Конкурс «био/мол/текст»-2017

Эта работа опубликована в номинации «Свободная тема» конкурса «био/мол/текст»-2017.

---

Генеральный спонсор конкурса — компания «Диаэм»: крупнейший поставщик оборудования, реагентов и расходных материалов для биологических исследований и производств.

---

Спонсором приза зрительских симпатий и партнером номинации «Биомедицина сегодня и завтра» выступила фирма «Инвитро».

---

«Книжный» спонсор конкурса — «Альпина нон-фикшн»

Происхождение подхода

С середины ХХ века известно, что головной мозг потребляет значительную часть энергоресурсов всего организма: четверть всей глюкозы и ⅕ всего кислорода в случае высшего примата [1–5]. Это вдохновило Уильяма Леви и Роберта Бакстера из Массачусетского технологического института (США) на проведение теоретического анализа энергетической эффективности кодирования информации в биологических нейронных сетях (рис. 1) [6]. В основе исследования лежит следующая гипотеза. Поскольку энергопотребление мозга велико, ему выгодно иметь такие нейроны, которые работают наиболее эффективно — передают только полезную информацию и затрачивают при этом минимум энергии.

Это предположение оказалось справедливым: на простой модели нейронной сети авторы воспроизвели экспериментально измеренные значения некоторых параметров [6]. В частности, рассчитанная ими оптимальная частота генерации импульсов варьирует от 6 до 43 имп./с — почти так же, как и у нейронов основания гиппокампа. Их можно подразделить на две группы по частоте импульсации: медленные (~10 имп./с) и быстрые (~40 имп./с). При этом первая группа значительно превосходит по численности вторую [7]. Аналогичная картина наблюдается и в коре больших полушарий: медленных пирамидальных нейронов (~4—9 имп./с) в несколько раз больше, чем быстрых ингибиторных интернейронов (>100 имп./с) [8], [9]. Так, видимо, мозг «предпочитает» использовать поменьше быстрых и энергозатратных нейронов, чтобы те не израсходовали все ресурсы [6], [9–11].

Работа Леви и Бакстера [6] развивает концепцию «экономии импульсов» Горация Барлоу из Университета Калифорнии (США), который, кстати, является потомком Чарльза Дарвина [17]. Согласно ей, при развитии организма нейроны стремятся работать только с наиболее полезной информацией, фильтруя «лишние» импульсы, ненужную и избыточную информацию. Однако эта концепция не дает удовлетворительных результатов, так как не учитывает метаболические затраты, связанные с нейрональной активностью [6]. Расширенный подход Леви и Бакстера, в котором внимание уделено обоим факторам, оказался более плодотворным [6], [18–20]. И энергозатраты нейронов, и потребность в кодировании только полезной информации являются важными факторами, направляющими эволюцию мозга [6], [21–24]. Поэтому, чтобы лучше разобраться в том, как устроен мозг, стоит рассматривать обе эти характеристики: сколько нейрон передает полезной информации и сколько энергии при этом тратит.

За последнее время этот подход нашел множество подтверждений [10], [22], [24–26]. Он позволил по-новому взглянуть на устройство мозга на самых разных уровнях организации — от молекулярно-биофизического [20], [26] до органного [23]. Он помогает понять, каковы компромиссы между выполняемой функцией нейрона и ее энергетической ценой и в какой степени они выражены.

Как же работает этот подход?

Положим, у нас есть модель нейрона, описывающая его электрофизиологические свойства: потенциал действия (ПД) и постсинаптические потенциалы (ПСП) (об этих терминах — ниже). Мы хотим понять, эффективно ли он работает, не тратит ли неоправданно много энергии. Для этого нужно вычислить значения параметров модели (например, плотность каналов в мембране, скорость их открывания и закрывания), при которых: (а) достигается максимум отношения полезной информации к энергозатратам и в то же время (б) сохраняются реалистичные характеристики передаваемых сигналов [6], [19].

Эти «оптимальные» значения параметров затем нужно сравнить с измеренными экспериментально и определить, насколько они отличаются. Общая картина отличий укажет на степень оптимизации данного нейрона в целом: насколько реальные, измеренные экспериментально, значения параметров совпадают с рассчитанными. Чем слабее выражены отличия, тем нейрон более близок к оптимуму и работает энергетически более эффективно, оптимально. С другой стороны, сопоставление конкретных параметров покажет, в каком конкретно качестве этот нейрон близок к «идеалу».

Далее, в контексте энергетической эффективности нейронов рассмотрены два процесса, на которых основано кодирование и передача информации в мозге. Это нервный импульс, или потенциал действия, благодаря которому информация может быть отправлена «адресату» на определенное расстояние (от микрометров до полутора метров) и синаптическая передача, лежащая в основе собственно передачи сигнала от одного нейрона на другой.

Потенциал действия

Потенциал действия (ПД) — сигнал, которые отправляют друг другу нейроны. ПД бывают разные: быстрые и медленные, малые и большие [28]. Зачастую они организованы в длинные последовательности (как буквы в слова), либо в короткие высокочастотные «пачки» (рис. 2).

Большое разнообразие сигналов обусловлено огромным количеством комбинаций разных типов ионных каналов, синаптических контактов, а также морфологией нейронов [28], [29]. Поскольку в основе сигнальных процессов нейрона лежат ионные токи, стоит ожидать, что разные ПД требуют различных энергозатрат [20], [27], [30].

Анализ разных типов нейронов (рис. 4) показал, что нейроны беспозвоночных не очень энергоэффективны, а некоторые нейроны позвоночных почти совершенны [20]. По результатам этого исследования, наиболее энергоэффективными оказались интернейроны гиппокампа, участвующего в формировании памяти и эмоций, а также таламокортикальные релейные нейроны, несущие основной поток сенсорной информации от таламуса к коре больших полушарий.

Почему они более эффективны? Потому что у них малó перекрывание Na- и К-токов. Во время генерации ПД всегда есть промежуток времени, когда эти токи присутствуют одновременно (рис. 3в). При этом переноса заряда практически не происходит, и изменение мембранного потенциала минимально. Но «платить» за эти токи в любом случае приходится, несмотря на их «бесполезность» в этот период. Поэтому его продолжительность определяет, сколько энергетических ресурсов растрачивается впустую. Чем он короче, тем более эффективно использование энергии [20], [26], [30], [43]. Чем длиннее — тем менее эффективно. Как раз в двух вышеупомянутых типах нейронов, благодаря быстрым ионным каналам, этот период очень короткий, а ПД — самые эффективные [20].

Кстати, интернейроны гораздо более активны, чем большинство других нейронов мозга. В то же время они крайне важны для слаженной, синхронной работы нейронов, с которыми образуют небольшие локальные сети [9], [16]. Вероятно, высокая энергетическая эффективность ПД интернейронов является некой адаптацией к их высокой активности и роли в координации работы других нейронов [20].

Синапс

Передача сигнала от одного нейрона к другому происходит в специальном контакте между нейронами, в синапсе [12]. Мы рассмотрим только химические синапсы (есть еще электрические), поскольку они весьма распространены в нервной системе и важны для регуляции клеточного метаболизма, доставки питательных веществ [5].

Чаще всего, химический синапс образован между окончанием аксона одного нейрона и дендритом другого. Его работа напоминает... «переброс» эстафетной палочки, роль которой и играет нейромедиатор — химический посредник передачи сигнала [12], [42], [44–48].

На пресинаптическом окончании аксона ПД вызывает выброс нейромедиатора во внеклеточную среду — к принимающему нейрону. Последний только этого и ждет с нетерпением: в мембране дендритов рецепторы — ионные каналы определенного типа — связывают нейромедиатор, открываются и пропускают через себя разные ионы. Это приводит к генерации маленького постсинаптического потенциала (ПСП) на мембране дендрита. Он напоминает ПД, но значительно меньше по амплитуде и происходит за счет открывания других каналов. Множество этих маленьких ПСП, каждый от своего синапса, «сбегаются» по мембране дендритов к телу нейрона (зеленые стрелки на рис. 3а) и достигают начального сегмента аксона, где вызывают открывание Na-каналов и «провоцируют» его на генерацию ПД.

Такие синапсы называются возбуждающими: они способствуют активации нейрона и генерации ПД. Существуют также и тормозящие синапсы. Они, наоборот, способствуют торможению и препятствуют генерации ПД. Часто на одном нейроне есть и те, и другие синапсы. Определенное соотношение между торможением и возбуждением важно для нормальной работы мозга, формирования мозговых ритмов, сопровождающих высшие когнитивные функции [49].

Как это ни странно, выброс нейромедиатора в синапсе может и не произойти вовсе — это процесс вероятностный [18], [19]. Нейроны так экономят энергию: синаптическая передача и так обусловливает около половины всех энергозатрат нейронов [25]. Если бы синапсы всегда срабатывали, вся энергия пошла бы на обеспечение их работы, и не осталось бы ресурсов для других процессов. Более того, именно низкая вероятность (20–40%) выброса нейромедиатора соответствует наибольшей энергетической эффективности синапсов. Отношение количества полезной информации к затрачиваемой энергии в этом случае максимально [18], [19]. Так, выходит, что «неудачи» играют важную роль в работе синапсов и, соответственно, всего мозга. А за передачу сигнала при иногда «не срабатывающих» синапсах можно не беспокоиться, так как между нейронами обычно много синапсов, и хоть один из них да сработает.

Еще одна особенность синаптической передачи состоит в разделении общего потока информации на отдельные компоненты по частоте модуляции приходящего сигнала (грубо говоря, частоте приходящих ПД) [50]. Это происходит благодаря комбинированию разных рецепторов на постсинаптической мембране [38], [50]. Некоторые рецепторы активируются очень быстро: например, AMPA-рецепторы (AMPA происходит от α-amino-3-hydroxy-5-methyl-4-isoxazolepropionic acid). Если на постсинаптическом нейроне представлены только такие рецепторы, он может четко воспринимать высокочастотный сигнал (такой, как, например, на рис. 2в). Ярчайший пример — нейроны слуховой системы, участвующие в определении местоположения источника звука и точном распознавании коротких звуков типа щелчка, широко представленных в речи [12], [38], [51]. NMDA-рецепторы (NMDA — от N-methyl-D-aspartate) более медлительны. Они позволяют нейронам отбирать сигналы более низкой частоты (рис. 2г), а также воспринимать высокочастотную серию ПД как нечто единое — так называемое интегрирование синаптических сигналов [14]. Есть еще более медленные метаботропные рецепторы, которые при связывании нейромедиатора, передают сигнал на цепочку внутриклеточных «вторичных посредников» для подстройки самых разных клеточных процессов. К примеру, широко распространены рецепторы, ассоциированные с G-белками. В зависимости от типа они, например, регулируют количество каналов в мембране или напрямую модулируют их работу [14].

Различные комбинации быстрых AMPA-, более медленных NMDA- и метаботропных рецепторов позволяют нейронам отбирать и использовать наиболее полезную для них информацию, важную для их функционирования [50]. А «бесполезная» информация отсеивается, она не «воспринимается» нейроном. В таком случае не приходится тратить энергию на обработку ненужной информации. В этом и состоит еще одна сторона оптимизации синаптической передачи между нейронами.

Что еще?

Энергетическая эффективность клеток мозга исследуется также и в отношении их морфологии [35], [52–54]. Исследования показывают, что ветвление дендритов и аксона не хаотично и тоже экономит энергию [52], [54]. Например, аксон ветвится так, чтобы суммарная длина пути, который проходит ПД, была наименьшей. В таком случае энергозатраты на проведение ПД вдоль аксона минимальны.

Снижение энергозатрат нейрона достигается также при определенном соотношении тормозящих и возбуждающих синапсов [55]. Это имеет прямое отношение, например, к ишемии (патологическому состоянию, вызванному нарушением кровотока в сосудах) головного мозга. При этой патологии, вероятнее всего, первыми выходят из строя наиболее метаболически активные нейроны [9], [16]. В коре они представлены ингибиторными интернейронами, образующими тормозящие синапсы на множестве других пирамидальных нейронов [9], [16], [49]. В результате гибели интернейронов, снижается торможение пирамидальных. Как следствие, возрастает общий уровень активности последних (чаще срабатывают активирующие синапсы, чаще генерируются ПД). За этим немедленно следует рост их энергопотребления, что в условиях ишемии может привести к гибели нейронов.

При изучении патологий внимание уделяют и синаптической передаче как наиболее энергозатратному процессу [19]. Например, при болезнях Паркинсона [56], Хантингтона [57], Альцгеймера [58–61] происходит нарушение работы или транспорта к синапсам митохондрий, играющих основную роль в синтезе АТФ [62], [63]. В случае болезни Паркинсона, это может быть связано с нарушением работы и гибелью высоко энергозатратных нейронов черной субстанции, важной для регуляции моторных функций, тонуса мышц. При болезни Хантингтона, мутантный белок хангтингтин нарушает механизмы доставки новых митохондрий к синапсам, что приводит к «энергетическому голоданию» последних, повышенной уязвимости нейронов и избыточной активации. Все это может вызвать дальнейшие нарушения работы нейронов с последующей атрофией полосатого тела и коры головного мозга. При болезни Альцгеймера нарушение работы митохондрий (параллельно со снижением количества синапсов) происходит из-за отложения амилоидных бляшек. Действие последних на митохондрии приводит к окислительному стрессу, а также к апоптозу — клеточной гибели нейронов.

Еще раз обо всем

В конце ХХ века зародился подход к изучению мозга, в котором одновременно рассматривают две важные характеристики: сколько нейрон (или нейронная сеть, или синапс) кодирует и передает полезной информации и сколько энергии при этом тратит [6], [18], [19]. Их соотношение является своего рода критерием энергетической эффективности нейронов, нейронных сетей и синапсов.

Использование этого критерия в вычислительной нейробиологии дало существенный прирост к знаниям относительно роли некоторых явлений, процессов [6], [18–20], [26], [30], [43], [55]. В частности, малая вероятность выброса нейромедиатора в синапсе [18], [19], определенный баланс между торможением и возбуждением нейрона [55], выделение только определенного рода приходящей информации благодаря определенной комбинации рецепторов [50] — все это способствует экономии ценных энергетических ресурсов.

Более того, само по себе определение энергозатрат сигнальных процессов (например, генерация, проведение ПД, синаптическая передача) позволяет выяснить, какой из них пострадает в первую очередь при патологическом нарушении доставки питательных веществ [10], [25], [56]. Так как больше всего энергии требуется для работы синапсов, именно они первыми выйдут из строя при таких патологиях, как ишемия, болезни Альцгеймера и Хантингтона [19], [25]. Схожим образом определение энергозатрат разных типов нейронов помогает выяснить, какой из них погибнет раньше других в случае патологии. Например, при той же ишемии, в первую очередь выйдут из строя интернейроны коры [9], [16]. Эти же нейроны из-за интенсивного метаболизма — наиболее уязвимые клетки и при старении, болезни Альцгеймера и шизофрении [16].

В общем, подход к определению энергетически эффективных механизмов работы мозга является мощным направлением для развития и фундаментальной нейронауки, и ее медицинских аспектов [5], [14], [16], [20], [26], [55], [64].

Благодарности

Искренне благодарен моим родителям Ольге Наталевич и Александру Жукову, сестрам Любе и Алене, моему научному руководителю Алексею Браже и замечательным друзьям по лаборатории Эвелине Никельшпарг и Ольге Слатинской за поддержку и вдохновение, ценные замечания, сделанные при прочтении статьи. Я также очень благодарен редактору статьи Анне Петренко и главреду «Биомолекулы» Антону Чугунову за пометки, предложения и замечания.

Литература

1. Прожорливый мозг;
2. SEYMOUR S. KETY. (1957). THE GENERAL METABOLISM OF THE BRAIN IN VIVO. Metabolism of the Nervous System. 221-237;
3. L. Sokoloff, M. Reivich, C. Kennedy, M. H. Des Rosiers, C. S. Patlak, et. al.. (1977). THE [14C]DEOXYGLUCOSE METHOD FOR THE MEASUREMENT OF LOCAL CEREBRAL GLUCOSE UTILIZATION: THEORY, PROCEDURE, AND NORMAL VALUES IN THE CONSCIOUS AND ANESTHETIZED ALBINO RAT. J Neurochem. 28, 897-916;
4. Magistretti P.J. (2008). Brain energy metabolism. In Fundamental neuroscience // Ed by. Squire L.R., Berg D., Bloom F.E., du Lac S., Ghosh A., Spitzer N. San Diego: Academic Press, 2008. P. 271–297;
5. Pierre J. Magistretti, Igor Allaman. (2015). A Cellular Perspective on Brain Energy Metabolism and Functional Imaging. Neuron. 86, 883-901;
6. William B Levy, Robert A. Baxter. (1996). Energy Efficient Neural Codes. Neural Computation. 8, 531-543;
7. Sharp P.E. and Green C. (1994). Spatial correlates of firing patterns of single cells in the subiculum of the freely moving rat. J. Neurosci. 14, 2339–2356;
8. H. Hu, J. Gan, P. Jonas. (2014). Fast-spiking, parvalbumin+ GABAergic interneurons: From cellular design to microcircuit function. Science. 345, 1255263-1255263;
9. Oliver Kann, Ismini E Papageorgiou, Andreas Draguhn. (2014). Highly Energized Inhibitory Interneurons are a Central Element for Information Processing in Cortical Networks. J Cereb Blood Flow Metab. 34, 1270-1282;
10. David Attwell, Simon B. Laughlin. (2001). An Energy Budget for Signaling in the Grey Matter of the Brain. J Cereb Blood Flow Metab. 21, 1133-1145;
11. Henry Markram, Maria Toledo-Rodriguez, Yun Wang, Anirudh Gupta, Gilad Silberberg, Caizhi Wu. (2004). Interneurons of the neocortical inhibitory system. Nat Rev Neurosci. 5, 793-807;
12. Как происходит выделение нейромедиатора;
13. От живого мозга к искусственному интеллекту;
14. Kandel E.R., Schwartz J.H., Jessell T.M., Siegelbaum S.A., Hudspeth A.J. Principles of neural science (5th Edition). NY: McGraw-Hill Education / Medical, 2012. — 1760 p.;
15. 12 методов в картинках: нейробиология;
16. Oliver Kann. (2016). The interneuron energy hypothesis: Implications for brain disease. Neurobiology of Disease. 90, 75-85;
17. H. B. Barlow. (1969). Trigger Features, Adaptation and Economy of Impulses. Information Processing in The Nervous System. 209-230;
18. Levy W.B. and Baxter R.A. (2002). Energy-efficient neuronal computation via quantal synaptic failures. J. Neurosci. 22, 4746–4755;
19. Julia J. Harris, Renaud Jolivet, David Attwell. (2012). Synaptic Energy Use and Supply. Neuron. 75, 762-777;
20. Biswa Sengupta, Martin Stemmler, Simon B. Laughlin, Jeremy E. Niven. (2010). Action Potential Energy Efficiency Varies Among Neuron Types in Vertebrates and Invertebrates. PLoS Comput Biol. 6, e1000840;
21. Simon B. Laughlin, Rob R. de Ruyter van Steveninck, John C. Anderson. (1998). Unknown title.. Nat. Neurosci.. 1, 36-41;
22. S Laughlin. (2001). Energy as a constraint on the coding and processing of sensory information. Current Opinion in Neurobiology. 11, 475-480;
23. J. E. Niven, S. B. Laughlin. (2008). Energy limitation as a selective pressure on the evolution of sensory systems. Journal of Experimental Biology. 211, 1792-1804;
24. Jeremy E Niven. (2016). Neuronal energy consumption: biophysics, efficiency and evolution. Current Opinion in Neurobiology. 41, 129-135;
25. Clare Howarth, Padraig Gleeson, David Attwell. (2012). Updated Energy Budgets for Neural Computation in the Neocortex and Cerebellum. J Cereb Blood Flow Metab. 32, 1222-1232;
26. A. Hasenstaub, S. Otte, E. Callaway, T. J. Sejnowski. (2010). Metabolic cost as a unifying principle governing neuronal biophysics. Proceedings of the National Academy of Sciences. 107, 12329-12334;
27. Abdelmalik Moujahid, Alicia D'Anjou, Manuel Graña. (2014). Energy demands of diverse spiking cells from the neocortex, hippocampus, and thalamus. Front. Comput. Neurosci.. 8;
28. Bruce P. Bean. (2007). The action potential in mammalian central neurons. Nat Rev Neurosci. 8, 451-465;
29. Izhikevich E.M. Dynamical systems in neuroscience: the geometry of excitability and bursting (computational neuroscience). The MIT Press, 2007. — 457 p.;
30. Brett C. Carter, Bruce P. Bean. (2009). Sodium Entry during Action Potentials of Mammalian Neurons: Incomplete Inactivation and Reduced Metabolic Efficiency in Fast-Spiking Neurons. Neuron. 64, 898-909;
31. Формирование мембранного потенциала покоя;
32. Появление и эволюция клеточной мембраны;
33. Липидный фундамент жизни;
34. Alan Woodruff, Rafael Yuste. (2008). Of Mice and Men, and Chandeliers. PLoS Biol. 6, e243;
35. György Buzsáki, Caroline Geisler, Darrell A. Henze, Xiao-Jing Wang. (2004). Interneuron Diversity series: Circuit complexity and axon wiring economy of cortical interneurons. Trends in Neurosciences. 27, 186-193;
36. David Sterratt, Bruce Graham, Andrew Gillies, David Willshaw. (Unknown published date.). Introduction. Principles of Computational Modelling in Neuroscience. 1-12;
37. B. C. Carter, B. P. Bean. (2011). Incomplete Inactivation and Rapid Recovery of Voltage-Dependent Sodium Channels During High-Frequency Firing in Cerebellar Purkinje Neurons. Journal of Neurophysiology. 105, 860-871;
38. Камкин А.Г. и Каменский А.А. (2004). Фундаментальная и клиническая физиология. М.: «Академия», 2004. — 1073 с.;
39. Hille B. (2001). Ion channels of excitable membranes. Sunderland: Sinauer Associates, 2001. — 814 p.;
40. Brian D. Clark, Ethan M. Goldberg, Bernardo Rudy. (2009). Electrogenic Tuning of the Axon Initial Segment. Neuroscientist. 15, 651-668;
41. Джаксон М.Б. Молекулярная и клеточная биофизика. М.: «БИНОМ», 2013. — 552 с.;
42. Спокоен как GABA;
43. P. Crotty. (2006). Metabolic Energy Cost of Action Potential Velocity. Journal of Neurophysiology. 96, 1237-1246;
44. Дофаминовые болезни;
45. Серотониновые сети;
46. Тайны голубого пятна;
47. Молекула здравого ума;
48. Очень нервное возбуждение;
49. György Buzsáki, Kai Kaila, Marcus Raichle. (2007). Inhibition and Brain Work. Neuron. 56, 771-783;
50. David Attwell, Alasdair Gibb. (2005). Neuroenergetics and the kinetic design of excitatory synapses. Nat Rev Neurosci. 6, 841-849;
51. Nace L. Golding, Donata Oertel. (2012). Synaptic integration in dendrites: exceptional need for speed. The Journal of Physiology. 590, 5563-5569;
52. Ashish Raj, Yu-hsien Chen. (2011). The Wiring Economy Principle: Connectivity Determines Anatomy in the Human Brain. PLoS ONE. 6, e14832;
53. B. L. Chen, D. H. Hall, D. B. Chklovskii. (2006). Wiring optimization can relate neuronal structure and function. Proceedings of the National Academy of Sciences. 103, 4723-4728;
54. Dmitri B. Chklovskii, Thomas Schikorski, Charles F. Stevens. (2002). Wiring Optimization in Cortical Circuits. Neuron. 34, 341-347;
55. Biswa Sengupta, Simon B. Laughlin, Jeremy E. Niven. (2013). Balanced Excitatory and Inhibitory Synaptic Currents Promote Efficient Coding and Metabolic Efficiency. PLoS Comput Biol. 9, e1003263;
56. Болезнь Паркинсона: что изучать? как изучать?;
57. Как спасти Тринадцатую? (Перспективы лечения болезни Хантингтона);
58. Болезнь Альцгеймера: ген, от которого я без ума;
59. Альцгеймеровский нейротоксин: ядовиты не только фибриллы;
60. Возможно, β-амилоид болезни Альцгеймера — часть врождённого иммунитета;
61. Новый шаг к пониманию болезни Альцгеймера: возможно, недосыпание является одним из факторов риска;
62. Болезни и изменения клеточного метаболизма;
63. Сон и старение II: Чем отличается сон пожилых и больных от сна молодых и здоровых?;
64. Adelbert Ames. (2000). CNS energy metabolism as related to function. Brain Research Reviews. 34, 42-68.