Швейцарские ученые объяснили, как клетки мозга соединяются в нейронные структуры

Исследователи из Швейцарской высшей технической школы в Цюрихе претендуют на частичное решение одной из главных проблем биологии. Они разработали общую модель аксонального наведения, в рамках которого клетки мозга связываются друг с другом в сложные нейронные структуры. Как рассказывается в статье для журнала PLOS Computational Biology, эта модель способна воссоздать рост коннектома мыши до возраста в 56 дней.

Мозг млекопитающего, включая человека — сложнейшая биологическая структура, состоящая из десятков миллиардов клеток (нейронов). Они своими отростками (аксонами) связываются в нейронные сети, благодаря которым мозг может запоминать, ощущать и мыслить. При этом каждый аксон по какому-то принципу выбирает, с каким нейроном соединиться. Это может быть нейрон поблизости, а может и нейрон на другом конце мозга.

Как именно аксоны это делают — до сих пор неизвестно. На локальном уровне прорастание аксонов описано неплохо: они тянутся к определенным молекулярным меткам, сначала к одним, потом к другим, третьим и так далее. Но что глобально заставляет аксон перебирать метки и прокладывать путь, порой немалый, среди массы других нейронов? Каким образом каждый аксон находит свой единственный целевой нейрон?

Проблему усложняет то, что образование нейронных связей начинается еще в утробе матери. Значит, этот процесс закодирован на генетическом уровне. Однако полная карта нейронных связей (коннектом) просто не сможет уместиться в ДНК. К примеру, информационная емкость мышиного генома в зародышевой клетке не превышает одного гигабайта, тогда как самый грубый и приблизительный коннектом мозга мыши требует 10 терабайт для хранения.

Швейцарские ученые предположили, что в генах закодирован не коннектом как таковой, а лишь алгоритм поиска пути аксонами. Причем это очень простой алгоритм, который вложен в сам процесс роста мозга, в процесс деления его клеток.

Когда клетки мозга делятся, выполнение их генетической программы время от времени меняется по определенному правилу. Так формируются различные области мозга, состоящие из групп родственных нейронов. Эти области иерархически вложены друг в друга, так что нейрон любого «семейства» получает определенное место в пространстве, зависящее от его предков. То есть мозг становится физическим воплощением генеалогического древа своих клеток.

Далее нейроны начинают тянуться аксонами к «двоюродным» родственникам примерно того же поколения. Чтобы найти «кузена» своего нейрона, аксон просто-напросто читает правило изменения генетической программы. Так аксон получает последовательность нейронов, рядом с которыми ему нужно пройти, чтобы найти нужного родственника. Причем физическое местонахождение каждого нейрона заранее известно — оно отражает его положение в генеалогическом древе клеток.

Аксон начинает расти в нужном направлении, пытаясь по молекулярным меткам найти нужный нейрон. Как только метки максимально сходятся, а дальнейшее движение уже не улучшает результата, аксон «понимает», что дошел до нужного нейрона, отбрасывает текущую метку, читает следующую из генетического правила и растет в новом направлении. Перебирая таким образом метки, аксон тянется от нейрона к нейрону. Когда встречает молекулярную метку, максимально похожую на метку его нейрона, это значит, что «кузен» найден и расти дальше не нужно. Аксон соединяется с этим нейроном контактами-синапсами.

Если выразиться еще проще, аксон прокладывает маршрут роста точно так же, как человек прокладывает путь к определенному адресу в городе. Но здания и районы в городе могут быть беспорядочно разбросаны, тогда как группы нейронов в мозге всегда выстроены по генеалогическому порядку. Значит, аксону даже не нужна карта, как человеку, — достаточно двигаться последовательно от точки к точке.

Исследователи смогли таким образом смоделировать развитие мозга мыши начиная с эмбрионального периода (возраст 11,5 дня) до детского возраста в 56 дней (по человеческой шкале это примерно шестилетний ребенок). При этом часть моделируемых нейронов связывалась с ближайшими соседями, а другая часть выращивала длинные аксоны, чтобы дотянуться до своих дальних родственников. Как и происходит в реальном мозге.

Ученые признают, что новая модель пока не может полностью описать развитие такого сложного мозга, как человеческий. Но они считают, что их работа неплохо объясняет, как вообще может сформироваться орган, состоящий из нейронных сетей и способный к обучению. Для появления сложнейшей живой структуры может быть достаточно набора простых правил.