N? studerer de, i sin egen hjerneforskningsgruppe ved Universitetet i Oslo, hvordan hjernen er i stand til ? lagre nye minner samtidig som den er s? stabil at gamle minner ikke forringes. De har nylig startet et tett 澳门葡京手机版app下载 med de fremste beregningsekspertene p? UiO. For uansett hvor mange eksperimenter de gj?r, er de avhengige av matematisk ekspertise for ? finne sammenhengene mellom de enormt mange prosessene i hjernen.
– I eksperimenter kan vi sette inn elektroder i hjernen. Men samme hvor mange elektroder vi setter inn i hjernen for ? m?le hjernesignalene, f?r vi bare se et glimt. Hjernen v?r best?r av hundre milliarder celler, og hver av dem har tusenvis av kontakter. Vi trenger derfor matematiske modeller for ? fylle inn alle de punktene vi ikke kan m?le, for ? kunne f? en full forst?else av samspillet mellom dem, forteller Marianne Fyhn, som er f?rsteamanuensis p? Institutt for biovitenskap ved Universitetet i Oslo. Hun leder n? en ny forskergruppe p? Det matematisk-naturvitenskapelige fakultet som skal koble eksperimentell biologi med beregningsorientert fysikk og matematikk. Hun mener beregningene kan f?re til enda bedre eksperimenter.
– Eksperimenter er dyre og krevende. De matematiske modellene kan gi en idé om hva vi b?r se n?rmere p?, slik at vi kan gj?re enda mer m?lrettete eksperimenter.
Nettingstr?mper
Et av Marianne Fyhns nye forskningsprosjekter er ? finne ut av hva som skjer i hjernen under l?ring. En hypotese er at visse molekyler, som danner en slags nettingstr?mpe rundt en bestemt type hjerneceller, er viktige for at hjernen skal v?re i stand til b?de ? l?re og samtidig ha et stabilt minne.
– Vi vet at disse hjernecellene er viktige for plastisiteten, alts? hjernens evne til l?ring og hukommelse.
– Hjernen har et stort dilemma. Den m? v?re statisk for at minner skal kunne lagres slik at vi kan huske langt tilbake i tid. Samtidig m? hjernen v?re s? fleksibel at vi er i stand til ? l?re nye ting.
Nettingstr?mpene sitter tett rundt kontaktpunktene ved hjernecellene med h?yest aktivitet. Hjernecellene kommuniserer med kjemiske stoffer og elektriske ladninger.
Stoffene binder seg til proteiner p? overflaten av de sm? kanalene i hjernecellen, som kun slipper igjennom bestemte ioner. Ioner er ladete atomer. N?r ionene str?mmer inn eller ut av hjernecellen, dannes det elektriske signaler. Hjernecellene bruker disse elektriske signalene til ? kommunisere med hverandre.
– Nettingstr?mpene er fysiske strukturer som kanskje hindrer at nye kontakter dannes. En av hypotesene v?re er at det er enzymer i hjernen som spiser litt av str?mpene for ? ?pne et vindu n?r nye kontakter skal dannes i hjernecellene.
Forskere tror at disse nettingstr?mpene er viktige b?de for ? stabilisere minnet og samtidig gj?re hjernen foranderlig.
– Det kan tenkes at str?mpene trengs for ? holde minnet stabilt. Ved ? fjerne nettingstr?mper, er det noen studier som tyder p? at dyr l?rer bedre og raskere, men vi vet ikke hvordan dette p?virker minnet. Nettingstr?mpene legger seg rundt cellene n?r hjernen begynner ? bli voksen. N?r str?mpene fjernes, kan den voksne hjernen endre seg like mye som unge hjerner. Kanskje det er slik at nettingstr?mpene i den voksne hjernen hindrer at vi har den samme evnen til l?ring som barn har, undrer Fyhn.
Det store sp?rsm?let er derfor hva som skjer n?r str?mpene fjernes og hvordan dette p?virker signaloverf?ringen mellom hjernecellene.
I eksperimentene kan hun fjerne nettingstr?mpene fysisk fra visse hjerneceller og se p? hva som skjer. Men det er bare mulig ? unders?ke et begrenset antall celler. For ? unders?ke samspillet mellom disse cellene og resten av hjernen, m? de ha matematisk hjelp.
Da Marianne Fyhn arbeidet med stedsansen for Moser-gruppen i Trondheim, fant de et bestemt m?nster mellom GPS-punktene i stedsansen. I dette omr?det i hjernen finnes det spesielt mye nettingstr?mper.
– Hjernecellene med nettingstr?mper demper aktiviteten. Hvis denne aktiviteten ikke dempes, ville hjernen ha g?tt amok. Det kan f?re til et epileptisk anfall. En matematisk modell kan forklare den ordnete avstanden mellom punktene.
– Det kan tenkes at nettingstr?mpene ikke bare stabiliserer langtidsminnet, men ogs? stedsansen. Og ettersom stedsansen ligger s? tett opp til hukommelsen, kan vi bruke forskningen p? stedsansen til ? forst? mer av hukommelsen.
SIMULERER HJERNEN: For ? skj?nne hvordan det sv?re nettverket med milliarder av nerveceller i hjernen fungerer, m? Anders Malthe-S?renssen (f.v.), Marianne Fyhn og Gaute Einevoll ty til enorme beregninger p? universitetets tungregnemaskin. Foto: Ola S?ther.
Matematisk drahjelp
Marianne Fyhn f?r n? drahjelp fra de fremste beregningsekspertene ved UiO.
– Fysikk kan brukes til ? forst? de grunnleggende prosessene i biologi. Som et eksempel kan de elektriske signalene i hjernen forklares med ren fysikk. Samarbeidet med biologer kan faktisk dra fysikken videre, forteller Anders Malthe-S?renssen. Han er professor p? Fysisk institutt ved Universitetet i Oslo og er ledende p? beregninger i geofysikk.
De siste hundre ?rene har eksperimenter og modellering i fysikk g?tt h?nd i h?nd. M?let er ? finne ut av hvordan naturen fungerer.
– Det har v?rt mest effektivt ? beskrive dette med matematiske modeller, sier Malthe-S?renssen.
N? skal livsvitenskapen ta i bruk de samme knepene.
– Vi har allerede god matematisk og biofysisk beskrivelse av hvordan én enkelt nervecelle fungerer og hvordan den tar imot og sender signaler til andre, men én enkelt nervecelle er ikke spesielt smart. Dessverre skj?nner vi fortsatt lite av hvordan det sv?re nettverket med milliarder av nerveceller fungerer. Det er nettopp dette nettverket, som gj?r oss til de menneskene vi er, vi ?nsker ? finne mer ut av, forteller Gaute Einevoll, som er professor b?de p? Fysisk institutt ved Universitetet i Oslo og p? Institutt for matematiske realfag og teknologi ved Norges milj?- og biovitenskapelige universitet p? ?s.
Han har v?rt en av landets ledende forskere innen hjerneberegninger de siste tjue ?rene og fikk ?ynene opp for nevrovitenskapen allerede da han var i USA p? midten av nittitallet.
Uheldigvis er det enda vanskeligere ? forske p? biologiske enn p? fysiske systemer.
– Biologi er enda mer komplisert enn fysikk. Hjernen har ofte redundans. Det vil si at hvis en mekanisme slutter ? virke, kan andre ta over. For ? kunne forst? dette, trenger vi matematiske metoder, p?peker Einevoll.
En av simuleringsmodellene hans representerer en liten del av synshjernebarken. Modellen best?r av 80 000 nevroner, fordelt p? ?tte ulike typer hjerneceller. Selv om den hjernevevsklumpen forskerne simulerer, bare er et par kubikkmillimeter stor og knapt kan sees med det blotte ?ye, m? Einevoll bruke 80 000 differensialligninger for ? beskrive hvordan informasjonen forplanter seg i nervecellenettverket. En differensialligning er en matematisk beskrivelse av noe som endrer seg over tid. Dette lar seg ikke l?se med papir og blyant. Det enorme settet med matematiske ligninger m? l?ses p? en av landets kraftigste tungregnedatamaskiner.
Samarbeidspartnerne hans i Tyskland er n? i gang med ? lage enda st?rre modeller av synshjernebarken, med to millioner nerveceller.
Fra molekyler til nevrongrupper
N? skal beregningsforskerne 澳门葡京手机版app下载e med Marianne Fyhn og simulere hvordan nettingstr?mpene mellom cellene p?virker langtidshukommelsen og hvordan disse molekylene l?ser kunnskap.
Her m? de b?de simulere hva som skjer i hjernen over lang tid, slik som l?ring og minne, og hva som skjer i hjernen over kort tid, slik som hvordan nervecellene tilpasser seg omgivelsene.
For ? forst? hjernen m? de studere plastisiteten p? mange niv?er, alts? hjernens evne til l?ring og lagring av informasjon. De m? se b?de p? lange tidsskalaer, som l?ring og hukommelse, og kortere tidsskalaer, som hvordan nervecellene tilpasser seg omgivelsene sine.
De m? ogs? modellere alle niv?er i hjernen, helt fra det molekyl?re niv?et der de ser p? hvordan de enkelte nervecellene 澳门葡京手机版app下载er, til hvilke konsekvenser dette har for hele nettverket av hjerneceller.
– N?r mange ting skjer samtidig, er vi n?dt til ? ha matematikk for ? holde orden p? ting, sier Gaute Einevoll.
Men selv om de har verdens raskeste maskin for h?nden, er hjernen s? kompleks at de ikke kan ta med alt i modellen. De m? derfor lage modeller for ulike lengde- og tidsskalaer. S? m? modellene kobles sammen i det de kaller en multiskalamodell.
– Jeg liker ofte ? illustrere multiskalamodeller med den fysiske beskrivelsen av gasser. De kan enten beskrives p? mikroskopisk skala, molekyl for molekyl, ved bruk av Newtons mekanikk, eller i makroskopisk skala ved hjelp av termodynamikk, med st?rrelser som trykk og temperatur. Og min fysikkhelt Ludwig Boltzmann viste for mer enn 100 ?r siden hvordan disse beskrivelsene henger sammen. Vi trenger noe lignende for ? beskrive hjernen, sier Einevoll.
En multiskalamodell av hjernen kan deles opp i fem niv?er:
Det laveste niv?et er forst?elsen av hva som skjer p? atomniv?.
Det andre niv?et er det molekyl?re. Her modelleres det elektrokjemiske maskineriet i cellen med kjemiske ligninger.
I det tredje niv?et simuleres en enkelt nervecelle med forgreninger.
I det fjerde niv?et modelleres koblingen med andre nerveceller og hvordan de kommuniserer seg imellom gjennom synapser.
I det femte og h?yeste niv?et modelleres grupper av nevroner.
En banan om dagen
Fremtidens datamaskiner kan kanskje etterligne hjernen v?r.
– Vi mottar enorme mengder data og har ikke nok hjerneceller til ? lese alle dataene vi mottar, kjapt nok. Hjernen v?r filtrerer helt grassat. Den synsinformasjonen vi tar til oss p? ett sekund, inneholder like mye informasjon som en hel bok. Likevel klarer hjernen ? rekonstruere bilder av omgivelsene, sier Marianne Fyhn.
Hjernen bruker bare en milliontedel s? mye energi som en tungregnedatamaskin p? samme oppgave.
– Hjernen v?r g?r p? én banan om dagen. For ? simulere hva som skjer i hjernen, trenger vi en datamaskin som bruker like mye energi som tre millioner bananer om dagen.
Forskerne h?per ? kunne bruke den nye kunnskapen om hjernen til ? lage enda bedre datamaskiner.
I dagens datamaskiner beveger elektronene seg. I hjernen er det tunneler i nervesystemets membraner som bruker et millisekund p? ? ?pne og lukke seg. N?r de er ?pne kommuniserer hjernecellene med ladete ioner.
Selv om en enkelt hjernecelle bare sender en til ti elektriske pulser i sekundet, og hundre pulser i sekundet n?r det skjer noe helt spesielt, klarer den uhorvelig trege hjernen v?r likevel ? konkurrere med kraftige datamaskiner som kan summere mange milliarder tall i sekundet.
– Forklaringen er gode algoritmer i hjernen. Vi skulle gjerne hatt de samme algoritmene i silisium. Vi ?nsker n? ? lage elektronikk der vi etterligner biofysikkens nerveceller rett p? chipen, forteller Gaute Einevoll, som allerede i en ?rrekke har pr?vd ? l?se dette gjennom de europeiske forskningsprosjektene BrainScaleS og Human Brain Project.