Аниматы: от нейробиологии до робототехники
И.В.Мухина, А.С.Пимашкин, В.Б.Казанцев
Для исследования механизмов работы мозга на нейронном уровне используются различные экспериментальные модели. Одна из них предполагает создание адаптивных нейрогибридных систем на основе живых клеток. Такие системы должны помочь и в понимании когнитивных (познавательных) функций мозга, и в решении прикладных задач. В биомедицинских технологиях их можно будет применять для изучения механизмов нейропатоло-гий и тестирования новых лекарственных препаратов, воздействующих на мозг. А в информационных технологиях и робототехнике они в перспективе должны по эффективности превзойти традиционные системы управления и обработки данных, поскольку базируются на механизмах пластичности и обучения сетей живых нейронов.
Подход к проблеме
Клетки мозга способны осуществлять очень широкий круг преобразований входных сигналов — в зависимости как от собственного состояния, так и от характеристик стимула. Эти сигналы распространяются по нейронной сети, вызывая поочередную активацию распределенных клеточных структур, которые отвечают паттернами биоэлектрической активности.
© Мухина И.В., Пимашкин А.С.,
Казанцев В.Б., 2015
Ирина Васильевна Мухина, доктор биологических наук, заведующая кафедрой нормальной физиологии им.Н.Ю.Беленкова и Центральной научно-исследовательской лабораторией Нижегородской государственной медицинской академии (НижГМА), руководитель Центра развития биотехнологий Нижегородского государственного университета (ННГУ) им.Н.ИЛобачев-ского. Специалист в области клеточных нейротехнологий и электрофизиологии.
Алексей Сергеевич Пимашкин, кандидат физико-математических наук, старший научный сотрудник Нейронаучного центра ННГУ. Занимается обработкой и кодированием информации в нейронных сетях мозга.
Виктор Борисович Казанцев, доктор физико-математических наук, профессор, проректор по научной работе ННГУ, заведующий кафедрой нейродинамикии и нейробиологии. Область научных интересов включает математическое моделирование нейросистем, развитие технологий нейроинтерфейсов и нейроуправления.
Для их исследования принципиально важна возможность одновременного снятия сигналов с миллионов различных нейронов, что в настоящее время неосуществимо. Мультиэлектродная регистрация доступна для локальных сетей, включающих не более сотен нейронов, для которых были получены экспериментальные под-
■
Нейронная сеть первичной культуры гиппокампа эмбрионов мышей на 14-й день развития in vitro. Изображения получены с помощью широкопольной световой микроскопии нейронной сети (а, в центре видны два пирамидных нейрона с отростками) и конфокальной лазерной микроскопии (б, в, г): нейронная и глиальная сеть культуры гиппокампа (б, флуоресценция кальций-чувствительного красителя Oregon Green BAPTA1 AM зеленого цвета, маркирующего свободный кальций в нейронах, и сульфородамина 101 красного цвета, маркирующего астроциты, совместное окрашивание в желтый цвет показывает активные астроциты; фото Ю.Н.Захарова); нейронная сеть (в, флуоресценция белка МАР2 микротрубочек в нейронах, фото Е.В.Митрошиной); нейронная и глиальная сеть (г, флуоресценция белка МАР2 микротрубочек — зеленый цвет — в нейронах и внутриклеточного белка GFAP — красный цвет — в астроцитах, фото Е.В.Митрошиной). Масштаб — 20 мкм.
тверждения того, что там существуют спонтанно повторяющиеся последовательности импульсов (спайков). Последовательности разрядов активных нейронов имеют различные пространственные рисунки, следующие друг за другом в определенном порядке. Эти паттерны представляют собой сигналы коллективной активности, характеризующиеся наличием как временных, так и пространственных корреляций. По сети проходит импульс возбуждения, вызывая поочередную синхронную активацию групп нейронов и формируя таким образом самовоспроизводящийся пространственно-временной паттерн. Механизмы его генерации, а также методы детектирования и анализа в последние годы интенсивно исследуют ученые многих стран, в том числе и России.
Использование культур диссоциированных клеток мозга для искусственного формирования нейронных сетей с целью изучения клеточных и сетевых механизмов, лежащих в основе процессов обработки информации нейронными системами, — одно из наиболее динамично развивающихся направлений современной нейронауки. Многообещающи, в частности, его приложения в области создания неклассических вычислительных систем [1].
Разработанные в 1970-х годах методы культивирования нейронов в дальнейшем постоянно совершенствовались, будучи востребованными при исследовании информационных функций, в частности обучения, памяти, адаптивного управления. Динамика развития спонтанной и вызванной электрофизиологической активности в культуре диссоциированных клеток — один из ключевых вопросов для понимания, как же формируются ней-
ронные сети, каково их значение в пластичности и адаптации мозга к когнитивным нагрузкам.
Для регистрации данной активности клеточной сети и передачи паттерна электрической стимуляции, соответствующей тому сигналу, что поступает от сенсоров из окружающей среды, используется микроэлектродная матричная система. Матрица с большим количеством электродов (от 60 до 4096/мм2 и более) позволяет детальней представить этот процесс. Каждый отдельный электрод детектирует композитный сигнал, индуцированный одной или несколькими клетками. Наиболее важные аспекты здесь — выделение информационной составляющей сигнала и статистический анализ полученных данных активности. В этом плане еще остается немало вопросов. Например, проблема идентификации вызванных сигналов в сети пока решена не полностью ввиду того, что сложный сетевой ответ (вызванный паттерн активности) на стимул формируется на фоне различных базовых уровней спонтанной активности в сети. Обычно сигналы преобразуются в бинарные последовательности спайков на основе порогового метода детекции и сортируются по форме спайков с помощью вейвлет-преобразова-ния. Кроме того, спайки, детектируемые от различных клеток, могут иметь разную значимость для корреляционной картины сетевой динамики.
Клетки мозга, культивируемые на мультиэлект-родных матрицах, используются в качестве биологической модели мозга in vitro. Ее электрическая активность может участвовать в формировании управляющего сигнала, который поступает на электромеханическое устройство, именуемое аниматом (мы расскажем о нем чуть ниже).
Исследования в области создания адаптивных нейрокогни-тивных систем, в частности ней-роаниматов, управляемых обучающимися культурами живых клеток мозга, проводятся в настоящее время в ведущих зарубежных научно-технологических центрах: в Институте технологий Джорджии, Массачусетском институте технологий (США), Институте мозга РИКЕН (Япония), Итальянском институте технологий, Израильском институте технологий в Хайфе, Научном центре Фрайбурга (Германия) и др. (аналогичные структуры сейчас создаются в Великобритании и Китае). В России изучение функциональной организации живых нейронных сетей и сопряжения живых клеток с электронными устройствами в целях раскрытия механизмов обработки информации, обучения и памяти началось в 2007 г. в Нейронаучном центре, объединяющем Нижегородскую государственную медицинскую академию, Нижегородский государственный университет и Институт прикладной физики РАН. С 2012 г. «аниматный проект» стартовал и в НИЦ «Курчатовский институт».
Первые шаги
Термин «анимат» (англ. animal + automat) обозначает робота с поведением животного [2]. Основной идеей при создании гибридных систем, в которых роботом управляют живые нейронные сети, было то, что обучающаяся in vitro сеть должна взаимодействовать с внешней средой. Первый нейроанимат — творение итальянских исследователей под руководством профессора Ф.А.Мусса-Ивальди — представлял собой механическое «тело», снабженное «органом чувств — глазами» — светочувствительными датчиками (фотодиодами) [3]. Для управления роботом использовались сигналы, регистрируемые с нейронов срезов мозга морской миноги. При активации фотодиодов робота на нервные клетки подавалась последовательность стимулов. Биоэлектрические импульсы, регистрируемые на других клетках, использовались для управления моторами робота.
Паттерн нейронной сетевой активности. Фрактальная структура сложной спонтанной активности нейронной сети диссоциированных клеток гиппокампа мышей на 25-й день развития in vitro (суперпачка). На картинках верхняя диаграмма показывает число импульсов в сети за каждый временной пятимиллисекунд-ный интервал, нижняя — растр (распределениев зависимости от времени) импульсов для каждого регистрируемого электрода матрицы. Пример последовательности сложных суперпачек спонтанной нейросетевой активности (а). Размер ячейки соответствует 100 с. Суперпачка, предшествующая основной суперпачке (б). Основная суперпачка с последующими малыми суперпачками (в). Малые суперпачки (г). Малые сетевые пачки (д).
Практически в то же время американец С.М.Поттер с коллегами выдвинули идею подключить к анимату культуру нейронов коры головного мозга мыши, выращенных на мультиэлектрод-ной матрице [4, 5]. Поттер предложил рассматривать нейронную сеть как вычислительную систему с входом (паттерном стимуляции) и выходом (паттерном активности), которым можно «назначить» соответствие с определенной поведенческой функцией. Движением виртуального животного руководил так называемый вектор активности сети, представлявший собой суммированную активность на каждом из 60 регистрирующих электродов в течение 200 мс. Эти векторы классифи-
цировались с помощью специального алгоритма, а каждому их виду «назначалось» движение робота в определенную сторону — вперед, назад, вправо, влево. В зависимости от номера сенсорного входа сеть стимулировали через один из пяти электродов. Таким образом, клетки культуры мозга получали сигнал из внешней среды через один из электродов (сенсорный вход), локализация которого зависела от текущего состояния виртуального животного. После такого воздействия регистрировалась ответная активность сети, диктующая следующий двигательный акт.
Для дальнейшего прочтения статьи необходимо приобрести полный текст. Статьи высылаются в формате PDF на указанную при оплате почту. Время доставки составляет менее 10 минут. Стоимость одной статьи — 150 рублей.