Алгоритм работы нейрокомпьютера

ISBN 978-5-7262-1226-5. НЕЙРОИНФОРМАТИКА – 2010. Часть 1
А.С. БАЗЯН
Институт высшей нервной деятельности и нейрофизиологии РАН, Москва
bazyan@mail/ru
АЛГОРИТМ РАБОТЫ НЕЙРОКОМПЬЮТЕРА:
ОБЩИЕ ПОЛОЖЕНИЯ1
Внутриклеточная обработка информации основывается на реципрокном функционировании медиаторных (ГАМК – глутамат) и модуляторных (дофамин – серотонин) систем. Иерархическая нейронная сеть записывает, сохраняет и воспроизводит информацию за счет реализации описанных процессов в каждом своем элементе, в каждом нейроне.
Введение
Что я понимаю под термином «Нейрокомпьютер»?
Нейрокомпьютер – это вычислительная машина, которая функционирует согласно алгоритмам, максимально приближенным к процессам в
мозге. В этой работе сделана попытка описать алгоритм работы некоторых ключевых систем мозга, ответственных за процессы обучения, памяти и реализации целенаправленного поведения.
Основой функционирования нейрона является внутриклеточная обработка информации с помощью внутриклеточной молекулярно-химической
сигнализации – трансдукционного сигнала. Внутриклеточную обработку
информации можно представить как функцию молекулярно-химической
сети. Сходство одиночного нейрона с компьютером можно определить
как способность записывать, сохранять и воспроизводить информацию.
В живой системе, в том числе и в мозге, информация длительно хранится в геноме [3]. Вновь приобретенная информация об окружающей
среде хранится не в синапсах, а в геноме клеток мозга. Вследствие того,
что вновь приобретенная информация об окружающей среде хранится
только в геноме клеток мозга, она не передается по наследству. В случае,
когда синапс функционирует по принципу синапса Хебба – модифицируется и функционирует в модифицированном виде длительное время – то
все равно информация хранится в геноме. Экспериментальной моделью
синапса Хебба является модель длительной посттетанической потенциации [9]. Многократно показано, что приостановка подачи внутриклеточ1
Работа выполнена при частичной поддержке РФФИ, проект № 09-04-01283.
УДК 004.032.26(06) Нейронные сети
87
ISBN 978-5-7262-1226-5. НЕЙРОИНФОРМАТИКА – 2010. Часть 1
ного сигнала на геном препятствует сохранению памяти, в данном случае
длительной потенциации [5]. То есть хранение информации в геноме
означает, что геном модифицируется и кодирует (синтезирует) те белки,
которые необходимы синапсу для функционирования в модифицированном виде.
Вновь приобретенная информация модифицирует экспрессию генов с
помощью трансдукционного сигнала или, что одно и то же, с помощью
внутриклеточной сигнализации.
Трансдукционным называется сигнал, который запускает через клеточные рецепторы внутриклеточные метаболические реакции фосфорилирования и дефосфорилирования, которые в конечном счете модифицируют экспрессию генов. Это модификация экспрессии генов, то есть новый уровень синтеза элементов основных структурных компонентов
клетки, и есть механизм длительного хранения информации.
Трансдукционный сигнал, или внутриклеточная молекулярно–
химическая сигнализация, представляет собой систему внутриклеточной
интеграции, которая собирает, интегрирует и консолидирует информацию
(то есть записывает в долговременной памяти с помощью генома), а в
дальнейшем и воспроизводит эту информацию.
Описание алгоритма
Центральным звеном нашей модели являются средние звездчатые
нейроны неостриатума, которые играют ключевую роль в запуске и реализации поведения. Подробное описание внутриклеточной молекулярнохимической сигнализации для средних звездчатых нейронов неостретума
привел Грингард [6]. Это уже описание внутриклеточной молекулярнохимической машины, но трудность применимости этой интегрирующей
системы для нейрокомпьютера заключается в том, что эти чисто молекулярно–химические процессы протекают строго специфически для данного
типа нейронов. В таком виде разработать алгоритм работы молекулярно–
химической машины в общем виде затруднительно. Думается, что надо
упростить эту схему таким образом, чтобы она потенциальным образом
описывала любой нейрон мозга, и чтобы можно было выработать алгоритм работы интегрирующей системы.
Вот такой тип интегрирующей системы в нейроне был разработан
нами [3] и сейчас представлен на рис. 1.
УДК 004.032.26(06) Нейронные сети
88
ISBN 978-5-7262-1226-5. НЕЙРОИНФОРМАТИКА – 2010. Часть 1
Рис. 1. Схематическая модель внутриклеточной молекулярно-химической
интеграции, или внутриклеточной молекулярно-химической сети. ГЛУ-Р
– глутаматергические рецепторы; ГАМК(А)-Р – ГАМКА рецептор; ДА-Р
– дофаминергические рецепторы; СТ-Р – серотонинергический рецептор;
Ф – ферменты, синтезирующие вторичные посредники; СФ – субстрат
фосфорилирования; G – G-белок; ПК – протеинкиназа; CaMK. – кальций/калмодулин-зависимая протеинкиназа. Метаботропные реакции, опосредованные глутаматергическими рецепторами, представлены сплошной
жирной линией. Метаботропные реакции, опосредованные ГАМК А рецептором, представлены крупными пунктирными линиями. Метаботропные
реакции, опосредованные дофаминергическими рецепторами, представлены мелкими пунктирными линиями. Метаботропные реакции, опосредованные серотонинергическими рецепторами, представлены сплошной
тонкой линией
На этой схеме все внутриклеточные молекулярно-химические элементы упразднены или объединены. Весь упор сделан на связи между разными элементами, что приближает описанную систему к сети. Приведенная
схема описывает нервную клетку как молекулярно-химическую сеть.
Внутриклеточная интегрирующая сеть выполняет функцию управления
модификацией синапических входов и выхода нейрона. Синапсы модифицируются не на уровне 0 и 1, а могут принимать различные значения: 0;
0,1; 0,2……0,9; 1. Любой нейрон мозга по входу сетевой. Но довольно
большое количество нейронов не имеет синаптических выходов. Эти
УДК 004.032.26(06) Нейронные сети
89
ISBN 978-5-7262-1226-5. НЕЙРОИНФОРМАТИКА – 2010. Часть 1
нейроны формируют диффузные модуляторные системы и определяют
качество трансдукционных сигналов, то есть качество или уровень управления, или качество контекста, то есть качество молекулярно–
химического фона нейронов. Эта схема получена трансформацией схемы
Грингарда на основании экспериментальных результатов, полученных
нами [1]. И эта схема позволяет разработать алгоритм работы внутриклеточной интегрирующей сети.
Синаптическими входами этой сети является возбуждающий глутаматергический синаптический вход, и тормозной ГАМКергический синаптический вход. Причем каждый синаптический вход имеет свою локальную систему управления, которая описана в виде обратной связи. Синапсы срабатывают на основании ВПСП и ТПСП (возбуждающих и тормозных постсинаптических потенциалов) в течение 10 мс, а процессы управления осуществляются в течение сотен мс. Поэтому синаптический вход
модифицируется во времени. Этапы модификации реализуются в течение
межимпульсного интервала. Описание алгоритма работы синаптических
входов и их локальное управление не представляет принципиальной
трудности.
В нейронах гиппокампа, коры и стриатума на постсинаптической мембране глутаматергического синапса локализованы два ионотропных рецептора: AMPA и NMDA. NMDA рецептор пропускает положительные
катионы, в том числе и кальций, и обладает потенциал–зависимым магниевым блоком. Таким образом, для прохождения ионов кальция внутрь,
при взаимодействии глутамата с NMDA рецептором, необходимо, чтобы
мембрана нейрона была деполяризована для снятия магниевого блока.
Этот механизм функционирования NMDA рецептора позволяет управлять
эффективностью глутаматергического синапса при сочетанной активации
двух синаптических входов, при сочетании активации синаптического
входа с деполяризацией мембраны и при длительной посттетанической
потенциации. Тот же NMDA рецептор осуществляет процесс аутомодификации глутаматергического синапса.
ГАМКА рецептор функционирует согласно процессу аллостерической
пластичности, так как все участки связывания ГАМКА рецептора являются аллостерическими регуляторами других участков связывания. Два вещества называются аллостерическими регуляторами, когда у каждого из
этих веществ имеется свой отдельный участок связывания с веществом.
Взаимодействие одного вещества со своим участком связывания вызывает
конформационные изменения в участке связывания с другим веществом и
модифицирует параметры связывания другого вещества с собственным
УДК 004.032.26(06) Нейронные сети
90
ISBN 978-5-7262-1226-5. НЕЙРОИНФОРМАТИКА – 2010. Часть 1
участком. Было показано [4], что взаимодействие пентилентетразола с
пикротаксиновым участком ГАМКА рецептора уменьшает плотность бензодиазепинового участка связывания с собственным веществом (диазепамом) и уменьшает мусцимол индуцируемую проводимость хлорного
канала [2]. При определенных условиях эксперимента модифицированная
активность ГАМКА рецептора сохраняется особым образом и воспроизводится через шесть месяцев при напоминании. Это явление мы назвали
аллостерической пластичностью, которая по своей сути является процессом аутомодификации ГАМКА рецептора.
Дофамин (ДА) и серотонин (СТ) -ергические входы являются оценивающими входами, которые управляют эффективностью синаптических
входов и внутриклеточной интеграцией. ДА вход обеспечивает процесс
подкрепления, формируя эмоционально положительные состояния на
уровне целого организма. Усиление ДА входа на клеточном уровне повышает процессы внутриклеточной интеграции и усиливает внутриклеточные связи между разными синаптическими входами нейрона. СТ вход
обеспечивает процесс «наказания», формируя эмоционально отрицательные состояния на уровне целого организма. Усиление СТ входа на клеточном уровне понижает процессы внутриклеточной интеграции и ослабляет внутриклеточные связи между разными синаптическими входами
нейрона. Сами ДА и СТ входы не синаптические, а активируются от омывающей клетку химической среды. То есть рецепторы этих веществ диффузно расположены на теле и на дендритах нейронов. Каждая модуляторная система имеет несколько типов рецепторов. Например, ДА система
имеет 5 типов исключительно метаботропных рецепторов, не вызывающих синаптических реакций, то есть ВПСП или ТПСП, а вызывают внутриклеточные медленные метаботропные или метаболические реакции [6].
ДА рецепторы – D1, D2, D3, D4 и D5 разделяются на 2 подтипа рецепторов: D1 и D2. D1 рецептор усиливает внутриклеточные связи, D2 – ингибирует. Такая реципрокность работы рецепторов обеспечивает устойчивый уровень контроля при процессах подкрепления. Иначе параметры
усиления или уменьшения эффективности синаптических входов непрерывно возрастали бы или непрерывно уменьшались. Система устойчивых
состояний позволяет усиливать эффективность синаптической передачи
до определенного уровня и удерживать ее на этом уровне.
Точно так же, СТ система имеет несколько типов рецепторов, одна
часть которых усиливает внутриклеточные связи через внутриклеточные
медленные метаботропные или метаболические реакции, а другая часть –
ингибирует, создавая устойчивый уровень контроля при процессах «накаУДК 004.032.26(06) Нейронные сети
91
ISBN 978-5-7262-1226-5. НЕЙРОИНФОРМАТИКА – 2010. Часть 1
зания». Такая реципрокность функционирования ДА и СТ систем создает
другой уровень устойчивого контроля. Таким образом, процессы внутриклеточной интеграции имеют 3 уровня устойчивого контроля.
Описанный нами процесс является первым этапом внутриклеточных
процессов и относится к кратковременной памяти. Вторым этапом внутриклеточных процессов является модификация экспрессии генов и консолидация памяти. Геном начинает синтезировать новые субъединицы рецепторов и качественно меняет субъединичный состав рецептора. Если
при обучении эффективность синаптической передачи меняется за счет
изменения плотности рецептора, иными словами, количества мест связывания с медиатором, и/или сродства или аффинности рецептора, иными
словами, чувствительности рецептора к концентрации выделенного медиатора, то в процесс консолидации вовлекается совершенно другой механизм. Следовательно, при обучении эффект реализуется с помощью одного механизма, а при консолидации эффект достигается с помощью совершенно другого механизма. При этом надо отметить, что алгоритм этих
механизмов известен, и его можно описать.
Кривая нарастания активности синаптических входов принимает значение 0; 0,1; 0,2……0,9; 1. Устойчивый уровень контроля необходим для
того, чтобы повысить эффективность синаптических входов, предположим, до значения 0,2, и удерживать ее на этом уровне длительное время
для аконсолидации. При других условиях – повысить эффективность синаптических входов до значения 0,4 и удерживать ее на этом уровне длительное время для консолидации. И так далее.
Известны 2 типа нейрональных сетей: локальные и иерархические.
Каждый нейрон этих сетей имеет внутриклеточную молекулярно – химическую интегрирующую сеть – ту, которую мы подробно описали. Информация приходит от нейронов более низкого иерархического уровня,
обрабатывается в локальной сети для модификации синаптичекской активности и создания устойчивого уровня контроля. Затем передается на
нейроны более высокого иерархического уровня, где происходит тот же
самый процесс, затем передается на другой уровень нейронов, и так далее.
Есть еще одна проблема, которую необходимо обсудить в рамках общих
положений алгоритма работы нейрокомпьютера, это то, что у каждого
нейрона около 40000 входных синапсов и всего один аксон, который дает
ограниченное количество коллатералей. Можно полагать, что эта проблема
решается с помощью порционного участия нейронов в различных реакциях.
То есть, в одной реакции участвует одна часть определенного типа нейронов. В другой реакции другая часть нейронов того же типа.
УДК 004.032.26(06) Нейронные сети
92
ISBN 978-5-7262-1226-5. НЕЙРОИНФОРМАТИКА – 2010. Часть 1
Есть несколько работ, указывающих на то, что активация ограниченного числа нейронов мозга может серьезно влиять на интегративные процессы мозга. Например, в работе [7] показано, что специальной фотостимуляции 300 нейронов сенсомоторной коры 2-3 слоя достаточно, чтобы
мыши обучались (вырабатывали рефлекс) на основании этого стимула,
используя его как условный раздражитель.
В работе [10] показано, что происходит выборочная активация ограниченного подмножества нейронов медиальной темпоральной коры при
узнавании лиц, объектов, животных, места действия.
В работе [8] продемонстрировано, что активация одиночного нейрона
сенсомоторной коры микростимуляцией может вызвать изменение в поведении животных в тесте обнаружения, предполагая намного более редкий корковый код для восприятия, чем ранее предполагалось.
Эти работы показывают, что ограниченного количества нейронов достаточно для реализации того или иного поведения.
Список литературы
1. Базян А.С. Взаимодействие медиаторных и модуляторных систем
головного мозга и их возможная роль в формировании психофизиологических и психопатологических состояний // Усп. Физиол. Наук. 2001. Т
32. № 3. С 3-22.
2. Ребров И.Г., Карпова М.Н., Андреев А.А., Клишина Н.Ю., Кузнецова Л.В., Ван Луийтелаар Ж., Базян А.С. Хлорная проводимость ГАМКА
рецептора синаптонейросом из коры мозга крыс WAG/Rij, с абсанс эпилепсией, и крыс Вистар в раннем периоде развития киндлинга и после его
окончания // Нейрохимия, 2007, том 24, № 4, с. 318-323/
3. Базян А.С. Первый уровень сетевых процессов мозга: Внутринейрональная молекулярно-химическая сеть, процессы интеграции и косолидации. // Научная сессия МИФИ – 2009. XI Всероссийская научнотехническая конференция «Нейроинформатика-2009»: Сборник научных
трудов. Ч. 1. М.: МИФИ, 2009. С. 273-280.
4. Bazyan A.S., Zhulin V.V., Karpova M.N., Klishina N.Y. and Glebov
R.N. Long-term reduction of benzodiazepine receptor density in the rat cerebellum by acute seizures and kindling and its recovery six months later by a pentylenetetrazole challenge // Brain Res. 2001. V. 888. P. 212-220.
5. Frey U., Krug M., Reymann KG., Matthies H. Anisomycin, an inhibitor
of protein synthesis, blocks late phases of LTP phenomena in the hippocampal
CA1 region in vitro // Brain Res. 1988. V. 452. № 1-2. P. 57-65.
УДК 004.032.26(06) Нейронные сети
93
ISBN 978-5-7262-1226-5. НЕЙРОИНФОРМАТИКА – 2010. Часть 1
6. Greengard P., Allen P.B., Nairn A.C. Beyond the dopamine receptor: the
DARPP-32/protein phosphatase-1 cascade // Neuron. 1999. V.23. № 3. P. 435447.
7. Huber D., Petreanu L., Ghitani1 N., Ranade S., Hromadka T., Mainen
Z., Svoboda K. Sparse optical microstimulation in barrel cortex drives learned
behaviour in freely moving mice. Nature. 2008. V. 45. P. 61-66.
8. Houweling A.R., Brecht M. Behavioural report of single neuron stimulation in somatosensory cortex. Nature. 2008. V. 451. P. 65-69.
9. Mayford M., Abel T., Kandel E.R. Transgenic approaches to cognition //
Cur. Opin. Neurobiol. 1995. V. 5. P. 141-148.
10. Quiroga R.Q., Reddy L., Kreiman G., Koch C., Fried I. Invariant visual
representation by single neurons in the human brain. Nature. 2005. V. 435. P.
1102-1107.
УДК 004.032.26(06) Нейронные сети
94