Область наук:
  • Медичні технології
  • Рік видавництва: 2019
    Журнал: Соціальні та гуманітарні науки. Вітчизняна і зарубіжна література. Сер. 8, Науковедение: Реферативний журнал
    Наукова стаття на тему 'МАСШТАБНА НЕЙРОНАУКА І ВЕЛИКІ ДАНІ'

    Текст наукової роботи на тему «МАСШТАБНА НЕЙРОНАУКА І ВЕЛИКІ ДАНІ»

    ?вать якісний аналіз і як цей зв'язок між кількісним і якісним підходами втілюється в різних методах отримання дослідних даних, наприклад в інтерв'ю, глибоких case studies і т.д. Пошук даних - складний процес взаємодії технології і соціальних практик, теорії та емпірії, що не зводиться до жодної з взаємодіючих сторін. Є явна необхідність в розробці моделей пошуку відкритих дослідних даних (оскільки попит на такий пошук великий) на шляху подальшого дослідження феномену соціально-технічної системи, в якій, як в новій парадигмі, сучасне суспільство і існує »(с. 18).

    А.А. Алі-заде

    2019.04.007. М.А. Сущин. МАСШТАБНА НЕЙРОНАУКА І ВЕЛИКІ ДАНІ. (Огляд).

    Ключові слова: великі дані; масштабна нейронаука; мозок; поведінка; психологія.

    Людський мозок являє собою, ймовірно, найбільш складний об'єкт певною Всесвіту (6). Завдання розуміння принципів його функціонування і породження їм вищих форм поведінки і пізнання, а також його ставлення до свідомості, безумовно, є одними з найважливіших завдань для всієї сучасної науки (1). Останні роки розвитку нейронаук, що знаходяться на передньому рубежі вирішення цих завдань, були відзначені виникненням цілого ряду масштабних проектів і ініціатив дослідження мозку. Так, слідом за майже синхронно анонсованими в 2013 р американським проектом The BRAIN (Brain Research through Advanced Innovative Neurotechnologies - дослідження мозку за допомогою передових інноваційних нейротехнологій) Initiative і європейським проектом The Human Brain Project аналогічні ініціативи почали розвиватися і в інших країнах і регіонах світу.

    В даний час до числа такого роду масштабних проектів відносяться також інший американський проект The Human Connectome Project (Проект коннектом людини), японський проект The Brain / MINDS (Brain Mapping by Integrated Neurotechnologies for Disease Studies - картування мозку за допомогою інтеграційних нейротехнологій для вивчення захворювань), Австралі-

    ський проект The Brain Dialogue, а також реалізовані, відповідно, в Китаї і Південній Кореї ініціативи The China Brain Project і The Korea Brain Initiative. (Крім того, масштабна робота з вивчення мозку ведеться в Інституті вивчення мозку Аллена в Сіетлі (США) і в інших великих наукових центрах світу.)

    З даними проектами та ініціативами пов'язані великі надії, оскільки вони можуть допомогти в осягненні нейронних основ поведінки, пізнання і свідомості, в лікуванні нейродегенератів-них захворювань і психічних розладів (хвороби Альцгеймера, шизофренії, аутизму та ін.), А також в конструюванні просунутих інтелектуальних пристроїв в області штучного інтелекту.

    При цьому майже одночасна поява такої кількості масштабних проектів вивчення мозку може радикальним чином трансформувати організацію ведення досліджень в ній-ронауке. Так, за словами директора відділу біологічних наук Національного наукового фонду США (ННФ) Дж. Олдса, оскільки метою цих масштабних проектів є досягнення істотного прогресу в розумінні структури і функціонування мозку людини, необхідно підтримувати наукові підходи і методи, що дозволяють найбільш продуктивно досліджувати складну нервову систему людини (що містить близько 1015 синапсів, які оперують на шкалі мілісекунд). Навіть організми на зразок дрозофіли фруктової або даніо-реріо мають мозком такої міри складності, що для досягнення повного розуміння його структури і принципів роботи потрібні великі колективні проекти (6, с. 601). Відповідно, недавні масштабні ініціативи вивчення мозку, на думку Дж. Олдса, знаменують собою необхідність переходу в нейронауці від традиційних видів досліджень, які виконуються окремими колективами під керівництвом одного лідера (single-principal-investigator (PI) -led projects), до колективної або командної формі організації досліджень.

    Масштабні колективно організовані наукові та науково-технологічні проекти виникли в XX в. Першим такого роду проектом став Манхеттенський проект. На піку робіт в Манхетен-тенском проекті було задіяно більше 125 тис. Чоловік. Пізніше масштабні колективно організовані проекти вус-

    пешно реалізовувалися як у фізиці і астрономії (наприклад, дослідження, проведені за допомогою Великого адронного кол-лайдера в ЦЕРНі і лазерно-інтерферометричної гравітаційно-хвильової обсерваторії в США), так і в науках про життя (проект «Геном людини»).

    Як зазначає Дж. Олдс, перехід до колективно організованої формі досліджень в нейронауці означає не тільки залучення більшої кількості дослідників, але і збільшену вартість самих досліджень (6, с. 601). Так, витрати на дослідження на базі лазерно-інтерферометричної гравітаційно-хвильової обсерваторії на два порядки перевершували розмір середньостатистичного гранту, що видається ННФ. В області нейронауки проекти, спрямовані на складання опису всіх зв'язків в нервовій системі організму (відомого як коннектом), ґрунтуються на складних робочих процедурах, що включають приготування тканин в промисловому масштабі, витратні методи візуалізації, а також наявність актуального програмного і апаратного забезпечення для сегментації і реконструювання даних. Все це веде до переоцінки традиційної системи фінансування досліджень в нейронауці.

    «Перехід до колективної нейронауці, - пише Дж. Олдс, -ставити виклики перед усіма учасниками досліджень в цій сфері» (6, с. 601). Наукові фонди будуть орієнтуватися на підтримку колективної нейронауки, а безпосередньо самі нейро-вчені виявляться залучені в широкий міждисциплінарний контекст, що вимагає взаємодії з математиками, фізиками, інженерами та спеціалістами з інших областей. Залучення в широкий міждисциплінарний контекст може привести до зміни навичок і кваліфікації майбутнього покоління нейровченим, коли від одного дослідника буде вимагатися володіння багатьма вміннями, наприклад працювати з електрофізіологічне апаратурою, володіти мовами програмування (наприклад, Python) і т.п. Тому нейронаука, вважає Дж. Олдс, повинна еволюціонувати в напрямку співпраці і кооперації, а не суперництва, і приклад фізики і астрономії показує, що ця мета є досяжною (6, с. 602).

    З інтенсивним розвитком наук про мозок в останні роки пов'язані і певні технологічні виклики і проблеми.

    Так, наприклад, один з керівників американського проекту The BRAIN Initiative нейровченим Р. Юсте висловив надію на успіх в розробці нових нейротехнологій, які дозволили б «реєструвати" кожен потенціал дії кожного нейрона "в нейронної ланцюга» (8, с. 727). На його думку, спроба зрозуміти принципи роботи мозку на основі реєстрації активності окремих нейронів подібна спробі зрозуміти «телевізійну програму на основі спостереження за одиничним пикселем» 1. Цілком природно, що після старту таких масштабних ініціатив в США і Європі були висловлені припущення, що в найближче десятиліття в нейронауці можна очікувати «безпрецедентної кількості нових даних на безпрецедентний рівень деталізації, безумовно відносяться до тварин і, можливо, до людини» (5, з . XII-XIII).

    Тим часом навіть менш масштабні дослідницькі проекти в нейронауці в даний час виробляють величезну кількість нових даних. Наприклад, в рамках реалізованого в Тайвані проекту з картування мозку дрозофіли фруктової за 10 років вченим вдалося картировать 60 тис. Нейронів із середнім об'ємом результатів близько 1 Гб на кожну клітину (4, с. 559).

    Використовувана в нейробиологических лабораторіях світлова мікроскопія дозволяє отримувати зображення з роздільною здатністю 0,25-0,5 мкм. Цією роздільної здатності досить для отримання зображень тіла індивідуальних нейронів, проте для того, щоб отримати зображення синапсів (місця контакту двох нейронів), потрібно вже нанометровій роздільна здатність електронних мікроскопів. Ясно, що більшу роздільну здатність означає менший кут огляду і більшу кількість зображень, що, в свою чергу, вимагає більше місця.

    Як стверджує завідувач лабораторією нейровізуаліза-ції Університету Південної Каліфорнії в Лос-Анджелесі А. Тога, в даний час нейровченим типовим чином мають справу навіть не з гігабайтами, а з терабайтами інформації. При цьому 2 Тб інформації здатні заповнити жорсткий диск більшої частини сучасних настільних комп'ютерів. Просто завдання перенесення цього обсягу інформації в інше місце, відзначає А. Тога,

    1 Marcus G., Freeman J. Preface // The future of the brain: Essays by the world's leading neuroscientists / Ed. by G. Marcus, J. Freeman. - Princeton: Princeton univ. press, 2014. - P. XI-XII.

    «Представляє собою проблему» 1. Тому революція великих даних в нейронауці і, наприклад, в генетиці носить інший характер: обсяг даних одиничного нейровизуализационного дослідження може вимірюватися в терабайт, що на два або три порядки більше обсягу даних секвенування генома ссавців (4, с. 559).

    Якщо повернутися до вже згаданого дослідження мозку дрозофіли фруктової, то результати картування 1 тис. Нейронів (менше 1% від загального числа нейронів в мозку цього організму -135 тис.) Займають обсяг в 1 Тб. А для того щоб картировать кору мозку людини в рамках проекту «Коннектом людини», дослідникам довелося проаналізувати 6 Тб даних, отриманих за допомогою МРТ від 210 здорових дорослих випробовуваних (4, с. 560). Нарешті, електрофізіологічні дослідження стають більш вимогливими і в обчислювальному відношенні. Сьогодні дослідники здатні реєструвати активність сотень нейронів за одиницю часу. Однак, за словами нейровченим з Женевського університету А. Пуже (A. Pouget), незабаром нейроуче-ні виявляться в стані реєструвати активність тисяч і сотень тисяч нейронів одноразово (4, с. 560).

    Щоб зробити настільки об'ємні результати експериментальних досліджень придатними для аналізу та подальшої обробки, нейровченим розробляють відповідні алгоритми стиснення масивів даних. Наприклад, реєстрація активності в мозку мишей протягом 20 хв. може дати запис розміром в 500 Пб інформації, на якій розрядка нейронів представлена ​​зміною значень окремих пікселів. Після ізоляції окремих нейронів і прикріплення до них тимчасових штампів в момент розрядки цей обсяг можна скоротити до більш піддаються аналізу 500 Гб (4, с. 560). Відповідно, для отримання значущих відомостей сирі дані потребують подальшої обробки.

    Те ж саме стосувалося і технікам секвенування генома, до того як з'явилися комп'ютерні алгоритми, що дозволяють конвертувати зображення спіралей в послідовності

    1 Landhuis E. Neuroscience: Big brain, big data // Nature. - 2017. - Vol. 541, N 7638. - P. 559-561.

    нуклеотидів А, Г, Ц, Т. Таким чином, на думку нейровченим Ф. Енгерт з Гарвардського університету, нейровченим повинні зосередитися на розробці ефективних алгоритмів вилучення і стиснення потрібних даних. Тим часом на цьому шляху вони можуть зіткнутися з проблемою парадигмального характеру, оскільки в даний час відсутня модель, яка б безпосередньо пов'язувала активність нейронів з поведінкою, пам'яттю або пізнанням (4, с. 560).

    Саме відсутність організуючою теорії в нейронауці часто розглядається в якості головної проблеми на шляху масштабних проектів вивчення мозку. Як пише з цього приводу відомий філософ Н. Блок: «Значні обсяги нових даних про активаціях нейронів у високій роздільній здатності є марними без розуміння того, що активації нейронів роблять на психологічному рівні. Як тільки ми будемо мати у своєму розпорядженні теорією на психологічному рівні, дані про мозок у високій роздільній здатності можуть повідомити нам, чи робить теорія вірні прогнози. Але без теорії на психологічному рівні дані не мають користю незалежно від того, наскільки високим є дозвіл »(2, с. 164). Схожої точки зору дотримується і нейровченим І. Фрегнац (У. Fregnac), стверджуючи, що нові масштабні проекти вивчення мозку і «індустріалізація нейронау-ки» ведуть до ризиків «створення наукового міхура, наповненого економічними і політичними обіцянками, за рахунок поступово розвиваються підходів в фундаментальних дослідженнях, заснованих на різноманітті дорожніх карт і теоретично натхнених гіпотез »(3, с. 470). На його думку, «в разі невмілого керівництва домінування меганаукі може привести до пересихання традиційних джерел фінансування і зникнення менш масштабних і раціонально організованих дослідних програм, які все ще є головним джерелом проривних відкриттів» (3, с. 476).

    Відсутність направляючої теорії в нейронауці в контексті епохи великих даних і масштабних проектів вивчення мозку відзначається також в роботі Т. Сейновскі, П.С. Черчленд і Дж.Е. Мовшона. З їх точки зору, наступ ери великих даних в нейронауці знаменує собою зміну дослідних установок - перехід від безлічі ізольованих «вертикаль-

    них »досліджень, які застосовують окремі методи для прояснення окремих питань, що відносяться до окремих видів, до більш« горизонтально »організованим дослідженням,« які інтегрують дані, зібрані за допомогою широкого ряду технік, проблем і видів »(7, с. 1440).

    Як зауважив Т. Сейновскі, П.С. Черчленд і Дж.Е. Мов-шона, повсюдне поширення великих даних в нейро-науці може нести з собою не тільки нові можливості, але й певні загрози. Крім вже зазначеного вище відсутності організуючої теорії в нейронауці, автори виділяють ще чотири проблеми використання великих даних в науках про мозок.

    По-перше, дані в нейронауці акумулюються за допомогою широкого кола методів, від методу локальної фіксації потенціалу (patch clamping) до оптогенетики. Здебільшого ці методи використовуються в дослідженнях ізольовано. З відмінностей між цими методами, стверджують автори, слід, що стандартизація в нейронауці повинна проводитися з урахуванням конкретних методів і що інтеграція даних, зібраних на різних рівнях із застосуванням різних методів, не може бути з легкістю автоматизована (7, с. 1440).

    По-друге, як відомо, для експериментів в нейронауці використовуються різні організми, включаючи людину. У зв'язку з цим інтеграція даних, що відносяться до різних організмів, зажадає поглиблених знань з порівняльної і еволюційної нейробіології (7, с. 1441). Крім того, традиційно в експериментах коло поведінкових реакцій організмів обмежувався для зручності роботи експериментаторів. Великі дані дозволяють реєструвати активність тих же самих нейронів, допускаючи участь організму в більш широкому поведінковому контексті. Труднощі тут, вважають Т. Сейновскі, П.С. Черчленд і Дж.Е. Мовшон, полягає в тому, щоб зв'язати великі нейронні дані і великі поведінкові дані (7, с. Тисячі чотиреста сорок одна).

    По-третє, інтеграція функціональних даних в нейронау-ке зараз здійснюється в окремих лабораторіях, дослідники яких взаємодіють між собою. Тим часом цей спосіб взаємодії та обміну даними має свої обмеження, оскільки окремим дослідникам важко бути в курсі всіх останніх технологічних новацій і особливо

    даних, які можуть виявитися значущими в майбутньому, при появі нових технологій. Для зміни цієї ситуації, на думку авторів, необхідно переглянути підхід до обміну даними між лабораторіями (7, с. 1441).

    По-четверте, збільшення обсягу та складності комплексів даних в науках про мозок робить складнішою завдання їх аналізу та вилучення цінних висновків. Тут виникає необхідність в нових підходах до аналізу даних з використанням виявляють патерни (pattern-searching) алгоритмів, розроблених в області статистики і машинного навчання. Так, в одному з недавніх досліджень самонавчальна програма була використана для встановлення зв'язків між зареєстрованою нейронної активністю і поведеніем1. В цьому випадку, зауважують Т. Сейновскі, П.С. Черчленд і Дж.Е. Мовшон, статистична організація експериментів матиме вирішальне значення в плані придатності одержуваних даних для подальшого аналізу і можливості їх використання іншими дослідниками для вирішення інших завдань (7, с. 1441).

    На закінчення необхідно ще раз відзначити, що нові масштабні проекти в нейронауці і одержувані з їх допомогою масиви даних відкривають небувалі можливості для розуміння принципів роботи мозку, а також для лікування пацієнтів з ушкодженнями мозку і розладами психіки. Разом з тим отримати максимальну користь з цих масивів можна тільки за допомогою теорії діяльності мозку. Тому розробка єдиної теорії мозку і розуму повинна зайняти центральне місце в пошуках нейровченим і когнітивних вчених.

    Список літератури

    1. Анохін К.В. Коди вавілонської бібліотеки мозку // Світ науки. - 2013. -№. 5. - С. 82-89.

    2. Block N. Consciousness, big science, and conceptual clarity // The future of the brain: Essays by the world's leading neuroscientists / Marcus G., Freeman J. (ed.). -Princeton: Princeton univ. press, 2014. - P. 161-176.

    1 Discovery of brainwide neural-behavioral maps via multiscale unsupervised structure learning / Vogelstein J.T., Park Y., Ohyama T., Kerr R.A., Truman J.W., Priebe C.E., Zlatic M. // Science. - 2014. - Vol. 344, N 6182. - P. 386-392.

    3. Fregnac Y. Big data and the industrialization of neuroscience: A safe roadmap for understanding the brain? // Science. - 2017. - Vol. 358, N 6362. - P. 470-477.

    4. Landhuis E. Neuroscience: Big brain, big data // Nature. - 2017. - Vol. 541. -P. 559-561.

    5. Marcus G., Freeman J. Preface // The Future of the brain: Essays by the world's leading neuroscientists / Marcus G., Freeman J. (ed.). - Princeton: Princeton univ. press, 2014. - P. XI-XIII.

    6. Olds J.L. The rise of team neuroscience // Nature reviews neuroscience. - 2016. -Vol. 17, N 10. - P. 601-602.

    7. Sejnowski T.J., Churchland P.S., Movshon J.A. Putting big data to good use in neuroscience // Nature neuroscience. - 2014. - Vol. 17, N 11. - P. 1440-1441.

    8. Yuste R. The origins of the BRAIN Initiative: A personal journey // Cell. - 2017. -Vol. 171, N 4. - P. 726-735.


    Ключові слова: ВЕЛИКІ ДАНІ / МАСШТАБНА НЕЙРОНАУКА / МОЗОК / ПОВЕДІНКА / ПСИХОЛОГІЯ

    Завантажити оригінал статті:

    Завантажити