Биоинспирированная модель мозга повторила обучение животных и выявила скрытую активность нейронов

Учёные из Дартмутского колледжа, MIT и Университета штата Нью-Йорк в Стоуни-Брук создали вычислительную модель мозга, которая не только научилась простой задаче категоризации визуальных образов с той же эффективностью, что и лабораторные животные, но и помогла обнаружить ранее незамеченную активность группы нейронов. Модель, описанная в журнале Nature Communications, была построена «с нуля» на основе биологических и физиологических принципов работы мозга, без обучения на данных экспериментов с животными.

Исследователи поставили перед моделью ту же задачу, что и перед животными: анализировать узоры из точек и относить их к одной из двух категорий. Модель не только показала схожие поведенческие результаты и темпы обучения, но и продемонстрировала почти идентичную картину нейронной активности.

«Она просто создаёт новые симулированные графики мозговой активности, которые затем сравниваются с данными лабораторных животных. То, что они совпадают настолько поразительно, — это шокирует», — сказал профессор Дартмута и старший автор исследования Ричард Грейнджер.

Цель создания такой биомиметической модели — не только понять принципы работы мозга, но и изучить его отклонения при заболеваниях, а также найти способы коррекции этих нарушений. Соавтор работы Эрл К. Миллер из MIT отметил, что модель может стать платформой для более эффективного открытия и тестирования нейротерапевтических средств. Учёные уже основали компанию Neuroblox.ai для разработки биотехнологических приложений на основе этой модели.

Модель, созданная постдоком Анандом Патхаком, уникальна тем, что учитывает как микроуровень (связи между отдельными нейронами), так и макроархитектуру (влияние нейромодуляторов вроде ацетилхолина на обработку информации между регионами мозга).

«Мы не хотели потерять ни дерево, ни лес», — пояснил Патхак.

«Деревьями» в модели являются небольшие цепи нейронов («примитивы»), выполняющие базовые вычислительные функции. В масштабе всей модели задействованы четыре региона мозга, необходимых для обучения и памяти: кора, ствол мозга, стриатум и структура тонически активных нейронов (TAN), которая вносит «шум» в систему.

В процессе обучения модель выявила существование так называемых «неконгруэнтных» нейронов (около 20%), активность которых предсказывала ошибку. Изначально учёные приняли это за артефакт модели, но затем обнаружили аналогичные нейроны в реальных данных экспериментов с животными, где их активность ранее не замечали.

Эрл Миллер предположил, что эти контринтуитивные клетки могут играть полезную роль, позволяя мозгу иногда пробовать альтернативные действия, что важно при изменении правил задачи.

В настоящее время команда работает над усложнением модели, добавляя новые регионы мозга и нейромодуляторы, а также тестируя на ней воздействие различных препаратов.

ИИ: Это исследование — яркий пример того, как точные вычислительные модели могут не только имитировать биологические процессы, но и становиться инструментом для новых открытий в нейробиологии, указывая учёным на явления, которые они могли упустить в реальных экспериментах.