соединения, где одна клетка передает сигнал следующей, на протяжении 5016 клеток.

Выходные клетки передают очищенный сигнал дальше. Клетки среднего ганглия (MG-клетки) остаются внутри доли и питают выходные клетки. Каждый тип существует в двух вариантах с противоположными реакциями: один ускоряется при повышении электрического поля, а другой замедляется.

Проводка практически никогда не приводит к их путанице. Клетка МГ одной версии соединяется с выходными клетками другой версии, а также с клетками МГ другой версии. Из 3527 синапсов от клеток МГ к выходным клеткам только один нарушил это правило.

Из 1322 синапсов, образованных клетками MG друг с другом, 10 нарушили правило парного соединения. Клетки, которые просто перекрываются в ткани, не могли бы выстроиться так точно.

Связь здесь изменяется двумя способами. Она ослабевает, когда входящий сигнал и собственная активность клетки приходят одновременно, и усиливается сама по себе в остальное время. Процесс ослабления происходит гораздо быстрее. В модели он выполняется примерно в восемь раз быстрее в выходных ячейках и примерно в 60 раз быстрее в ячейках MG.

Усиливается или ослабевает импульс, от этого зависит, какие клетки адаптируются первыми. Когда импульс у рыбы усиливается, клетки, нуждающиеся в ослабленных связях, быстро обучаются, в то время как их партнерам требуется гораздо больше времени. Когда импульс ослабевает, роли меняются местами. В любом случае, в каждой паре есть один быстро обучающийся и один медленно обучающийся.

Медленно обучающиеся помогают быстро обучающимся сохранять стабильность. Саломон Мюллер, научный сотрудник, работающий в лабораториях Эббота и Соутелла в Колумбийском университете, и один из ведущих авторов, описал этот компромисс.

«Более быстрые клетки могут быстро обучаться, но они более уязвимы к случайному, менее стабильному шуму», — сказал Мюллер. «Более медленные клетки помогают обеспечить стабильность, способствуя подавлению постоянно мешающих сигналов».

Клетки MG также связаны друг с другом, и модель рассматривает это как короткий путь: та, которая быстро обучается, передает свое наполовину сформированное предсказание медленной клетке.

Дикая рыба редко бывает одна, и другие нильские слоники посылают собственные импульсы. Чтобы имитировать это воздействие, модель добавила сигналы, похожие на электрические импульсы, в непредсказуемое время.

Постоянное обучение должно быть неустойчивым в условиях такого шума, поскольку схема будет обучаться ему вместе с сигналом. Команда запустила десятиминутный тест в модели, а затем провела запись с живых рыб в тех же условиях. В обоих случаях подавление шума сохранилось.

В данной модели выходные клетки формируют одну коррекцию на основе собственных входных данных и получают противоположную от своих партнеров из микрогипофиза. Эти две коррекции взаимно компенсируются. Поскольку обучение проходила только одна из двух клеток, шум приводил к тому, что выходные клетки начинали работать значительно медленнее, чем обычно.

Карта была получена от одной рыбы длиной около 9,3 см. Команда смогла увидеть все соединения в этом участке ткани, но никакой активности в нем не обнаружила. Скорость обучения и результаты анализа шума основаны на записях, полученных от живых рыб, и компьютерной модели, созданной для их сопоставления.

Один из типов клеток в этой доле никогда не был обнаружен у живых рыб, и модель рассматривает его как простой релейный механизм за неимением лучшего объяснения. Также не было непосредственно измерено, насколько сильно клетки MG подавляют друг друга.

Вопрос о том, используют ли другие животные аналогичное строение, остается открытым. Эта доля устроена во многом подобно мозжечку, структуре, которая синхронизирует и сглаживает движения, и оба типа клеток имеют там свои аналоги.

Соутелл отметил, что их работа с родственными системами млекопитающих выявила как сходства, так и различия.

«Сенсорные системы эволюционировали для решения тех же фундаментальных проблем, включая проблему, которую мы изучали, — различение внешних сенсорных сигналов от сигналов, генерируемых собственным поведением животного», — сказал он.

По его словам, вычислительные процессы различаются у разных видов и органов чувств, поэтому схемы, выполняющие одну и ту же общую задачу, должны отличаться.

Если обучить нейронную сеть чему-то новому, она, как правило, теряет свои прежние знания. Обучение на двух скоростях — это один из стандартных способов защиты, и, по словам Соутелла, эта стратегия уже широко распространена в машинном обучении. Новым, по его словам, является то, где и как мозг реализует эти знания и почему это помогает животному.

Соутелл поднял второй вопрос. Исследования обучения, как в головном мозге, так и в искусственных сетях, часто показывают изменение силы связей между нейронами, рассматриваемыми как идентичные. Эта схема, по его словам, работает как с различными типами клеток, так и с фиксированными связями между ними.

Верхний слой доли головного мозга не был проанализирован столь же подробно, а именно там находятся связи, сформировавшиеся в процессе обучения. Один из открытых вопросов заключается в том, отличается ли связь, сформировавшаяся в процессе обучения, от связи, которая не сформировалась.

«Более глубокое изучение этого огромного массива данных может выявить дополнительные биологические уловки, о которых инженеры еще не догадывались», — сказал Соутелл.

Обработка изображений завершена, и полученные данные публикуются, поэтому следующие ответы можно будет получить, используя те же снимки, а не информацию о новой рыбе.