Недавно было также обнаружено, что, несмотря на отсутствие глаз, C. elegans реагирует на изменение освещённости, и учёные даже обнаружили несколько нейронов, связанных с обработкой этих сигналов. Нематода может обучаться: приближаться или, наоборот, избегать источников вкуса, запаха или изменений температуры, которые на основе прежнего опыта позволяют прогнозировать наличие или отсутствие еды. Также червь проявляет ассоциативные формы обучения, такие, как выработка классического и дифференцированного условного рефлекса, и обладает способностями к краткосрочной и долгосрочной памяти (Catharine H. Rankin. Current Biology. 2004).
В соответствии с текущими представлениями считается, что нервная система любой взрослой особи одного из полов неизменно содержит 302 нейрона и образования новых, даже в результате обучения, не происходит. Однако эти наблюдения не исключают образования новых межнейронных связей и перенастройки параметров уже существующих. Как именно это происходит, ещё предстоит выяснить, как посредством экспериментальной работы, так и с помощью компьютерного моделирования.
Данные о структуре нервной системы, используемые в симуляторе, соответствуют взрослой особи, которая была подвергнута оцифровке, и должны содержать в себе все базовые поведенческие программы, в соответствии с которыми виртуальный C. elegans должен вести себя правдоподобно. Однако описанные выше способности к обучению «заработают» только в том случае, если удастся выявить стоящие за ними механизмы и дополнить ими модель.
— Достаточно ли смоделировать только нервную систему?
- Создать модель «нервной системы в вакууме» совсем не так интересно и плодотворно, как смоделировать одновременно совокупность взаимосвязанных систем — нервной, мышечной и сенсорной на базе гибкого каркаса тела, помещенного в виртуальное окружение — физический симулятор.
Это позволит нервной системе получать от окружения реалистичный сенсорный ввод, меняющийся в ответ на действия самого червя, которые будут осуществляться в результате активности мышечной системы, управляемой в свою очередь нервной системой. А с помощью модуля 3D-визуализации исследователи могут наблюдать как саму нейронную и мышечную активность в мельчайших деталях, так и ее результат — поведение виртуальной нематоды.
Над исследованием и моделированием различных систем C. elegans работают многие серьёзные лаборатории США, Европы, Японии. Однако именно так, как у нас, задача поставлена впервые. Мы попытались объединить все уже имеющиеся данные в единый многофункциональный программный комплекс. Успешное выполнение проекта позволит получить новые знания о механизмах работы нервной системы как целого, так и детально, на уровне отдельных нейронов, изучить принципы организации функциональных блоков биологических нейронных сетей, которые в перспективе могут быть использованы для проектирования искусственных нейронных сетей нового поколения.
- Какие вычислительные мощности и программное обеспечение вы используете для моделирования?
- Пока для полноценной работы симулятора хватает мощного персонального компьютера, хотя видно, что по мере дополнения системы большими объёмами новых данных этот баланс может быть нарушен. Если быстродействия не будет хватать, есть пути для оптимизации и распараллеливания.
Что касается программного обеспечения, арсенал достаточно прост. Собственно симулятор, как физический, так и нейронный, разработан самостоятельно и реализован на языке C++ с использованием стандартной библиотеки STL; вся 3D-визуализация реализована с помощью технологии OpenGL, что позволяет запустить программный комплекс под той или иной операционной системой с минимальной адаптацией кода.
- Что «умеет» созданная вами нематода?
- Мы предложили оригинальную схему гибкого каркаса тела нематоды, повторяющего форму биологического прототипа, оптимизированную для крепления мышечных клеток в тех же позициях, в которых они расположены у реального червя. Мы первые предложили 3D-модель мышечной системы C. elegans, в которой каждая мышечная клетка (из 95) реального организма будет иметь свой аналог.
Геометрические и механические свойства воспроизведены максимально точно, включая позиции нейронов и архитектуру связей между ними.
Для этого есть ряд существенных причин. Из-за особенностей строения нейронов C. elegans для их моделирования требуется учитывать в расчётах реальные пути соединений между нейронами, изменение сигнала вдоль них и время его распространения. Наша концепция удовлетворяет этим требованиям и предоставляет идеальный способ визуализации структуры межнейронных соединений, включая нелинейные участки и области ветвления, а также отображения динамики нейронной активности.