Когда поддержка становится дирижёром: неожиданный поворот в нейронауке
То, что когда-то считалось просто биологическим «фоном» — глиальные клетки, и особенно астроциты — теперь выходит на авансцену. Исследование Флоридского Атлантического университета (Florida Atlantic University)совместно с учёными из Федерального университета Сан-Карлоса (Federal University of São Carlos) и Университета Сан-Паулу (University of São Paulo) показало: астроциты не просто поддерживают нейроны. Они могут управлять ритмом, координировать синхронизацию и, возможно, влиять на функции вроде сна, памяти и внимания.
Это не догадка — это результат сложнейшего анализа с применением машинного обучения и компьютерного моделирования, опубликованный в журнале «Cognitive Neurodynamics».
Машинное обучение встречает звёзды мозга
Исследовательская команда во главе с Родриго Пеной (Rodrigo Peña), научным сотрудником кафедры биологических наук в Колледже науки Шмидта (Schmidt College of Science), применила передовые алгоритмы — от случайных лесов до нейросетей — чтобы смоделировать взаимодействие нейронов и астроцитов.
Цель была амбициозной: не просто показать присутствие астроцитов, а зафиксировать их влияние на поведение нейронных сетей в разных режимах работы мозга — особенно в те моменты, когда множество нейронов «стреляет» одновременно, создавая гармоничный, синхронный паттерн. Как в музыкальном оркестре: все инструменты (нейроны) настроены, но дирижёр (астроцит?) задаёт ритм.
Что они выяснили?
Оказывается, во время так называемых синхронных состояний — тех, что лежат в основе сна, внимания и формирования воспоминаний — астроциты способны тонко, почти незаметно, модулировать поведение нейронов. Не подавляя, не возбуждая напрямую, а «настраивая» ритм, частоту и синхронность импульсов.
Как объяснила Лаура Фонтенс (Laura Fontens), научный сотрудник Колледжа Чарльза Николсона (Charles E. Schmidt College of Science):
«Астроциты давно считались пассивной декорацией. Но теперь всё указывает на то, что они активно участвуют в модуляции синапсов, энергетическом управлении и координации сетевой динамики».
Технология, которую раньше не применяли
Чтобы увидеть то, что скрыто от глаз, исследователи использовали сразу несколько машинных подходов, включая:
- деревья решений
- градиентный бустинг
- случайные леса
- глубокие нейросети
Самым чувствительным показателем, как оказалось, была средняя частота «стрельбы» нейронов — её тонкие колебания позволяли ИИ-моделям улавливать присутствие и влияние астроцитов даже там, где классические методы ничего не показывали.
Именно благодаря этим нюансам стало ясно: астроциты формируют мозговые ритмы не менее активно, чем сами нейроны.
Что это значит для нейронауки?
Большинство стандартных метрик активности мозга, таких как скорость спайков или коэффициент вариации, не улавливают этого уровня взаимодействия. Именно здесь машинное обучение даёт новый взгляд — оно может разглядеть невидимое влияние клеток, которые десятилетиями игнорировались.
Родриго Пена (Rodrigo Peña) отмечает:
«Даже несмотря на техническую сложность, нам удалось зафиксировать глиальное воздействие, особенно при использовании нейросетей. Это серьёзный шаг к тому, чтобы понять мозг как экосистему, где важны не только нейроны».
И что теперь?
Один из следующих шагов — перенести эти находки на живые модели. По словам Фонтенс, их можно будет проверить на рыбках данио, чья прозрачная голова позволяет наблюдать за мозговой активностью в реальном времени.
Если данные подтвердятся, это откроет принципиально новое направление в терапии: нейроглиальные взаимодействия как мишени лечения при расстройствах памяти, сна, внимания и даже эпилепсии.
Заключение: новая глава в понимании мозга
Пока нейроны блистали на сцене науки, астроциты терпеливо играли свою партию в тени. Но теперь, благодаря ИИ и новым аналитическим подходам, их роль становится очевидной — и, возможно, ключевой.
Это не просто интересная деталь — это переосмысление устройства мозга. А значит, и всего, что связано с психикой, лечением и человеческим «я».
Литература.
“Astrocytic signatures in neuronal activity: a machine learning-based identification approach” by Rodrigo Pena et al. Cognitive Neurodynamics
