3 вида нейронов: Page not found — CogniFit

Содержание

Neuron Structure | Protocol (Translated to Russian)

18.5: Структура нейрона

Обзор

Нейроны являются основным типом клеток в нервной системе, которые генерируют и передают электрохимические сигналы. Они в основном общаются друг с другом с помощью нейротрансмиттеров на конкретных узлах, называемых синапсами. Нейроны бывают разных форм, которые часто связаны с их функцией, но большинство из них имеют три основные структуры: аксон и дендриты, которые простираются из клеточного тела.

Структура и функция нейронов

Нейронно-клеточное тело – сома – содержит ядро и органеллы, жизненно важные для клеточной функции. От клеточного тела выходят тонкие структуры, которые специализируются на приеме и отправке сигналов. Дендриты обычно получают сигналы, в то время как аксон передает сигналы другим клеткам, таким как другие нейроны или мышечные клетки. Точка, в которой нейрон делает связь с другой клеткой называется синапс.

Нейроны получают входные данные в основном на постсинаптических терминалах, которые часто расположены на шипах – небольших шишки, выступающие из дендритов. Эти специализированные структуры содержат рецепторы для нейротрансмиттеров и других химических сигналов. Дендриты часто высоко разветвлены, что позволяет некоторым нейронам получать десятки тысяч входных данных. Нейроны чаще всего получают сигналы на их дендритов, но они также могут иметь синапсы в других областях, таких как клеточное тело.

Сигнал, полученный на синапсах, перемещается вниз по дендриту в сому, где ячейка может обработать его и определить, следует ли отправлять сообщение вперед или нет. Потенциал действия является основным электрическим сигналом, генерируемым нейронами. Он переносит информацию вперед на следующую ячейку. Сначала он генерируется на аксоновом холме – стыке сомы и аксона.

Аксоны различаются по длине, но могут быть довольно длинными. Например, некоторые простираются от спинного мозга до ног. Более длинные аксоны обычно завернуты в жирную миелиновую оболочку, которая изолирует аксон, помогая поддерживать электрический сигнал. Оболочка миелина создается глией – другим типом клеток в нервной системе. В миелинированных аксонах потенциал действия регенерируется в каждом узеле Ранвье – повторяющиеся пробелы в миелине – до тех пор, пока он не достигнет терминала в конце аксона, или пресинаптического терминала.

Пресинаптический терминал имеет пузырьки, которые содержат пулы нейротрансмиттеров. Потенциалы действия вызывают пузырьки пройти экзоцитоз путем сплава к клеточной мембране и выпуская нейромедиатор в синаптической расщелины-разрыв между клетками в синапсе. Различные нейротрансмиттеры могут иметь различное влияние на постсинаптические клетки. Возбудительный синапс увеличивает шансы на инициирование действия потенциал на постсинаптической клетке, в то время как ингибирующая синапс снижает шансы на потенциал действия.

Нейрональная морфология

Общая форма нейронов — их морфология — может сильно различаться и часто связана с их функцией. Некоторые нейроны имеют несколько дендритных процессов и одного аксона, другие имеют очень запутанные дендритные беседки, в то время как другие имеют аксоны, которые могут охватывать длину организма. Разнообразные морфологии часто используются для определения типа нейронов. Количество входных данных — синаптических соединений — может влиять на то, как клетка реагирует на сигналы. Таким образом, морфология дендритов, и количество синапсов они содержат, является важной особенностью, которая может определить тип нейрона. В периферической нервной системе дендриты могут также определить восприимчивое поле клетки – физическое пространство на теле, к которое они чувствительны.

Искусство визуализации нейронных структур

Испанский анатом Сантьяго Рамон и Cajal, работающих в конце 19-го и начале 20-го века, впервые отслеживания отдельных нейронов и при условии фундаментального понимания их самой природы. Он создал потрясающие изображения клеток, которые по-прежнему предлагают значительное количество деталей. Используя метод окрашивания, разработанный и названный в честь итальянского биолога Камилло Голги, он смог проследить структуру различных видов клеток в головном мозге. Он также набросал некоторые из основных связей нейронных цепей-сетей нейронов, которые активируются вместе для обработки конкретной информации.

Литература для дополнительного чтения

Vasile, Flora, Elena Dossi, and Nathalie Rouach. “Human Astrocytes: Structure and Functions in the Healthy Brain.” Brain Structure & Function 222, no. 5 (2017): 2017–29. [Source]

Нейромедиаторы и нейропептиды — биомаркеры метаболических нарушений при ожирении | Гмошинский

Список основных сокращений

БеЖТ — белая жировая ткань;

БуЖТ — бурая жировая ткань;

ГТ — гипоталамус;

ГЭБ — гематоэнцефалический барьер;

ДА — дофамин;

ДЯ — дугообразное ядро;

ИМТ — индекс массы тела;

Ож — ожирение;

ОХ — орексин;

СТ — серотонин;

ЦНС — центральная нервная система;

AgRP — агути-родственный протеин;

MSH — меланоцитстимулирующий гормон;

GPCR-рецептор, связанный с G-белком;

MC3R-рецептор меланокортина;

NPY — нейропептид Y;

POMC — проопиомеланокортин.

Избыточная калорийность пищевого рациона в значительной мере ответственна за развитие ожирения (Ож). Однако попытки коррекции Ож гипокалорийными диетами не всегда успешны и результат часто оказывается обратимым [1]. Источником этих проблем является полиэтиологичность Ож, включающая генетическую предрасположенность и родительское эпигенетическое пре- и постнатальное «программирование». Патогенез Ож содержит такие звенья, как системное воспаление, инсулинорезистентность, стойкие сдвиги в экспрессии генов, ответственных за дифференцировку клеток белой (БеЖТ) и бурой (БуЖТ) жировой ткани, синтез и распад липидов и жирных кислот, про- и противовоспалительных цитокинов, адипокинов, гормонов, а также рецепторов к ним. Помимо этого, важную роль играют нарушения регуляции пищевого поведения, чувства голода, насыщения и аппетита. По современным данным [2], в центральной нервной системе (ЦНС) выделяют как минимум два контура такой регуляции, первый из которых, являющийся эволюционно древнейшим, может быть охарактеризован как «гомеостатический»; его смысл состоит в реакции ЦНС на поступающие от периферических органов и тканей химические сигналы об уровне потребления нутриентов и энергии. В норме такая реакция заключается в центральном подавлении чувства голода и аппетита, угасании пищевых поисковых рефлексов, результатом чего является снижение потребляемой калорийности. Однако при Ож те или иные звенья данной сигнальной цепи оказываются разрушенными, что приводит к потере адекватности реакции ЦНС на количество потребляемых калорий.

Второй контур регуляции может быть условно охарактеризован как «гедонистический», поскольку в его основе лежит регуляция пищевого поведения, направленная на получение максимума удовольствия от самого процесса питания. Этот эволюционно более молодой контур опосредуется высшими отделами головного мозга, непосредственно связанными со вкусовым анализатором, и задействует каннабиноидные и опиоидные рецепторы, а также их эндогенные лиганды. Стойкие изменения в этом контуре могут привести к извращению влияния потребления вкусной, высококалорийной пищи на уровень аппетита и насыщения.

Указанные два контура регуляции пищевого поведения у высших животных в значительной степени независимы [3]. У большинства млекопитающих, включая человека, формируются жизненные профили пищевого поведения, зависящие от предыдущего опыта (обучение) и внешних факторов.

Структурой ЦНС, интегрирующей все центральные и периферические механизмы регуляции пищевого поведения, является гипоталамус (ГТ), в особенности его дугообразное ядро (ДЯ), содержащее ряд групп аминергических и пептидергических нейронов, способных отвечать как на поступающие от органов и тканей, так и на центральные стимулы соответствующими сигналами, приводящими к изменению пищевого поведения и энергетического обмена. Важную роль в передаче этих сигналов играют, с одной стороны, гипоталамо-гипофизарно-адреналовая ось, а с другой — периферическая нервная система, иннервирующая жировые ткани группами холин­ергических и адренергических нейронов [4].

В задачи настоящего обзора входит анализ современного состояния вопроса о нейромедиаторах и нейропептидах, являющихся передаточными звеньями в центральных механизмах регуляции пищевого поведения, нарушение которых играет ведущую роль в развитии Ож, а также выступающих в качестве биологических маркеров метаболических нарушений при Ож и связанных с ним патологических состояниях.

Серотонин и дофамин в центральной регуляции пищевого поведения

В области ГТ повышена проницаемость гемато-энцефалического барьера (ГЭБ) для ряда нутриентов и пептидных гормонов [5]. Гомеостаз энергетического обмена регулируется комплексной сетью, включающей нейроэндокринные и автономные пути [6], в которой ГТ играет ключевую роль, мониторируя сигналы, отражающие статус метаболической энергии, и тем самым инициируя соответствующие изменения в метаболизме и поведении [7].

Центральным компонентом механизма поддержания энергетического гомеостаза является система серотонина (СТ) в ЦНС. Ее роль была раскрыта в ряде исследований на животных с нокаутом генов метаболизма СТ и его рецепторов, а также с использованием синтетических агонистов и антагонистов последних [8]. Многократно показано облегчение симптомов Ож при использовании агонистов рецепторов СТ, реализующих свое действие через активацию сигнального пути в нейронах ГТ, входящих в систему проопиомеланокортина (POMC).

СТ представляет собой биогенный амин, образующийся из аминокислоты триптофана (Трп) под действием триптофангидроксилазы и 5-гидрокситриптофандекарбоксилазы, кофактором которой является пиридоксальфосфат. Помимо своей основной функции нейромедиатора, СТ известен как модулятор пищевого поведения. В головном мозге содержится небольшая часть (около 5%) серотонина, а 95% его цирукулирует в системном кровотоке [8].

Одним из механизмов получения серотонинергическими нейронами информации о составе пищевого рациона является изменение состава аминокислот плазмы и главным образом изменение соотношения Трп и остальных аминокислот. Как известно, Трп и другие большие нейтральные аминокислоты (БНА) конкурируют за единый транспортный путь через ГЭБ, вследствие чего относительное повышение содержания Трп в крови приводит к увеличению его транспорта в мозг, где он преобразуется в СТ. Высокоуглеводная, бедная белком пища стимулирует секрецию инсулина, который оказывает анаболический эффект, приводящий к убыли в крови аминокислот в количестве, пропорциональном их среднему содержанию в белках. Поскольку Трп является одной из наиболее «редких» аминокислот в организме, убыль его концентрации в крови оказывается относительно наименьшей, что приводит к усилению его потока через ГЭБ. С другой стороны, при потреблении высокобелковой пищи, когда концентрация всех аминокислот (и в последнюю очередь Трп) в крови нарастает, его поток в мозг ослабевает за счет конкуренции с другими БНА. Предполагается [9], что в результате этих эффектов в головном мозге изменяется уровень СТ, который выступает в роли регулятора по механизму отрицательной обратной связи: при его повышении избирательно активируются POMC-нейроны, ответственные за подавление пищевого поискового поведения, аппетита и развитие чувства насыщения. Большее по отношению к другим БНА высвобождение в кровь свободного Трп при потреблении высокоуглеводной пищи показано в исследованиях на здоровых добровольцах [9].

Многие детали метаболизма СТ в головном мозге при Ож недостаточно изучены. Гипотеза о роли активности рецепторов СТ в развитии Ож у людей не получает подтверждения [10]. СТ как агент, вызывающий насыщение, действует преимущественно в среднем отделе ГТ. В регуляции соотношения потребляемой углеводной и белковой пищи его действие противостоит α2-норадреналинергической системе паравентрикулярного ядра, которая ингибирует насыщение углеводами и тем самым потенцирует их потребление. Серотонинергическая система косвенно противостоит и катехоламинергической системе латерального ГТ, которая опосредует амфетаминовую анорексию и ингибирует тягу к потреблению белка при голоде. Наряду с его значением в качестве отрицательного регулятора энергетической ценности рациона, СТ, синтезируемый в мозге, играет роль в улучшении настроения и регуляции сна. Низкое потребление Трп с диетой может спровоцировать депрессию. В качестве метода контроля уровня СТ при депрессии рассматривается назначение диеты, обогащенной Трп и витамином В6 [11].

Возможное участие СТ в процессах, приводящих к Ож, была исследована в тесте связывания зонда [3H]-paroxetine серотониновыми рецепторами SERT тромбоцитов у людей с нормальной и избыточной массой тела [12]. Удельное содержание SERT-рецеп­торов было существенно снижено в мембранах тромбоцитов при Ож II и особенно III степени. Сродство SERT к лиганду при этом не менялось. Снижение рецепции СТ в тромбоцитах гипотетически рассматривается как один из биомаркеров метаболических нарушений, сопровождающих Ож у человека.

Важную роль в регуляции пищевого поведения играет дофамин (ДА). Его действие в ГТ провоцирует потребление пищи [13], причем данный эффект соотносится с удовлетворением от процесса питания [14]. Потребление жира [15] и сахарозы [16] вызывает выделение ДА в вентральной гипоталамической области, прилежащих ядрах и префронтальной коре ГТ. Дисфункция системы ДА была выявлена при Ож как у животных, так и у людей. Длительное потребление высокожирового рациона изменяет экспрессию генов обмена ДА в ГТ [17]. Сниженные экспрессия и функция дофаминового D2 рецептора в пределах мезокортиколимбического контура у крыс и людей при Ож [18], уменьшенная концентрация ДА в полосатом теле у крыс при алиментарном Ож [19] и подавленная экспрессия D1 рецептора в прилежащих ядрах у крыс, генетически предрасположенных к Ож [20], указывают на роль снижения уровня ДА в качестве звена порочного круга, формирующегося при развитии алиментарного Ож.

Дофаминергические нейроны вентральной области ГТ играют важную роль в стимуляции пищевого поведения под действием алкоголя, каннабиноидов и других психоактивных веществ. В подобной гедонистической регуляции пищевого поведения эффекты ДА опосредуются нейропептидами, в частности — грелином [21].

Нейропептиды в центральной регуляции пищевого поведения

Передача эндокринных и метаболических сигналов в ЦНС опосредуется двумя основными группами пептидергических нейронов: активирующими (орексигенными) и подавляющими аппетит (анорексигенными) [22]. Орексигенная популяция нейронов экспрессирует агути-родственный пептид (AgRP) и нейропептид Y (NPY), тогда как и анорексигенная — пептиды семейства POMC и кокаин-амфетамин регулируемого транскрипта (CART).

Пептидергические нейроны находятся под контролем циркадных ритмов и высокочувствительны к различным стрессорным факторам. Вышеперечисленные нейропептиды по-разному влияют на функцию и «скорость хода» биологических часов. Дисрегуляция ритмичности предрасполагает к развитию как ментальных, так и метаболических расстройств. Циркадные ритмы находятся в сильной обратной связи с гипоталамо-гипофизарной осью. Таким образом, реализуется ассоциация нарушения циркадной ритмичности с Ож и связанными с ним изменениями пищевого поведения и метаболизма [23].

Агути-родственный белок и нейропептид Y

AgRP экспрессирован в нейронах ДЯ ГТ и играет ключевую роль в потреблении пищи и энергетическом гомеостазе млекопитающих. AgRP-нейроны высвобождают 3 вида орексигенных молекул — AgRP, NPY и α-аминомасляную кислоту. В этих нейронах экспрессировано несколько связанных с G-белком Gs-рецепторов. Их активация приводит к значительному и устойчивому повышению количества потребляемой пищи [24]. С другой стороны, выявлено снижение уровня AgRP в крови лиц с Ож, проходящих лечение дозированными физическими нагрузками в сочетании с редуцированной по калорийности диетой [25].

NPY играет важную роль в регуляции баланса энергии и является медиатором, опосредующим развитие алиментарного Ож, а также инсулинорезистентности и гипергликемии. В центральной и симпатической нервной системе NPY колокализован с норадреналином [26]. Гиперэкспрессия NPY в дорсомедиальном ГТ вызывала гиперфагию и Ож у крыс, а нокдаун NPY с помощью аденоассоциированного вируса AAVshNPY отменял эти проявления [27].

В норадреналинергических нейронах NPY участвует в высвобождении и эффектах катехоламинов в условиях стресса. Повышенние экспрессии гена Npy в этих клетках у мыши приводило к увеличению жировой массы и нарушению толерантности к глюкозе. Механизм развития Ож различался у гетерозигот и гомозигот по трансгену Npy. У первых основную роль играл адипогенный эффект NPY, тогда как у вторых преобладало ингибирование симпатической активности, приводящее к подавлению липолиза и нарушению функции БуЖТ [28].

Непродолжительное (менее 7 сут) кормление мышей высокожировым рационом приводило к постоянной активации AgRP-нейронов, которые, однако, оставались чувствительными к лептину [29]. Таким образом, лептиновая резистентность не является обязательным условием перманентной активации AgRP-нейронов.

Активность AgRP/NPY орексигенных нейронов контролируется рецептором пероксисомного пролифератора гамма (PPARγ), что было показано на мышах линии C57BL/6, которым в желудочки головного мозга вводили синтетические агонисты и антагонисты этого транскрипционного фактора. Стимуляция PPARγ приводила к увеличению запасания и потребления пищи параллельно экспрессии AgRP и NPY, тогда как его ингибирование — к снятию этого эффекта [29].

Экспрессия NPY, а также нейропептидов семейства POMC находится под контролем эпигенетических факторов, демонстрируя отрицательную корреляцию со степенью метилирования ДНК промотеров их генов у крыс, фенотипически более и менее склонных к развитию алиментарного Ож на высокожировом рационе [30].

NPY обладает периферическим действием, которое было изучено на преадипоцитах 3T3-L1 в интервале концентраций от 10–15 до 10–7 M. Эффект имел двухфазный характер. Так, при низких концентрациях пептида наблюдалась дифференцировка клеток, связанная с изменением уровней экспрессии генов PPARγ, C/EBPα и DLK-1, тогда как высокие дозы NPY стимулировали накопление липидов и повышали размер жировых капель [31].

В качестве эндогенного антагониста системы AgRP/NPY рассматривается пептид меланотан II (MTII), который представляет собой мощный супрессор аппетита, быстро снижающий массу тела. При 40-дневном введении MTII в латеральные желудочки мозга крыс F344BN отмечена обратимая супрессия потребления пищи [32].

Система проопиомеланокортина

POMC-позитивные нейроны способствуют сохранению массы тела в условиях избыточного потребления либо недостатка энергии, проводя сигналы от сенсоров пищевых веществ в области мозга, отвечающие за контроль аппетита и регуляцию метаболизма [33]. Делеция меланокортинового рецептора MC3R у мышей изменяет соотношение потребляемых нутриентов, вызывает накопление жира, развитие инсулинорезистентности и повышение липогенеза. Экспрессия MC3R в вентромедиальных гипоталамических SF1(+ve)-нейронах улучшает метаболический контроль, но не влияет на аппетит и пищевое поведение.

У мышей C57BL/6J, получавших дефицитный по энергии рацион, развивалась непреодолимая поведенческая компенсаторная реакция, включавшая избыточное потребление пищи и энергии при получении доступа к рациону. Однако при подавлении экспрессии гена MC3Rэти реакции ингибировались [34]. Восстановление экспрессии MC3R в Nkx2.1(+ve)-нейронах достаточно для нормализации ответа ГТ на дефицит энергии.

Установлена связь POMC-нейронов ГТ с каннабиноидными рецепторами-1 (CB1R) в регуляции процесса насыщения у мышей [35]. Стимуляция CB1R вызывает увеличение потребления пищи и, одновременно, рост активности POMC-нейронов. Парадоксальное увеличение активности данного вида анорексигенных клеток объясняется, по-видимому, тем что ген POMC кодирует MSH-родственные пептиды и, одновременно, опиоидный пептид β-эндорфин. Активация клеток ГТ, вызываемая CB1R, увеличивает высвобождение β-эндорфина, но не α-MSH. При этом системное или гипоталамическое введение опиоидного антагониста налоксона блокирует усиление питания, вызванное CB1R. Таким образом, роль POMC-нейронов в регуляции пищевого поведения является амбивалентной в части стимуляции пищевого поведения каннабиноидами.

Роль системы опиоидных рецепторов в «гедонистическом» контуре регуляции аппетита в головном мозге была изучена у мышей с нокаутом проэнкефалина (PENK KO) или β-эндорфина (BEND KO) [36]. Мыши PENK KO демонстрировали меньше подходов к питью сладкой воды, чем животные дикого типа, что указывает на снижение у них вкусовой мотивации. У мышей BEND KO число подходов к сладкой воде не изменялось, а периоды ее потребления были более короткими, что указывает на снижение у них удовольствия от сладкого. При этом мыши PENK KO, но не BEND KO, характеризовались меньшей прибавкой массы тела при потреблении «диеты кафетерия». На основании этих данных предполагается, что эндогенные энкефалины ответственны за первичную установку на пищевое потребление, тогда как β-эндорфины отвечают за чувство вкусовой удовлетворенности высокосахаристой пищей. Это различие существует, несмотря на то, что как энкефалины, так и эндорфины являются лигандами одного и того же типа μ-рецепторов, что создает определенные проблемы в предполагаемом терапевтическом использовании их антагонистов при лечении Ож.

При действии комбинации агониста рецептора глюкагоноподобного пептида-1 (GLP-1R) и агониста меланокортинового рецептора MC4R на мышей, получающих высокожировой рацион, отмечали снижение набора массы тела, нормализацию гликемического контроля и метаболизма холестерина; при раздельном воздействии этих агонистов подобные эффекты не достигались. При совместном действии обоих препаратов экспрессия гена Glp-1r в ГТ повышалась [37].

Экспрессия POMC в гипоталамических нейронах мыши находится под контролем GPR45 — нейронного орфанного рецептора, связанного с G-белком (GPCR). Разрушение гена Gpr45 с помощью транспозона (мобильного генетического элемента) приводило к увеличению накопления жира и массы тела, интолерантности к глюкозе и стеатозу печени. Мыши с разрушенным геном Gpr45 характеризовались также сниженным уровнем энерготрат, что предшествовало развитию Ож. Имеются данные, что GPR45 регулирует экспрессию POMC через протеинкиназный каскад JAK/STAT. Введение в желудочки мозга MTII подавляло развитие Ож у мутантных по Gpr45 животных [38].

Клонирование генов рецепторов POMC и AgRP создало возможность изучения их взаимодействия в поддержании гомеостаза глюкозы и энергии [39]. Эта модель воспроизводит конкурентный антагонизм между AgRP и меланокортиновыми пептидами при взаимодействии с Gαs (одной из форм гетеродимерного G-белка) и активации цАМФ-сигнальных путей. С использованием технологии Cre-LoxP, позволяющей выполнять модификации (вставки, делеции) в ДНК в отдельных типах клеток, была получена информация о роли GPCR в передаче сигнала, в частности, о наличии «осцилляций» между активными и неактивными мембранными конформациями этих белков.

У мышей C57BL/6J мутация yellow в локусе Aguti (генотип A y/a) характеризовалась торможением активности системы POMC, что проявлялось снижением толерантности к глюкозе и большей частотой развития Ож на стандартном рационе. С возрастом нарастали изменения в дифференциальной печеночной экспрессии ряда ключевых генов системы гликолиза и глюконеогенеза — транспортера глюкозы GLUT2, глюкокиназы, глюкозо-6-фосфатазы [40].

На экспрессию POMC в мозге влияют эпигенетические механизмы. Действительно, ингибирование в ГТ крыс деацетилазы гистонов сиртуина-1 уменьшало массу тела и потребление пищи вследствие индукции транскрипционного фактора FoxO1 и увеличения экспрессии POMC, а также снижения содержания AgRP в ДЯ [41]. Влияние ингибирования Sirt1 на массу тела и энерготраты у животных с алиментарным Ож выражены сильнее, чем у крыс с нормальной массой тела. В результате такого ингибирования повышалась экспрессия POMC и карбоксипептидазы Е, ответственной за «созревание» активной формы α-MSH. Увеличение уровня α-MSH приводило к возрастанию уровней тиреотропина и трийодтиронина в крови. Таким образом, Sirt1 запускает сложный каскад процессов, конечным результатом которого является повышение энерготрат за счет активации системы тиреоидных гормонов. Эпигенетическое пренатальное программирование уровня NPY и POMC изучено у потомства мышей, получавших сбалансированный или высокожировой рацион [42]. Во всех случаях Ож отца не приводило к изменениям в сигнальной цепи JAK-киназы и активации STAT-пути транскрипции, а также пищевого поведения, но индуцировало воспаление ГТ. В случае Ож матери отмечено увеличение прибавки массы тела, гиперлептинемия, снижение экспрессии рецептора лептина, нарушение JAK/STAT сигнального пути и повышение интенсивности сигнала SOCS3.У потомства матерей с Ож был повышен уровень маркеров воспаления и изменена экспрессия NPY и POMC в ГТ. Если при этом Ож было также и у отца, то указанные эффекты еще более усиливались.

В ГТ крыс как POMC, так и NPY-позитивные нейроны ко-локализованы с нейропептидом NELL2, блокада экспрессии которого приводила к снижению потребления пищи и потере массы тела. При голодании экспрессия NELL2 возрастала. Однако прямых данных о связи POMC- и NPY-регуляторных сигналов с уровнем синтеза NELL2 получено не было [43].

Содержание α-MSH и AgRP в плазме крови определяли у трех групп детей 2—12 лет с избыточной, нормальной и недостаточной массой тела [44]. У детей с избыточной массой тела уровни α-MSH были снижены, но у детей с нормальной и пониженной массой тела не различались. По содержанию AgRP группы не различались.

Орексины

Орексины (OX) A и B являются нейропептидами с важными регуляторными функциями в сфере энергетического баланса [45]. ОХ продуцируются нейронами латерального отдела ГТ (LHA) и дорзомедиальными ядрами (DMH), а также перифорникальной областью ГТ. ОХ нейроны имеют широкую проекцию в пределах ЦНС, которая включает ряд ядер, иннервирующих БеЖТ. На плазматической мембране POMC-нейронов ДЯ экспрессируются рецепторы ОХ-А типа 1 (OX-1R) и каннабиноидные рецепторы типа 2 (CB1R). В OX-1R-позитивных клетках OX-A запускает биосинтез эндоканнабиноидов, которые аутокринно взаимодействуют с CB1R POMС-нейронов, вызывая гиперфагию и прибавку массы за счет смягчения эффектов индуцируемой CB1R продукции α-MSH при участии внеклеточной киназы 1/2 и ингибирования STAT3. У мышей увеличенный транспорт OX-A в нейронах ДЯ препятствует Ож. При этом возрастает высвобождение OX-A в спинномозговую жидкость и кровь. Отрицательная корреляция между OX-A и α-MSH в сыворотке имеет место также у людей с Ож (при ИМТ >40 кг/м2 [46]).

Дисрегуляция или утрата сигнального пути ОХ наблюдается в случае наркомании, морбидного Ож и при старении [47]. Эти данные подтверждают роль ОХ в качестве интегрирующих гомеостатических сигналов, влияющих на различные отделы головного мозга.

Прокинектины

Прокинектины представляют собой еще одну группу пептидных гормонов ГТ, играющих ключевую роль в патогенезе Ож [48]. Известны 2 типа рецепторов прокинектинов, относящихся к GPCR, — PKR1 и PKR2. Через PKR1 осуществляется контроль потребления пищи, и сдерживается разрастание жировой ткани. Антиадипогенный эффект PKR1 сигнального пути реализуется за счет торможения пролиферации преадипоцитов и их дифференцировки в адипоциты. PK2/PKR1 сигнальный путь способствует транскапиллярному переносу инсулина и повышает чувствительность клеток к нему. PK2 рассматривается как адипокин, контролирующий потребление пищи и развитие жировой ткани посредством воздействия на нейроны ДЯ ГТ [49]. Рецепторы PKR1 экспрессированы в NPY/AgRP- и POMC/CART-ней­ронах. Введение PK2 в желудочки головного мозга крысы блокирует потребление пищи; данный эффект может быть нейтрализован специфическими антителами к PK2. PK2 действует и при периферическом введении мышам с нормальной и избыточной массой тела (вследствие потребления гиперкалорийного рациона). Нокаут гена PK2 у мышей ведет к Ож. Аналогичные последствия вызывает генетический дефект PK2, наблюдаемый у людей [50]. У мышей с нокаутом гена PKR1 анорексигенный эффект PK2 не проявляется [51].

Галанин и кисспептид

Значение нейропептидов галанина и кисспептида в патогенезе Ож в настоящее время изучено недостаточно. Клинические данные свидетельствуют об участии галанина и галанин-подобного пептид (GALP) в регуляции пищевого поведения и энергетического обмена [52].

Кисспептид, ко-экспрессированный в нейронах ДЯ с нейрокинином В (Tac2) и динорфином (Pdyn), считается отрицательным регулятором действия 17β-эстра­диола в гипоталамо-гипофизарной системе [53]. В клинических наблюдениях роль KISS1 и родственных факторов в регуляции потребления пищи и Ож пока не подтверждена.

Кишечные полипептиды в регуляции пищевого поведения

Помимо эндогенных, специфических экспрессированных в нейронах ГТ пептидов семейств NPY/AgRP и POMC, значительную роль в регуляции пищевого поведения, количества потребляемой пищи и аппетита играют регуляторные пептиды, синтезируемые органами ЖКТ и жировой тканью, а также цито- и адипокины. Вопрос о том, насколько для этого необходим перенос таких пептидов в ГТ или возможность их эктопической экспрессии в самих клетках нейроглии, остается открытым. Роль ЖКТ в центральной регуляции пищевого поведения подтверждается данными о снижении потребления пищи, массы пахового жира, размера адипоцитов и скорости эвакуации желудочного содержимого у крыс при электростимуляции желудка [54]. При хронической электростимуляции изменялся уровень NPY, OX, α-MSH и окситоцина (OXT), а также экспрессия их рецепторов в ГТ, жировой ткани и желудке.

Секретин и родственные пептиды

Ряд структурно родственных нейропептидов, включающий секретин (SCT), гипофизарный активатор аденилатциклазы (PACAP) и глюкагон (GCG) осуществляет свою функцию в ЦНС через взаимодействие с GPCR семейства B1 [55]. Имеются данные, свидетельствующие о важной роли этих пептидов в регуляции пищевого поведения.

Глюкозозависимый инсулинотропный полипептид

Глюкозозависимый инсулинотропный полипептид (синоним — желудочный ингибиторный полипептид, GIP) высвобождается энтероэндокринными К-клетками желудка в ответ на потребление нутриентов, особенно жира. При этом GIP является одним из маркеров обменных нарушений, приводящих к Ож. Согласно недавним данным, в стимулированной жиром секреции GIP участвует экспрессированный в К-клетках белок FABP5, связывающий жирные кислоты. У мышей с нокаутом гена FABP5 реакция GIP на введение жира оказывается на 40% ниже, чем у животных дикого типа. У гомозигот FABP5(–/–) прирост общей и жировой массы при потреблении высокожирового рациона был снижен на 24%. Однако при сравнении животных с генетическим дефектом GIP или одновременным генетическим дефектом GIP и FABP5 таких различий не наблюдалось, что доказывает участие GIP в механизме влияния FABP5 на развитие Ож [56].

Вазоактивный кишечный полипептид

Вазоактивный кишечный полипептид (VIP) экспрессируемый в периферической и центральной нервной системе и в ЖКТ, участвует в центральной регуляции аппетита позвоночных, включая рыб, кур и грызунов. Этот пептид стимулирует секрецию ряда гормональных факторов, следствием чего является накопление избыточной жировой массы [57]. По сравнению с мышами дикого типа, у животных с тотальным генетическим дефектом VIP отмечалось снижение общей и жировой массы тела, возрастание доли тощей массы, а также нарушение циркадного ритма питания. Эти сдвиги сопровождались изменением секреции адипонектина, GLP-1, лептина, PYY и инсулина.

Нейромедин U и нейротензин

Нейромедин U (NmU) экспрессируется в различных тканях и выполняет ряд функций: от регуляции аппетита и контроля баланса энергии до мышечного сокращения и контроля роста опухолей. NmU обнаружен у свиней, крыс, кроликов, собак, морских свинок и человека; он также присутствует у земноводных, птиц и некоторых видов рыб. Аминокислотная последовательность NmU высококонсервативна, что указывает на его древнее происхождение и потенциально важную биологическую роль. Введение NmU или его удлиненной формы proNMU104—136 в желудочки головного мозга крыс снижает потребление пищи и тормозит поисковые рефлексы. Противоположный эффект оказывало введение антител к NmU. Нокаутные мыши NmU–/– отличаются гиперфагией и Ож. Введение NmU в желудочки головного мозга этих животных приводит к частичной отмене данных состояний. Напротив, у мышей с гиперэкспрессией гена NmU масса тела и размер жировых запасов снижены, даже при кормлении высокожировым рационом. Уровень NmU в ГТ снижается при голодании [58].

Нейротензин (NT) преимущественно экспрессирован в энтероэндокринных клетках тонкой кишки и высвобождается при приеме жира, усиливая всасывание жирных кислот в кишечнике. Известны три рецептора NT: NTR1, NTR2 и NTR3. Повышенный уровень в плазме предшественника NT (pro-NT) связан с повышенным риском сахарного диабета, сердечно-сосудистых заболеваний и смертности от них, однако механизм влияния NT при этих состояниях неизвестен. Мыши с дефицитом NT демонстрируют сниженное всасывание жира в кишечнике, и при содержании на высокожировой диете у них не развивается Ож, стеатоз печени и инсулинорезистентность [59]. NT подавляет АМФ-активируемую протеинкиназу (AMPK) и через NTR1 и NTR3 стимулирует абсорбцию жира в культивируемых клетках кишечника мышей. Экспрессия NT в энтероэндокринных клетках средней кишки дрозофилы приводила к накоплению жира и подавлению AMPK. Люди с Ож и инсулинорезистентностью характеризуются повышенным уровнем циркулирующего pro-NT, причем его содержание было фактором риска последующего развития Ож.

Панкреатический полипептид

Панкреатический полипептид (РР) секретируется островковыми клетками поджелудочной железы под контролем блуждающего нерва. Значение РР как маркера метаболических нарушений изучалось у 104 лиц с Ож и избыточной массой тела. Уровень циркулирующего РР положительно коррелировал с размерами висцерального жирового депо и внутрипеченочного, но не подкожного жира. Содержание РР натощак (с учетом возраста и пола пациентов) позволяло предсказывать размеры висцерального жира. Для печеночного жира получена аналогичная формула, дополнительно учитывающая индекс массы тела, отношение окружностей талии и бедер, инсулинорезистентность и сывороточный уровень триглицеридов, общего холестерина и АЛТ. Повышенный уровень РР натощак коррелировали с активностью АЛТ, концентрацией ТГ, холестерина и ЛПНП, а также артериальным давлением. РР рассматривается как информативный биомаркер накопления жира в брюшной полости и печени и развития сердечно-сосудистой патологии, хотя механизм его участия в этих процессах недостаточно ясен [60].

Грелин

Грелин, открытый в 1999 г., представляет собой пептид, состоящий из 28 аминокислотных остатков, который образуется в результате многостадийного посттрансляционного созревания продукта экспрессии гена Ghrl и ацилирования октановой кислотой по остатку Ser-3. Грелин синтезируется энтероэндокринными клетками слизистой оболочки желудка и проникает через ГЭБ, влияя на свои рецепторы в головном мозге. Обсуждается также возможность образования грелина в ГТ [61].

Помимо первой установленной для него функции секретагога гормона роста, грелин стимулирует аппетит, накопление липидов и моторику желудка, а также модулирует иммунитет, воспаление, стресс, тревожность, вкусовые ощущения и пищевое удовлетворение. Он принимает участие и в регуляции метаболизма глюкозы и термогенеза. Рецептор грелина экспрессирован главным образом в головном мозге, но также и в поджелудочной железе, почках, надпочечниках, селезенке [62]. В мозге грызунов экспрессия гена, кодирующего рецептор грелина (GHSR), наиболее велика в нейронах ДЯ, где экспрессируются также NPY и AgRP, но отмечается и в «центрах удовольствия», таких как черное вещество и вентральная область покрышки [63]. Связывание GHSR с лигандом активирует G-белок субтипа Gaq/11, запускающего внутриклеточный каскад с высвобождением кальция из эндоплазматического ретикулума. Помимо этого, активация GHSR запускает сигнальные механизмы, опосредуемые фосфорилированием ERK1/2, Akt и PI-3-киназой. В NPY/AgRP-позитив­ных нейронах грелин повышает уровень внутриклеточного сенсора энергии AMPK [64], который переключает метаболические пути с потребления АТФ на ее генерацию, включая поглощение глюкозы и окисление жирных кислот. Грелин также активирует синтез раз­общающего белка митохондрий (UCP2), который в данном случае выполняет функцию защиты нейронов от свободнорадикального повреждения. В отличие от NPY/AgRP-клеток, на POMC-позитивных нейронах рецептор грелина отсутствует. Еще одной функцией грелина является активация деацетилазы Sirt1, повышающей уровни AMPK посредством p53 [65]. В этих сигнальных каскадах активируются некоторые транскрипционные факторы, включая Bsx, FoxO1 и pCREB.

На уровень GHSR в нейронах ДЯ влияют голодание, алиментарное Ож и введение 17β-эстрадиола (E2). У самцов крыс экспрессии гена Ghsr в NPY-позитивных нейронах ДЯ повышается при голодании и снижается при алиментарном Ож. У самок крыс введение E2повышало экспрессию Ghsr [66].

Экспрессирующие рецепторы грелина нейроны вентрального гиппокампа (vHP) играют важную роль в регуляции «высших» уровней пищевого поведения, связанных с удовольствием от процесса питания. Ядра латерального ГТ при этом осуществляют торможение грелин-опосредованной гиперфагии, причем грелинергические нейроны vHP прямо связаны с нейронами этих ядер, экспрессирующими ОХ. Активация нисходящих рецепторов ОХ требуется для индукции вызванной грелином гиперфагии. Это указывает на наличие связи грелин-ОХ в «гедонистической» физиологической регуляции аппетита, напрямую не связанной с состоянием метаболизируемой энергии [3].

Лептин

У млекопитающих лептин синтезируется жировой тканью и циркулирует в крови. ГЭБ проницаем для лептина, и последний взаимодействует со своим рецептором в ГТ [5]. По мере накопления жировых запасов уровень циркулирующего лептина повышается, и он в большем количестве проникает в ГТ, стимулируя POMC-нейроны и ингибируя активность NPY/AgRP-клеток [67]. В результате этих эффектов у млекопитающих реализуется анорексигенное, катаболическое, липолитическое и гипогликемическое действие лептина, благодаря которому формируется механизм отрицательной обратной связи. При Ож действие лептина нарушается вследствие ослабления его нормального переноса через ГЭБ или связывания с циркулирующей в крови формой его рецептора [68].

Действие лептина в нейронах ГТ, экспрессирущих его рецептор, опосредуется сигнальной системой SOCS3, что было показано на мышах с совмещенным нокаутом генов SOCS3 и LepR [69]. При голодании у этих животных делеция SOCS3 понижала экспрессию NPY, AgRP, ОХ и меланин-концентрирующего гормона. Оценка роли соответствующих механизмов у человека внесла коррективы в представление о действии лептина. Уровень лептина в СМЖ был в 83 раза выше, чем в плазме крови, и сильно коррелировал с ИМТ, жировыми запасами и уровнем инсулина [70]. Содержание прогормона POMC (преобладающей формы MSH-родственных пептидов в СМЖ у людей) у здоровых лиц значительно выше, чем у больных с Ож, и отрицательно коррелирует с уровнями лептина в СМЖ и плазме, концентрацией инсулина, жировыми запасами и ИМТ. Уровень AgRP в СМЖ не зависел от ИМТ, но содержание AgRP в крови у лиц с нормальной массой тела были выше и отрицательно коррелировали с ИМТ, жировыми запасами, концентрацией лептина и инсулина, а также с показателем инсулинорезистентности. В клинике при определении уровней циркулирующих биомаркеров нарушений липидного и энергентического обмена следует учитывать различия в проницаемости ГЭБ у страдающих Ож и здоровых лиц.

Заключение

Накоплен большой объем данных о роли нейротрансмиттеров и нейропептидов в регуляции баланса энергии, формирования жировых запасов организма и пищевых поведенческих реакций. Гомеостаз этих функций в норме обусловлен конкуренцией альтернативных механизмов, локализованных преимущественно в ГТ. На уровне аминергической регуляции — это системы серотонина и дофамина, пептидергической — системы NPY/AgRP- и POMC/CART-родственных пептидов. Связь «метаболического» контура регуляции, реагирующего на дефицит и избыток энергосубстратов, с «гедонистическим» (связанным с получением удовольствия от потребления пищи) осуществляется при участии опиоидных и каннабиноидных рецепторов и их эндогенных лигандов, тесно взаимодействующих с указанными пептидергическими и аминергическими регуляторными подсистемами ЦНС. В основе механизмов реакции пептид­ергических и аминергических нейронов на стимулы (будь то нутриенты, либо гормоны, такие как лептин, грелин и пептиды ЖКТ) лежит взаимодействие лигандов со специфическими GPCR-рецепторами соответствующих нейронов. Нарушение указанных центральных механизмов рассматривается в качестве одного из главных патогенетических факторов Ож и одновременно причины неуспешности или нестойкости редуцирующей диетотерапии при этом состоянии.

Частичная проницаемость ГЭБ для регуляторных нейропептидов делает их привлекательными биомаркерами метаболических нарушений при Ож и близких алиментарных состояниях, однако необходимо учитывать полифункциональную природу многих нейропептидов и нейромедиаторов, а также их периферические влияния, зависящие, в частности, от возможных изменений двусторонней проницаемости ГЭБ.

Схема наиболее значимых эффектов нейромедиаторов и нейропептидов в регуляции массы тела и развитии ожирения представлена на рисунке.

Схема наиболее значимых эффектов нейромедиаторов и нейропептидов в контроле массы тела и развитии ожирения.

Дополнительная информация

Источник финансирования. Работа выполнена при поддержке гранта Российского Научного фонда (грант РНФ №17-16-01043).

Конфликт интересов. Авторы данной статьи подтвердили отсутствие конфликта интересов, о котором необходимо сообщить.

Участие авторов: написание разделов «Резюме», «Abstract», «Нейропептиды в центральной регуляции пищевого поведения» — Гмошинский И.В.; написание разделов «Серотонин и дофамин в центральной регуляции пищевого поведения», рисунок — Апрятин С.А.; написание раздела «Кишечные полипептиды в регуляции пищевого поведения» — Шипелин В.А.; разработка концепции и плана работы, написание раздела «Заключение», научное редактирование рукописи — Никитюк Д.Б. Все авторы внесли существенный вклад в проведение поисково-аналитической работы, подготовку статьи, прочли и одобрили финальную версию перед публикацией.

1. Лапик И.А., Гаппарова К.М., Чехонина Ю.Г., и др. Современные тенденции развития нутригеномики ожирения. // Вопросы Питания. — 2016. — Т. 85. — № 6. — С. 6—13. [Lapik IA, Gapparova KM, Chehonina JG, et al. Current trends in nutrigenomics of obesity. Problems of Nutrition. 2016;85(6):6-13. (In Russ.)].

2. Bojanowska E, Ciosek J. Can we selectively reduce appetite for energy-dense foods? An overview of pharmacological strategies for modification food preference behavior. Curr Neuropharmacol. 2016;14(2):118-142. doi: 10.2174/1570159×14666151109103147

3. Hsu TM, Hahn JD, Konanur VR, et al. Hippocampus ghrelin signaling mediates appetite through lateral hypothalamic orexin pathways. Elife. 2015;4. doi: 10.7554/elife.11190

4. Messina G, Valenzano A, Moscatelli F, et al. Role of autonomic nervous system and orexinergic system on adipose tissue. Front Physiol. 2017;8:137. doi: 10.3389/fphys.2017.00137

5. Londraville RL, Prokop JW, Duff RJ, et al. On the molecular evolution of leptin, leptin receptor, and endospanin. Front Endocrinol (Lausanne). 2017;8:58. doi: 10.3389/fendo.2017.00058

6. Messina G, Dalia C, Tafuri D, et al. Orexin-a controls sympathetic activity and eating behavior. Front Psychol. 2014;5:997.doi: 10.3389/fpsyg.2014.00997

7. Suzuki K, Jayasena CN, Bloom SR. Obesity and appetite control. Exp Diabetes Res. 2012;2012:824305. Doi: 10.1155/2012/824305d

8. Burke LK, Heisler LK. 5-Hydroxytryptamine medications for the treatment of obesity. J Neuroendocrinol. 2015;27(6):389-398.doi: 10.1111/jne.12287

9. Herrera CP, Smith K, Atkinson F, et al. High-glycaemic index and -glycaemic load meals increase the availability of tryptophan in healthy volunteers. Br J Nutr. 2011;105(11):1601-1606.doi: 10.1017/s0007114510005192

10. Wu CH, Chang CS, Yang YK, et al. Comparison of brain serotonin transporter using [I-123]-ADAM between obese and non-obese young adults without an eating disorder. Plos One. 2017; 12(2):E0170886. doi: 10.1371/journal.pone.0170886

11. Shabbir F, Patel A, Mattison C, et al. Effect of diet on serotonergic neurotransmission in depression. Neurochem Int. 2013;62(3):324-329. doi: 10.1016/j.neuint.2012.12.014

12. Shabbir F, Patel A, Mattison C, et al. Effect of iet on serotonergic neurotransmission in depression. Neurochem Int. 2013;62(3):324-329. Doi: 10.1016/j.neuint.2012.12.014

13. Vucetic Z, Carlin JL, Totoki K, Reyes TM. Epigenetic dysregulation of the dopamine system in diet-induced obesity. J Neurochem. 2012;120(6):891-898. doi: 10.1111/j.1471-4159.2012.07649.x

14. Volkow ND, Wang GJ, Baler RD. Reward, dopamine and the control of food intake: implications for obesity. Trends Cogn Sci. 2011;15(1):37-46. doi: 10.1016/j.tics.2010.11.001

15. Rada P, Bocarsly ME, Barson JR, et al. Reduced accumbens dopamine in sprague-dawley rats prone to overeating a fat-rich diet. Physiol Behav. 2010;101(3):394-400. doi: 10.1016/j.physbeh. 2010.07.005

16. Rada P, Avena NM, Hoebel BG. Daily bingeing on sugar repeatedly releases dopamine in the accumbens shell. Neuroscience. 2005; 134(3):737-744. doi: 10.1016/j.neuroscience.2005.04.043

17. Lee AK, Mojtahed-Jaberi M, Kyriakou T, et al. Effect of high-fat feeding on expression of genes controlling availability of dopamine in mouse hypothalamus. Nutrition. 2010;26(4):411-422.doi: 10.1016/j.nut.2009.05.007

18. Johnson PM, Kenny PJ. Dopamine D2 receptors in addiction-like reward dysfunction and compulsive eating in obese rats. Nat Neurosci. 2010;13(5):635-641. doi: 10.1038/nn.2519

19. Geiger BM, Haburcak M, Avena NM, et al. Deficits of mesolimbic dopamine neurotransmission in rat dietary obesity. Neuroscience. 2009;159(4):1193-1199. doi: 10.1016/j.neuroscience.2009.02.007

20. Alsio J, Olszewski PK, Norback AH, et al. Dopamine D1 receptor gene expression decreases in the nucleus accumbens upon long-term exposure to palatable food and differs depending on diet-induced obesity phenotype in rats. Neuroscience. 2010;171(3):779-787. doii: 10.1016/j.neuroscience.2010.09.046

21. Naef L, Pitman KA, Borgland SL. Mesolimbic dopamine and its neuromodulators in obesity and binge eating. CNS Spectr. 2015; 20(6):574-583. doi: 10.1017/s1092852915000693

22. Geloneze B, De Lima-Junior JC, Velloso LA. Glucagon-like peptide-1 receptor agonists (GLP-1ras) in the brain-adipocyte axis. Drugs. 2017;77(5):493-503. doi: 10.1007/s40265-017-0706-4

23. Blasiak A, Gundlach AL, Hess G, Lewandowski MH. Interactions of circadian rhythmicity, stress and orexigenic neuropeptide systems: implications for food intake control. Front Neurosci. 2017;11:127. doi: 10.3389/fnins.2017.00127

24. Nakajima K, Cui Z, Li C, et al. Gs-Coupled GPCR signalling in AGRP neurons triggers sustained increase in food intake. Nat Commun. 2016;7:10268. doi: 10.1038/ncomms10268

25. Шевченко Ю.С., Мамонтова Т.В., Баранова А.Ф., и др. Влияние изменения образа жизни молодых людей с избыточной массой тела на уровень контролирующих пищевое поведение нейропептидов, инсулинорезистентность и уровень хронического системного воспаления. // Медицинские Новости Грузии. — 2015. — № 11. — С. 50—57. [Shevchenko YS, Mamontova TV, Baranova AF, et al. Changes in lifestyle factors affect the levels of neuropeptides, involved in the control of eating behavior, insulin resistance and level of chronic systemic inflammation in young overweight persons. Georgian Med News. 2015;(11):50-57. (In Russ.)].

26. Vahatalo LH, Ruohonen ST, Makela S, et al. Neuropeptide Y in the noradrenergic neurones induces obesity and inhibits sympathetic tone in mice. Acta Physiol (Oxf). 2015;213(4):902-919.doi: 10.1111/apha.12436

27. Kim YJ, Bi S. Knockdown of neuropeptide Y in the dorsomedial hypothalamus reverses high-fat diet-induced obesity and impaired glucose tolerance in rats. Am J Physiol Regul Integr Comp Physiol. 2016;310(2):R134-142. doi: 10.1152/ajpregu.00174.2015

28. Vahatalo LH, Ruohonen ST, Ailanen L, Savontaus E. Neuropeptide Y in noradrenergic neurons induces obesity in transgenic mouse models. Neuropeptides. 2016;55:31-37.doi: 10.1016/j.npep.2015.11.088

29. Wei W, Pham K, Gammons JW, et al. Diet composition, not calorie intake, rapidly alters intrinsic excitability of hypothalamic AgRP/NPY neurons in mice. Sci Rep. 2015;5:16810. doi: 10.1038/srep16810

30. Cifani C, Micioni Di Bonaventura MV, Pucci M, et al. Regulation of hypothalamic neuropeptides gene expression in diet induced obesity resistant rats: possible targets for obesity prediction? Front Neurosci. 2015;9:187. doi: 10.3389/fnins.2015.00187

31. Tang HN, Man XF, Liu YQ, et al. Dose-dependent effects of neuropeptide Y on the regulation of preadipocyte proliferation and adipocyte lipid synthesis via the PPARgamma pathways. Endocr J. 2015;62(9):835-846. doi: 10.1507/endocrj.EJ15-0133

32. Cote I, Sakarya Y, Kirichenko N, et al. Activation of the central melanocortin system chronically reduces body mass without the necessity of long-term caloric restriction. Can J Physiol Pharmacol. 2017;95(2):206-214. doi: 10.1139/cjpp-2016-0290

33. Butler AA, Girardet C, Mavrikaki M, et al. A Life without hunger: the Ups (and Downs) to modulating Melanocortin-3 receptor signaling. Front Neurosci. 2017;11:128. doi: 10.3389/fnins.2017.00128

34. Girardet C, Mavrikaki MM, Stevens JR, et al. Melanocortin-3 receptors expressed in Nkx2.1(+ve) neurons are sufficient for controlling appetitive responses to hypocaloric conditioning. Sci Rep. 2017;7:44444. doi: 10.1038/srep44444

35. Koch M, Varela L, Kim JG, et al. Hypothalamic POMC neurons promote cannabinoid-induced feeding. Nature. 2015;519(7541):45-50. doi: 10.1038/nature14260

36. Mendez IA, Ostlund SB, Maidment NT, Murphy NP. Involvement of endogenous enkephalins and beta-endorphin in feeding and diet-induced obesity. Neuropsychopharmacology. 2015;40(9):2103-2112. doi: 10.1038/npp.2015.67

37. Clemmensen C, Finan B, Fischer K, et al. Dual melanocortin-4 receptor and GLP-1 receptor agonism amplifies metabolic benefits in diet-induced obese mice. EMBO Mol Med. 2015;7(3):288-298.doi: 10.15252/emmm.201404508

38. Cui J, Ding Y, Chen S, et al. Disruption of Gpr45 causes reduced hypothalamic POMC expression and obesity. J Clin Invest. 2016; 126(9):3192-3206. doi: 10.1172/JCI85676

39. Mountjoy KG. Pro-Opiomelanocortin (POMC) neurones, POMC-derived peptides, melanocortin receptors and obesity: how understanding of this system has changed over the last decade. J Neuroendocrinol. 2015;27(6):406-418. doi: 10.1111/jne.12285

40. Бакланов А.В., Бажан Н.М. Изучение относительной экспрессии генов, контролирующих обмен глюкозы в печени, у мышей при развитии меланокортинового ожирения. // Российский физиологический журнал им. И.М. Сеченова. — 2015. — Т. 101. — № 6. — С. 689—699. [Baklanov AV, Bazhan NM. Study relative expression of genes that control glucose metabolism in the liver in mice with development of melanocortin obesity. Russian journal of physiology. 2015;101(6):689-699 (In Russ.)].

41. Cyr NE, Steger JS, Toorie AM, et al. Central Sirt1 regulates body weight and energy expenditure along with the POMC-derived peptide alpha-MSH and the processing enzyme CPE production in diet-induced obese male rats. Endocrinology. 2015;156(3):961-974.doi: 10.1210/en.2014-1970

42. Ornellas F, Souza-Mello V, Mandarim-de-Lacerda CA, Aguila MB. Combined parental obesity augments single-parent obesity effects on hypothalamus inflammation, leptin signaling (JAK/STAT), hyperphagia, and obesity in the adult mice offspring. Physiol Behav. 2016;153:47-55. doi: 10.1016/j.physbeh.2015.10.019

43. Jeong JK, Kim JG, Kim HR, et al. A role of central NELL2 in the regulation of feeding behavior in rats. Mol Cells. 2017;40(3):186-194. doi: 10.14348/molcells.2017.2278

44. Vehapoglu A, Turkmen S, Terzioglu S. Alpha-melanocyte-stimulating hormone and agouti-related protein: do they play a role in appetite regulation in childhood obesity? J Clin Res Pediatr Endocrinol. 2016;8(1):40-47. doi: 10.4274/jcrpe.2136

45. Messina G, Viggiano A, Tafuri D, et al. Role of orexin in obese patients in the intensive care unit. J Anesth Clin Res. 2014;5(3):395.doi: 10.4172/2155-6148.1000395

46. Morello G, Imperatore R, Palomba L, et al. Orexin-A represses satiety-inducing POMC neurons and contributes to obesity VIA stimulation of endocannabinoid signaling. Proc Natl Acad Sci U S A. 2016;113(17):4759-4764. doi: 10.1073/pnas.152130411

47. Nixon JP, Mavanji V, Butterick TA, et al. Sleep disorders, obesity, and aging: the role of orexin. Ageing Res Rev. 2015;20:63-73.doi: 10.1016/j.arr.2014.11.001

48. Nebigil CG. Prokineticin is a new linker between obesity and cardiovascular diseases. Front Cardiovasc Med. 2017;4:20.doi: 10.3389/fcvm.2017.00020

49. Gardiner JV, Bataveljic A, Patel NA, et al. Prokineticin 2 is a hypothalamic neuropeptide that potently inhibits food intake. Diabetes. 2010;59(2):397-406. doi: 10.2337/db09-119

50. Sarfati J, Guiochon-Mantel A, Rondard P, et al. A comparative phenotypic study of kallmann syndrome patients carrying monoallelic and biallelic mutations in the prokineticin 2 or prokineticin receptor 2 genes. J Clin Endocrinol Metab. 2010;95(2):659-669.doi: 10.1210/jc.2009-0843

51. Beale K, Gardiner JV, Bewick GA, et al. Peripheral administration of prokineticin 2 potently reduces food intake and body weight in mice via the brainstem. Br J Pharmacol. 2013;168(2):403-410.doi: 10.1111/j.1476-5381.2012.02191.x

52. Fang P, Yu M, Gu X, et al. Circulating galanin and galanin like peptide concentrations are correlated with increased triglyceride concentration in obese patients. Clin Chim Acta. 2016;461:126-129.doi: 10.1016/j.cca.2016.07.019

53. Yang JA, Yasrebi A, Snyder M, Roepke TA. The interaction of fasting, caloric restriction, and diet-induced obesity with 17beta-estradiol on the expression of KNDy neuropeptides and their receptors in the female mouse. Mol Cell Endocrinol. 2016;437:35-50.doi: 10.1016/j.mce.2016.08.008

54. Yan Y, Tian L, Xiang X, et al. Chronic gastric electrical stimulation leads to weight loss via modulating multiple tissue neuropeptide Y, orexin, alpha-melanocyte-stimulating hormone and oxytocin in obese rats. Scand J Gastroenterol. 2016;51(2):157-167.doi: 10.3109/00365521.2015.1069391

55. Sekar R, Wang L, Chow BK. Central control of feeding behavior by the secretin, PACAP, and glucagon family of peptides. Front Endocrinol (Lausanne). 2017;8:18. doi: 10.3389/fendo.2017.00018

56. Shibue K, Yamane S, Harada N, et al. Fatty acid-binding protein 5 regulates diet-induced obesity via GIP secretion from enteroendocrine K cells in response to fat ingestion. Am J Physiol Endocrinol Metab. 2015;308(7):E583-591. doi: 10.1152/ajpendo.00543.2014

57. Vu JP, Larauche M, Flores M, et al. Regulation of appetite, body composition, and metabolic hormones by vasoactive intestinal polypeptide (VIP). J Mol Neurosci. 2015;56(2):377-387.doi: 10.1007/s12031-015-0556-z

58. Martinez VG, O’Driscoll L. Neuromedin U: a multifunctional neuropeptide with pleiotropic roles. Clin Chem. 2015;61(3):471-482.doi: 10.1373/clinchem.2014.231753

59. Li J, Song J, Zaytseva YY, et al. An obligatory role for neurotensin in high-fat-diet-induced obesity. Nature. 2016;533(7603):411-415.doi: 10.1038/nature17662

60. Sam AH, Sleeth ML, Thomas EL, et al. Circulating pancreatic polypeptide concentrations predict visceral and liver fat content. J Clin Endocrinol Metab. 2015;100(3):1048-1052. doi: 10.1210/jc.2014-3450

61. Cabral A, Lopez Soto EJ, Epelbaum J, Perello M. Is ghrelin synthesized in the central nervous system? Int J Mol Sci. 2017;18(3).doi: 10.3390/ijms18030638

62. Collden G, Tschop MH, Muller TD. Therapeutic potential of targeting the ghrelin pathway. Int J Mol Sci. 2017;18(4).doi: 10.3390/ijms18040798

63. Zigman JM, Jones JE, Lee CE, et al. Expression of ghrelin receptor mRNA in the rat and the mouse brain. J Comp Neurol. 2006;494(3):528-548. doi: 10.1002/cne.20823

64. Kohno D, Sone H, Minokoshi Y, Yada T. Ghrelin raises [Ca2+]i via AMPK in hypothalamic arcuate nucleus NPY neurons. Biochem Biophys Res Commun. 2008;366(2):388-392.doi: 10.1016/j.bbrc.2007.11.166

65. Yang SY, Lin SL, Chen YM, et al. A low-salt diet increases the expression of renal sirtuin 1 through activation of the ghrelin receptor in rats. Sci Rep. 2016;6:32787. doi: 10.1038/srep32787

66. Yasrebi A, Hsieh A, Mamounis KJ, et al. Differential gene regulation of GHSR signaling pathway in the arcuate nucleus and NPY neurons by fasting, diet-induced obesity, and 17beta-estradiol. Mol Cell Endocrinol. 2016;422:42-56. doi: 10.1016/j.mce.2015.11.007

67. Deck CA, Honeycutt JL, Cheung E, et al. Assessing the functional role of leptin in energy homeostasis and the stress response in vertebrates. Front Endocrinol (Lausanne). 2017;8:63.doi: 10.3389/fendo.2017.00063

68. Schaab M, Kratzsch J. The soluble leptin receptor. Best Pract Res Clin Endocrinol Metab. 2015;29(5):661-670.doi: 10.1016/j.beem.2015.08.002

69. Pedroso JA, Silveira MA, Lima LB, et al. Changes in leptin signaling by SOCS3 modulate fasting-induced hyperphagia and weight regain in mice. Endocrinology. 2016;157(10):3901-3914.doi: 10.1210/en.2016-1038

70. Page-Wilson G, Meece K, White A, et al. Proopiomelanocortin, agouti-related protein, and leptin in human cerebrospinal fluid: correlations with body weight and adiposity. Am J Physiol Endocrinol Metab. 2015;309(5):E458-E465.doi: 10.1152/ajpendo.00206.2015


Дегенеративные заболевания нервной системы

Неврологическое отделение

Дегенеративные заболевания нервной системы Дегенеративные состояния возникают по неустановленным причинам и характеризуются поражением определенных нейрональных систем из-за прогрессирующей гибели нейронов. Патологические изменения распределяются двусторонне и симметрично (но на ранней стадии могут затрагивать одну половину туловища или одну конечность).

Заболевание сопровождается ограничением произвольных движений, появлением тремора, хореи, дистонии, миоклонуса, тиков и других аномальных движений, возможно развитие слабоумия и других когнитивных расстройств.

Причины возникновения заболевания:

Заболевание вызывается изменением генетической информации. Из-за мутации генов нарушается синтез определенного полипептида – характер нарушений определяется ролью в метаболизме этого полипептида (дефицит фермента, деструкция тканей, тезаурисмозы). Дегенеративные заболевания развиваются в течение многих лет и по отношению к терапии устойчивы.

Виды дегенеративных болезней:

К дегенеративным заболеваниям относится болезнь Альцгеймера, хорея Гентингтона, болезнь Паркинсона, боковой амиотрофический склероз, болезни мотонейрона, ломбальная атрофия Пика. Дегенеративные заболевания нервной системы относятся к широко распространенным – болезнь Паркинсона или Альцгеймера диагностируется у 1 человека из 1000. Причем нейродегенеративные заболевания не являются характерными только для старшей возрастной группы, например дистонические синдромы чаще всего отмечаются в продуктивном возрасте.

Диагностика и лечение дегенеративных болезней:

Проводится диагностика с использованием комплексного диагностического оборудования (лаборатория клинической неврофизиологии, невропсихологическая лаборатория, видеомониторирование).
Кроме того, проводится высокоточная диагностика сложных состояний и редких нарушений и высокоспециализированное амбулаторное лечение. Центры являются мультидисциплинарными, здесь представлен ряд клинических направлений (неврология, нейрофизиология, нейрохирургия, нейропсихология, психиатрия), применяются морфологические методы (невропатология) и методы функциональной диагностики.

Информация для пациентов и их родственников

Правила госпитализации в стационар

Услуги и цены отделения

Клетки взаимопонимания – Огонек № 45 (5590) от 18.11.2019

«Эмоциональный интеллект», пожалуй, самая модная фишка этого года. Тренинги для высокопоставленных менеджеров, школы — для совсем маленьких, новые требования при приеме на работу — сегодня без «эмоционального интеллекта» никуда. А все началось с открытия зеркальных нейронов, которое сделали в 90-х годах прошлого века итальянские ученые под руководством профессора Джакомо Риццолатти. Это они обнаружили в мозге человека особые клетки, которые заставляют нас понимать других людей и сопереживать им

Погоня! Напряженная музыка. Беглец пытается уйти от преследования — с крыши на крышу, оттуда — прыжок — и он уже на козырьке подъезда, еще прыжок — он ныряет в автомобиль, по газам! Наше сердце стучит как бешеное, хотя мы вообще-то смотрим фильм, сидя на диване. Сами того не понимая, как это получается, мы ощущаем то, что происходит с другим человеком. Виновники этого — зеркальные нейроны.

Все мы учили в школе, что человека человеком сделал труд, речь и сложный путь эволюционного развития. Но, как выяснили ученые, в какой-то момент этой самой эволюции в нашем мозге появился изумительно тонкий механизм, который в значительной мере помог нам обрести человечность — в самом широком ее понимании.

Профессор Марко Якобони — крупнейший современный нейробиолог и один из пионеров в изучении зеркальных нейронов, объясняет «Огоньку»:

— Зеркальные нейроны свидетельствуют о способности к эмпатии, то есть к сопереживанию, и это заложено в людях на уровне механизмов работы мозга. Это замечательная новость, ведь в последнее время многие ученые отстаивали точку зрения, что человек — всего лишь развитое животное, которое борется за выживание, что он эгоистичен и зациклен на себе. Но мы обнаружили в головном мозге систему, существование которой предполагает, что эволюция снабдила нас особым механизмом. В примитивном виде он есть и у других живых существ, но в таком совершенном — только у людей: мы можем сочувствовать. Один из крупнейших нейрофизиологов современности — Вилейанур Рамачандран — назвал зеркальные нейроны системами, которые определили цивилизацию.

Само открытие зеркальных нейронов произошло в 90-е годы прошлого века. Долгое время считалось, что зеркальные нейроны располагаются в премоторной коре головного мозга, в так называемой зоне F5. В начале этого века профессор Якобони доказал, что зеркальных нейронов намного больше, чем ученые думали раньше, и «разбросаны» они по всей коре головного мозга. С каждым новым экспериментом фиксировалась активность и в других зонах — нижней теменной доле, островке, миндалинах, зоне Брока, лобной долях.

— Сначала мы обнаружили зеркальные нейроны среди клеток, отвечающих за хватательные движения,— говорит Марко Якобони.— А потом — в клетках, связанных с проявлением радости и выражением грусти. Это говорит о том, что механизм зеркального отражения — очень мощный и пронизывает все наши социальные взаимодействия. Таким образом, представление о человеке как об эгоистичном животном в корне неверно. На самом деле способность к эмпатии, переживанию за другого — часть нашего «устройства».

Происхождение отзывчивости

Как же ученые пришли к открытию, дающему всем нам повод думать о себе гораздо лучше? В 90-х годах группа итальянских ученых, изучая деятельность мозга у макак, обнаружила: когда они выполняли хватательные движения, в определенной части мозга у них наблюдалась активность. Точнее, некоторые клетки были особенно активны. И это в общем-то было вполне предсказуемо. Но каково же было удивление ученых, когда они увидели: эти клетки реагируют точно так же, если обезьяна всего лишь видела, как кто-то другой совершает такое действие.

— В какой-то мере наше открытие было сделано случайно,— вспоминает в беседе с вашим корреспондентом профессор и «папа» зеркальных нейронов Джакомо Риццолатти.— Так родилась гипотеза об особых нейронах, которую позже подтвердили дальнейшие исследования. Эти нейроны были названы зеркальными (от англ. mirror neurons.— «О»), так как «включались», когда их хозяин видел некое действие, которое мог бы делать сам. Точнее, в мозге наблюдателя и исполнителя включались одни и те же нейронные сети, что и вызвало аналогию зеркала.

Сегодня знания о зеркальных нейронах применяются очень широко — от клинической психологии до двигательной реабилитации в неврологии, от спортивной психологии и до психиатрии, от тренингов личностного роста, с которых мы начали, до новых требований при приеме на работу. «Эмоциональный интеллект» внесли в набор так называемых soft skills (гибких навыков), обеспечивающих высокую производительность сотрудников.

Кодируй это

Нейроны — это особая клетка, которая может передавать электрический или химический сигнал. В организме они служат для передачи, обработки и хранения информации. Такие клетки есть в мозгу или же являются частью нервной системы. Внешне они представляют собой крошечное тело со множеством отростков, по которым и передается информация в виде электрических импульсов. Большое скопление нейронов принято называть нейронной сетью.

— Скорее всего между обычными нейронами и зеркальными внешних отличий нет,— говорит нам профессор Якобони.— Мы не знаем это наверняка, потому что пока не можем одновременно наблюдать за нейронами и за тем, как они кодируют информацию. «Зеркальными» их делает способность кодировать действие, которое мы совершаем, и действие, которое совершают другие люди, за которыми мы наблюдаем.

После того как открытие было сделало на обезьянах, начались эксперименты с добровольцами. Эксперименты подтвердили: и в мозге человека, как и в мозге обезьяны, срабатывает «зеркалка». Когда испытуемые видели актера, который брал в руки яблоко, то и в их головах, и в голове актера активизировались одни и те же точки.

Интересно, кстати, что люди именно «отзеркаливают» действие, а не повторяют его один в один. Исследования профессора Якобони показали: нейроны «сочувствия» наиболее активны именно при зеркальном повторении действия, а не при анатомическом (учитель и ученики поднимают одну и ту же правую руку). Оказалось, так для мозга проще! Для анатомического повторения ему потребовалось бы задействовать большее число отделов мозга. Дальнейшие эксперименты показали, как происходит понимание того, что собирается сделать кто-то другой (ну, например, положить яблоко в корзину). Тут срабатывали другие цепочки зеркальных нейронов, которые, похоже, позволяют нам строить догадки и предположения.

Исследование зеркальных нейронов показало: они что-то вроде тренажера, который помогает нам понимать действия и намерения другого человека, внутренний тренер, который обучает наши эмоции с помощью имитации действия и эмпатии.

Кстати, вы ошибаетесь, если думаете, что зеркальные нейроны есть лишь у людей и обезьян.

— Подобные нейроны есть у некоторых видов певчих птиц, у грызунов и летучих мышей,— говорит профессор Риццолатти.— Теоретически можно предположить их наличие у других животных, которые используют мимикрию в различных ее формах или же обучают выживанию потомство. Но лидером по количеству зеркальных нейронов остается человек.

Поделись улыбкою своей


Для современных и сложных аппаратов мозг уже не загадка

Фото: BSIP / DIOMEDIA

Легко на сердце от песни веселой? А все потому, что кино и музыка активно передают нам эмоции, создают и поддерживают настроение, которое мы переживаем как собственный опыт. Если вы думали, что излишняя эмоциональность — это ваш талант, то нет, это просто отличная работа нейронных связей.

Довольно быстро в ходе экспериментов стало ясно: нейроны могут зеркально отображать не только действия, но и эмоции. Зеркальные нейроны сигналили о боли, если человек только наблюдал, как кому-то причиняют болевые ощущения. А что касается эмпатии, то человеку тут нет равных! Когда добровольцам показали фотографии, лица на которых выражали разные эмоции — злость, отвращение, радость и т.д., нейронные связи в мозге сработали моментально. Вплоть до того, что мы готовы повторить гримасу на фотографии! Проявления эмоций другого человека понятны мозгу, и мы подсознательно настраиваемся с человеком на одну волну.

— Кстати, у женщин в эмоциональной сфере задействовано больше зеркальных нейронов, чем у мужчин,— делится наблюдением профессор Риццолатти.— Это одна из причин, почему они чаще склонны к сочувствию. В результате эксперимента, когда участникам показывали состояния страдания и болевых ощущений, выяснилось: нейронный отклик у женщины больше, нежели у мужчин. Видимо, причину нужно искать в эволюционных условиях, когда мать проводила с малышом много времени, помогая тому не только изучать мир, но и развиваться эмоционально — реакция матери на разные события помогала ребенку научиться адекватно воспринимать мир.

Но человек не так прост. Сплошь и рядом мы улыбаемся, когда на душе скребут кошки, и бодримся, когда для того нет никаких оснований. Как же реагирует на это наш мозг?

— Зеркальные нейроны достаточно «умны», чтобы заметить несоответствие между чувствами и действиями,— объясняет профессор Якобони.— Они вполне могут отразить и то, и другое. Но если в обычном случае наши эмоциональные области мозга активируются легко (кто-то улыбнулся нам, мы улыбнулись ему в ответ), то в ситуации, когда действия и чувства несовместимы, требуются особые усилия.

Вообще, для этого наука придумала специальное обозначение — термин «чужое сознание» или «понимание чужого сознания». Он обозначает способность видеть психическое состояние другого с его надеждами, эмоциями, намерениями или желаниями. Но понимаем-то мы оттого, что примеряем этот опыт на себя, фактически «отражаем» его. Это очень важно для человеческого социума и взаимодействия между людьми. А еще это знание применяется для обучения актерскому мастерству, чтобы актер мог войти в образ героя и вести себя как он.

Взять себя в руки

— Для человека чрезвычайно важны сознание и воля,— поясняет профессор Риццолатти.— Ведь именно они способны подавлять чувства, которые возникают из-за хорошей работы зеркальных нейронов. Иначе бы мы были рабами эмоций и просто не могли себя контролировать.

То есть важную роль в нашем поведении играет общество и его нормы: если принято быть сдержанным, то это будет прививаться и воспитываться, если на первое место ставится успех, то личными отношениями можно пренебречь. Человек сам может себя мотивировать быть другим или менять усилием воли.

Со временем оказалось, что «научение» новому тоже напрямую связано с работой зеркальных нейронов. Их открытие в какой-то мере подтвердило две существующие теории о происхождении языка. Первая предполагает, что сначала язык развивался как жестовый с небольшим количеством звуковых обозначений, а позже звуковые сигналы вытеснили жесты. Вторая теория утверждает, что язык изначально был связан со звуками, потому что части мозга, ответственные за речь у человека и других животных, включая приматов, различаются. Обучаясь языку, ребенок учится подражать звукам и движению губ, интуитивно подстраивая свой речевой аппарат.

Получается, что скромная деятельность зеркальных нейронов, благодаря которой стало возможно появление речи, была одним из важнейших факторов в эволюции человека.

Однако не все функции зеркальных нейронов равно полезны для человека.

— Люди, бывшие свидетелями проявлений агрессии, как правило, сами начинаю вести себя агрессивно,— уточняет профессор Якобони.— Это говорит нам о том, что имитация играет большую роль в их поведении. Или, например, наркоманы, которые успешно проходят реабилитацию. Если они продолжали контакты с пьющими или употребляющими наркотики людьми, то чаще возвращались к употреблению психоактивных веществ.

С другой стороны, именно такое замечательное свойство мозга, как его податливость, или, как это называют ученые, «гибкая нейронная пластичность» (англ. malleability neural plasticity), позволяет исправлять пороки. То есть, грубо говоря, человека можно научить на примере — как на плохом, так и на хорошем. Так что правильность поговорки, вроде «яблоко от яблони недалеко падает», подтверждается наукой.

Сигнал без ответа

У человека могут быть нарушены нейронные связи — например, это может быть следствием инсульта, который часто приводит к повреждению части мозга. Если кровоизлияние было в левой части мозга, то человеку трудно понимать действия окружающих.

— Если нейроны целы, но нарушена их работа, то их можно запустить заново, заставив их снова «отражать»,— говорит профессор Риццолатти.— Тогда пациенту показывается действие, которое он должен повторить, чтобы восстановить функцию или работу конечности.

Этот новый способ восстановления, разработанный после открытия зеркальных нейронов, получил название «терапия действия-наблюдения» (англ. action-observation therapy). В основном ее применяют для больных, переживших инсульт, но не только. Хорошие результаты «терапия действия-наблюдения» дает после снятия гипса и реабилитации травмированного органа. Результат — больной начинает ходить быстрее, хромота пропадает раньше, чем при обычных условиях восстановления.

Но есть и иные причины повреждения нейронных связей — генетические заболевания, психические отклонения и аутизм. Известно, что дети с аутизмом часто не могут понять действия окружающих или их чувства, построить свою цепочку действий самостоятельно. По мнению профессора Якобони, эти проблемы можно связать с недостаточной работой зеркальных нейронов. Дело может быть и в малом количестве зеркальных нейронов и — или — в снижении их активности и способности к отклику. Сам профессор склоняется в пользу последней гипотезы.

— Думаю, что у нас есть возможность восстановления для детей с аутизмом, но только если начать работу в раннем возрасте,— говорит профессор Риццолатти.— Если ребенок не может понять эмоции людей вокруг, то стоит проявить их усиленно, пусть даже и сентиментально, чтобы он мог их отличить и «отразить». Как пример: маме следует много разговаривать с ребенком, прикасаясь к нему. Так малыш поймет, что в данный момент внимание обращено к нему и, следовательно, речь тоже. Это будет развивать как моторные, так и эмоциональные навыки. С ребенком важно много играть, но только в те игры, где победа будет не за одним из игроков, а на стороне обоих — только если они объединят усилия, сделают что-то вместе, то смогут выиграть. Малыш поймет играючи, что доверять другому не страшно.

Для профессора Риццолатти практическое применение полученные знания о зеркальных нейронах нашли в медицине и реабилитации пациентов с болезнью Альцгеймера, инсультом и другими заболеваниями, когда больной не может двигаться. Эта терапия активно применяется и развивается в Германии и Италии.

А что касается перспектив, то ключевым направлением профессор Якобони видит изучение того, как зеркальные нейроны взаимодействуют с другими социальными компетенциями (в том числе и «эмоционального интеллекта»). Выходит: зеркальные нейроны в каком-то смысле сделали нас теми, кто мы есть на самом деле. И если вас спросят, с чего начинается человек, смело отвечайте — с зеркальных нейронов…

Валентина Пахомова


Виды и классификация нейронных сетей. Основные типы

 

Центральная нервная система (ЦНС) человека и животных состоит из огромного количества особых клеток, связанных между собой (нейронов). Искусственные нейронные сети являются математическим прототипом одного из отделов ЦНС. Давайте рассмотрим, какие виды нейронных сетей бывают и какие задачи решаются с их помощью.

Нейронные сети, в общем виде, представляют собой вычислительные структуры, которые моделируют простые биологические процессы. В качестве ассоциации выступают, например, процессы активации и торможения нейронов в коре головного мозга.

Элементарным преобразователем внутри любой нейронной сети является искусственный нейрон. В этой и других статьях для простоты мы будем называть его просто нейроном.

Теперь перейдем непосредственно к классификации нейронных сетей (НС). 

Итак, очень многие начинающие знакомиться с нейроинформатикой вообще не видят различий между архитектурами сетей, и любая нейронная сеть для них – это однослойный или многослойный перцептрон – сеть прямого распространения, итерационно обучающаяся с учителем. Как вы увидите далее, это далеко от истины.

Существуют сети радиально-базисных функций, которые также имеют прямонаправленную структуру связей, обучаются с учителем, но веса рассчитываются однократно как один из случаев метода наименьших квадратов.

К сетям, обучающимся без учителя (самообучающимся или самоорганизующимся) относят, например, сети Кохонена и адаптивного резонанса, различающиеся корректирующими соотношениями и форматами представления входных данных. И эти сети тоже – прямого распространения.

А вот обратные связи от выходов к предыдущим слоям имеют, например сети Хопфилда, Коско и Хэмминга. Внутренние различия их архитектур, а также способов представления и обработки сигналов приводят к тому, что они могут решать совершенно разные задачи.

Как классифицировать нейронные сети?

В зависимости от критерия классификации, можно разделить НС на различные типы. Мы можем классифицировать данный метод искусственного интеллекта по следующим признакам:

  1. По способу обучения
  2. По топологии
  3. По модели НС
  4. По способу настройки весовых коэффициентов
  5. По задачам, решаемым при помощи НС

Ниже на рисунке показана наиболее универсальная классификация по первым четырем признакам.

Универсальная классификация нейронных сетей

 

Классификация нейронных сетей по топологии

 

Классификация нейронных сетей по типу решаемой задачи

 

На изображении ниже показана взаимосвязь между решаемой задачей и используемом типом НС.

 Выводы

Мы рассмотрели наиболее популярные виды искусственных нейронных сетей и показали, какие задачи могут решаться с их помощью, привели несколько видов классификаций нейросетей по различным критериям. 

P.S. Если по вашему мнению, мы забыли какой-то тип нейронных сетей, напишите об этом ниже в комментариях! 

Информация
Посетители, находящиеся в группе Гости, не могут оставлять комментарии к данной публикации.

Как мозг превращает картинку в действие, а движение — в звук

Два потока восприятия

Лекция состоялась в рамках III Международной конференции «Нейробиология языка и речи».

Говоря о восприятии информации мозгом, Лучано Фадига рассказал о гипотезе двух потоков: вентральном и дорсальном. Это две параллельно работающие системы в головном мозге, кодирующие визуально воспринимаемую информацию. При зрительном восприятии объектов информация фиксируется в первичной зрительной коре, после чего поступает во вторичную, откуда и берут начало вентральный и дорсальный потоки.

Вентральный поток заканчивается в височном, а дорсальный — в теменном отделе коры головного мозга. Благодаря экспериментам на обезьянах с нарушениями височной и теменной долей удалось сформулировать предположения о роли этих отделов мозга в восприятии зрительной информации. Так, височная доля участвует в функционировании памяти и выступает своеобразным «архивом»: попадая туда, информация быстро определяется в нужные «категории». Теменная доля считается ответственной за пространственную ориентацию. Согласно данной гипотезе, вентральный поток отвечает за семантику, фактически отвечая мозгу на вопрос «что это?», дорсальный же — за пространственное положение, обрабатывая понятия «где?» или «как?».

Наш мозг — это классификационная машина. Он распределяет все, что мы видим, на множество категорий. Мозг порождает ассоциации, связи между предметами и понятиями, группируя объекты по различным параметрам.

Профессор Университета Феррары (Италия) Лучано Фадига

«Например, кирпич относится к понятийной группе стройматериалов и в то же время может быть обобщен с красным яблоком по цветовому признаку. Мы делаем все это автоматически, не задумываясь, это делает наш мозг», — подчеркнул Лучано Фадига.

Движение и действие

После обработки зрительной информации, рассказал ученый, мозг принимает решение о дальнейших действиях с ней. К примеру, если человек осознает, что ему необходим видимый предмет, он протягивает руку, чтобы его взять. Мозг при этом должен быстро понять, есть ли на пути препятствие и как именно нужно сложить ладонь, чтобы получить желаемое. Лучано Фадига с коллегами изучал работу мозга обезьян в момент, когда они осуществляли хватательное движение различными конечностями в отношении предметов разного размера и формы. Это позволило зафиксировать реакции мозга и схему, приводящую к совершению движения.

Действие, согласно формулировке, приведенной ученым, — это иерархически организованная последовательность движений, приводящих к цели. То есть если цель — взять видимый предмет, то хватание будет действием, осуществляемым с помощью цепочки движений, регламентируемых мозгом. Принятие соответствующих решений, по данным ученых, происходит в вентральной области премоторной коры (так называемой зоне F5). Именно в ней группе исследователей из Пармы, в которую входил и Лучано Фадига, удалось обнаружить так называемые зеркальные нейроны.

Первым шагом к выявлению зеркальных нейронов стала случайность.

«Однажды мой коллега в лаборатории ел мороженое. В момент, когда он его лизал, зона F5 мозга подопытной обезьяны, подключенной к энцефалографу, выдавала реакцию, которая возникла бы в случае, если бы сама обезьяна производила движение, подобное тому, которое совершал мой коллега. Однако сама обезьяна в этот момент оставалась неподвижной», — рассказал ученый.

Так удалось обнаружить, что нейроны в области F5 у обезьян активизируются не только в момент хватания предмета, но и в момент наблюдения за знакомым действием другого.

Центр Брока

Все вышеперечисленные факторы, считает Лучано Фадига, влияют на речевую функцию человека. Именно благодаря зрительному восприятию, уверен он, и дальнейшему претворению информации в движения речевого аппарата и происходит непосредственно процесс говорения. То есть звук, по мнению ученого, в данном случае не играет решающей роли. «Послушайте, как пожилой человек и маленький ребенок или люди с разными акцентами произнесут одно и то же слово: звуки могут отличаться, однако движения губ, языка будут одинаковыми», — подчеркнул исследователь.

Но, конечно, мозг человека и мозг обезьяны существенно различаются: обезьяны фактически не используют язык в привычном нам понимании. Профессор Фадига полагает при этом, что сходство между мозгом обезьяны и мозгом человека можно проследить, однако последний в процессе эволюции значительно усовершенствовался.

По предположению Лучано Фадиги, цитоархитектоническим гомологом зоны F5 у обезьян в мозгу человека может быть область, или центр, Брока. Область Брока расположена в задней нижней части префронтальной коры и отвечает, в частности, за сенсомоторную организацию речи. Согласно исследованиям ученого, центр Брока активизируется во время восприятия и использования человеком языка, математических вычислений, прослушивания музыки, логических операций. Процессы в центре Брока, считает ученый, также связаны с визуальным восприятием окружающего мира: анализ видимого пространства позволяет человеку планировать и прогнозировать как свои действия, так и действия других. Это одно из важных эволюционных приобретений, уверен профессор, благодаря которому люди владеют понятием «будущее», способны к долгосрочному планированию, к просчитыванию последствий своих действий, символическому мышлению и, возможно, языку.

«Заплатив цену с точки зрения эффективности, наш вид получил новые возможности: изобретать новые действия и реакции, исследовать новые решения. Все это обеспечивается чрезвычайно сложным сенсомоторным механизмом, вычислительные возможности которого могут быть использованы и в познавательных целях», — заключил Лучано Фадига.

Шпаргалка по разновидностям нейронных сетей. Часть первая. Элементарные конфигурации

Новые виды архитектуры нейронных сетей появляются постоянно, и в них можно запутаться. Мы собрали для вас своеобразную шпаргалку, содержащую большую часть существующих видов ИНС. Хотя все они представлены как уникальные, картинки свидетельствуют о том, что многие из них очень похожи.

 

Проблема нарисованных выше графов заключается в том, что они не показывают, как соответствующие сети используются на практике. Например, вариационные автокодировщики (VAE) выглядят совсем как простые автокодировщики (AE), но их процессы обучения существенно различаются. Случаи использования отличаются ещё больше, поскольку VAE — это генератор, которому для получения нового образца подаётся новый шум. AE же просто сравнивает полученные данные с наиболее похожим образцом, полученным во время обучения.

Стоит заметить, что хотя большинство этих аббревиатур общеприняты, есть и исключения. Под RNN иногда подразумевают рекурсивную нейронную сеть, но обычно имеют в виду рекуррентную. Также можно часто встретить использование аббревиатуры RNN, когда речь идёт про любую рекуррентную НС. Автокодировщики также сталкиваются с этой проблемой, когда вариационные и шумоподавляющие автокодировщики (VAE, DAE) называют просто автокодировщиками (AE). Кроме того, во многих аббревиатурах различается количество букв «N» в конце, поскольку в каких-то случаях используется «neural network», а в каких-то — просто «network».

Для каждой архитектуры будет дано очень краткое описание и ссылка на статью, ей посвящённую. Если вы хотите быстро познакомиться с нейронными сетями с нуля, следуйте переведенному нами руководству, состоящему всего из четырех шагов.

Нейронные сети прямого распространения (feed forward neural networks, FF или FFNN) и перцептроны (perceptrons, P) очень прямолинейны, они передают информацию от входа к выходу. Нейронные сети часто описываются в виде слоёного торта, где каждый слой состоит из входных, скрытых или выходных клеток. Клетки одного слоя не связаны между собой, а соседние слои обычно полностью связаны. Самая простая нейронная сеть имеет две входных клетки и одну выходную, и может использоваться в качестве модели логических вентилей. FFNN обычно обучается по методу обратного распространения ошибки, в котором сеть получает множества входных и выходных данных. Этот процесс называется обучением с учителем, и он отличается от обучения без учителя тем, что во втором случае множество выходных данных сеть составляет самостоятельно. Вышеупомянутая ошибка является разницей между вводом и выводом. Если у сети есть достаточное количество скрытых нейронов, она теоретически способна смоделировать взаимодействие между входным и выходными данными. Практически такие сети используются редко, но их часто комбинируют с другими типами для получения новых.

Читать статью (стр. 386)

Сети радиально-базисных функций (radial basis function, RBF) — это FFNN, которая использует радиальные базисные функции как функции активации. Больше она ничем не выделяется 🙂

 Читать статью

Нейронная сеть Хопфилда (Hopfield network, HN) — это полносвязная нейронная сеть с симметричной матрицей связей. Во время получения входных данных каждый узел является входом, в процессе обучения он становится скрытым, а затем становится выходом. Сеть обучается так: значения нейронов устанавливаются в соответствии с желаемым шаблоном, после чего вычисляются веса, которые в дальнейшем не меняются. После того, как сеть обучилась на одном или нескольких шаблонах, она всегда будет сводиться к одному из них (но не всегда — к желаемому). Она стабилизируется в зависимости от общей «энергии» и «температуры» сети. У каждого нейрона есть свой порог активации, зависящий от температуры, при прохождении которого нейрон принимает одно из двух значений (обычно -1 или 1, иногда 0 или 1).  Такая сеть часто называется сетью с ассоциативной памятью; как человек, видя половину таблицы, может представить вторую половину таблицы, так и эта сеть, получая таблицу, наполовину зашумленную, восстанавливает её до полной.

Читать статью (стр. 2554—2558)

Цепи Маркова (Markov chains, MC или discrete time Markov Chains, DTMC) — это предшественники машин Больцмана (BM) и сетей Хопфилда (HN). Их смысл можно объяснить так: каковы мои шансы попасть в один из следующих узлов, если я нахожусь в данном? Каждое следующее состояние зависит только от предыдущего. Хотя на самом деле цепи Маркова не являются НС, они весьма похожи. Также цепи Маркова не обязательно полносвязны.

Читать статью (стр. 252)

Машина Больцмана (Boltzmann machine, BM) очень похожа на сеть Хопфилда, но в ней некоторые нейроны помечены как входные, а некоторые — как скрытые. Входные нейроны в дальнейшем становятся выходными. Машина Больцмана — это стохастическая сеть. Обучение проходит по методу обратного распространения ошибки или по алгоритму сравнительной расходимости.  В целом процесс обучения очень похож на таковой у сети Хопфилда.

Читать статью (стр. 282—317)

Ограниченная машина Больцмана (restricted Boltzmann machine, RBM) удивительно похожа на машину Больцмана и, следовательно, на сеть Хопфилда. Единственной разницей является её ограниченность. В ней нейроны одного типа не связаны между собой. Ограниченную машину Больцмана можно обучать как FFNN, но с одним нюансом: вместо прямой передачи данных и обратного распространения ошибки нужно передавать данные сперва в прямом направлении, затем в обратном. После этого проходит обучение по методу прямого и обратного распространения ошибки.

Читать статью

Автокодировщик (autoencoder, AE) чем-то похож на FFNN, так как это скорее другой способ использования FFNN, нежели фундаментально другая архитектура. Основной идеей является автоматическое кодирование (в смысле сжатия, не шифрования) информации. Сама сеть по форме напоминает песочные часы, в ней скрытые слои меньше входного и выходного, причём она симметрична. Сеть можно обучить методом обратного распространения ошибки, подавая входные данные  и задавая ошибку равной разнице между входом и выходом.

Читать статью (стр. 291—294)

Разреженный автокодировщик (sparse autoencoder, SAE) — в каком-то смысле противоположность обычного. Вместо того, чтобы обучать сеть отображать информацию в меньшем «объёме» узлов, мы увеличиваем их количество. Вместо того, чтобы сужаться к центру, сеть там раздувается. Сети такого типа полезны для работы с большим количеством мелких свойств набора данных. Если обучать сеть как обычный автокодировщик, ничего полезного не выйдет. Поэтому кроме входных данных подаётся ещё и специальный фильтр разреженности, который пропускает только определённые ошибки.

Читать статью

Вариационные автокодировщики (variational autoencoder, VAE) обладают схожей с AE архитектурой, но обучают их иному: приближению вероятностного распределения входных образцов. В этом они берут начало от машин Больцмана. Тем не менее, они опираются на байесовскую математику, когда речь идёт о вероятностных выводах и независимости, которые интуитивно понятны, но сложны в реализации. Если обобщить, то можно сказать что эта сеть принимает в расчёт влияния нейронов. Если что-то одно происходит в одном месте, а что-то другое — в другом, то эти события не обязательно связаны, и это должно учитываться.

Читать статью

Шумоподавляющие автокодировщики (denoising autoencoder, DAE) — это AE, в которые входные данные подаются в зашумленном состоянии. Ошибку мы вычисляем так же, и выходные данные сравниваются с зашумленными. Благодаря этому сеть учится обращать внимание на более широкие свойства, поскольку маленькие могут изменяться вместе с шумом.

Читать статью

Сеть типа «deep belief» (deep belief networks, DBN) — это название, которое получил тип архитектуры, в которой сеть состоит из нескольких соединённых RBM или VAE. Такие сети обучаются поблочно, причём каждому блоку требуется лишь уметь закодировать предыдущий. Такая техника называется «жадным обучением», которая заключается в выборе локальных оптимальных решений, не гарантирующих оптимальный конечный результат. Также сеть можно обучить (методом обратного распространения ошибки) отображать данные в виде вероятностной модели. Если использовать обучение без учителя, стабилизированную модель можно использовать для генерации новых данных.

Читать статью (стр. 153)

Свёрточные нейронные сети (convolutional neural networks, CNN) и глубинные свёрточные нейронные сети (deep convolutional neural networks, DCNN) сильно отличаются от других видов сетей. Обычно они используются для обработки изображений, реже для аудио. Типичным способом применения CNN является классификация изображений: если на изображении есть кошка, сеть выдаст «кошка», если есть собака — «собака». Такие сети обычно используют «сканер», не парсящий все данные за один раз. Например, если у вас есть изображение 200×200, вы не будете сразу обрабатывать все 40 тысяч пикселей. Вместо это сеть считает квадрат размера 20 x 20 (обычно из левого верхнего угла), затем сдвинется на 1 пиксель и считает новый квадрат, и т.д. Эти входные данные затем передаются через свёрточные слои, в которых не все узлы соединены между собой. Эти слои имеют свойство сжиматься с глубиной, причём часто используются степени двойки: 32, 16, 8, 4, 2, 1. На практике к концу CNN прикрепляют FFNN для дальнейшей обработки данных. Такие сети называются глубинными (DCNN).

Читать статью (стр. 2278—2324)

Развёртывающие нейронные сети (deconvolutional networks, DN), также называемые обратными графическими сетями, являются обратным к свёрточным нейронным сетям. Представьте, что вы передаёте сети слово «кошка», а она генерирует картинки с кошками, похожие на реальные изображения котов. DNN тоже можно объединять с FFNN. Стоит заметить, что в большинстве случаев сети передаётся не строка, а какой бинарный вектор: например, <0, 1> — это кошка, <1, 0> — собака, а <1, 1> — и кошка, и собака.

Читать статью

Перевод статьи «The Neural Network Zoo»

Знай свои нейроны: как классифицировать разные типы нейронов в лесу мозга

Ранее, знай свои нейроны:

Глава 1: Открытие и наименование нейрона

Глава 2: Как классифицировать разные типы нейронов, или Дендрология нейронного леса

Ученые разделили клетки, составляющие нервную систему, на две большие группы: нейроны, которые являются первичными сигнальными клетками, и глия, которые поддерживают нейроны различными способами.Человеческий мозг содержит около 100 миллиардов нейронов и, по большинству оценок, от 10 до 50 раз больше глиальных клеток.

Все эти клетки упакованы в трехфунтовый орган размером с ваши слипшиеся кулаки. Вы можете представить свой мозг как густой лес — лес нейронов, в котором деревья разных видов растут рядом, вокруг и друг на друге, их ветви и корни переплетаются. Подобно тому, как все деревья имеют общую структуру — корни, ствол, ветви — но не похожи друг на друга, все нейроны являются вариациями общей структурной темы.Разнообразие структур невероятно, и ученые все еще открывают клетки мозга, которые на самом деле не похожи ни на одну из виденных ранее.

Различные типы нейронов (щелкните, чтобы увеличить). A. Клетка Пуркинье B. Гранулярная клетка C. Моторный нейрон D. Триполярный нейрон E. Пирамидная клетка F. Клетка-канделябр G. Веретеновидный нейрон H. Звездчатая клетка (Фото: Феррис Джабр; на основе реконструкций и рисунков Кахала)

Модель нейрон. Щелкните для увеличения (Источник: LadyofHats, Wikimedia Commons)

Прежде чем исследовать клеточное разнообразие мозга, давайте рассмотрим модель нейрона.Типичный нейрон состоит из трех основных структур: тела клетки, аксона и дендритов. Тело клетки содержит ядро, в котором хранятся гены клетки; аксон представляет собой длинный тонкий кабель, который передает электрические сигналы, известные как потенциалы действия, от тела клетки к другим нейронам; а дендриты — это более короткие ветвящиеся волокна, которые принимают сигналы от других нейронов. Ближе к концу аксон одного нейрона разветвляется и образует связи с 1000 другими нейронами, но, как утверждал нейроанатом XIX века Сантьяго Рамон-и-Кахаль, конец одного нейрона не сливается с началом другого в единую сеть. .Вместо этого кончики ветвления аксона сообщаются с дендритами, аксонами и телами других нейронов через крошечные промежутки, называемые синапсами.

Нейроны, классифицированные по структуре. Щелкните для увеличения (Источник: Феррис Джабр)

Ученые разделили нейроны на четыре основные группы на основе различий в форме. Мультиполярные нейроны являются наиболее распространенными нейронами в нервной системе позвоночных, и их структура наиболее близко соответствует структуре модельного нейрона: тело клетки, из которого выходит один длинный аксон, а также корона из множества более коротких ветвящихся дендритов.Униполярные нейроны, наиболее распространенные нейроны беспозвоночных, имеют единственную первичную проекцию, которая функционирует как аксон, так и дендриты. Биполярные нейроны обычно населяют органы чувств, такие как глаз и нос. Их дендриты передают сигналы от этих органов к телу клетки, а их аксоны посылают сигналы от тела клетки к головному и спинному мозгу. Псевдоуниполярные нейроны, вариант биполярных нейронов, которые ощущают давление, прикосновение и боль, не имеют настоящих дендритов. Вместо этого один аксон выходит из тела клетки и направляется в двух противоположных направлениях: один конец направляется к коже, суставам и мышцам, а другой — к спинному мозгу.

Нейроны, классифицированные по функциям. Щелкните для увеличения (Источник: Феррис Джабр)

Исследователи также классифицируют нейроны по функциям. Сенсорные нейроны собирают информацию от органов чувств — например, от глаз, носа, языка и кожи. Моторные нейроны передают сигналы от головного и спинного мозга к мышцам. Интернейроны соединяют один нейрон с другим: длинные аксоны проекционных интернейонов связывают отдаленные области мозга; более короткие аксоны локальных интернейронов образуют более мелкие цепи между соседними клетками.

Учитывают ли эти базовые классы все типы нейронов? Что ж, почти каждый нейрон нервной системы человека должен попадать в одну из этих широких категорий, но эти категории не отражают истинного разнообразия нервной системы. Даже не близко. Если вы действительно хотите каталогизировать нейроны во многих их формах — что-то вроде того, как ученые классифицируют живые существа по семействам, видам и подвидам — ​​вам понадобится гораздо больше категорий. Нейроны отличаются друг от друга структурно, функционально и генетически, а также тем, как они образуют связи с другими клетками.В некотором смысле вам решать, как далеко вы хотите зайти. Некоторые люди довольствуются несколькими широкими категориями и не видят необходимости идентифицировать и классифицировать каждый отдельный тип нейрона. Других очаровывают различия между клетками мозга и нервной системы, даже самые тонкие различия. Некоторых интересуют практические соображения, потому что некоторые из этих различий помогают объяснить, например, почему определенные заболевания наносят вред только определенной популяции нейронов. Других движет чистое любопытство.

По крайней мере, с 19 века — даже до того, как Кахаль убедил ведущих анатомов того времени в том, что нервная система состоит из отдельных клеток, — ученые признали, что не все компоненты нервной системы выглядят одинаково, и начали различать эти компоненты по именам. В 1840 году Адольф Ганновер открыл то, что сегодня мы называем ганглиозными клетками сетчатки, светочувствительной тканью в задней части глаза. В 1866 году Леопольд Август Бессер назвал крупные, плотно разветвленные нейроны «клетками Пуркинье» в честь их первооткрывателя, чешского анатома Яна Пуркине.Владимир Алексеевич Бец открыл крупнейшие клетки центральной нервной системы, известные сегодня как клетки Беца. Кахал пробовал разные названия для разных типов нейронов, а также их более мелкие особенности. Он назвал маленькие шишки по длине дендритов espinas , что по-испански означает шипы. Сегодня мы называем их дендритными шипами.

Итак, сколько различных типов нейронов ученые назвали на данный момент? Чтобы выяснить это, я связался с несколькими нейробиологами, которые специализируются на клеточной биологии и том, что вы могли бы назвать таксономией нейронов.Возможно, неудивительно, что ни у кого нет точного числа , но если вы посчитаете все типы и подтипы во всей нервной системе, ответ будет как минимум в сотнях . Одним из отличных ресурсов для изучения клеточного разнообразия нервной системы является NeuroMorpho.org, база данных нейронов, реконструированных в цифровом виде, которую вы можете просматривать по видам, областям мозга и типам клеток. Посетите страницу «Типы ячеек», и вы встретите описательные названия, такие как коническая ячейка, лазящее волокно, крабоподобная, средняя колючая ячейка, пирамидальная ячейка, люстра-ячейка и трехполюсная ячейка, каждая из которых имеет уникальную структуру.3D-модели этих нейронов появляются при наведении указателя мыши на имена файлов различных реконструкций.

Гордон Шепард из Йельского университета указал мне на Neuroscience Lexicon, базу данных, которую он и его коллеги создают. Посмотрите их текущий список типов нейронов. Вот список различных типов нейронов мозжечка, эволюционно древней части мозга, которая помогает координировать движение:

• Клетка Гольджи мозжечка

• Клетка Лугаро мозжечка

• Клетка Пуркинье мозжечка

• Клетка корзины мозжечка

• Клетка канделябра мозжечка

• Гранулярная клетка мозжечка

• Нейрон реципрокных проекций ядра мозжечка

• Звездчатая клетка мозжечка

• Клетка однополярной щеточки мозжечка

И это только одна область мозга.Помните, что человеческий мозг содержит около 100 миллиардов нейронов, плотно упакованных в три фунта ткани. Учтите, что человеческий мозг — одна из самых сложных структур, которые мы когда-либо пытались понять. Все эти слои хрупкой возбудимой ткани сложились друг на друга. Внутри этих складок мы обязательно откроем новые типы нейронов, о которых мы в настоящее время и не догадываемся.

В следующий раз на «Знай своих нейронах» мы познакомимся с представителями второй по величине категории клеток нервной системы — глии!

Источники

Bentivoglio, M.Жизнь и открытия Сантьяго Рамон-и-Кахаль. Nobelprize.org. 1998. http://www.nobelprize.org/nobel_prizes/medicine/laureates/1906/cajal-article.html

Костанди М. Открытие нейрона. Нейрофилософия. 2006. http://neurophilosophy.wordpress.com/2006/08/29/the-discovery-of-the-neuron/

Kandel ER, Schwartz JH, Jessell TM 2000. Principles of Neural Science, 4 ed. McGraw-Hill, New York

Маццарелло, П. Объединяющая концепция: история теории клетки.Nature Cell Biology 1, E13 — E15 (1999) doi : 10.1038 / 8964

Schoonover, Carl. 2010. Портреты разума . Абрамс.

3 типа нейронов (плюс факты о нервной системе) — Nayturr

Нейроны — это нервные клетки, из которых состоит наша нервная система. В отличие от других клеток, нейроны очень специализированы для передачи информации по нашему телу.

У нас есть 100 миллиардов этих специализированных нервных клеток в нашем мозгу, что равно количеству звезд в Млечном Пути.Однако способы, которыми они передают информацию, превосходят количество звезд во Вселенной.

Нейроны имеют диаметр от 4 до 100 микрон. В утробе матери они растут со скоростью 250 000 нейронов в минуту, но перестают воспроизводиться после рождения. Узнайте больше об этих нервных клетках, узнав их основные типы.

Типы нейронов

Интернейроны

Интернейроны состоят из большого класса нейронов, которые встречаются по всему человеческому телу.Интернейроны обеспечивают связь между сенсорными или двигательными нейронами и центральной нервной системой.

Они делают это, создавая нейронные цепи, которые представляют собой группы нейронов, которые связаны между собой синапсами и которые выполняют определенные функции всякий раз, когда они активируются. Интернейроны участвуют в рефлексах, нейрональных колебаниях и нейрогенезе в мозге взрослых млекопитающих.

Есть два типа интернейронов:

  • Локальные интернейроны .Локальные интернейроны образуют цепи с соседними нейронами и имеют короткие аксоны. Они образуют эти схемы для анализа небольших фрагментов информации.
  • Релейные интернейроны. Эти нейроны имеют длинные аксоны, и они соединяют цепи, обнаруженные в одной области мозга, с цепями, обнаруженными в другой области мозга.

Когда вы думаете об определенных функциях, включая принятие решений и обучение, они возможны только благодаря взаимодействию между этими интернейронами, которое позволяет мозгу выполнять эти сложные функции.

В отличие от периферической нервной системы, центральная нервная система, включающая головной и спинной мозг, содержит множество интернейронов. В неокортексе, который составляет примерно 80% человеческого мозга, 20-30% нейронов являются интернейронами.

Следующее — хороший способ думать об интернейронах. Когда вы получаете какой-либо физический шок, ваше тело реагирует. Интернейроны несут ответственность за эту реакцию, потому что они получают информацию от сенсорных нейронов и отправляют эти данные обратно моторным нейронам, которые являются нейронами, которые говорят вашему телу реагировать на шок.

Другими словами, интернейроны являются связующим звеном между двигательными нейронами и сенсорными нейронами, и они позволяют вам реагировать на стимулы или сенсорный ввод.

Другими словами, интернейроны — это нейроны-посредники, которые расположены между двигательными нейронами и сенсорными нейронами. Последние два нейрона не могут общаться друг с другом, если интернейроны не отправляют сообщения между ними.

Интернейроны расположены в головном и спинном мозге, но мотонейроны и сенсорные нейроны можно найти по всему телу.

Если вас ударили по руке достаточно сильно, она повредит. В этом случае ваши сенсорные нейроны отправляют это ощущение из спинного мозга в мозг, а интернейроны решают, что с этим делать.

Они передают свой план моторным нейронам, путешествуют по вашему телу туда, где возникает боль, и сообщают вам об этом, чтобы вы могли решить, что делать дальше. Если вы решите дать этому человеку ответный удар, моторные нейроны позволят вам это сделать.

Нейроны, также называемые нервными клетками, представляют собой специализированные клетки, основной функцией которых является передача различных нервных импульсов.Их клеточные отростки включают дендриты и аксоны.

Дендриты — это более короткие отростки, расположенные в теле клетки нейрона, и они представляют собой процессы, которые получают входные данные от других нейронов, чтобы они могли проводить сигналы, идущие к этому телу клетки.

С другой стороны, аксоны длиннее и вовлекают особый процесс передачи сигналов к кончику, также называемому синаптическим окончанием. В мозгу человека насчитывается более 100 миллиардов интернейронов, и один из примеров, известный как клетка Гольджи, расположен в мозжечке.

Интеграция — официальный термин, обозначающий процесс, в котором интернейроны обеспечивают связь между сенсорными и двигательными нейронами, чтобы в результате могло произойти какое-то действие.

Интернейроны похожи на:

  • … местные улицы, соединяющие микрорайон с главной дорогой.
  • … клубный вышибала, потому что обходятся только важные «люди».

Интернейроны также известны под следующими именами:

Также называемый мотонейронами, это нейрон с телом клетки, расположенным в стволе мозга, моторной коре или спинном мозге тела.Его аксон, или волокно, проецируется либо в спинной мозг, либо за его пределы, чтобы прямо или даже косвенно управлять эффекторными органами; другими словами, железы и мышцы.

Существует два типа мотонейронов:

  1. нижних мотонейронов
  2. верхних мотонейронов.

У верхних мотонейронов есть аксоны, которые синапсируют с интернейронами в спинном мозге. Иногда они также синапсируют непосредственно с нижними двигательными нейронами. Нижние двигательные нейроны являются эфферентными нервными волокнами, и их аксоны передают сигналы от спинного мозга к эффекторам.Существуют также различные типы нижних мотонейронов, включая альфа-мотонейроны, бета-мотонейроны и гамма-мотонейроны.

Одиночный двигательный нейрон может иннервировать множество различных мышечных волокон, и любое мышечное волокно может испытывать множество потенциалов действия за короткое время, необходимое вашей мышце, чтобы подергиваться. Когда вы думаете о нейронах, выполняющих свою работу, эта работа выполняется за очень и очень короткий период времени.

Мышцы обычно стимулируются повторно, чтобы время было правильным, и, например, если это мышечное сокращение накладывается на другое мышечное сокращение, вместо этого несколько отдельных сокращений могут ощущаться как одно долгое сокращение.

Моторные столбики спинного мозга включают:

  • Срединный моторный столб, который проходит по всей длине спинного мозга и нацелен на осевые мышцы.
  • Гипаксиальный моторный столб, расположенный в грудном отделе, нацелен на мышцы стенки тела.
  • Преганглионарный моторный столб, также расположенный в грудном отделе, нацелен на симпатический ганглий.
  • Боковой моторный столб, расположенный во многих местах, например, в поясничной и бронхиальной областях, нацелен на мышцы конечностей.
  • Диафрагмальный моторный столб, расположенный в шейном отделе и нацеленный на диафрагму.

Верхние и нижние моторные нейроны

Нижние мотонейроны начинаются в спинном мозге и прямо или косвенно иннервируют (снабжают нервы органы или часть тела) эффекторными мишенями, то есть железами и мышцами. Их цель несколько различается, но целью всегда является какое-то мышечное волокно в соматической нервной системе. Выделяют три основные категории нижних мотонейронов:

  • Общие висцеральные двигательные нейроны : эти нейроны косвенно иннервируют гладкие мышцы внутренних органов или мышцы артерий, а также сердечную мышцу.Они расположены в периферической нервной системе или ПНС.
  • Соматические двигательные нейроны: , происходящие из центральной нервной системы, эти нейроны проецируют свои аксоны на скелетные мышцы, то есть мышцы живота и конечностей, которые участвуют в передвижении. Существует три типа соматических мотонейронов: альфа-эфферентные нейроны, бета-эфферентные нейроны и гамма-эфферентные нейроны. Слово «эфферент» используется для обозначения потока информации к периферии от центральной нервной системы.
  • Специальные висцеральные двигательные нейроны : также называемые жаберными двигательными нейронами, они участвуют в действиях, которые включают в себя фонацию, глотание, жевание и даже выражение лица. Связанные черепные нервы включают отводящий, блокированный, глазодвигательный и подъязычный нервы.

Верхние мотонейроны начинаются в моторной коре (часть коры головного мозга, расположенная в лобной доле), которая расположена в прецентральной извилине. Клетки первичной моторной коры — это клетки Беца, которые представляют собой гигантские нейроны, обнаруженные в сером веществе мозга, и представляют собой тип пирамидных клеток.

В этих клетках аксоны спускаются из коры и образуют кортикоспинальный тракт, который расположен в белом веществе мозга и контролирует конечности и туловище.

Сенсорные нейроны

Сенсорные нейроны — это нервные клетки, которые расположены в нервной системе и отвечают за преобразование внешних раздражителей из окружающей среды организма в электрические импульсы, которые являются внутренними.

Этот процесс является частью функций, которые включают сокращение мышц и даже непроизвольное поведение, такое как избегание боли.Эти рефлекторные цепи обычно находятся в спинном мозге человека.

Также известные как афферентные нейроны, сенсорные нейроны через свои рецепторы преобразуют определенный тип стимула в потенциалы действия или ступенчатые потенциалы. Этот процесс называется сенсорной трансдукцией.

Тела сенсорных нейронов расположены в части спинного мозга, известной как спинные ганглии. Сенсорная информация распространяется по сенсорному нерву через афферентные нервные волокна, которые представляют собой нервные волокна, которые поступают в определенную область, а не выходят из нее.

Информация передается от сенсорного нерва к головному мозгу через спинной мозг. Стимулы могут исходить извне тела, включая звук и свет; или внутри тела, включая кровяное давление или чувство положения тела. У разных типов сенсорных нейронов есть разные рецепторы, которые реагируют на разные типы стимулов.

Различные типы и функции сенсорных нейронов включают:

Внешние типы сенсорных нейронов

  • Вкус : обнаружен во вкусовых рецепторах вкусовых рецепторов.
  • Запах : нейроны обонятельных рецепторов, которые активируются молекулами запаха в воздухе.
  • Vision : использование фоторецепторных клеток, которые преобразуют свет в электрические сигналы, которые затем уточняются и контролируются другими типами нейронов сетчатки. Пять основных классов включают биполярные клетки, амакриновые клетки, фоторецепторные клетки, горизонтальные клетки и ганглиозные клетки.
  • Слуховой : отвечает за преобразование волн давления, исходящих от колеблющихся молекул воздуха или звука, в сигналы, которые затем могут интерпретироваться мозгом.
  • Температура : сенсорные рецепторы, реагирующие на изменение температуры. Большинство экспертов сходятся во мнении, что у млекопитающих есть по крайней мере два определенных типа терморецепторов. К ним относятся бульбоидное тельце, которое определяет низкие температуры; и рецепторы, чувствительные к теплу, которые определяют высокие температуры.
  • Механорецепторы : это сенсорные рецепторы, которые реагируют на механические силы, включая искажение или давление. Существует несколько типов механорецепторов, включая проприорецепторы и ноцицепторы, причем последний отвечает за изменение температуры и боли.

Внутренние типы сенсорных нейронов

  • Кровь : эти типы рецепторов являются полимодальными, то есть они реагируют на множество различных стимулов и могут даже обнаруживать изменения химических свойств крови, включая концентрацию кислорода.
  • Ноцицепторы : эти рецепторы посылают сигналы в головной и спинной мозг в ответ на раздражители, которые потенциально могут повредить. Рецепторы находятся как во внутренних органах, так и на поверхности тела.Есть три основных типа ноцицепторов: химические, которые участвуют в обнаружении некоторых специй в определенных продуктах питания; механические, реагирующие как на механические деформации, так и на чрезмерное давление; и термические, которые активируются ядовитым холодом или жарой при различных температурах.

Сенсорная система имеет несколько интересных особенностей, в том числе:

  • Примерно 90% знаний ребенка складывается из разговоров, происходящих в фоновом режиме, поэтому даже небольшая потеря слуха может привести к тому, что ребенок не сдаст хотя бы один класс.
  • Примерно 80% вашего вкуса напрямую зависит от того, что вы чувствуете. Поэтому, если вы закроете нос во время еды, которую вы не любите, у вас есть хорошие шансы не так сильно ее пробовать.
  • Каждые несколько дней ваши вкусовые рецепторы отмирают и восстанавливаются. С возрастом этот процесс регенерации замедляется и может даже привести к притуплению вкусовых рецепторов. Это может быть одной из причин, почему пожилые люди предпочитают в еде соль и специи.
  • Каждый час человеческий глаз может обрабатывать более 35 000 единиц информации.По сути, ваши глаза передают данные в мозг для обработки, чтобы к ним можно было мгновенно получить доступ.
  • У людей больше рецепторов боли, чем они делают что-либо еще. Боль важна, потому что это система предупреждения вашего тела, что является одной из причин, почему маскировать боль перед тренировкой обычно не очень хорошая идея.
  • К наиболее чувствительным частям тела относятся кончики пальцев, подошвы ступней, губы и задняя часть шеи. Одна из наименее чувствительных частей — это середина спины, хотя многие массажисты уделяют ей наибольшее внимание.

Типы нервных систем

Центральная нервная система (ЦНС)

ЦНС, состоящая из головного и спинного мозга, представляет собой нерв, заключенный в кость.

Периферическая нервная система (PNS)

Состоящая из всех других нервов вашего тела, включая все нервы, не заключенные в костную оболочку, ПНС состоит из двух основных категорий: соматическая нервная система и вегетативная нервная система.

  • Вегетативная нервная система контролирует функции организма, которые являются автоматическими. Подумайте о таких функциях, как легкие, частота сердечных сокращений и ваши внутренние органы, если вы едите нездоровую пищу, вам не нужно думать о том, чтобы впрыснуть желудочную кислоту в этот продукт или превратить пищу в жир и глюкозу, которые ваше тело использует для другие функции. Вегетативная нервная система делает это за вас. Другими словами, любая функция вашего тела, которая является автоматической и не находится под вашим контролем, является частью вегетативной нервной системы.Кроме того, вегетативная нервная система еще более делится на:

Парасимпатическая нервная система

Это часть вегетативной нервной системы, которая расслабляет нас. Если вы съели необычно большой ужин, вы устали, кровь болтается в желудке, а ваши зрачки сужаются, так что жизнь хороша, по крайней мере, на данный момент. Это парасимпатическая нервная система в действии.

Симпатическая нервная система

Эта нервная система действует противоположно парасимпатической системе.Если вы нервничаете, расстраиваетесь или даже беспокоитесь, симпатическая нервная система начинает действовать. Он увеличивает частоту сердечных сокращений, перемещает много крови в руки и ноги и от желудка, а также расширяет зрачки.

Тело думает, что когда вы находитесь в состоянии стресса, существует вероятность того, что вы можете умереть, поэтому оно готовится либо драться, либо убегать. Это называется реакцией «бей или беги», и это то, на что лучше всего справляется симпатическая нервная система.

  • Соматическая нервная система контролирует все произвольные движения мышц, в том числе почесывание зуда, удары ногами по мячу и дотягивание до пульта дистанционного управления от телевизора.Следовательно, когда вы решаете заставить свои мышцы двигаться определенным образом, вы используете мотонейроны соматической нервной системы для выполнения этой задачи.

Интересные факты о нервной системе
  • Центральная нервная система, или ЦНС, состоит из головного и спинного мозга и сетчатки глаз. Череп защищает мозг, а скелетные позвонки защищают спинной мозг.
  • Периферическая нервная система, или ПНС, состоит из всех других структур нервной системы, расположенных за пределами ЦНС, но которые помогают соединять ЦНС с различными областями тела.
  • Нервная система очень сложна и, по сути, представляет собой электрическую проводку человеческого тела.
  • Все люди и животные, у которых есть позвоночник и позвоночник, имеют нервную систему позвоночных, которая разделена на две основные части — ЦНС и ПНС.
  • Ваша нервная система может передавать свои сигналы со скоростью более 300 футов в секунду.
  • Помимо 100 миллиардов нейронов в головном мозге человека, существует еще 13,5 миллионов нейронов в спинном мозге человека.
  • Сенсорные нейроны превращают сенсорные, звуковые и световые сигналы в нейронные сигналы, которые затем отправляются обратно в ЦНС, чтобы помочь телу реагировать на окружающее и понимать его.
  • Моторные нейроны передают свои нервные сигналы, чтобы активировать железы или мышцы.
  • Нервы в вашем теле уязвимы для всех типов повреждений, включая повреждения от различных болезней и даже физические повреждения. Если вы повредили нерв, возникает сильная боль, а также потеря мышечного контроля и потеря чувствительности в этой конкретной области.
  • Неврологи и нейрохирурги лечат состояния нервной системы, а физиотерапевты помогают пациентам с повреждениями нервной системы.

Вам может понравиться наша статья о «7 различных типах активного транспорта»

Глоссарий терминов

Вегетативная нервная система: Являясь частью периферической нервной системы, она обеспечивает нервные связи с железами и гладкими мышцами внутренних органов.Разделенная на симпатическую и парасимпатическую нервные системы, некоторые эксперты считают кишечную систему третьим подразделением.

Axon: Расширение клетки, которое переносит нервные импульсы от тела клетки к другим нейронам.

Центральная нервная система (ЦНС): Нервная система, состоящая из головного и спинного мозга.

Мозжечок: Расположен в задней части мозга, он контролирует основные движения, равновесие и даже позу.

Дендрит: Одно расширение тела клетки, которое состоит из поверхностей приема нейрона.

Gyrus: Возвышенная часть извилистой поверхности мозга.

Гипоталамус: В первую очередь участвует в функциях, связанных с эмоциями, голодом, жаждой и контролем над гипофизом.

Лимбическая система: В первую очередь контролирует память и эмоции.

Моторная кора: Это часть коры головного мозга, которая посылает импульсы моторным нейронам.Он также участвует в координации движений и расположен в лобной доле мозга.

Миелин: Жировая изоляция, окружающая аксон, улучшает скорость проведения нервных импульсов.

Нервная система: Система, которая распространяется по всему телу и соединяет каждый орган с мозгом. Обычно делятся на центральную нервную систему (ЦНС) и периферическую нервную систему (ПНС).

Нейротрансмиттер: Нейротрансмиттер — это химическое вещество, которое выделяется в синапсах и передает информацию следующему нейрону.

Парасимпатическая нервная система: Одна из двух систем, составляющих вегетативную нервную систему. Замедляет сердцебиение, сужает дыхательные пути, стимулирует пищеварение и сужает зрачки, а также выполняет другие действия для людей в расслабленном состоянии.

Периферическая нервная система (ПНС): Это часть нервной системы, включающая все нейроны и нервы, расположенные за пределами головного и спинного мозга (т. Е. За пределами центральной нервной системы).

Первичная моторная кора: Это область, которая инициирует произвольное движение.

Симпатическая нервная система: Одна из двух систем, составляющих вегетативную нервную систему. Он реагирует на стресс или страх и вызывает, среди прочего, расширение зрачков, расслабление дыхательных путей, учащенное сердцебиение и подавление слюноотделения.

Синапс: Синапс — это область между одним нейроном и следующим. Нейротрансмиттеры проходят через них и передают нейронные сообщения.

Иоанна

Увлечение Джонса наукой, природой и миром началось с юных лет. Его любопытный ум побудил его продолжить образование в области естественных наук, и теперь он любит делиться интересной информацией со всем миром.

Недавние сообщения

ссылка на 10 различных типов протистов

10 различных типов протистов

Протисты — простые микроскопические одноклеточные микроорганизмы.Они состоят только из одной клетки, но простая клеточная структура высокоорганизована и состоит из ядра и органелл …

ссылка на 12 различных типов синовиальных суставов

12 различных типов синовиальных суставов

Синовиальные суставы — самые распространенные и самые подвижные суставы у млекопитающих. Их способность свободно перемещаться означает, что они позволяют млекопитающим совершать большие движения, а также обеспечивают стабильность в движении…

нейронов (нервных клеток) — структура, функции и типы

  1. Биологическая психология
  2. Неврология
  3. Нейроны

Оливия Гай-Эванс, опубликовано 15 февраля 2021 года. мозг, который отвечает за отправку, получение и передачу электрохимических сигналов по всему телу.

Нейроны, также известные как нервные клетки, по сути, представляют собой клетки, из которых состоит мозг и нервная система.Нейроны не касаются друг друга, но когда один нейрон приближается к другому нейрону, между ними образуется синапс.

Behance Discovery — Алексей Кашперский

Функция нейрона — передавать нервные импульсы по длине отдельного нейрона и через синапс в следующий нейрон.

Центральная нервная система, которая включает головной и спинной мозг, и периферическую нервную систему, состоящую из сенсорных и двигательных нервных клеток, все содержат эти нейроны, обрабатывающие информацию.

Согласно новому исследованию, человеческий мозг содержит около 86 миллиардов нейронов (Herculano-Houzel, 2009). Эти клетки полностью развиваются примерно во время рождения, но, в отличие от других клеток, не могут воспроизводиться или регенерироваться после смерти.

Анатомия нейрона

Нейрон содержит сому (тело клетки), от которого отходят аксон (нервное волокно, проводящее электрические импульсы от сомы) и дендриты (древовидные структуры, принимающие сигналы от других нейронов).Миелиновая оболочка представляет собой изолирующий слой, который образуется вокруг аксона и позволяет нервным импульсам быстрее передаваться вдоль аксон.

Нейроны не соприкасаются друг с другом, и между аксоном одного нейрона и дендритом следующего существует промежуток, называемый синапсом.

Уникальная структура нейронов позволяет им получать и передавать сообщения другим нейронам и по всему телу.

Дендриты

Дендриты — это часть нейрона в форме корня дерева, которая обычно короче и более многочисленна, чем аксоны.Их цель — получать информацию от других нейронов и передавать электрические сигналы к телу клетки.

Дендриты покрыты синапсами, что позволяет им получать сигналы от других нейронов. Некоторые нейроны имеют короткие дендриты, а другие — более длинные.

В центральной нервной системе нейроны длинные и имеют сложные ответвления, которые позволяют им принимать сигналы от многих других нейронов.

Например, клетки, называемые клетками Пуркинье, которые находятся в мозжечке, имеют высокоразвитые дендриты, принимающие сигналы от тысяч других клеток.

Сома (клеточное тело)

Сома или клеточное тело, по сути, является ядром нейрона. Функция сомы — поддерживать клетку и поддерживать эффективное функционирование нейрона (Luengo-Sanchez et al., 2015).

Сома окружена мембраной, которая защищает ее, но также позволяет ей взаимодействовать с окружающей средой.

Сома содержит ядро ​​клетки, которое производит генетическую информацию и направляет синтез белков. Эти белки жизненно важны для функционирования других частей нейрона.

Аксон

Аксон, также называемый нервным волокном, представляет собой хвостовидную структуру нейрона, которая присоединяется к телу клетки в месте соединения, которое называется бугорком аксона.

Функция аксона заключается в передаче сигналов от тела клетки к терминальным кнопкам для передачи электрических сигналов другим нейронам.

Большинство нейронов имеют только один аксон, размер которого может варьироваться от 0,1 миллиметра до более 3 футов (Miller & Zachary, 2017). Некоторые аксоны покрыты жировым веществом, называемым миелином, которое изолирует аксон и помогает быстрее передавать сигналы.

Аксоны — это длинные нервные отростки, которые могут ответвляться для передачи сигналов во многие области, прежде чем заканчиваться в соединениях, называемых синапсами.

Миелиновая оболочка

Миелиновая оболочка — это слой жирового материала, покрывающий аксоны нейронов. Его цель — изолировать одну нервную клетку от другой и, таким образом, предотвратить влияние импульса одного нейрона на импульс другого. Вторая функция миелиновой оболочки — ускорение проведения нервных импульсов по аксону.

Аксоны, которые обернуты клетками, известными как глиальные клетки (также известные как олигодендроциты и шванновские клетки), образуют миелиновую оболочку.

Миелиновая оболочка, окружающая эти нейроны, предназначена для изоляции и защиты аксона. Благодаря этой защите скорость передачи данных другим нейронам намного выше, чем у немиелинизированных нейронов.

Миелиновая оболочка состоит из разорванных промежутков, называемых узлами Ранвье. Электрические сигналы могут перемещаться между узлами Ранвье, что помогает ускорить передачу сигналов.

Терминалы аксона

Терминалы аксона (терминальные кнопки), расположенные на конце нейрона, отвечают за передачу сигналов другим нейронам.

В конце кнопки терминала есть промежуток, известный как синапс. Кнопки терминала удерживают сосуды, содержащие нейротрансмиттеры.

Нейротрансмиттеры выходят из оконечных кнопок в синапс и используются для передачи сигналов через синапс к другим нейронам. Во время этого процесса электрические сигналы преобразуются в химические.

В этом случае терминальные кнопки несут ответственность за повторный захват лишних нейромедиаторов, которые не были переданы следующему нейрону.

Типы нейронов

Хотя существуют миллиарды нейронов и огромное количество вариаций, нейроны можно разделить на три основные группы в зависимости от их функции: сенсорные нейроны (длинные дендриты и короткие аксоны), мотонейроны (короткие дендриты и длинные аксоны) и ретрансляционные нейроны (короткие дендриты и короткие или длинные аксоны).

Сенсорные нейроны

Сенсорные нейроны (иногда называемые афферентными нейронами) представляют собой нервные клетки, которые переносят нервные импульсы от сенсорных рецепторов к центральной нервной системе и мозгу.Когда эти нервные импульсы достигают мозга, они преобразуются в «ощущения», такие как зрение, слух, вкус и осязание.

Эта сенсорная информация может быть либо физической — через звук, тепло, прикосновение и свет, либо она может быть химической — через вкус или запах. Примером этого может быть прикосновение к очень горячей поверхности. Как только это произойдет, сенсорные нейроны будут посылать сигналы в центральную нервную систему об информации, которую они получили.

Большинство сенсорных нейронов характеризуются как псевдоуниполярные.Это означает, что у них есть один аксон, который разделен на две ветви.

Моторные нейроны

Моторные нейроны (также называемые эфферентными нейронами) — это нервные клетки, ответственные за перенос сигналов от центральной нервной системы к мышцам, вызывая движение. Они выпускают нейротрансмиттеры для запуска реакции, приводящей к движению мышц.

Моторные нейроны расположены в стволе головного или спинного мозга (части центральной нервной системы) и соединяются с мышцами, железами и органами по всему телу.

Эти типы нейронов передают сигналы от спинного мозга и ствола мозга к скелетным и гладким мышцам, чтобы прямо или косвенно контролировать движения мышц.

Например, после прикосновения руки к горячей поверхности сообщение было получено от сенсорных нейронов. Затем двигательные нейроны заставляют руку отодвигаться от горячей поверхности.

Есть два типа мотонейронов:

  • Нижние мотонейроны — это нейроны, которые перемещаются от спинного мозга к мышцам тела.
  • Верхние двигательные нейроны — это нейроны, которые перемещаются между головным и спинным мозгом.

Моторные нейроны характеризуются как мультиполярные. Это означает, что у них есть один аксон и несколько дендритов, выходящих из тела клетки.

Релейные нейроны

Релейные нейроны (также известные как интернейроны) позволяют сенсорным и моторным нейронам взаимодействовать друг с другом. Ретрансляционные нейроны соединяют различные нейроны головного и спинного мозга, и их легко распознать благодаря коротким аксонам.

Как и мотонейроны, интернейроны мультиполярны. Это означает, что у них есть один аксон и несколько дендритов.

Интернейроны не только служат связью между нейронами, но и могут взаимодействовать друг с другом, образуя цепи разной сложности.

Связь между интернейронами помогает мозгу выполнять сложные функции, такие как обучение и принятие решений, а также играет жизненно важную роль в рефлексах и нейрогенезе, что означает регенерацию новых нейронов.

Об авторе

Оливия Гай-Эванс получила степень бакалавра педагогической психологии в Университете Эдж-Хилл в 2015 году. Затем она получила степень магистра психологии образования в Бристольском университете в 2019 году. Оливия работала в качестве помощника. работник для взрослых с нарушением обучаемости в Бристоле за последние четыре года.

Как ссылаться на эту статью:
Как ссылаться на эту статью:

Guy-Evans, O.(2021, 15 февраля). Что такое нейрон? Назначение, составные части, конструкция и типы . Просто психология. https://www.simplypsychology.org/neuron.html

Ссылки на стиль APA

Herculano-Houzel, S. (2009). Человеческий мозг в цифрах: линейно увеличенный мозг приматов. Frontiers in Human Neuroscience, 3 , 31.

Luengo-Sanchez, S., Bielza, C., Benavides-Piccione, R., Fernaud-Espinosa, I., DeFelipe, J., & Larrañaga, P. ( 2015). Однозначное определение морфологии нейрональной сомы с использованием моделей смеси Гаусса. Frontiers in neuroanatomy, 9 , 137.

Миллер М. А. и Закари Дж. Ф. (2017). Механизмы и морфология клеточного повреждения, адаптации и смерти. Патологическая основа ветеринарного заболевания , 2.

Дополнительная информация

Snapse (Академия Кана) Что такое синапс Николлс, Дж. Г., Мартин, А. Р., Уоллес, Б. Г., и Фукс, П. А. (2001). От нейрона к мозгу (Том 271). Сандерленд, Массачусетс: Sinauer Associates. Переда, А. Э. (2014). Электрические синапсы и их функциональные взаимодействия с химическими синапсами.Nature Reviews Neuroscience, 15 (4), 250-263.

13.18: Нервные клетки — Биология LibreTexts

Паутина крупным планом? Какие-то экзотические бактерии? Как вы думаете, это что?

На самом деле это нервная клетка, клетка нервной системы. Эта клетка посылает электрические «искры», которые передают сигналы по всему телу.

Нервная система

Маленький ребенок метается перед вашим велосипедом, когда вы мчитесь по улице. Вы видите ребенка и сразу же реагируете.Вы нажимаете на тормоз, уклоняетесь от ребенка и выкрикиваете предупреждение — и все это всего за долю секунды. Как ты так быстро отвечаешь? Такие быстрые реакции контролируются вашей нервной системой. Нервная система представляет собой сложную сеть нервной ткани, которая передает электрические сообщения по всему телу. Он включает головной и спинной мозг, центральную нервную систему и нервы, которые проходят по всему телу, периферическую нервную систему (см. Рисунок ниже).Чтобы понять, как нервные сообщения могут передаваться так быстро, вам нужно больше узнать о нервных клетках.

Нервная система человека включает головной и спинной мозг (центральная нервная система) и нервы, которые проходят по всему телу (периферическая нервная система).

Нервные клетки

Хотя нервная система очень сложна, нервная ткань состоит всего из двух основных типов нервных клеток: нейронов и глиальных клеток. Нейроны — структурные и функциональные единицы нервной системы.Они передают электрические сигналы, называемые нервными импульсами. Глиальные клетки обеспечивают поддержку нейронов. Например, они снабжают нейроны питательными веществами и другими материалами.

Структура нейрона

Как показано на рисунке ниже, нейрон состоит из трех основных частей: тела клетки, дендритов и аксона.

  • Тело клетки содержит ядро ​​и другие клеточные органеллы.
  • Дендриты отходят от тела клетки и получают нервные импульсы от других нейронов.
  • Аксон представляет собой длинное продолжение тела клетки, которое передает нервные импульсы другим клеткам. Аксон разветвляется на конце, образуя окончаний аксона . Это точки, в которых нейрон взаимодействует с другими клетками.

Структура нейрона позволяет ему быстро передавать нервные импульсы другим клеткам.

Аксон многих нейронов имеет внешний слой, называемый миелиновой оболочкой (см. рисунок выше). Миелин представляет собой липид, продуцируемый глиальной клеткой, известной как клетка Шванна . Миелиновая оболочка действует как слой изоляции, похожий на пластик, покрывающий электрический шнур. Регулярно расположенные узлы или промежутки в миелиновой оболочке позволяют нервным импульсам очень быстро проходить вдоль аксона.

Типы нейронов

Нейроны классифицируются в зависимости от направления, в котором они переносят нервные импульсы.

  • Сенсорные нейроны переносят нервные импульсы от тканей и органов к спинному и головному мозгу.
  • Моторные нейроны переносят нервные импульсы от головного и спинного мозга к мышцам и железам (см. Рисунок ниже).
  • Интернейроны переносят нервные импульсы вперед и назад между сенсорными и двигательными нейронами.

Этот аксон является частью двигательного нейрона. Он передает нервные импульсы скелетной мышце, заставляя ее сокращаться.

Резюме

  • Нейроны — структурные и функциональные единицы нервной системы.Они состоят из тела клетки, дендритов и аксона.
  • Нейроны передают нервные импульсы другим клеткам.
  • Типы нейронов включают сенсорные нейроны, двигательные нейроны и интернейроны.

Обзор

  1. Каковы две основные части нервной системы?
  2. Перечислите и опишите части нейрона.
  3. Что делают мотонейроны?
  4. Что такое миелин и миелиновая оболочка?

35.1B: Нейроны — Биология LibreTexts

Четыре основных типа нейронов передают сигналы через тело через специализированные структуры, такие как дендриты, аксоны и синапсы.

Цели обучения

  • Описать функции структурных компонентов нейрона

Ключевые моменты

  • Дендриты представляют собой древовидные структуры в нейронах, которые отходят от тела клетки для получения сообщений от других нейронов в синапсах; не все нейроны имеют дендриты.
  • Синапсы позволяют дендритам одного нейрона взаимодействовать и получать сигналы от многих других нейронов.
  • Аксоны представляют собой трубчатые структуры, которые посылают сигналы другим нейронам, мышцам или органам; не все нейроны имеют аксоны.
  • Нейроны делятся на четыре основных типа: униполярные, биполярные, мультиполярные и псевдоуниполярные.
  • Униполярные нейроны имеют только одну структуру, отходящую от сомы; биполярные нейроны имеют один аксон и один дендрит, отходящие от сомы.
  • Мультиполярные нейроны содержат один аксон и множество дендритов; псевдоуниполярные нейроны имеют единую структуру, которая простирается от сомы, которая позже разветвляется на две отдельные структуры.

Ключевые термины

  • дендрит : разветвленные проекции нейрона, которые проводят импульсы, полученные от других нервных клеток, к телу клетки
  • аксон : длинная тонкая проекция нервной клетки, которая проводит нервные импульсы от тела клетки к другим нейронам, мышцам и органам
  • синапс : соединение между концом нейрона и другим нейроном, мышечной или железистой клеткой, по которому проходят нервные импульсы

Нейроны

Нервная система обычной лабораторной мухи, Drosophila melanogaster , содержит около 100 000 нейронов, столько же, сколько у омара.Это число сравнивается с 75 миллионами у мышей и 300 миллионами у осьминогов. Человеческий мозг содержит около 86 миллиардов нейронов. Несмотря на эти очень разные числа, нервная система этих животных контролирует многие из одинаковых поведений, от базовых рефлексов до более сложных, таких как поиск еды и ухаживание за товарищами. В основе всего этого поведения лежит способность нейронов общаться друг с другом, а также с другими типами клеток.

Большинство нейронов имеют одни и те же клеточные компоненты.Но нейроны также очень специализированы: разные типы нейронов имеют разные размеры и формы, которые связаны с их функциональными функциями.

Части нейрона

Каждый нейрон имеет клеточное тело (или сому), которое содержит ядро, гладкую и шероховатую эндоплазматическую сеть, аппарат Гольджи, митохондрии и другие клеточные компоненты. Нейроны также содержат уникальные структуры по сравнению с большинством клеток, которые необходимы для приема и отправки электрических сигналов, которые делают возможной нейронную связь.Дендриты представляют собой древовидные структуры, которые отходят от тела клетки для получения сообщений от других нейронов в специализированных соединениях, называемых синапсами. В то время как некоторые нейроны не имеют дендритов, другие типы нейронов имеют несколько дендритов. Дендриты могут иметь небольшие выступы, называемые дендритными шипами, которые дополнительно увеличивают площадь поверхности для возможных синаптических связей.

Рисунок \ (\ PageIndex {1} \): Клеточная структура нейронов : Нейроны содержат органеллы, общие для многих других клеток, таких как ядро ​​и митохондрии.У них также есть более специализированные структуры, включая дендриты и аксоны.

Как только дендрит получает сигнал, он пассивно проходит к телу клетки. Тело клетки содержит специализированную структуру, бугорок аксона, который объединяет сигналы от множества синапсов и служит связующим звеном между телом клетки и аксоном: трубчатая структура, которая передает интегрированный сигнал к специализированным окончаниям, называемым окончаниями аксонов. Эти терминалы, в свою очередь, являются синапсами на других нейронах, мышцах или органах-мишенях.Химические вещества, выделяемые на окончаниях аксонов, позволяют передавать сигналы этим другим клеткам. Нейроны обычно имеют один или два аксона, но некоторые нейроны, такие как амакриновые клетки сетчатки, не содержат аксонов. Некоторые аксоны покрыты миелином, который действует как изолятор, чтобы минимизировать диссипацию электрического сигнала при его движении вниз по аксону, что значительно увеличивает скорость проводимости. Эта изоляция важна, поскольку длина аксона мотонейрона человека может достигать метра: от основания позвоночника до пальцев ног.Миелиновая оболочка на самом деле не является частью нейрона. Миелин вырабатывается глиальными клетками. Вдоль этих типов аксонов в миелиновой оболочке периодически возникают разрывы. Эти промежутки, называемые «узлами Ранвье», представляют собой участки, где сигнал «перезаряжается» по мере его прохождения по аксону.

Важно отметить, что отдельный нейрон не действует в одиночку. Связь между нейронами зависит от связей, которые нейроны устанавливают друг с другом (а также с другими клетками, такими как мышечные клетки). Дендриты одного нейрона могут получать синаптический контакт со многими другими нейронами.Например, считается, что дендриты клетки Пуркинье в мозжечке получают контакт от 200 000 других нейронов.

Типы нейронов

Есть разные типы нейронов; Функциональная роль данного нейрона во многом зависит от его структуры. Существует удивительное разнообразие форм и размеров нейронов в разных частях нервной системы (и у разных видов).

Рисунок \ (\ PageIndex {1} \): Разнообразие нейронов : Нейроны нервной системы сильно различаются по размеру и форме.Примеры включают (а) пирамидную клетку из коры головного мозга, (б) клетку Пуркинье из коры мозжечка и (в) обонятельные клетки из обонятельного эпителия и обонятельной луковицы.

Хотя существует множество определенных подтипов нейронных клеток, нейроны в целом делятся на четыре основных типа: униполярные, биполярные, мультиполярные и псевдоуниполярные. Униполярные нейроны имеют только одну структуру, отходящую от сомы. Эти нейроны не встречаются у позвоночных, но встречаются у насекомых, где они стимулируют мышцы или железы.Биполярный нейрон имеет один аксон и один дендрит, отходящие от сомы. Примером биполярного нейрона является биполярная клетка сетчатки, которая принимает сигналы от фоторецепторных клеток, чувствительных к свету, и передает эти сигналы ганглиозным клеткам, которые передают сигнал в мозг. Мультиполярные нейроны — наиболее распространенный тип нейронов. Каждый мультиполярный нейрон содержит один аксон и несколько дендритов. Мультиполярные нейроны можно найти в центральной нервной системе (головном и спинном мозге). Клетка Пуркинье, мультиполярный нейрон мозжечка, имеет много ветвящихся дендритов, но только один аксон.Псевдоуниполярные клетки имеют общие характеристики как с униполярными, так и с биполярными клетками. Псевдоуниполярная клетка имеет единую структуру, которая простирается от сомы (как униполярная клетка), которая позже разветвляется на две отдельные структуры (как биполярная клетка). Большинство сенсорных нейронов являются псевдоуниполярными и имеют аксон, который разветвляется на два расширения: одно связано с дендритами, которые получают сенсорную информацию, а другое — передает эту информацию в спинной мозг.

Рисунок \ (\ PageIndex {1} \): Типы нейронов : Нейроны в целом делятся на четыре основных типа в зависимости от количества и расположения аксонов: (1) униполярные, (2) биполярные, (3) мультиполярные и (4) псевдоуниполярный.

Основы мозга: жизнь и смерть нейрона

Запросить брошюру бесплатно по почте

Введение
Архитектура нейрона
Рождение
Миграция
Дифференциация
Смерть
Надежда через исследования

Введение

До недавнего времени большинство нейробиологов считало, что мы родились со всеми нейронами, которые когда-либо могли иметь. В детстве мы могли бы создавать новые нейроны, которые помогают строить проводящие пути, называемые нейронными цепями, которые действуют как информационные магистрали между различными областями мозга.Но ученые полагали, что после создания нейронной цепи добавление любых новых нейронов нарушит поток информации и отключит систему связи мозга.

В 1962 году ученый Джозеф Альтман бросил вызов этому убеждению, когда увидел доказательства нейрогенеза (рождения нейронов) в области мозга взрослой крысы, называемой гиппокампом. Позже он сообщил, что новорожденные нейроны мигрировали из места своего рождения в гиппокампе в другие части мозга. В 1979 году другой ученый, Майкл Каплан, подтвердил открытия Альтмана в мозге крысы, а в 1983 году он обнаружил нервные клетки-предшественники в переднем мозге взрослой обезьяны.

Эти открытия о нейрогенезе во взрослом мозге удивили других исследователей, которые не думали, что они могут быть правдой для людей. Но в начале 1980-х годов ученый, пытающийся понять, как птицы учатся петь, предложил нейробиологам еще раз взглянуть на нейрогенез во взрослом мозге и начать понимать, как это может иметь смысл. В серии экспериментов Фернандо Ноттебом и его исследовательская группа показали, что количество нейронов в переднем мозге самцов канареек резко увеличивается во время брачного сезона.Это было то же время, когда птицам приходилось разучивать новые песни, чтобы привлечь самок.

Почему эти птичьи мозги добавили нейроны в такой критический момент в обучении? Ноттебом полагал, что это произошло потому, что свежие нейроны помогли сохранить новые паттерны песен в нейронных цепях переднего мозга, области мозга, которая контролирует сложное поведение. Эти новые нейроны сделали возможным обучение. Ноттебом считал, что если птицы создают новые нейроны, чтобы помогать им запоминать и учиться, это может сделать и мозг млекопитающих.

Другие ученые полагали, что эти результаты не могут быть применены к млекопитающим, но Элизабет Гулд позже нашла доказательства наличия новорожденных нейронов в отдельной области мозга у обезьян, а Фред Гейдж и Питер Эрикссон показали, что мозг взрослого человека производит новые нейроны в аналогичной области. .

Для некоторых нейробиологов нейрогенез в мозге взрослого человека все еще остается недоказанной теорией. Но другие думают, что данные открывают интригующие возможности относительно роли нейронов, генерируемых взрослыми, в обучении и памяти.

Нейрон

Архитектура нейрона

Центральная нервная система (включая головной и спинной мозг) состоит из двух основных типов клеток: нейронов (1) и глии (4) и (6). В некоторых частях мозга глии больше, чем нейронов, но нейроны являются ключевыми игроками в мозге.

Нейроны являются посланниками информации. Они используют электрические импульсы и химические сигналы для передачи информации между различными областями мозга, а также между мозгом и остальной нервной системой.Все, что мы думаем, чувствуем и делаем, было бы невозможно без работы нейронов и их поддерживающих клеток, глиальных клеток, называемых астроцитами (4) и олигодендроцитами (6).

Нейроны состоят из трех основных частей: тела клетки и двух расширений, называемых аксоном (5) и дендритом (3). Внутри тела клетки находится ядро ​​(2), которое контролирует деятельность клетки и содержит генетический материал клетки. Аксон похож на длинный хвост и передает сообщения от клетки. Дендриты выглядят как ветви дерева и получают сообщения для ячейки.Нейроны общаются друг с другом, посылая химические вещества, называемые нейротрансмиттерами, через крошечное пространство, называемое синапсом, между аксонами и дендритами соседних нейронов.

Архитектура нейрона.

Есть три класса нейронов:

  1. Сенсорные нейроны переносят информацию от органов чувств (например, глаз и ушей) в мозг.
  2. Моторные нейроны контролируют произвольную мышечную активность, такую ​​как речь, и передают сообщения от нервных клеток мозга к мышцам.
  3. Все остальные нейроны называются интернейронами .

Ученые считают, что нейроны — это самые разнообразные клетки в организме. Внутри этих трех классов нейронов есть сотни различных типов, каждый из которых обладает определенной способностью передавать сообщения.

То, как эти нейроны общаются друг с другом, устанавливая связи, делает каждого из нас уникальным в том, как мы думаем, чувствуем и действуем.

Рождение

Степень образования новых нейронов в головном мозге является спорным вопросом среди нейробиологов.Хотя большинство нейронов уже присутствует в нашем мозгу к моменту нашего рождения, есть доказательства, подтверждающие, что нейрогенез (научное слово, обозначающее рождение нейронов) — это процесс, продолжающийся всю жизнь.

Нейроны рождаются в областях мозга, богатых концентрациями нервных клеток-предшественников (также называемых нервными стволовыми клетками). Эти клетки обладают потенциалом генерировать большинство, если не все, нейронов и глии различных типов, обнаруженных в головном мозге.

Нейробиологи наблюдали, как нервные клетки-предшественники ведут себя в лаборатории.Хотя это может быть не совсем то, как эти клетки ведут себя, когда они находятся в мозге, это дает нам информацию о том, как они могут вести себя, когда находятся в окружающей среде мозга.

Наука о стволовых клетках все еще очень нова и может измениться с дополнительными открытиями, но исследователи узнали достаточно, чтобы быть в состоянии описать, как нервные стволовые клетки генерируют другие клетки мозга. Они называют это происхождением стволовых клеток, и оно в принципе похоже на генеалогическое древо.

Нервные стволовые клетки увеличиваются за счет деления на две части и образования либо двух новых стволовых клеток, либо двух ранних клеток-предшественников, либо по одной каждой из них.

Когда стволовая клетка делится, чтобы произвести другую стволовую клетку, говорят, что она самообновляется. Эта новая клетка может производить больше стволовых клеток.

Говорят, что когда стволовая клетка делится с образованием ранней клетки-предшественника, она дифференцируется. Дифференциация означает, что новая клетка более специализирована по форме и функциям. Ранняя клетка-предшественник не обладает потенциалом стволовой клетки для образования множества различных типов клеток. Он может создавать клетки только своей особой линии.

Ранние клетки-предшественники могут самообновляться или идти двумя путями.Один тип дает начало астроцитам. Другой тип в конечном итоге будет производить нейроны или олигодендроциты.

Миграция

После рождения нейрон должен отправиться в то место в мозге, где он будет выполнять свою работу.

Как нейрон узнает, куда идти? Что ему помогает?

Ученые обнаружили, что нейроны используют как минимум два разных способа передвижения:

  1. Некоторые нейроны мигрируют по длинным клеточным волокнам, называемым радиальной глией.Эти волокна простираются от внутренних слоев к внешним слоям мозга. Нейроны скользят по волокнам, пока не достигнут пункта назначения.
  2. Нейроны также путешествуют с помощью химических сигналов. Ученые обнаружили на поверхности нейронов особые молекулы — молекулы адгезии — которые связываются с аналогичными молекулами на близлежащих глиальных клетках или нервных аксонах. Эти химические сигналы направляют нейрон к его окончательному местоположению.

Не все нейроны успешно проходят свой путь. Ученые считают, что до места назначения доходит только треть.Некоторые клетки погибают в процессе развития нейронов.

Некоторые нейроны выживают во время трипа, но оказываются там, где их не должно быть. Мутации в генах, контролирующих миграцию, создают области нейронов неправильной формы или неправильной формы, которые могут вызывать такие расстройства, как детская эпилепсия. Некоторые исследователи подозревают, что шизофрения и дислексия, связанная с нарушением обучаемости, частично являются результатом неправильного управления нейронами.

Некоторые нейроны мигрируют, перемещаясь вдоль расширений (радиальной глии), пока не достигнут своего конечного пункта назначения.

Дифференциация

Как только нейрон достигает места назначения, он должен начать работать. Этот последний этап дифференцировки — наименее изученная часть нейрогенеза.

Нейроны отвечают за транспортировку и поглощение нейротрансмиттеров — химических веществ, которые передают информацию между клетками мозга.

В зависимости от своего местоположения нейрон может выполнять работу сенсорного нейрона, двигательного нейрона или интернейрона, посылая и получая определенные нейротрансмиттеры.

В развивающемся мозге нейрон зависит от молекулярных сигналов от других клеток, таких как астроциты, для определения его формы и местоположения, типа передатчика, который он производит, и от того, с какими другими нейронами он будет соединяться. Эти новорожденные клетки устанавливают нейронные цепи — или информационные пути, соединяющие нейрон с нейроном, — которые будут действовать на протяжении всей взрослой жизни.

Но во взрослом мозге нейронные цепи уже развиты, и нейроны должны найти способ приспособиться к ним.По мере того, как новый нейрон осваивается, он начинает выглядеть как окружающие клетки. Он развивает аксон и дендриты и начинает общаться со своими соседями.

Стволовые клетки дифференцируются, чтобы производить нервные клетки разных типов.

Смерть

Хотя нейроны — самые длинные живые клетки в организме, большое их количество погибает во время миграции и дифференцировки.

Жизнь некоторых нейронов может меняться ненормально. Некоторые заболевания головного мозга являются результатом неестественной смерти нейронов.

— При болезни Паркинсона нейроны, вырабатывающие нейромедиатор дофамин, отмирают в базальных ганглиях, области мозга, которая контролирует движения тела. Это затрудняет начало движения.

— При болезни Хантингтона генетическая мутация вызывает избыточное производство нейротрансмиттера, называемого глутаматом, который убивает нейроны в базальных ганглиях. В результате люди бесконтрольно скручиваются и корчатся.

— В болезнь Альцгеймера необычные белки накапливаются в нейронах неокортекса и гиппокампа и вокруг них, частях мозга, которые контролируют память.Когда эти нейроны умирают, люди теряют способность запоминать и выполнять повседневные задачи. Физическое повреждение мозга и других частей центральной нервной системы также может убивать или выводить из строя нейроны.

— Удары в мозг или повреждение, вызванное инсультом, могут полностью убить нейроны или медленно лишить их кислорода и питательных веществ, необходимых для выживания.

— Повреждение спинного мозга может нарушить связь между мозгом и мышцами, когда нейроны теряют связь с аксонами, расположенными ниже места повреждения.Эти нейроны могут еще жить, но они теряют способность общаться.

Один из методов гибели клеток — это высвобождение избыточного глутамата.

Макрофаги (зеленые) поедают умирающие нейроны, чтобы очистить от мусора.

Надежда через исследования

Ученые надеются, что, узнав больше о жизни и смерти нейронов, они смогут разработать новые методы лечения и, возможно, даже лекарства от болезней и расстройств мозга, которые влияют на жизнь миллионов американцев.

Последние исследования показывают, что нервные стволовые клетки могут генерировать множество, если не все, нейронов различных типов, обнаруженных в головном мозге и нервной системе. Изучение того, как превращать эти стволовые клетки в нейроны в лаборатории в определенные типы нейронов, могло бы произвести свежий запас клеток мозга, чтобы заменить те, которые умерли или были повреждены.

Также могут быть созданы методы лечения, использующие факторы роста и другие сигнальные механизмы внутри мозга, которые говорят клеткам-предшественникам создавать новые нейроны.Это позволило бы восстанавливать, изменять и обновлять мозг изнутри.

Для получения информации о других неврологических расстройствах или исследовательских программах, финансируемых Национальным институтом неврологических расстройств и инсульта, свяжитесь с Институтом мозговых ресурсов и информационной сети (BRAIN) по телефону:

BRAIN
P.O. Box 5801
Bethesda, MD 20824
(800) 352-9424
www.ninds.nih.gov

Верх

Подготовлено:
Офис по связям с общественностью
Национальный институт неврологических расстройств и инсульта
Национальные институты здравоохранения
Bethesda, MD 20892

Материалы

NINDS, связанные со здоровьем, предоставляются только в информационных целях и не обязательно представляют собой одобрение или официальную позицию Национального института неврологических расстройств и инсульта или любого другого федерального агентства.Консультации по лечению или уходу за отдельным пациентом следует получать после консультации с врачом, который обследовал этого пациента или знаком с историей болезни этого пациента.

Вся информация, подготовленная NINDS, находится в открытом доступе и может свободно копироваться. Благодарность NINDS или NIH приветствуется.

Альтернативные классификации нейронов, основанные на физиологических свойствах и синаптических ответах, вычислительное исследование

Наша стратегия заключалась в создании базы данных биофизически разнообразной популяции модельных нейронов, представляющих три общих фенотипа, и анализе ответов нейронов при различных условиях стимула.В первом наборе симуляций мы стремились измерить различные физиологические параметры модельных нейронов, стимулируя их прямоугольными импульсами тока. Эти физиологические параметры затем использовались для различения типов нейронов с использованием контролируемых и неконтролируемых методов классификации. Затем мы выявили возбуждающие реакции нейронов той же модели при моделировании синаптических входов и извлекли параметры, основанные на времени прихода спайков, для классификации.

Построение биофизически разнообразной популяции модельных нейронов

Мы создали в общей сложности 600 модельных реализаций на основе 3 биофизических фенотипов 11 .Они были основаны на наших предыдущих вычислительных моделях 2 типов нейронов 11,12,13 крысиного ложа с концевыми полосками (BNST) и третьей модели, которая была более репрезентативной для нейронов с быстрым всплеском / заиканием 14 . Модельные нейроны имеют дендритный, соматический и аксонный компартменты, а токи, управляемые напряжением, распределены между 3 компартментами неравномерно. Отклики напряжения этих трех типовых модельных нейронов при стандартной ступенчатой ​​стимуляции током показаны на рис.1. Первая модель, называемая нейроном с регулярным возбуждением, демонстрирует характерный провал напряжения при стимуляции с гиперполяризационными ступенями тока (рис. 1A). Это хорошо известное поведение опосредуется собственным h-током, который активируется при гиперполяризованных мембранных потенциалах. Кроме того, после прекращения шагов отрицательного тока возникают пост-ингибирующие пики, которые в первую очередь опосредуются низкопороговым Ca-током (I T ), а также увеличиваются h-током 15 .Второй модельный фенотип демонстрирует сильное внутреннее выпрямление (рис. 1B), то есть снижение сопротивления мембраны при гиперполяризованных мембранных потенциалах из-за действия его выпрямляющего внутрь К-тока (I Kir ) 12,16 . Эта зависящая от напряжения проводимость мембраны медленно деактивируется, когда мембранный потенциал деполяризуется под действием положительных скачков тока, и создает характеристический скачок напряжения, предшествующий первому потенциалу действия 17 . Этот фенотип называется нейроном с отложенным возбуждением.Паттерн возбуждения третьего модельного нейрона заметно отличается от такового для предыдущих фенотипов (Fig. 1C). За пиками здесь следует сильная постгиперполяризация (AHP), а в интервалах между спайками наблюдаются нерегулярные «скачки», поскольку текущий уровень постепенно увеличивается вблизи уровней реобаз. Этот тип возбуждения часто называют заиканием, и он в основном определяется внутренним К-током нейронов, который медленно активируется и инактивируется (K медленный ) 14 .Срабатывание при более высоких уровнях деполяризующего тока становится более регулярным, и модель демонстрирует низкую изменчивость в интервалах между спайками.

Рисунок 1

Три типа биофизически различных модельных нейронов производят отличительные отклики напряжения при ступенчатой ​​стимуляции током. Кривые напряжения слева получены с шагом в 400 мс, начиная с -200 пА и увеличиваясь на 5 пА ( A, — C ). Средние панели иллюстрируют различные процедуры анализа физиологических свойств модельных нейронов.( D ) Сопротивление мембраны нанесено в зависимости от подаваемого тока. ( E ) Зависимость числа пиков от текущего отношения. ( F ) провал напряжения и постдеполяризация. Крайние правые панели показывают выбранные физиологические параметры для трех типов модельных нейронов, 200 экземпляров в каждой группе ( G — H ). ( G ) Входное сопротивление (R макс. , экстраполированное на I = 0). ( H ) Реобаза. ( I ) Наклон функции постдеполяризации.Красный, синий и зеленый цвета соответствуют нейронам с обычным возбуждением, отложенным возбуждением и заиканием, как показано в ( A — C ).

Отклики напряжения, показанные на рис. 1, аналогичны тем, которые электрофизиологи обычно регистрируют в экспериментах с зажимом пластыря на целых клетках. Процедуры для извлечения некоторых физиологических параметров показаны на рис. 1D – F (также описано в 16 ). На основе 3 общих моделей нейронов мы построили биофизически разнообразную популяцию модельных нейронов путем случайного изменения максимальной проводимости собственных мембранных токов и параметров пассивной мембраны.Максимальная проводимость каждого переменного тока, управляемого напряжением, была получена из гауссова распределения, центрированного на значении общей модели и имеющего стандартное отклонение 40%. Параметры соматической утечки и емкости мембраны также варьировали с использованием стандартного отклонения 25%. Мы произвели 200 реализаций для каждого фенотипа и стимулировали модельные нейроны, используя текущий пошаговый протокол, как показано на рис. 1. Таким образом, мы получили физиологические параметры в общей сложности 600 модельных нейронов.Рисунок 1G – I демонстрирует разброс 3 выбранных физиологических параметров, рассчитанных на основе текущих ступенчатых реакций. Мы использовали в общей сложности 20 параметров, называемых статическими или характеристиками IV, для последующего исследования кластеризации и классификации (таблица 1). 20 физиологических параметров предоставили подробное описание динамического поведения модельных нейронов при текущей ступенчатой ​​стимуляции.

Таблица 1 Физиологические параметры, используемые для построения векторов признаков IV.

Корреляция между статическими характеристиками и биофизическими свойствами

Одна из причин, по которой электрофизиологи предпочитают ступенчатую стимуляцию током, заключается в том, что такие эксперименты предоставляют ценную информацию о внутренних биофизических свойствах нейронов.Действительно, некоторые особенности характеристик напряжения, например латентность первого всплеска, деполяризующий провал напряжения указывают на действие определенных внутренних мембранных токов. Зная максимальные значения проводимости каждого зависящего от напряжения тока в наших модельных симуляциях, мы можем напрямую оценить корреляцию между измеренными характеристиками ВАХ и внутренними биофизическими параметрами. На рисунке 2 показаны примеры таких корреляций для трех фенотипов нейронов. Как указано выше, h-ток в первую очередь отвечает за установку величины провала напряжения, который возникает при стимуляции с гиперполяризационными ступенями тока, а фармакологическая блокировка h-тока надежно устраняет провал напряжения 18 .Действительно, мы обнаруживаем сильную корреляцию между g h и наклоном кривой падения напряжения (ΔV sag, 0 ; рис. 2A, H). В качестве другого примера, реобаза модели отложенного срабатывания имеет тенденцию увеличиваться с увеличением величины М-тока (рис. 2E), в то время как на потенциал покоя мембраны в основном влияет его выпрямляющий внутрь К-ток (рис. 2D). Эти примеры ясно показывают, что данные экспериментов с фиксатором тока дают ценную информацию о биофизических свойствах нейронов, и можно, по крайней мере, сравнительно оценить величину определенных напряженно-управляемых токов в формировании динамического поведения нейронов.

Рисунок 2

Максимальные удельные проводимости определенных мембранных токов, активируемых напряжением, и физиологические параметры модельных нейронов коррелированы. ( A — I ) Отобранные физиологические параметры нанесены на график в зависимости от максимальной проводимости тока с регулируемым напряжением, присутствующего в моделях с обычным зажиганием (верхний ряд), с задержкой (в середине) и с заиканием (внизу). Эллипсы уверенности, появляющиеся на каждом графике, были получены путем вычисления корреляции Пирсона (коэффициенты Пирсона показаны рядом с эллипсами).H-ток оказывает явное влияние на установку величины провала напряжения ( A, H ), в то время как K-токи имеют более сильную роль в регулировании мембранного потенциала покоя ( D ) и реобазы ( E, I ). ) модельных нейронов. Цветные карты справа отображают степень корреляции Пирсона между собственными токами, управляемыми напряжением, и 11 выбранными физиологическими параметрами, полученными из данных текущего шага. Звездочки, крестики и символы плюса на цветных картах обозначают соответствующие диаграммы рассеяния в ( A — I ).

Более систематический анализ связи между наблюдаемыми физиологическими параметрами и силой собственных мембранных токов показан на рис. 2J – L. Мы рассчитали значения корреляции Пирсона для наиболее информативных 11 характеристик IV и различных внутренних параметров моделей. К ним относятся максимальные проводимости управляемых по напряжению токов, проводимость утечки и емкость мембраны. Очевидно, что влияние внутренних биофизических свойств на формирование физиологического поведения модели зависит от типа клетки.Например, увеличение емкости мембраны приведет к положительному сдвигу изменчивости межспайкового интервала (ISI C.V.) в моделях регулярного и замедленного типов, но имеет противоположный эффект в нейронах заикающегося типа. Сильная корреляция между внутренними токами, управляемыми напряжением, и характеристиками ВАХ предполагает, что многомерный анализ этих параметров может эффективно дифференцировать биофизически разные типы нейронов. Действительно, даже на двухмерных диаграммах рассеяния выбранных физиологических параметров, показанных для 600 реализаций модели, мы можем распознать разделение кластеров, представляющих 3 биофизических фенотипа (рис.S1 в дополнительной информации).

Многомерный анализ и классификация нейронов на основе характеристик IV

Перед выполнением неконтролируемой кластеризации данных мы использовали анализ главных компонентов (PCA), чтобы уменьшить корреляцию между статическими физиологическими параметрами и облегчить визуализацию результатов кластеризации 6 , 19 . На первые 3 основных компонента (ПК) приходится 86% общей изменчивости всего набора данных (600 реализаций), что позволяет использовать трехмерные векторы, преобразованные в PCA, для кластерного анализа.Затем мы запустили 2 алгоритма неконтролируемой кластеризации на векторах, преобразованных в PCA. Иерархические (HC) и методы кластеризации k-средних обычно используются электрофизиологами для исследования функционального разнообразия нейронных популяций 1,2,3 . Чтобы оценить производительность этих алгоритмов, мы сравнили рассчитанные данные о членстве в кластере с известными метками фенотипа, которые были легко доступны при моделировании. Построив первый главный компонент всех 600 реализаций модели в виде последовательности точек и используя цвета, представляющие принадлежность к кластеру, мы можем быстро оценить качество кластеризации (рис.3С). Здесь первые 200 точек относятся к фенотипу регулярного возбуждения, за которым следуют модели отложенного возбуждения и заикания. Правильная идентификация принадлежности к кластеру даст 3 последовательных набора по 200 точек, окрашенных в красный, синий и зеленый цвета. Действительно, как показано для метода k-средних, мы находим почти идеальное совпадение (99,2%) между данными о принадлежности и метками фенотипа, при этом только несколько клеток неправильно идентифицированы как принадлежащие к фенотипу отсроченного срабатывания (разреженные синие точки ниже 200, Инжир.3С). Точно так же алгоритм HC хорошо работает при разделении данных на 3 фенотипа (рис. 3D, E).

Рисунок 3

Алгоритмы классификации с использованием физиологических параметров идентифицируют три группы нейронов, соответствующих трем биофизическим фенотипам. Первые два главных компонента, вычисленные из 20-мерных векторов признаков IV, нанесены на диаграмму разброса в ( A ). Для неконтролируемой кластеризации мы используем трехмерные компьютерные векторы и раскрашиваем их в соответствии со значениями принадлежности, определенными методами k-средних ( B ) и иерархической кластеризации ( D ).Графики зависимости ПК1 от количества экземпляров демонстрируют, насколько точно эти методы идентифицируют различные биофизические фенотипы. ( C, E ) Здесь первые 200 экземпляров — это все ячейки с обычным запуском, за которыми следуют типы с задержкой и заиканием. В качестве обучающего набора для методов мультидискриминантного анализа (MDA) и J48 мы вручную выбрали в общей сложности 120 (3 × 40) экземпляров модели и пометили их как нейроны с обычным возбуждением, с задержкой срабатывания и заиканием (цветные точки в A ). Типичные примеры реакции напряжения таких модельных нейронов показаны в ( F – H ).Выходные данные методов MDA и J48, основанных на этом обучающем наборе, показаны в ( I — L ). Оба контролируемых метода классификации почти идеально идентифицируют исходные 3 группы биофизических фенотипов.

Общая производительность 2 неконтролируемых методов впечатляет. В то же время контролируемые алгоритмы классификации и машинное обучение предлагают мощную альтернативу таким методам. Действительно, опыт исследователей, регулярно анализирующих электрофизиологические данные биологических нейронов, продолжает быть ценным вкладом в обучение классификаторов.Поэтому на следующем этапе мы использовали два метода контролируемой классификации, а именно алгоритм множественного различения (MDA) 1,20 и алгоритм дерева решений J48 (также называемый C4.5) 21 . В качестве обучающей выборки для этих методов мы выбрали 3 раза 40 экземпляров модели, которые производили отклики напряжения, которые мы считали репрезентативными примерами лежащего в основе биофизического фенотипа. Визуальная оценка моделей была основана на графиках напряжения, таких как на рис. 3F – H. Для каждого фенотипа мы пометили 40 таких случаев (помеченные клетки показаны цветом на рис.3А). Как показано на рис. 3I, J, метод распознавания работал превосходно, и только 4 из 600 экземпляров модели не были правильно идентифицированы им. Алгоритм J48 работал несколько менее точно, потому что более высокий процент заикающихся нейронов был отнесен к неправильному фенотипу (рис. 3K, L). В заключение, как контролируемые, так и неконтролируемые методы классификации очень хорошо работают при различении биофизически различных модельных нейронов, когда физиологические параметры, извлеченные из текущих ступенчатых ответов, используются в качестве входных данных.

Классификация на основе данных межспайкового интервала

В отличие от физиологических параметров, наблюдаемых при текущей ступенчатой ​​стимуляции, электрофизиологи часто полагаются на данные о времени спайков, полученные внеклеточно. Здесь, временные параметры паттернов возбуждения анализируются, чтобы выявить потенциальные специфичные для типа клеток особенности. Наше следующее моделирование было сосредоточено на том, как можно классифицировать популяцию из 600 модельных нейронов на основе ответных реакций, которые эти нейроны производят при моделируемой синаптической бомбардировке.Мы вводили в модельные нейроны смесь возбуждающих и тормозных синаптических входов, в результате чего колеблющиеся следы напряжения и потенциалы действия появлялись нерегулярно (рис. 4А). Длительность двух некоррелированных сигналов пуассоновского типа составляла 8 с. Чтобы охарактеризовать преобразование ввода-вывода моделей в таком сценарии, мы увеличили синаптическую проводимость AMPA-соединения с 0 до 25 нСм с шагом 0,25 нСм и установили силу GABA-соединения в два раза выше, чем у AMPA 11 .Увеличивающееся количество чистого возбуждения приводило к ответным реакциям с увеличением числа всплесков за один проход. Этот протокол дает функции ввода-вывода (рис. 4D), аналогичные функциям при стимуляции статическим током (рис. 1E). Время прихода спайков, испускаемых в течение всего протокола синаптического стимула, регистрировалось и использовалось для извлечения признаков на основе интервала между спайками для классификации. Мы рассчитали 7 временных параметров реакции стрельбы, включая среднюю скорость стрельбы, общее количество спайков, стандартное отклонение и энтропию распределений межспайкового интервала (ISI).Важно понимать, что эти параметры не хранят информации о временном порядке всплесков, скорее, они характеризуют общую интенсивность и изменчивость ответов. Два из этих параметров на основе ISI продемонстрированы для трех биофизических фенотипов на рис. 5A, B. В целом, параметры на основе ISI сильно различаются в зависимости от реализаций модели и фенотипов. Затем мы выполнили PCA и неконтролируемую кластеризацию этих векторов на основе ISI аналогично тому, как это было выполнено для функций IV.Кластеризация K-средних этих векторов привела к распределению принадлежности к классам, показанному на рис. 5C, E. Иерархическая кластеризация воспроизводила такое же общее распределение данных, как показано на графике зависимости ПК1 от количества экземпляров (рис. 5F). Важно отметить, что два неконтролируемых алгоритма предлагают классы, которые не соответствуют биофизическим фенотипам. В частности, точки данных пурпурного цвета, представляющие кластер №1, появляются в широком диапазоне, от экземпляров 1 до 400, где перечислены нейроны с обычным и отложенным возбуждением.Кроме того, нейроны модели заикания в диапазоне от 401 до 600 отнесены к 2 кластерам. Соответственно, мы отображаем эти данные о принадлежности к классу в цветовом коде, отличном от того, который мы использовали для различения биофизических фенотипов. Эти данные показывают, что параметры, основанные на межспайковых интервалах, извлеченные из ответных реакций, не подходят для правильного разделения биофизически различных фенотипов нейронов.

Рисунок 4

Реакции возбуждения модельных нейронов при моделировании синаптической бомбардировки позволяют создавать векторы спайковых событий для кластеризации и классификации.На панели A показан график напряжения длиной 8 с (черный) модели нейрона с регулярным возбуждением под действием одновременных возбуждающих (золотой след) и тормозящих (голубой) входов. Заштрихованный участок в ( A ) увеличен на. ( B ) Кривые напряжения при постепенно усиливающихся возбуждающих / тормозных входах показывают увеличивающееся количество всплесков ( C ). Цифры слева от графиков указывают уровень проводимости AMPA, используемый для соответствующей развертки. ( D ) Отношение ввода-вывода, полученное из такого протокола.Растровый график в ( E ) демонстрирует образец возбуждения модельного нейрона, стимулированного такой стимуляцией. Здесь время прибытия спайков отложено по оси X, а возбуждающая синаптическая проводимость отложена по оси Y. Ромбовидные символы указывают на 52 места событий, в которых вероятность срабатывания оказывается положительной для большинства модельных нейронов. Панель F демонстрирует надежность стрельбы в 52 местах событий для трех биофизических фенотипов. Эти векторы событий, показанные здесь как «штрих-коды» в градациях серого, рассчитываются для всех реализаций модели и используются в качестве входных данных для классификации.

Рисунок 5

К-средние и иерархическая кластеризация нейронов на основе их статистических параметров межспайкового интервала не воспроизводят распределение трех биофизических фенотипов. Средние данные межспайкового интервала показаны для 3 биофизических фенотипов в ( A ). Различные реализации модели демонстрируют высокую дисперсию средних значений ISI, и совокупности, соответствующие трем группам, в значительной степени перекрываются. ( B ) Значения ISI-энтропии, рассчитанные по реакциям возбуждения, показанным для 3 фенотипов.Модели с заиканием демонстрируют более низкую энтропию в ответных реакциях. ( C ) Трехмерный график векторов ПК, сгруппированных с помощью алгоритма k-средних. Большинство векторов от экземпляров 1 до 400 сгруппированы вместе и представлены фиолетовыми символами ( E ). Иерархическая кластеризация одних и тех же данных дает аналогичное распределение ( D, F ).

Классификация, основанная на надежности синхронизации спайков

Растровый график спайков вокруг стимула — эффективный способ продемонстрировать время прихода спайков нейронов, срабатывающих при циклической стимуляции (рис.4E). Мы рассчитали такие растровые графики для каждого модельного нейрона, получающего смоделированные синаптические входы. Важно отметить, что мы обнаружили, что большинство всплесков приходили в четко определенные временные местоположения (окна), независимо от биофизических свойств модельных нейронов 10 . Было относительно небольшое количество возможных временных местоположений (спайковых событий), где была вероятна спайковая эмиссия. Как показано на рис. 4E, пики имеют тенденцию концентрироваться в узких полосах, параллельных оси проводимости. Эти характеристики ответов позволили нам построить достаточно низкоразмерные векторы признаков, которые все еще были информативными при описании ответной реакции модельных нейронов.Мы выбрали 52 места всплеска и рассчитали надежность стрельбы для каждой из них. Надежность определялась как процент от числа испытаний, когда постсинаптический всплеск был вызван в конкретном месте события. Построение 52 последовательных значений надежности для трех общих фенотипов биофизической модели дает графики на рис. 4F. Эти графики в градациях серого, напоминающие штрих-коды, являются визуальными представлениями векторов признаков, которые мы использовали для классификации нейронов. Важно отметить, что эти векторы, как и векторы на основе ISI выше, просто основаны на данных о приходе спайков и не имеют прямого отношения к физиологическим свойствам нейрона.

Следующий вопрос заключался в том, смогут ли методы классификации, которые мы использовали выше, выявить три лежащих в основе биофизических фенотипа с использованием этих векторов надежности всплесков. Перед кластеризацией мы выполнили PCA, чтобы уменьшить размерность и облегчить визуализацию данных о надежности всплесков. Диаграмма разброса первых двух основных компонентов на рис. 6А показывает более рассредоточенное распределение точек, чем при построении векторов ПК, полученных из характеристик IV (рис.3А). О высокой степени корреляции между характеристиками надежности событий свидетельствует тот факт, что на первые 2 ПК приходится 80,2% общей изменчивости, а на третий ПК добавляются еще 9,9%. Следовательно, мы можем использовать первые 3 ПК для создания входных векторов для алгоритмов k-средних и иерархической кластеризации.

Рисунок 6

Алгоритмы неконтролируемой кластеризации отлично справляются с идентификацией 3 биофизических фенотипов с использованием данных о достоверности всплесков. ( A ) Диаграмма рассеяния первых 2 ПК показывает диффузные кластеры точек данных без указания трех различных классов.Однако методы k-средних ( B ) и иерархической кластеризации ( D ) правильно идентифицируют 3 отдельные группы моделей, соответствующие исходным биофизическим фенотипам (красный, синий и зеленый символы). Последовательные графики первого ПК в зависимости от номера экземпляра показаны в ( C, E ). Визуальный осмотр растровых графиков, таких как те, что в ( F — H ), позволяет предположить три качественно различных схемы срабатывания в популяции 600 моделей.Соответственно, мы маркируем экземпляры модели как принадлежащие к одному из классов субъективного типа A , B и C . Этот набор помеченных нейронов (цветные точки в A ) служит обучающим набором для двух методов классификации. Результаты алгоритмов MDA и J48 показаны в ( I — L ). Методы классификации воспроизводят общее распределение обучающего набора и кластеризованных данных на основе ISI-параметров (рис.5), но 3 класса не соответствуют биофизическим фенотипам.

Удивительно, но два неконтролируемых метода выявили трехкластерную структуру в наборе данных, представляющую исходные биофизические фенотипы. За исключением некоторых случаев, членство в кластерах правильно определяется как методом k-средних, так и методом HC (рис. 6B – E). Эти результаты показывают, что биофизически разные типы модельных нейронов интегрируют синаптические входы таким образом, чтобы создавать паттерны возбуждения с характерными особенностями типа клеток.Следовательно, мы обнаруживаем сильный контраст между результатами классификации по параметрам на основе ISI и векторами надежности всплесков.

Затем мы стремились создать обучающий набор данных для двух контролируемых методов на основе данных о надежности всплесков. Здесь мы попытались обнаружить качественные различия в растровых графиках, не зная биофизических свойств (фенотипов) модельных нейронов, и отнести их к одной из трех субъективных категорий. Фактически, визуальная оценка растровых графиков перистимулов оказалась сложной задачей.Модельные нейроны в первой группе, обозначенные как тип A , давали паттерны возбуждения, которые демонстрировали широкий диапазон межспайковых интервалов, включая как очень короткие, так и очень длинные (взрывность; рис. 6F). Мы обозначили n = 76 экземпляров модели как тип A . Вторая группа ячеек, обозначенная как тип B , давала более регулярный выходной сигнал (рис. 6G, n = 79), а распределение более коротких ISI было гораздо более ограниченным, чем в первой группе. Третья группа модельных ячеек (тип C ) не показывала взрываемости, а имела большое количество длинных межспайковых интервалов в диаграммах возбуждения (рис.6H, n = 74). На рисунке 6A показано распределение всех 600 векторов ПК, включая помеченные экземпляры модели, согласно нашему качественному анализу (пурпурные, пурпурные и голубые символы). Поскольку мы не обнаружили хорошего соответствия между метками визуальной оценки и биофизическими фенотипами, мы использовали альтернативную цветовую схему на следующих панелях (как на рис. 5). Тип Нейроны (фиолетовые символы) появляются в основном среди первых 200 экземпляров — это обычные нейроны модели активации.Тип B (пурпурный) и C (голубой) нейроны почти полностью принадлежат третьему, фенотипу заикания. Интересно, что только 26 случаев, 11% всех маркированных моделей связаны со вторым фенотипом, то есть с моделью отсроченного срабатывания. Стоит отметить, что распределение меток из нашей визуальной оценки далеко не случайное, что позволяет предположить, что субъективные особенности, которые мы обнаружили в паттернах возбуждения, в некоторой степени зависят от типа клеток. Поэтому не ожидается, что методы контролируемой классификации, основанные на обучающем наборе, который мы здесь предоставляем, могут точно разделить три биофизически разные группы нейронов.Действительно, анализ дискриминации классифицирует большинство из первых 200 экземпляров модели (модели с обычным зажиганием) как тип A (рис. 6I, J). Нейроны модели заикания, занимающие диапазон от 401 до 600, классифицируются как тип B или C . Модели от 201 до 400 обозначаются как тип A или B . Следовательно, алгоритм MDA хорошо воспроизводит три класса (тип A , B и C ) на основе нашей качественной оценки растровых графиков, но они лишь смутно связаны с биофизическими фенотипами.Результаты алгоритма J48 показаны на рис. 6K, L. Выходные данные обоих алгоритмов предлагают схему классификации, которая основана на качественных временных характеристиках паттерна возбуждения нейронов, а не на их биофизических свойствах.

Классификация, основанная на качественных характеристиках, согласуется с кластеризацией векторов на основе ISI

Тем не менее, два контролируемых метода все еще могут идентифицировать три группы биофизических фенотипов, когда векторы надежности спайковых событий помечены в соответствии с обучающим набором, который мы создали для IV векторы признаков (т.е. метки IV). На рисунке 7 показано, что алгоритм MDA правильно классифицирует подавляющее большинство данных и воспроизводит распределение моделей типов регулярного срабатывания, отложенного срабатывания и заикания (рисунок 7B) при использовании этих меток IV. Метод дерева решений также работает хорошо, однако количество ячеек модели, классифицированных как типы отложенного срабатывания (синие), здесь немного избыточно (рис. 7D). В качестве обратного подхода мы можем использовать обучающий набор из данных о событии всплеска (метки A , B и C ) для классификации векторов признаков IV.Как показано выше, контролируемые методы отлично работали при использовании «правильного» типа обучающего набора для данных IV, но мы не ожидали, что методы MDA и J48 воспроизводят правильное распределение 3 биофизических фенотипов при использовании «неправильного» Обучающий набор. Действительно, эти два метода воспроизводят «субъективное» распределение модельных клеток в соответствии с качественными характеристиками их активации, а не их биофизикой (рис. 7F, H). Учитывая согласованность распределений членства в классах как из наборов данных IV, так и из наборов данных спайковых событий, мы предполагаем, что классификация с использованием меток A-B-C представляет собой действительную интерпретацию данных, даже если эта схема не соответствует 3 биофизическим фенотипам.

Рисунок 7

Контролируемые алгоритмы классификации ячеек модели на основе их надежности всплесков хорошо работают, когда метки из ответов IV используются в качестве обучающего набора. Здесь методы MDA и J48 классифицируют модельные клетки на 3 четко отдельных класса ( A, C ), очень хорошо воспроизводя распределение биофизических фенотипов ( B, D ). И наоборот, когда набор обучающих данных из данных о пиковых событиях используется для классификации векторов признаков IV, два метода идентифицируют группы, которые представляют качественно разные схемы срабатывания A, , B и C .( E — F ) Метод MDA, ( G — D ) J48.

Данные о принадлежности к классам из кластеризации векторов на основе ISI (рис. 5B, D) и контролируемой классификации векторов надежности спайковых событий (рис. 6J, L) хорошо согласуются. Наилучшее совпадение обнаружено между данными k-средних из векторов на основе ISI и данными MDA из векторов надежности всплесков событий с совпадением 83,2% значений принадлежности к классам. Следовательно, нейроны типов A , B и C , как обозначено нашей субъективной оценкой растровых графиков спайков, в значительной степени перекрываются с тремя группами нейронов, которые сгруппированы по их параметрам на основе ISI.Это наблюдение дополнительно подтверждает идею о том, что кластеризация векторов признаков на основе ISI предлагает допустимую схему классификации. В этом случае функционально похожие нейроны группируются вместе, но их биофизические характеристики могут быть совершенно разными.

Спайковые события, которые различаются между биофизически разными модельными нейронами

Обнаружение того, что биофизические свойства нейронов в некоторой степени «закодированы» в векторах надежности спайковых событий, мотивирует дальнейший анализ.Можно предположить, что значения надежности в определенных местах событий спайков могут заметно различаться для трех групп биофизически разных нейронов (рис. S2). Чтобы идентифицировать такие предполагаемые дискриминирующие спайковые события, мы использовали простой метод классификации на основе одного правила по Holte 22 . Затем мы проанализировали динамическое поведение сигналов мембранного потенциала и синаптической проводимости, предшествующих событию различения спайков. Наша цель состояла в том, чтобы объяснить, по крайней мере качественно, как внутренние биофизические свойства модельных нейронов формируют их поведение возбуждения вблизи мест наиболее различимых спайковых событий.Для нейронов обычного возбуждающего типа событие спайка № 13 было обнаружено как наиболее различающее. Основываясь на методе одного правила, 84% нейронов обычного возбуждающего типа были правильно идентифицированы в этом месте события. Изучая синаптический вход, предшествующий событию спайка, мы замечаем сильные переходные процессы тормозящей проводимости, за которыми следует возбуждение (рис. 8А). Фактически, это повышает мембранный потенциал до более гиперполяризованного уровня и способствует активации собственного Ca-тока Т-типа. Чтобы количественно оценить этот эффект, мы вычислили средний уровень Т-тока для всей продолжительности развертки стимула и экспоненциально взвешенное среднее значение того же тока, предшествующего выбросу пика.Значение отклонения рассчитывалось как отношение этих двух средних значений. Согласно этому анализу, Т-ток становится доминирующим перед выбросом спайков, демонстрируя отклонение + 55% от среднего значения (рис. 8D). Кроме того, h-ток активирован больше (на 34%), чем средний уровень, что способствует дополнительной деполяризации мембраны. Действительно, надежность событий в этом конкретном месте, усредненная по всем 200 моделям регулярного срабатывания, составляет 44,0 ± 7,2% (среднее ± стандартное отклонение), что в 1,69 и 6,03 раза больше, чем значения для моделей с задержкой и заиканием, соответственно.

Рис. 8

Анализ истории мембранного потенциала, предшествующий различающим спайковым событиям, объясняет возникновение специфических для клеточного типа реакций возбуждения. ( A ) Мембранный потенциал модели с обычным зажиганием (черный), формы сигналов AMPA- (золотой) и GABA-проводимости (голубой) и прогрессия собственного Ca T -тока (оранжевый) отображаются перед различительное событие спайка № 13. ( B, C ) — аналогичные графики для моделей отложенного возбуждения и заикания соответственно.Нижние панели D , E и F отображают отклонение мембранного потенциала, собственные токи, управляемые напряжением, синаптические проводимости и чистый ток от соответствующих средств.

Обращая наше внимание на нейроны модели отложенного срабатывания, мы находим другой механизм, который выбирает наиболее различающиеся спайковые события. Здесь метод с одним правилом определяет местоположение первого всплеска (событие №1, точность 80%) как наиболее различающее (рис.8Б). По-видимому, это произойдет вскоре после начала развертки стимула. Это наблюдение предполагает, что поведение нейронов с отложенным возбуждением во время перехода из режима покоя в режим активации заметно отличается от поведения двух других типов. Мы признаем, что сильный внутренний ток K ir в таких модельных нейронах поддерживает мембранный потенциал покоя на более гиперполяризованном уровне, чем в нейронах обычного или заикающегося типа. В самом деле, внутренний выпрямляющий ток должен быть в достаточной степени деактивирован, прежде чем нейрон сможет сработать.Соответственно, надежность спайкового события в местоположении # 1 должна быть ниже для этого фенотипа, чем для двух других. Это именно то, что мы наблюдаем: в среднем 29,0 ± 11,8% надежности пиков для типа замедленного срабатывания против 48,2 ± 8,2% и 54,1 ± 7,5% для обычных моделей и моделей с заиканием, соответственно. Кроме того, средневзвешенное значение тока K ir , предшествующего выбросу пика в событии № 1, на 34% выше по величине, чем средний уровень в течение всего периода развертки (рис. 8E).

Местоположение наиболее различающего спайкового события для модели нейрона с заиканием — №11.В среднем нейроны модели заикания срабатывают с надежностью 69,6 ± 3,3% в этом месте, что превышает значения 56,7 ± 5,9 и 54,3 ± 5,7%, которые мы находим для моделей с обычным и отложенным возбуждением, соответственно. Изучая формы входных синаптических сигналов в непосредственной близости от этого события, мы видим возбуждение выше среднего и более слабое торможение (рис. 8C, F). В то же время мембранный потенциал нейрона заикающегося типа демонстрирует сильный всплеск после гиперполяризации из-за действия медленно активирующегося K-тока, который является доминирующим признаком этого типа клеток (также отчетливо показан на рис.1С). Одним из значительных эффектов этого сильного AHP является то, что клетка имеет относительно короткий рефрактерный период, а межспайковые интервалы (то есть скорость возбуждения) имеют тенденцию быть достаточно стабильными во время поддерживаемой деполяризации. Фактически, это облегчит стрельбу на низких гамма-частотах в модельных ячейках этого типа. Хотя собственный M-ток также умеренно увеличивается перед событием № 11, этот ток оказывает меньшее влияние на регулирование скорости воспламенения, чем медленно активирующийся K-ток. Влияние медленного -тока K также четко наблюдается, когда заикающийся нейрон стимулируется ступенями статического тока: он имеет тенденцию запускаться при более высоких уровнях деполяризующего тока, обычно с одиночными всплесками или излучающими короткие всплески.При еще более сильных положительных уровнях тока нейрон срабатывает с очень стабильными интервалами между спайками во время ввода (рис. 3H). Изучая поведение модели заикания около события № 11 на рис. 8C, мы наблюдаем триплет спайков в ответ на более сильный, чем в среднем, возбуждающий синаптический вход, а интервалы между спайками составляют 53 и 38 мс. Эти значения действительно соответствуют срабатыванию низкой гамма-частоты, что является признаком фенотипа заикания.

РубрикаРазное

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *