Разница между in silico и in vivo — живыми и неживыми системами, обрабатывающими информацию, всегда смущала исследователей. Велик соблазн смоделировать на компьютере или прямо электронной схемой, например, головной мозг мыши. Но как далеко можно проводить аналогии между мозгом настоящим и его цифровой моделью? Вопрос этот всплывает всякий раз, когда удаётся получить интересные результаты моделирования. И всякий раз находятся те, кто напоминает: живое и неживое — две совершенно разных категории, все связи между ними условны, сходство только внешнее!
Скептиков можно понять: действительно, системы in silico и in vivo устроены и работают совершенно по-разному. С одной стороны тут транзистор, микропроцессор, да пусть даже искусственный нейрон: объекты детерминированные, цифровые. С другой — головной мозг, в котором одних только нейронов десятки, а то и сотни типов, соединённых хаотично, в неясную массивно-параллельную аналоговую структуру, биофизически сложных, в работе которых случайность играет не последнюю роль.
Тем не менее проводить аналогии всё-таки возможно — как от живого к неживому, так и в обратном направлении. Дело в том, что хоть элементарные «детали» отличаются, функциональные, логические схемы могут быть очень похожи. Как в живом, так и в неживом можно выделить блоки, разделённые анатомически или отличающиеся поведением, связанные друг с другом. Такую схему уже можно анализировать общими для живого и неживого методами. И это позволяет задать вопрос: почему бы не проверить работоспособность методов анализа живых нейроструктур, натравив их на простые и понятные структуры электронные?
Этот вроде бы смешной вопрос на самом деле связан с проблемой, которая сильно докучает нейробиологам. Вы, конечно, знаете, что придуманы сотни методов изучения головного мозга. В общем они сводятся к сбору всевозможной информации о работе тех или иных его частей и попыткам, анализируя её, понять, как мозг устроен. Но что значит понять с точки зрения нейробиологии? А это значит быть способным заменить любой участок искусственным аналогом, не нарушив работы мозга целиком.
Так вот, несмотря на все успехи в выдумывании всё новых методов изучения мозга, от понимания его учёные всё ещё бесконечно далеки! Отчасти причиной тому чрезмерная сложность живого: чаще всего мы не знаем даже, действительно ли оно работает так, как мы предположили. Но тем больше причин проверить методы на простых и известных до последнего винтика неживых системах!
Что и проделала группа исследователей из США, опубликовавших замечательную работу в жанре так называемой вычислительной биологии. Называется она «Может ли нейробиолог понять микропроцессор?» и если вас не смущает английский, я очень рекомендую оригинал: написано простым языком, зато подробнейше разбирает массу любопытных и сложных вопросов.
Суть: нейробиологи, вооружившись методами, обычно применяемыми для изучения живых нейроструктур, попытались использовать их чтобы понять, как функционирует простейшая микропроцессорная система. «Мозгом» стал MOS 6502 — один из популярнейших микропроцессоров всех времён и народов: 8-битный чип, использованный во множестве ранних персональных компьютеров и игровых приставок, в том числе Apple, Commodore, Atari. Естественно, что мы знаем об этом чипе всё — ведь он создан человеком! Но исследователи сделали вид, что не знают ничего — и попытались понять его работу, изучая теми же методами, которыми изучают живой мозг.
Химически была удалена крышка, под оптическим микроскопом изучена схема с точностью до отдельного транзистора, создана цифровая модель (тут я немного упрощаю, но суть верна), причём модель настолько точная, что на ней оказалось возможно запускать старые игры (Space Invaders, Donkey Kong, Pitfall). А дальше чип (точнее, его модель) был подвергнут тысячам измерений одновременно: во время исполнения игр измерены напряжения на каждом проводке и определено состояние каждого транзистора. Это породило поток данных в полтора гигабайта в секунду — который уже и анализировался. Строились графики всплесков от отдельных транзисторов, выявлялись ритмы, отыскивались элементы схемы, отключение которых делало её неработоспособной, находились взаимные зависимости элементов и блоков и т.п.
Насколько сложной была эта система по сравнению с живыми? Процессор 6502, конечно, и рядом не стоит с головным мозгом даже мыши. Но он приближается по сложности к червю Caenorhabditis elegans — ломовой лошадке биологов: этот червь изучен вдоль и поперёк и уже предпринимаются попытки смоделировать его полностью в цифровом виде (вспомните «О правах животных in silico»). Таким образом задача анализа системы на чипе 6502 не является чрезмерным упрощением. И результаты имеют право быть экстраполированы на системы in vivo.
Вот только исследователи… потерпели поражение! Нет, какие-то результаты, конечно, получены были. Анализируя чип, удалось выделить функциональные блоки, набросать схему их вероятных взаимосвязей, получить некоторые интересные подсказки насчёт того, как, вероятно, работает микропроцессор в целом. Однако понимания в том смысле, в каком его требует нейробиология (в данном случае: быть способным исправить любую поломку), достигнуто не было! Отсюда два неприятных вывода и один совет.
Во-первых, имеющиеся на вооружении нейробиологов методы очевидно бесполезны для изучения живого мозга. Разве вправе мы надеяться понять сложнейшую живую систему, если не в силах справиться даже с простейшей искусственной моделью?
Во-вторых, наращивание объёма информации, собираемой о мозге, вероятно, не поможет проникнуть в секреты его работы глубже — без смены методов анализа. Ведь 6502 измерялся с предельной точностью, от исследователей не укрылось ничто в нём происходящее, и тем не менее понять его не удалось!
Что же до совета, нейробиологам рекомендуют взяться за задачу с другого конца: разработать (принципиально новые) методы изучения искусственных систем, убедиться, что они работают, что действительно позволяют понять, как система вроде того же 6502 устроена — и только потом экстраполировать их на живые нейроструктуры. Так неживое поможет разобраться в живом.