Московский международный Синергетический форум
Наука

Мозг на грани: нейронные лавины и спор о том, критична ли кора

7 минут чтения

В 2003 году Беггс и Пленц увидели в срезах коры каскады активности с тем же степенным законом, что у критического ветвящегося процесса, и родилась гипотеза критического мозга. Разбираем по текстам сторон, что показали лавины, почему прямая на логарифмическом графике ничего не доказывает и как уточненные оценки 2018–2019 годов сдвинули спор от «да или нет» к вопросу «насколько близко к краю».

В начале 2000-х Джон Беггс (John Beggs) и Дитмар Пленц (Dietmar Plenz) в Национальном институте психического здоровья США часами записывали спонтанную активность срезов коры крысы. Срез лежал на решетке из 60 электродов, и никакого стимула не было: ткань жила сама. Время от времени электрическая активность вспыхивала на одном электроде и перекидывалась на соседние. Иногда вспышка гасла сразу, иногда захватывала всю решетку. Когда исследователи построили распределение размеров этих каскадов, оно легло на прямую в логарифмических осях с наклоном −3/2 [1].

Для физика это число знакомое: так распределены размеры лавин в критическом ветвящемся процессе, где каждое событие в среднем порождает ровно одно следующее. Беггс и Пленц назвали каскады «нейронными лавинами» (neuronal avalanches) и предположили, что кора работает вблизи критической точки. Через двадцать лет гипотеза критического мозга остается одной из самых обсуждаемых в нейронауке, а спор о ней идет о том, что именно было измерено.

Что увидели Беггс и Пленц

Опыт 2003 года проводили на органотипических культурах и острых срезах коры крысы. Регистрировали локальные полевые потенциалы. Лавиной считали серию временных окон подряд, в каждом из которых хотя бы один электрод фиксировал событие; размер лавины — число задействованных электродов. Распределение размеров подчинялось степенному закону с показателем −3/2, распределение длительностей — с показателем около −2 [1].

Второй измеренной величиной был параметр ветвления σ: сколько электродов в среднем активируется в следующем окне, если в текущем активен один. Если σ меньше единицы, активность затухает; если больше, она лавинообразно разрастается, как при эпилептическом припадке. Беггс и Пленц получили σ, близкий к единице. В модельных сетях они показали, что именно при σ ≈ 1 передача информации максимальна, а сеть еще не уходит в неуправляемое возбуждение. Вывод сформулирован осторожно: в критическом состоянии сеть «может» совмещать конкурирующие требования передачи информации и устойчивости [1].

За идеей стояла теория самоорганизованной критичности (self-organized criticality) Пера Бака, Чао Тана и Курта Визенфельда (Per Bak, Chao Tang, Kurt Wiesenfeld), которые в 1987 году предложили объяснять степенные законы тем, что многие системы сами приходят в критическое состояние, как куча песка, на которую сыплют песчинки [2]. Беггс и Пленц прямо ссылаются на эту линию: землетрясения, лесные пожары и цепные ядерные реакции в их введении стоят рядом с нейронами как системы, где элемент с порогом передает возбуждение дальше.

«Мозг на грани»: сильная версия гипотезы

Самую широкую программу сформулировал Данте Кьяльво (Dante Chialvo) в обзоре 2010 года в Nature Physics с подзаголовком препринта «мозг на грани» (the brain at the edge) [3]. Его исходный вопрос не о лавинах, а о гибкости: как сто миллиардов нейронов и сто триллионов синапсов, по его подсчету, производят огромный репертуар состояний и быстро переключаются между ними. Кьяльво предлагает ответ из статистической физики: система вблизи критической точки фазового перехода второго рода обладает дальними корреляциями и максимальной чувствительностью, поэтому ей легче всего переходить из одной конфигурации в другую.

Кьяльво честно предупреждает, что его текст намеренно провокационный и потому не может быть ни честным, ни исчерпывающим обзором литературы. Он спорит с господствующим в нейронауке «коннекционистским» взглядом, где поведение объясняют конкретными связями между нейронами, и предлагает смотреть на мозг как на коллективный процесс. Для читателей нашего сайта этот ход знаком: так синергетика Хакена смотрела на лазер и на мозг через параметры порядка, а Франсиско Варела в работах о нейрофеноменологии времени описывал переживание настоящего через динамику связанных нейронных осцилляторов и мультистабильность.

Первый удар: прямая линия ничего не доказывает

В 2010 году Джонатан Тубуль и Ален Дестекс (Jonathan Touboul, Alain Destexhe) опубликовали в PLoS ONE статью с вопросом в заголовке: могут ли степенной закон и нейронные лавины возникнуть из случайной динамики? [4] Они взяли многоэлектродные записи полевых потенциалов у бодрствующих кошек и выделяли события тем же способом, что и сторонники гипотезы, по отрицательным пикам потенциала. При высоком пороге распределение и правда похоже на степенное. При низком пороге оно становится экспоненциальным. А строгий статистический критерий (критерий Колмогорова — Смирнова) степенной закон не подтверждает.

Дальше авторы сделали контроль, который трудно забыть. Они взяли положительные пики потенциала, не связанные с активностью нейронов, и случайно перемешанные времена пиков. Получилось то же самое «степенное» распределение с той же зависимостью от порога. Затем они решили задачу для двух простых случайных моделей, дробового шума и процесса Орнштейна — Уленбека: прямая в логарифмических осях появляется и там. Вывод Тубуля и Дестекса: степенной масштаб может быть общим свойством пороговых случайных процессов, и логарифмические графики сами по себе критичность не доказывают. В контрольной сети, про которую заранее известно, что она самоорганизованно критична, строгий анализ степенной закон подтвердил однозначно. Значит, метод различает случаи, если им пользоваться.

Это возражение того же рода, что и в споре о безмасштабных сетях, который мы разбирали отдельно: прямая на логарифмическом графике легко получается и без того механизма, ради которого ее искали. Стандарт проверки таких распределений через максимальное правдоподобие и критерий согласия подробно описали Клаузет, Шализи и Ньюман (Clauset, Shalizi, Newman) [5].

Второй удар: мы видим слишком мало нейронов

Йенс Вильтинг и Виола Призман (Jens Wilting, Viola Priesemann) из геттингенского Института Макса Планка зашли с другой стороны [6]. Активность сети они описывают как ветвящийся процесс: средняя активность в следующий момент равна текущей, умноженной на коэффициент m, плюс внешний вход. При m < 1 активность устойчива, при m > 1 растет экспоненциально, m = 1 — критическая точка. Но в живом мозге регистрируют сотню нейронов из миллионов, и обычная оценка m по такой выборке, как показали авторы, сильно занижена. Они вывели оценку, не зависящую от доли наблюдаемых нейронов, и проверили ее на эпидемиях: для норовируса получилось 0,98, для кори 0,88 при охвате вакцинацией около 97%.

На записях спайков у макаки (префронтальная кора во время задачи на память), у кошки под наркозом (зрительная кора) и у крысы (гиппокамп во время поиска пищи) оценка m легла между 0,963 и 0,998, медиана 0,984. Это соответствует временам автокорреляции от 100 до 2000 мс. Вывод авторов звучит как компромисс, но довольно жесткий: мозг не находится ни в асинхронно-нерегулярном состоянии (m = 0), ни в критическом (m = 1). Они называют найденное состояние «реверберирующим»: входной сигнал отзывается в сети сотни миллисекунд, что позволяет интегрировать информацию. Отклонение от критичности около 10−2, и, по их оценке, его нельзя списать на конечный размер сети. Вильтинг и Призман оставляют одну оговорку: вход и рефрактерность могут ограничивать достижимое m так, что «квазикритическая» динамика окажется совместима с их результатом [6].

Ответ сторонников: критичность между состояниями коры

Если мозг критичен, то где фазовый переход и между чем и чем? Так поставили вопрос Антониу Фонтенеле, Мауро Копелли (Antonio Fontenele, Mauro Copelli) и десять их соавторов в 2019 году [7]. Кора, напоминают они, работает в разных режимах: от высокосинхронных, с большой изменчивостью спайков, до десинхронизированных. По аннотации, на новых и открытых данных авторы проверили несколько независимых признаков критичности и нашли переход при промежуточном значении изменчивости, у животных под наркозом и у свободно движущихся. Критические показатели указывают на класс универсальности, отличный от направленной перколяции в приближении среднего поля, а показатели лавин, пока кора колеблется около этой точки, связаны линейным соотношением, в которое укладываются прежние эксперименты из разных лабораторий. Полный текст этой работы мы не читали: он закрыт, и наш пересказ опирается на аннотацию.

Это важный сдвиг. Сторонники гипотезы больше не утверждают, что кора всегда сидит в критической точке. Критичность становится одним из состояний, около которого мозг блуждает, и проверяется по согласованным соотношениям между показателями, а не по одной прямой на графике.

Где стоит вопрос

Если свести спор к фактам, картина такая. Нейронные лавины существуют, и распределение их размеров в срезах коры близко к степенному [1]. Сама по себе прямая на логарифмическом графике критичность не доказывает: ее дают и пороговые случайные процессы [4]. Оценки ветвления в живом мозге, исправленные на неполную выборку, близки к единице, но, по данным Вильтинга и Призман, систематически чуть меньше ее [6]. Сторонники отвечают, что переход есть, но между режимами коры, и что его класс универсальности не тот, который предполагали вначале [7].

Спор идет уже о количествах: на сколько мозг отстоит от критической точки и меняется ли это расстояние со сном, наркозом, вниманием. Это тот же вопрос, что и в нашей статье о ранних сигналах переломов: у системы вблизи перехода растут время автокорреляции и чувствительность к возмущениям. Только в мозге близость к краю, возможно, не угроза, а рабочий режим. Насколько близко к краю он держится, решат следующие измерения.

1. Beggs J. M., Plenz D. Neuronal avalanches in neocortical circuits // Journal of Neuroscience. 2003. Vol. 23, № 35. P. 11167–11177. doi:10.1523/JNEUROSCI.23-35-11167.2003. Свободный текст: PMC6741045.
2. Bak P., Tang C., Wiesenfeld K. Self-organized criticality: an explanation of the 1/f noise // Physical Review Letters. 1987. Vol. 59, № 4. P. 381–384. doi:10.1103/PhysRevLett.59.381.
3. Chialvo D. R. Emergent complex neural dynamics // Nature Physics. 2010. Vol. 6, № 10. P. 744–750. doi:10.1038/nphys1803. Препринт: arXiv:1010.2530 («Emergent complex neural dynamics: the brain at the edge»).
4. Touboul J., Destexhe A. Can power-law scaling and neuronal avalanches arise from stochastic dynamics? // PLoS ONE. 2010. Vol. 5, № 2. Art. e8982. doi:10.1371/journal.pone.0008982. Открытый доступ (CC BY).
5. Clauset A., Shalizi C. R., Newman M. E. J. Power-law distributions in empirical data // SIAM Review. 2009. Vol. 51, № 4. P. 661–703. doi:10.1137/070710111. Препринт: arXiv:0706.1062.
6. Wilting J., Priesemann V. Inferring collective dynamical states from widely unobserved systems // Nature Communications. 2018. Vol. 9. Art. 2325. doi:10.1038/s41467-018-04725-4. Открытый доступ (CC BY).
7. Fontenele A. J., de Vasconcelos N. A. P., Feliciano T., Aguiar L. A. A., Soares-Cunha C., Coimbra B., Dalla Porta L., Ribeiro S., Rodrigues A. J., Sousa N., Carelli P. V., Copelli M. Criticality between cortical states // Physical Review Letters. 2019. Vol. 122, № 20. Art. 208101. doi:10.1103/PhysRevLett.122.208101.