Меня часто занимал вопрос, сможем ли мы понять о чем мы думаем, если будем иметь доступ к активности каждого нейрона мозга в реальном времени. У человека такую задачу пока не решить, поскольку число нейронов очень велико, около 10^11. К тому же на данный момент не существует методов, которые бы могли это сделать.
Однако, можно попытаться решить такую задачу для более простых организмов, например, для нематоды C. elegans (https://ru.wikipedia.org/wiki/Caenorhabditis_elegans). Количество нейронов у этого животного небольшое, всего 302, однако они позволяют этому червю успешно путешествовать по грунту, находить еду, размножаться и вообще жить полноценной жизнью.
http://www.cell.com/abstract/S0092-8674(15)01196-4
В недавней статье коллектива из Вены было сделано именно такое исследование. Они записали активность почти всех нейронов (50%) у нематоды, которая могла двигаться в специальной камере. Двигалась она достаточно свободно, что позволяло ей ползти вперед и назад, поворачивать, тормозить и т. д. Активность мозга записывали в течение 18 минут, всего около 100 нейронов.
Что же показал анализ нервной активности и почему это может быть любопытно? Для того, чтобы это объяснить в двух словах, нужно немного рассказать о методе главных компонент (https://ru.wikipedia.org/wiki/Метод_главных_компонент). Суть его заключается в том, что он позволяет найти такую проекцию сигнала, которая лучше всего может объяснить как он изменялся со временем. Например, если записывать ваши перемещения в течение дня, а затем посмотреть на траекторию откуда-нибудь сбоку, будет сложно понять где вы были и как перемещались. Но если посмотреть на нее сверху вниз, как на карту, все станет гораздо понятней. Приложения типа Moves (https://www.moves-app.com/), как раз, этим занимаются. Проекция такого рода и есть метод главных компонент - построение сигнала (ваши перемещения, например) так, чтобы лучше всего объяснить как он изменялся. Поскольку все мы ходим по земле, наши перемещения в основном плоские, поэтому лучше всего их будет видно сверху, а не сбоку. Посмотрев сверху можно будет увидеть, что утром вы, к примеру, были дома, затем ходили на работу, потом виделись с друзьями и пришли вечером обратно домой. Таким образом, на карте, будет хорошо виден цикл ваших перемещений в течение дня.
Возвращаясь к нейронам, если следить за активностью отдельной клетки с помощью оптической регистрации, можно понять примерно когда нейрон генерирует импульсы, а когда молчит. Записав такую активность из сотни клеток, получится очень большое количество информации. В этом и состоит основная сложность - проанализировать такой многокомпонентный сигнал и соотнести его с поведением. Если записывать хотя бы из 100 нейронов, то размерность получается около 100 измерений, по числу записей. Обычно людям сложно представить что происходит в 100-мерном пространстве, поэтому такие задачи стараются свести к двумерным или трехмерным, где происходящее становится интуитивно понятней. Целью метода главных компонент является поиск такой проекции сигнала (с какой стороны смотреть), которая сможет лучше всего объяснить как он изменялся со временем.
Оказалось, что у C. elegans, активность всех записанных нейронов (около 30% всех нейронов) можно отобразить на 3 трехмерное пространство с точностью до 60%. Для этого был использован метод главных компонент, где анализировался сигнал от более чем сотни нейронов одновременно во время движения нематоды в течение 18 минут. Оказалось, что активность всех записанных клеток проходит по определенному циклу. В зависимости от типа движения, активность нематоды будет находится в различных областях этого цикла. Например, когда ей захотелось повернуть направо, или налево, поползти вперед или назад. Как выглядит такой цикл можно посмотреть на видео. Хочется предположить, что все мысли червя ходят по этому кругу активности, в ходе которого он решает что же ему делать на основании того, что он знает о мире вокруг. Более того, в этом пространстве существуют точки, где траектории сложно разделить. Именно в них червь может принимать решения, например, ползти ему направо или налево. Авторами было найдено, что все известные перемещения нематоды можно отобразить на такой цикл активности в трехмерном пространстве.
Вполне возможно, что выполнение моторных команд у других животных, например, во время ходьбы или речи у человека, может выполняться схожим образом. Дело в том, что все эти виды деятельности требуют точной координации мышц, и активности нейронов, которые ими управляют. Число нейронов у человека гораздо больше, поэтому найти, а уж тем более визуализировать такой глобальный цикл динамики будет очень непросто. Поэтому, скорее всего, в ближайшем будущем это можно будет сделать только для животных с небольшой нервной системой. Однако, есть надежда, что аналогии, полученные в ходе такой работы рано или поздно можно будет перенести на человека, первый шаг уже сделан.
#anat
Однако, можно попытаться решить такую задачу для более простых организмов, например, для нематоды C. elegans (https://ru.wikipedia.org/wiki/Caenorhabditis_elegans). Количество нейронов у этого животного небольшое, всего 302, однако они позволяют этому червю успешно путешествовать по грунту, находить еду, размножаться и вообще жить полноценной жизнью.
http://www.cell.com/abstract/S0092-8674(15)01196-4
В недавней статье коллектива из Вены было сделано именно такое исследование. Они записали активность почти всех нейронов (50%) у нематоды, которая могла двигаться в специальной камере. Двигалась она достаточно свободно, что позволяло ей ползти вперед и назад, поворачивать, тормозить и т. д. Активность мозга записывали в течение 18 минут, всего около 100 нейронов.
Что же показал анализ нервной активности и почему это может быть любопытно? Для того, чтобы это объяснить в двух словах, нужно немного рассказать о методе главных компонент (https://ru.wikipedia.org/wiki/Метод_главных_компонент). Суть его заключается в том, что он позволяет найти такую проекцию сигнала, которая лучше всего может объяснить как он изменялся со временем. Например, если записывать ваши перемещения в течение дня, а затем посмотреть на траекторию откуда-нибудь сбоку, будет сложно понять где вы были и как перемещались. Но если посмотреть на нее сверху вниз, как на карту, все станет гораздо понятней. Приложения типа Moves (https://www.moves-app.com/), как раз, этим занимаются. Проекция такого рода и есть метод главных компонент - построение сигнала (ваши перемещения, например) так, чтобы лучше всего объяснить как он изменялся. Поскольку все мы ходим по земле, наши перемещения в основном плоские, поэтому лучше всего их будет видно сверху, а не сбоку. Посмотрев сверху можно будет увидеть, что утром вы, к примеру, были дома, затем ходили на работу, потом виделись с друзьями и пришли вечером обратно домой. Таким образом, на карте, будет хорошо виден цикл ваших перемещений в течение дня.
Возвращаясь к нейронам, если следить за активностью отдельной клетки с помощью оптической регистрации, можно понять примерно когда нейрон генерирует импульсы, а когда молчит. Записав такую активность из сотни клеток, получится очень большое количество информации. В этом и состоит основная сложность - проанализировать такой многокомпонентный сигнал и соотнести его с поведением. Если записывать хотя бы из 100 нейронов, то размерность получается около 100 измерений, по числу записей. Обычно людям сложно представить что происходит в 100-мерном пространстве, поэтому такие задачи стараются свести к двумерным или трехмерным, где происходящее становится интуитивно понятней. Целью метода главных компонент является поиск такой проекции сигнала (с какой стороны смотреть), которая сможет лучше всего объяснить как он изменялся со временем.
Оказалось, что у C. elegans, активность всех записанных нейронов (около 30% всех нейронов) можно отобразить на 3 трехмерное пространство с точностью до 60%. Для этого был использован метод главных компонент, где анализировался сигнал от более чем сотни нейронов одновременно во время движения нематоды в течение 18 минут. Оказалось, что активность всех записанных клеток проходит по определенному циклу. В зависимости от типа движения, активность нематоды будет находится в различных областях этого цикла. Например, когда ей захотелось повернуть направо, или налево, поползти вперед или назад. Как выглядит такой цикл можно посмотреть на видео. Хочется предположить, что все мысли червя ходят по этому кругу активности, в ходе которого он решает что же ему делать на основании того, что он знает о мире вокруг. Более того, в этом пространстве существуют точки, где траектории сложно разделить. Именно в них червь может принимать решения, например, ползти ему направо или налево. Авторами было найдено, что все известные перемещения нематоды можно отобразить на такой цикл активности в трехмерном пространстве.
Вполне возможно, что выполнение моторных команд у других животных, например, во время ходьбы или речи у человека, может выполняться схожим образом. Дело в том, что все эти виды деятельности требуют точной координации мышц, и активности нейронов, которые ими управляют. Число нейронов у человека гораздо больше, поэтому найти, а уж тем более визуализировать такой глобальный цикл динамики будет очень непросто. Поэтому, скорее всего, в ближайшем будущем это можно будет сделать только для животных с небольшой нервной системой. Однако, есть надежда, что аналогии, полученные в ходе такой работы рано или поздно можно будет перенести на человека, первый шаг уже сделан.
#anat
I often wondered if we could understand what we were thinking if we had access to the activity of each brain neuron in real time. In humans, this problem has not yet been solved, since the number of neurons is very large, about 10 ^ 11. In addition, at the moment there are no methods that could do this.
However, you can try to solve this problem for simpler organisms, for example, for the nematode C. elegans (https://ru.wikipedia.org/wiki/Caenorhabditis_elegans). The number of neurons in this animal is small, only 302, but they allow this worm to successfully travel on the ground, find food, multiply and generally live a full life.
http://www.cell.com/abstract/S0092-8674(15)01196-4
In a recent team article from Vienna, just such a study was done. They recorded the activity of almost all neurons (50%) in a nematode that could move in a special chamber. She moved freely enough, which allowed her to crawl back and forth, turn, slow down, etc. Brain activity was recorded for 18 minutes, a total of about 100 neurons.
What did the analysis of nervous activity show, and why might it be interesting? In order to explain this in a nutshell, you need to talk a little about the main component method (https://ru.wikipedia.org/wiki/Main_component_Method). Its essence lies in the fact that it allows you to find a projection of the signal that can best explain how it changed over time. For example, if you record your movements during the day, and then look at the trajectory from somewhere in the side, it will be difficult to understand where you were and how you moved. But if you look at it from top to bottom, like on a map, everything will become much clearer. Applications like Moves (https://www.moves-app.com/), just do it. A projection of this kind is the main component method — building the signal (your movements, for example) in such a way as to best explain how it changed. Since we all walk on the ground, our movements are mostly flat, so it’s best to see them from above, not from the side. Looking from above it will be possible to see that in the morning you, for example, were at home, then went to work, then met with friends and came back home in the evening. Thus, on the map, the cycle of your movements throughout the day will be clearly visible.
Returning to neurons, if we monitor the activity of an individual cell using optical registration, we can understand approximately when the neuron generates impulses, and when it is silent. Having recorded such activity from hundreds of cells, a very large amount of information will be obtained. This is the main difficulty - to analyze such a multicomponent signal and correlate it with the behavior. If you record at least 100 neurons, then the dimension is about 100 measurements, according to the number of records. Usually it’s hard for people to imagine what is happening in 100-dimensional space, so they try to reduce such problems to two-dimensional or three-dimensional, where what is happening becomes more intuitive. The aim of the principal component method is to find a signal projection (which side to look at) that can best explain how it changed over time.
It turned out that in C. elegans, the activity of all recorded neurons (about 30% of all neurons) can be mapped onto 3 three-dimensional space with an accuracy of 60%. For this, the principal component method was used, where the signal from more than a hundred neurons was analyzed simultaneously during the movement of the nematode for 18 minutes. It turned out that the activity of all recorded cells goes through a certain cycle. Depending on the type of movement, the activity of the nematode will be in different areas of this cycle. For example, when she wanted to turn right or left, crawl forward or backward. How this cycle looks can be seen in the video. I would like to assume that all the thoughts of the worm go through this circle of activity, during which he decides what to do on the basis of what he knows about the world around him. Moreover, in this space there are points where the trajectories are difficult to separate. It is in them that the worm can make decisions, for example, crawl to it to the right or left. The authors found that all known nematode movements can be mapped onto such an activity cycle in three-dimensional space.
It is possible that the execution of motor commands in other animals, for example, while walking or speaking in humans, can be performed in a similar way. The fact is that all these types of activities require precise coordination of the muscles, and the activity of the neurons that control them. The number of neurons in humans is much larger, so finding, and even more so visualizing such a global dynamics cycle will be very difficult. Therefore, most likely, in the near future this can only be done for animals with a small nervous system. However, there is hope that the analogies obtained in the course of such work will sooner or later be transferred to the person, the first step has already been taken.
#anat
However, you can try to solve this problem for simpler organisms, for example, for the nematode C. elegans (https://ru.wikipedia.org/wiki/Caenorhabditis_elegans). The number of neurons in this animal is small, only 302, but they allow this worm to successfully travel on the ground, find food, multiply and generally live a full life.
http://www.cell.com/abstract/S0092-8674(15)01196-4
In a recent team article from Vienna, just such a study was done. They recorded the activity of almost all neurons (50%) in a nematode that could move in a special chamber. She moved freely enough, which allowed her to crawl back and forth, turn, slow down, etc. Brain activity was recorded for 18 minutes, a total of about 100 neurons.
What did the analysis of nervous activity show, and why might it be interesting? In order to explain this in a nutshell, you need to talk a little about the main component method (https://ru.wikipedia.org/wiki/Main_component_Method). Its essence lies in the fact that it allows you to find a projection of the signal that can best explain how it changed over time. For example, if you record your movements during the day, and then look at the trajectory from somewhere in the side, it will be difficult to understand where you were and how you moved. But if you look at it from top to bottom, like on a map, everything will become much clearer. Applications like Moves (https://www.moves-app.com/), just do it. A projection of this kind is the main component method — building the signal (your movements, for example) in such a way as to best explain how it changed. Since we all walk on the ground, our movements are mostly flat, so it’s best to see them from above, not from the side. Looking from above it will be possible to see that in the morning you, for example, were at home, then went to work, then met with friends and came back home in the evening. Thus, on the map, the cycle of your movements throughout the day will be clearly visible.
Returning to neurons, if we monitor the activity of an individual cell using optical registration, we can understand approximately when the neuron generates impulses, and when it is silent. Having recorded such activity from hundreds of cells, a very large amount of information will be obtained. This is the main difficulty - to analyze such a multicomponent signal and correlate it with the behavior. If you record at least 100 neurons, then the dimension is about 100 measurements, according to the number of records. Usually it’s hard for people to imagine what is happening in 100-dimensional space, so they try to reduce such problems to two-dimensional or three-dimensional, where what is happening becomes more intuitive. The aim of the principal component method is to find a signal projection (which side to look at) that can best explain how it changed over time.
It turned out that in C. elegans, the activity of all recorded neurons (about 30% of all neurons) can be mapped onto 3 three-dimensional space with an accuracy of 60%. For this, the principal component method was used, where the signal from more than a hundred neurons was analyzed simultaneously during the movement of the nematode for 18 minutes. It turned out that the activity of all recorded cells goes through a certain cycle. Depending on the type of movement, the activity of the nematode will be in different areas of this cycle. For example, when she wanted to turn right or left, crawl forward or backward. How this cycle looks can be seen in the video. I would like to assume that all the thoughts of the worm go through this circle of activity, during which he decides what to do on the basis of what he knows about the world around him. Moreover, in this space there are points where the trajectories are difficult to separate. It is in them that the worm can make decisions, for example, crawl to it to the right or left. The authors found that all known nematode movements can be mapped onto such an activity cycle in three-dimensional space.
It is possible that the execution of motor commands in other animals, for example, while walking or speaking in humans, can be performed in a similar way. The fact is that all these types of activities require precise coordination of the muscles, and the activity of the neurons that control them. The number of neurons in humans is much larger, so finding, and even more so visualizing such a global dynamics cycle will be very difficult. Therefore, most likely, in the near future this can only be done for animals with a small nervous system. However, there is hope that the analogies obtained in the course of such work will sooner or later be transferred to the person, the first step has already been taken.
#anat
У записи 21 лайков,
3 репостов.
3 репостов.
Эту запись оставил(а) на своей стене Анатолий Бучин
