Обратим внимание на то, что в обоих рассмотренных случаях (стволовая клетка и локомоторный генератор) ниша не формирует выходного продукта, она лишь выбирает его из предсуществующего ассортимента. Это небольшое «лишь» является вызовом той науке о мозге, которая привыкла связывать формирование выходного продукта с преобразованием входного сигнала.

Ассортимент, естественно, меняется во времени. Стволовая клетка слегка продвинулась в развитии, и у нее возник новый ассортимент возможностей. Головастик превращается в лягушку, студент учит китайский язык – меняются наборы паттернов. Существенно понимать, что ниша выбирает из продуктов, вырабатываемых эндогенно, согласно правилам, которые внутренне присущи биологическому объекту. Нейроэтологам хорошо известно, что нервный субстрат, который отключен от сенсорных входов (например, изолированный фрагмент мозга), способен формировать полноценный выходной продукт – хотя бы тот же локомоторный ритм. Как достигается адаптивность эндогенных выходных программ? Как появляются новые программы?

Ответ на первый вопрос в общей форме понятен, но нуждается в нейрофизиологической расшифровке: трансмиттеры сенсорных входов (синаптические и несинаптические) входят в состав ниши и учитываются при выборе. Благодаря этому выбор приобретает адаптивный характер – отвечает «to the needs of organism». Это адаптация на грубом уровне – alternative choice selection. Возможна и тонкая регуляция выбранного аллюра (чаще – реже, сильнее – слабее), здесь работают другие, более знакомые механизмы зависимости от афферентации.

Сложнее представить, как на основе управляемого нишей ограниченного репертуара локальных мультитрансмиттерных ансамблей могут формироваться более сложные решения. Мы предполагаем, что в этом случае из тех же конструктивных элементов собираются новые ансамбли и ансамбли ансамблей, генерирующие новые эндогенные программы.

Чтобы теоретически проверить такую возможность, мы планируем использовать уже частично разработанную новую математическую модель [4, 1], способную порождать и объяснять эффекты, происходящие в биологических генераторах. Модель имитирует качественные (грубый уровень) и количественные (тонкий уровень) изменения спонтанно генерируемого ритма, которые происходят при изменении стационарного состава мультитрансмиттерного окружения (ниши). Кроме того, при изменении ниши в модели реализуется возможность сборки новых ансамблей или генерации новых ритмов существующими ансамблями. Эти структурные и функциональные модификации ограничены лишь индивидуальными свойствами нейронов, образующих новые связи и новые ритмы. То есть репертуар возможных ритмов для некоторого множества нейронов не произволен, но при этом достаточно широк. Таким образом, в модели реализуется не только способность к адаптации, но и способность к обучению.

Предложенная модель сильно отличается как от искусcтвенных нейронных сетей, состоящих из формальных нейронов Маккаллока – Питтса [12], так и от моделей взаимодействия биологических нейронов, строящихся в виде систем дифференциальных уравнений [8, 15]. Наша модель для описания ритмической активности ансамбля является дискретной – это делает ее гораздо более интерпретируемой, чем непрерывные модели, и гораздо менее вычислительно сложной, а значит, легко масштабируемой. С другой стороны, нейроны в модели намного сложнее, а их взаимодействия разнообразнее, чем в стандартных искусственных нейронных сетях. Они имеют два важных отличия: (i) трансмиттер-специфичность и (ii) наличие того или иного типа эндогенной активности. На каждом такте дискретного времени нейроны взаимодействуют, выбрасывая трансмиттеры в общее внеклеточное пространство (ВКП) и затем принимая их из ВКП. Каждый нейрон имеет полный доступ к ВКП и реагирует на все трансмиттеры, рецепторы к которым у него есть. Суммарное воздействие, пришедшее на рецепторы, наряду с эндогенной составляющей, определяет активность нейрона на данном такте. Добавляя в состав ВКП те или иные трансмиттеры и изменяя их пропорции, можно моделировать механизмы адаптивности эндогенных актов на обоих описанных выше уровнях – грубом и тонком (создание новых ритмов и изменение параметров существующих), а также механизмы обучения (сборка новых устойчивых ансамблей).

Мы предполагаем, что результаты, полученные на относительно простых мультитрансмиттерных генераторах моторного поведения, можно будет экстраполировать на механизмы выбора в более сложных системах – таких, как сети из ансамблей нейронов, в которых общий сетевой выход будет зависеть от выборов отдельных ансамблей.

Литература

[1] Базенков Н. И., Воронцов Д.Д., Дьяконова В. Е., Жилякова Л. Ю., Захаров И. С., Кузнецов О. П., Куливец С. Г., Сахаров Д. А. Дискретное моделирование межнейронных взаимодействий в мультитрансмиттерных сетях // Искусственный интеллект и принятие решений. 2017. Т. 2. С. 55–73.

[2] Балабан П. М., Воронцов Д.Д., Дьяконова В. Е., Дьяконова Т. Л., Захаров И. С., Коршунова Т. А., Орлов O. Ю., Павлова Г. А., Панчин Ю. В., Сахаров Д. А., Фаликман М. В. Центральные генераторы паттерна (CPGs) // Журн. высш. нерв. деят. 2013. Т. 63. С. 520– 541.

[3] Дьяконова В. Е. Нейротрансмиттерные механизмы контекст-зависимого поведения // Журн. высш. нерв. деят. 2012. Т. 62. C. 1–17.

[4] Жилякова Л. Ю., Кузнецов О. П. Принципы дискретного моделирования гетерохимических механизмов в нервных системах // XVIII Международная научно-техническая конференция «Нейроинформатика-2016»: Сборник научных трудов. НИЯУ МИФИ. М., 2016. Ч. 3. С. 82–90.

[5] Сахаров Д. А. Биологический субстрат генерации поведенческих актов // Журн. общ. биол. 2012. Т. 73. С. 334–348.

[6] Сахаров Д. А., Каботянский Е. А. Интеграция поведения крылоногого моллюска дофамином и серотонином // Журн. общ. биол. 1986. Т. 47. С. 234–244.

[7] Graybiel A. M. The basal ganglia and cognitive pattern generators // Schizophr. Bull. 1997. Vol. 23. P. 459–469.

[8] Hodgkin A. L., Huxley A. F. A quantitative description of membrane current and its applications to conduction and excitation in nerve // J. Physiol. (Lond.). 1952. Vol. 116. P. 500–544.

[9] Korshunova N. A., Zakharov I. S. Swimming in the pteropod mollusc is determined by the dopamine-serotonin balance // XI East European Conference of the International Society for Invertebrate Neurobiology «Simpler Nervous Systems». Zvenigorod, 2016. Abstracts. P. 48.

[10] Lawal R. A., Calvi L. M. The niche as a target for hematopoietic manipulation and regeneration // Tissue Engineering. Part B, Reviews. 2011. Vol. 17. P. 415–422.

[11] Li Linheng; Xie Ting. Stem cell niche: structure and function // Annual Review of Cell and Developmental Biology. 2005. Vol. 21. P. 605–631.

[12] McCulloch W. S., Pitts W. A logical calculus of the ideas immanent in nervous activity // The Bulletin of Mathematical Biophysics. 1943. Vol. 5. P. 115–133. (Русский перевод: Мак-Каллок У. С., Питтс В. Логическое исчисление идей, относящихся к нервной активности // Автоматы: СПб. – М., 1956. С. 363–384.)

[13] Palmer C. R., Kristan W. B. Contextual modulation of behavioral choice // Current Opinion in Neurobiology. 2011. Vol. 21. P. 520–526.

[14] Scadden D. T. The stem-cell niche as an entity of action // Nature. 2006. Vol. 441. No. 7097. P. 1075–1079.

[15] Vavoulis D., Straub V., Kemenes I., Kemenes G., Feng J., Benjamin P. Dynamic control of a central pattern generator circuit: a computational model of the snail feeding network // European Journal of Neuroscience. 2007. Vol. 25. P. 2805–2818.