Увеличение числа нейронов может вывести мозг за пределы ожидаемых возможностей

Фото из открытых источников

Новое исследование на мышах предполагает, что в мозге, возможно, нет фиксированного предела объема информации, поскольку добавление новых нейронов постоянно повышает точность обработки информации. Результаты исследования были опубликованы в журнале Science Advances.

Отдельная клетка мозга ненадежна, поэтому мозг распределяет каждую задачу между множеством клеток, позволяя их ошибкам усредниться. Долгое время считалось, что у этого приема есть предел, поскольку активность клеток мозга часто повышается и понижается одновременно. Новое исследование на мышах предполагает, что этого предела нет.

Ошибки, движущиеся вместе, не компенсируют друг друга, поэтому каждая добавленная ячейка приносит меньший выигрыш. Но, согласно последним данным, выигрыш никогда не прекращается. В принципе, большая популяция зрительных клеток способна и дальше различать более тонкие различия.

С. Амин Моосави из Департамента нейробиологии Калифорнийского университета в Лос-Анджелесе, Сай Сумедх Р. Хиндупур из Инженерной школы и школы прикладных наук Гарвардского университета и Хидеаки Шимазаки из Высшей школы информатики Киотского университета выполнили эту работу. Они не зафиксировали никакой новой активности мозга. Вместо этого они вернулись к общедоступным записям, полученным от пяти мышей, и самые большие группы в их результатах представляют собой прогнозы, построенные на основе этих записей, а не измерения.

«Перед нами встаёт фундаментальный вопрос: почему в мозге так много нейронов, если общие колебания накладывают ограничение на объём информации?» — сказал Моосави.

Когда мышь снова и снова смотрит на одно и то же изображение, каждая клетка в её зрительном мозге каждый раз реагирует немного по-разному. Если бы каждая клетка совершала независимые ошибки, то добавление новых клеток мозга компенсировало бы их, и вся группа в целом становилась бы всё точнее.

Но клетки имеют некоторые общие особенности. Многие из них часто генерируют немного больше или немного меньше импульсов в один и тот же момент. Эта общая часть может перекрываться с изменениями, которые вызовет новое изображение, и добавление ячеек, несущих тот же сдвиг, приносит меньше пользы.

В нескольких более ранних исследованиях больших групп клеток сообщалось, что информативность стабилизировалась по мере увеличения количества включенных клеток. Команда Мусави задалась вопросом, выдержит ли этот потолок проверку, если учесть весь спектр общего шума.

Эти записи были получены в ходе исследования 2021 года, в котором бодрствующие мыши, с неподвижно зафиксированными головами, рассматривали полосатые узоры на экране.

Каждый рисунок отображался в течение трех четвертей секунды, после чего его сменял серый экран. Полосы были наклонены на угол от 43 до 47 градусов, и мыши видели примерно 1000 повторений на каждый градус наклона.

Микроскоп, отслеживающий свечение активных клеток, одновременно наблюдал примерно за 18 000–21 000 клетками в основной зрительной области каждой мыши. Это примерно столько же людей, сколько вмещает баскетбольная арена.

Команда Моосави разделила эксперименты на две группы: одна группа подвергалась наклону до 45 градусов, а другая — более сильному. Затем они задались вопросом, насколько четко все клетки, считанные одновременно, могут отличить одну группу от другой.

Чтобы увидеть, как это меняется в зависимости от размера, они случайным образом выделили группы клеток, по 200 клеток каждого размера. В каждой группе они разделили общий шум на отдельные паттерны, от самого сильного до самого слабого.

При любом размере группы были выявлены две закономерности. Интенсивность шумовых паттернов подчинялась одному и тому же математическому правилу независимо от размера группы.

То же самое касалось и того, как каждый паттерн перекрывался с сигналом, то есть изменения активности, вызванного самим наклоном. Поскольку оба правила оставались неизменными по мере роста групп, команда могла использовать их для прогнозирования того, что произойдет в популяциях, численность которых превышала зарегистрированную.

Наиболее интенсивные шумовые паттерны наиболее точно совпадали с сигналом, что является ситуацией, наиболее вероятно ограничивающей передачу информации.

Но сигнал также распространялся на множество более слабых участков, где уровень шума невелик. И вдоль этих более слабых участков информация продолжала расти по мере добавления клеток.

Исходя из этих двух правил, исследователи рассчитали критическую точку, определяющую, насколько плотно должны совпадать шум и сигнал, прежде чем уровень информации стабилизируется.

У всех пяти мышей расчетное значение оказалось на той стороне, где оно продолжает расти. Это подтвердилось и после того, как исследователи скорректировали результаты с учетом статистических погрешностей, возникающих из-за ограниченного числа испытаний.

«В течение трех десятилетий широко считалось, что общие нейронные флуктуации приведут к насыщению информации», — сказал Шимазаки. «Наши результаты показывают, что это не неизбежно».

В исследовании 2020 года, в котором сообщалось о стабилизации уровня информации, использовался метод, сужающий область поиска до меньшего набора закономерностей, отбрасывая менее заметные из них.

Команда Моосави применила тот же метод к смоделированным клеткам, в которых объем информации постоянно растет. Метод по-прежнему показывал ограничение по объему.

В исследовании 2021 года, на основе которого были сделаны записи, также был установлен предельный уровень, и для распространения результатов за пределы зарегистрированных клеток использовалась простая формула.

Новый анализ показывает, что эти пределы были осторожными оценками, которые и предвидели авторы первоначальной работы.

Команда Моосави также показала, что кривая, которая выравнивается, может хорошо соответствовать ограниченному набору данных, не доказывая при этом существование реального потолка.

Исследователи также доказали, как должен выглядеть истинный предел для групп, сформированных из одной фиксированной популяции клеток.

Для этого потребовался бы общий шум, имитирующий сам сигнал – колебания, которые выглядят точно так же, как изменение изображения. Никакое количество дополнительных ячеек не смогло бы это усреднить.

Все эти данные получены от мышей, головы которых неподвижно удерживали, пока они пассивно смотрели на полосы.

Известно, что в небольших группах клеток внимание, бег и изменения состояния мозга изменяют общий шум таким образом, что это приносит пользу.

Авторы написали, что не могут исключить возможность того, что небольшие изменения в более слабых шумовых паттернах могут оказать значительное влияние на то, насколько хорошо большие популяции кодируют изображение.

Этот вопрос остается открытым, когда речь идет о десятках тысяч клеток.

Теория также не учитывает два реальных ограничения. Одно из них — это то, сколько деталей глаз передает в мозг. Другое — это количество клеток, фактически содержащихся в зрительной коре.

Вопрос о том, действуют ли эти два правила в других частях мозга или у других животных, до сих пор не решен.

Следующим шагом, как пишут авторы, к пониманию того, сколько информации могут нести клетки любого мозга, является измерение этих показателей в разных областях мозга и у разных видов животных.