뇌 모델링의 열쇠 :올바른 세부 사항을 무시하십시오

2013 년 5 월, 수학자 Carina Curto는 버지니아 주 알링턴에서“뇌 구조와 기능의 물리적 및 수학적 원리” - 본질적으로 뇌에 대한 브레인 스토밍 세션에 관한 워크숍에 참석했습니다. 한 달 전, 오바마 대통령은 뇌 이니셔티브 (혁신적인 신경 기술을 발전함으로써 뇌 연구)를 발표하면서 과학계에“웅대 한 도전”중 하나를 발행하여 위층의 3 파운드 조직을 이해하는 데 오랜 혁명을 일으켰습니다. 워크숍 전에, 백 명 정도의 참석자들은 각각 뇌 과학의 발전에 가장 중요한 장애물이라고 느꼈던 것에 대한 질문을 다루는 백서에 기여했습니다. 답변은 영역을 실행했습니다. 일부는 뇌의“완전한 복잡성”을 인용하면서 더 일반적으로 조사되었으며, 다른 일부는 실험 기술에 대한 세부 사항을 탐구했습니다.

Pennsylvania State University의 부교수 인 Curto는 수학 및 이론 기술에 대한 개요를 제공하여 다른 접근 방식을 취했습니다.

예를 들어 Blue Brain Project와 Human Brain Project와 같은 유럽의 추세는 인간 뇌의 디지털 재건 및 시뮬레이션을 만들기 위해 슈퍼 컴퓨터에 복잡한 모델을 실행하는 것입니다. Curto는 그러한 기업의 가치를보고 있지만, 그녀는이 모델들이 종종 추악하고 번거롭고 이해하기 어렵고 다음을 구축하기가 문제가 있다고 주장합니다.

현재 Curto는 Combinatorial Threshold-Linear Networks Model이라는 아름다운 모델로 작업하고 있으며, 그녀는 Brain Initiative Grant의 자금을 지원하면서 북부 콜로라도 대학의 Katherine Morrison과 공동 작업을 진행하고 있습니다. 조합, 선형 대수, 미분 방정식 및 동적 시스템을 통합 한이 모델은 뇌 내 정확한 연결이 신경 활동의 출현 역학을 어떻게 형성하는지에 대한 연구를 촉진합니다.

연결성-동적학적 상호 작용은 여전히 ​​최근까지 데이터와 기술이 부족하기 때문에 여전히 이해가 잘되지 않습니다. 그 전면에서 뇌 이니셔티브는 두 가지 시정 조치를 지원했습니다. 하나는 수천 개의 뉴런을 동시에 발사하는 기술을 확장하려는 추진입니다 (예를 들어, 표준이 정체 된 곳에서 수백만 기록하지 않고). 다른 추진은 뉴런 간의 연결을 식별, 특성화 및 매핑함으로써 뇌의 연결에 대한 연구 인 "Connectomics"를 발전시키는 것입니다.

Curto는“수학적으로 연결성과 역학의 상호 작용은 정말 어려운 문제입니다. 과학자들이 회로에 대한 지식과 통제력을 가지고 있더라도 역학을 예측하기는 여전히 어렵습니다. “그로 인해 이론은 일종의 고정되었습니다. 이론적으로 구조와 역학을 연결하는 것은 어렵습니다.”

그러나 실험실 Curto는 실제로 필요한 유일한 실험실 (그리고 때로는 연필과 종이)입니다. 그러나 때로는 컴퓨터 시뮬레이션을 사용하여 모델을 확인하고 아이디어를 생성합니다. “정말 재미 있고 예쁜 일입니다. 그러나 그것은 또한 크고 근본적인 신경 과학 질문과 진정으로 관련이있는 것 같습니다.”라고 그녀는 말했습니다. "나는 스위트 스팟에있는 모델을 찾았다 고 생각합니다."

Quanta  버지니아의 Howard Hughes Medical Institute의 Janelia Research Campus에서 열린“Connectomes”(신경 연결지도)에 관한 최신 작품을 발표 한 직전 5 월 Curto와의 대화. 인터뷰는 명확성을 위해 압축되고 편집되었습니다.

당신은 수학적 신경 과학자이지만 이론적 물리학 자와 박사 학위가되었습니다. Duke University에서는 문자열 이론에서 대수 기하학적 질문을 탐구했습니다. 무슨 일이 있었나요?

그래,“무슨 일이야?” 많은 사람들이 이것을 묻습니다. 나는 대학원에서 배운 수학을 좋아했지만 과학적 관점에서만 현악 이론에 약간 환멸이되었습니다. 그것은 여전히 ​​흥미로운 수학을 고무시키고 일반적으로 적용되지 않는 모든 종류의 수학과 연결하는 매우 멋진 물리학 영역입니다. 그러나 항상 과학과 수학의 인터페이스에 있기를 원했던 사람의 관점에서, 그것은 점점 덜 만족 해졌습니다.

중간에 대학원을 돌아 다니면서 나는 다른 것을 찾기 시작했습니다. 나는 경제 과정에 앉아 있었는데, 그들은 완전히 지루한 것이 었습니다. 왜냐하면 그들은 벡터 미적분학을 검토하는 데 모든 시간을 보냈기 때문에 내 인생에서 6 번째로 그것을 배우는 데 관심이 없었습니다. 그리고 나는 신경 과학을 무작위로 발견했습니다. 나는 코스에 앉아 Columbia University의 매우 유명한 이론적 신경 과학자이자 전 물리학자인 Larry Abbott의 하나를 포함하여 일부 대화에 갔다. 그는 시각 시스템에 대해 이야기했지만 이론적 물리학 자처럼 신경 과학 질문에 접근하는이 방법이있었습니다. 그리고 나는 스스로에게 말했다.

이론적 물리학 자처럼 문제에 접근하는 것 - 그것이 무엇을 수반합니까?

생물 학자들이 종종 좋아하지 않는 방식으로 단순화하려고하는 문제를 보는 특정 방법이 있습니다. 생물 학자들은 종종 그들이 공부하는 것에 대한 세부 사항에 전념합니다. 그들은 이러한 세부 사항이 중요하다고 생각하며 많은 질문에 대해 중요합니다. 그러나 질문에 따라 일부 세부 사항은 그렇지 않을 수 있습니다. 이론적 물리학자는 수학적 분석에 적합하게 만드는 방식으로 문제를 단순화하면서도 복잡한 것의 본질을 보존하면서, 하나의 현상의 본질은 이해하려고 노력하고 있습니다. 물론 단순화는 당신이 묻는 질문에 달려 있어야합니다.

나에게는 이런 종류의 훈련이나 사고 방식이 신경 과학에 적용될 수 있다는 것이 눈을 뜨고있었습니다. 나는 내 인생의 그 시점에서 신경 과학 (또는 그 생물학 분야)이 물리학 자나 수학자가 가질 수있는 접근이나 사고 스타일을 사용하여 생산적으로 해결 될 수 있다는 것을 전혀 몰랐다. 나는 생물학을 실제로 연구 한 적이 없다. 고등학교 이후로 나는 항상 그것을 피했습니다. 왜냐하면 나는 9 학년에 끔찍한 생물학 과정을 가지고 있었기 때문에 단지 사물의 일부를 암기하고 암기하는 데 끔찍합니다.

물리학 자들은 첫 번째 원칙에서 사물을 도출 할 수 있다는 것을 매우 자랑스럽게 생각하고 모든 것이 논리적으로 맞는 것을 매우 자랑스럽게 생각하기 때문에 그것은 나를 물리학으로 이끌어 낸 것들 중 하나였습니다. 많은 사람들이 나쁜 고등학교 수업이나 일찍 수학에 대한 나쁜 경험으로 인해 수학에 대한 잘못된 인상을 가지고 있습니다. 그것은 생물학으로 나에게 일어났다.

대학원생으로서 나는 마침내 신경 과학 과정에 앉아 점점 더 많은 것을 배우기 시작했습니다. 그리고 나는 4 학년 학교에서 박사 학위를 마치면 신경 과학으로 전환 할 것이라고 결정했다. 나는 수학과 물리학 배경을 포기할 계획이 아니었지만 문자열 이론보다는 신경 과학에 적용하기로 결정했습니다.

4 년째 말에는 Rutgers University 교수가 전국의 수학 부서를 스팸으로 만들었습니다. 그는 Duke University Math Department의 모든 사람들에게 자신의 신경 과학 실험실에 수학 및 물리적 배경을 가진 사람들을 모집하려는 방법에 대해 이메일을 보냈습니다. 나는 해리스를 만나러 갔다. 박사 학위를받은 후, 나는 실험실에서 3 년을 보냈으며 대부분 데이터 분석과 전통적인 계산 신경 과학을 수행했습니다. 완전히 새로운 도구와 많은 신경 과학을 배우고 있습니다.

후회가 있습니까?

아니요. 내가이 전환을했을 때, 내가 후회했던 유일한 것은 내가 얼마나 많은 수학을 사용할 것인지 몰랐다는 것입니다. 나는 똑바로 뛰어 들었다. 나는“신경 과학을 배우려고 할 것이다. 나는 특정 수학적 도구를 적용하는 것에 대해 걱정하지 않을 것이다. 그것은 당신이 다른 나라에 가서 가족과 함께 살면서 새로운 문화와 언어에 몰입 할 때 교환 프로그램과 거의 같았습니다. 그것이 제가 신경 과학으로 한 일입니다. 방금 가득 차서 내 자신의 배경을 강요하려고하지 않았습니다.

“좋아요, 다시는 진정한 수학을하지 않을 것입니다. 내가하고있는 일은 데이터 분석과 계산 작업이기 때문에 다른 정리를 증명하지 않을 것입니다. 흥미롭지 만 실제로 수학은 아닙니다.” 그래서 나는 때때로 그 느낌을 받았습니다. 후회와 함께.

그러나 그것은 놀랍습니다. 몇 년 후, 나는 나만의 아이디어를 시작했습니다. 나는 신경 과학자에게 의미있는 질문을하고, 상당히 수학적 인 신경 과학 문제를 해결할 수있는 방법에 대한 아이디어를 갖기 시작했습니다. 토폴로지 및 정류 대수 및 전통적으로 사용되지 않은 조합과 같은 수학 영역에서도 도구를 가져옵니다. 그것은 매우 흥미로웠다. 나는 훨씬 더 정교한 수학을 사용해야했지만 여전히 신경 과학에 의미있는 질문을 다룹니다.

현재 어떤 방향으로 연구를 진행하고 있습니까?

제가 겪은 한 가지 연구 방향과 Janelia Conference에 초대 된 이유는 네트워크의 연결 구조와 역학 사이의 관계를 이해하려는 더 큰 프로젝트와 관련이 있습니다. 역학은 우리가 신경 기록에서 관찰하는 신경 활동의 패턴입니다.

예를 들어, 정기적 인 순서로 발사하는 뉴런 세트가있을 수 있습니다. 당신은 10 개의 뉴런을 기록 할 수 있으며, 3, 5, 6, 7, 9… 3, 5, 6, 7, 9의 순서를 반복해서 볼 수 있으며 반복됩니다. 문제는 다음과 같습니다. 왜이 활동 패턴을 보십니까? 뉴런 사이의 기본 연결에 대해 무엇을 말하고, 연결은 활동 패턴에 대해 무엇을 말합니까? 네트워크의 구조가 더 임시 역학에 어떤 영향을 미칩니 까? 이러한 활동 패턴은 뇌의 정보를 인코딩하고 전송하는 데 어떻게 사용됩니까?

그리고 당신은이 상호 작용을 설명하는 데 도움이되는“네트워크 노래”를 개발 했습니까?

아, 네트워크 노래를 찾았다! 그것은 일종의 특수 효과였습니다. 나는 몇 년 전에 대화에서 노래를 사용했고 사람들은 그들을 좋아했습니다. 아이디어는 이러한 네트워크가 생성하는 리듬 활동을 보여주는 것이 었습니다. 때로는 음모를 보는 것만으로는 어렵습니다.

그래서 나는 활동을 음악으로 설정했습니다. 당신은 개별 뉴런과 발사율이 있습니다. 그들의 활동 수준은 위아래로 올라가고 집단 인구로서 리듬을 생성합니다. 나는 매우 간단한 일을했습니다. 각 뉴런에 피아노 키 노트를 할당 한 다음 뉴런의 발사 속도를 사용하여 진폭을 조절했습니다. 고도가 높을 때, 그 노트는 큰 소리로 재생되고 있으며, 저지가 낮을 때 전혀 재생되지 않습니다. 그것은 줄거리에있는 것과 같은 것을 나타내는 또 다른 방법이며, 미분 방정식에 대한 해결책 일뿐입니다. 그러나 당신은 그것을들을 수 있으며, 어떻게 든 귀는 눈보다 되풀이 패턴을 더 잘 집어 넣습니다. 그것은 실제로 동일한 정보를 소리로 바꾸는 방법 일뿐입니다. 리듬이 더 분명해질 수 있습니다. 이 네트워크가 매우 리듬이라는 점을 멋지게 만듭니다.

궁극적으로, 이러한 역학은 우리가 생각하는 것이 행동으로 이어지고 지각 적 경험, 기억의 리콜 등을 이끌어냅니다. 그리고 내가 지금 가장 흥분한 작업은 신경망의 매우 멋진 모델 인 조합 임계 값-선형 네트워크 모델입니다. 저의 공동 작업자 인 캐서린 모리슨 (Katherine Morrison)과 저는 모델과 함께 놀고 있으며 이론을 증명했습니다. 실제로 그래프의 구조를 역학의 중요한 특징과 묶을 수있는 이론을 증명할 수 있습니다. 매우 흥미로 웠습니다.

이 맥락에서 뇌에 대한 이론을 증명한다는 것은 무엇을 의미합니까?

물론, 당신은 여전히 ​​실험을해야합니다. 당신의 추상 모델에 대해 무언가를 증명하는 것은 당신이 실제 과학에 대해 옳다는 증거가 아닙니다. 그러나 그것은 당신에게 더 전통적인 과학적 방법으로 확인할 수있는 것들에 대한 통찰력을 제공합니다.

어떤 의미에서, 수학적 모델은 caenorhabditis elegans와 같은 벌레와 같은 방식으로 단순화 된 모델입니다. , 모델 유기체 :신경 과학에는 웜, 매우 간단한 신경계를 가진 매우 작은 생물에 대해 많은 노벨상을 수상했습니다.이 단순화 된 모델은 실제로 인간의 뇌에 대한 통찰력을 제공하기 때문입니다. 비슷한 방식으로, 우리는 간단한 수학적 모델에서 정리를 증명하고 모델의 작동 방식에 대한 진정한 통찰력을 얻을 수 있습니다.  그러면 그 통찰력은 우리에게 실제 시스템 인 진짜 뇌에서 찾아야 할 것들을 제공합니다.