В глазу находится мощный биологический компьютер, сетчатка. Понимание того, как сетчатка преобразует изображения из внешнего мира в сигналы, которые мозг может интерпретировать, не только приведет к пониманию вычислений мозга, но также может быть полезно для медицины. По мере развития машинного обучения и искусственного интеллекта заболевания глаз вскоре будут описываться в терминах вычислительных нарушений, выполняемых сетчаткой. Достаточно ли у нас знаний о цепях сетчатки, чтобы понять, как возмущение повлияет на вычисления, выполняемые сетчаткой?? Международная группа ученых решила этот вопрос в серии экспериментов, сочетающих генетику, вирусные и молекулярные инструменты, массивы микроэлектродов высокой плотности и компьютерные модели. Работа показывает, что их недавно разработанная модель сетчатки может с высокой точностью предсказать результат определенного возмущения. Работа является важным шагом на пути к компьютерной модели сетчатки, которая может предсказать исход заболеваний сетчатки.
Зрение начинается в сетчатке, где фоторецепторные клетки улавливают свет, падающий на глаз, и преобразуют его в нейронную активность. Ганглиозные клетки, выходные нейроны сетчатки, затем отправляют визуальные сигналы в мозг. Однако сетчатка – это гораздо больше, чем просто камера и кабель: между фоторецепторами и ганглиозными клетками сетчатка содержит сложные нейронные цепи, которые собраны из множества разных типов нейрональных клеток. Эти схемы обрабатывают входящие сигналы сложным образом и выделяют важные особенности визуальной сцены. На выходном уровне сетчатки вычисления цепей сетчатки приводят к ~ 30 различным нейронным представлениям визуальной сцены: они затем передаются параллельно в мозг. Таким образом, сетчатка действует как мощное вычислительное устройство, глубоко формируя визуальное представление.
Чтобы понять механизмы зрения и предсказать исходы заболеваний зрения, важно понять, как ~ 30 выходных каналов сетчатки представляют визуальный мир и как их различные функциональные свойства возникают из архитектуры цепей сетчатки. Чтобы ответить на этот вопрос, группа ученых из Института Фридриха Мишера (FMI), Института молекулярной и клинической офтальмологии Базеля (IOB), ETH Zurich и Ecole Normale Supérieure нарушила конкретный элемент цепи сетчатки, изучая, как это возмущение изменяется. функциональные свойства различных выходных каналов сетчатки.
Антония Дринненберг, бывшая аспирантка группы Botond Roska и ведущий автор статьи, разработала метод контроля активности горизонтальных клеток. Горизонтальные клетки – это элемент цепи сетчатки, который обеспечивает подавление обратной связи в первом зрительном синапсе между фоторецепторами и биполярными клетками. Метод, в котором задействован определенный набор вирусов, трансгенных мышей и сконструированные лиганд-зависимые ионные каналы, позволил ей включать и выключать обратную связь при первом зрительном синапсе. Чтобы измерить влияние этого возмущения на выход сетчатки, она использовала массивы микроэлектродов высокой плотности, разработанные в группе Андреаса Хирлеманна, и одновременно регистрировала электрические сигналы сотен ганглиозных клеток. Удивительно, но возмущение вызвало множество различных изменений в выводе сетчатки. «Мы были поражены разнообразием эффектов, которые мы наблюдали из-за возмущения одного четко определенного элемента схемы», – говорит Дринненберг. “Сначала мы подозревали, что в основе этого разнообразия могут лежать технические проблемы.«Однако после измерения сигналов в тысячах ганглиозных клеток и в определенных выходных каналах сетчатки стало ясно, что разнообразие измеряемых горизонтальных вкладов клеток должно происходить из-за особой архитектуры схем сетчатки.
Как может один элемент схемы сетчатки привести к такому разнообразию эффектов?? Феликс Франке, соавтор статьи, и Рава А. да Силвейра, старший автор, построил компьютерную модель сетчатки. Модель смоделировала различные пути, по которым сигнал может проходить через сетчатку, и позволила команде исследовать, может ли наше текущее понимание схемы сетчатки учесть эффекты, которые они наблюдали во время экспериментов. Изучая поведение модели, исследователи обнаружили, что модель может воспроизводить весь набор изменений, которые они измерили экспериментально. Кроме того, команда обнаружила, что модель сделала еще пять прогнозов о роли горизонтальных ячеек, которые они ранее не видели в данных. «Мы были удивлены, увидев, что эта модель пошла дальше, чем мы думали в то время, когда создавали ее», – говорит Франке. «Все дополнительные прогнозы оказались верными, когда мы провели дополнительные эксперименты для их проверки.”
«Один из способов проверить наше понимание сетчатки – это нарушить один из ее элементов, измерить все результаты и посмотреть, может ли наше« понимание », которое является моделью, предсказать наблюдаемые изменения», – объясняет да Силвейра. «Следующим шагом будет использование модели для прогнозирования исхода глазных болезней», – добавляет Роска.