Новое устройство эмулирует синапсы головного мозга человека

Чем меньше синапсов в мозге, тем яснее наши мысли

Исследователи Йельского Университета недавно обнаружили единственную молекулу, которая способна не только соединять мозговые клетки, но также влияет на то, как мы изучаем информацию и мыслим.

Сведения, сообщенные в декабрьском выпуске журнала Neuron, могут помочь исследователям в поисках методов для улучшения памяти и смогут привести к разработке новых способов лечения и коррекции неврологических и психических нарушений.

Соединения между клетками мозга, над которыми проходят нервные импульсы, называющиеся синапсами, играют важную роль в регулировании процесса изучения, памяти, а также процесса мышления. Отклонения от нормы в структуре и функциях синапсов ведут к умственной отсталости и развитию аутизма. Так, например, синапсы теряются и сокращаются в мозге пожилых пациентов, страдающих болезнью Альцгеймера.

Обратите внимание

Тем не менее, механизмы, которые организовывают синапсы в живом мозге, продолжают оставаться загадкой. Ученым Йельского Университета удалось идентифицировать одну важную часть этой головоломки: молекула, которая проходит через синаптические соединения, была названа SynCAM 1.

«Мы предполагали, что эта молекула могла бы создавать новые синапсы в развивающемся мозге, но были удивлены тем, что она также воздействует на поддержание и функцию этих структур» – сказал Томас Бидер, профессор молекулярной биофизики и биохимии, а также главный автора анализа. «Мы можем теперь определить, как эти молекулы связаны со способностью мозга, осуществлять определенные функции».

Научно-исследовательская группа сфокусировала свое внимание на SynCAM 1, молекуле прилипания, которая помогает держать синаптические соединения вместе. Они обнаружили что, когда ген молекулы SynCAM 1 был активизирован в мышах, формировалось больше синаптических связей. У мышей без молекулы образовывалось меньше синапсов.

Когда мы узнаем новую информацию, у нас могут сформировываться новые синапсы.

Тем не менее, сила синаптических связей также изменяется в течение процесса изучения, основанного на сумме полученных стимулов – качество, которое ученые охарактеризовали как «пластичность».

Совместно с группой ученых в Германии под руководством Валентина Штэйна, исследователи были поражены открытием того, что SynCAM 1 управляет важной формой синаптической пластичности.

Неожиданно, Бидер и его коллеги также обнаружили, что мыши с большим количеством SynCAM 1 не способны к обучению, тогда как мыши, с недостающим количеством молекул SynCAM 1, а значит и с меньшой суммой синапсов, более склоны к обучению.

Очевидно, избыток соединительных молекул может быть во вред.

Такие основания строятся на недавних теориях, предполагающих, что слишком много связей не всегда бывает лучше и, что баланс синаптической деятельности очень важен для процесса изучения и памяти.

«Синапсы являются динамическими структурами.

Оказывается, что молекула SynCAM 1 связывает синапсы вместе; некоторые из этих молекул нужны для осуществления контакта, но слишком большое количество соединительных молекул снижает сумму синапсов и тормозит их функцию.

Воздействие молекул SynCAM 1 похоже немного на работу скульптора, который придает синапсам нужную форму». Бидер также отметил, что молекула почти идентична как в мышах, так и в человеке, и, вероятно, играет ту же роль и в человеческом мозге.

Важно

В кругах ученых исследователей давно идут бурные споры о том, насколько великой может быть сила мысли.

Недавно новую теорию относительно силы этого состояния человека выдвинули ученые в области генетических исследований из Англии.

Автором исследования о том, что сила мысли может полностью сменить код генетики организма, стал человек по имени Брюс Липтон. Именно он заявил после проведенных исследований, что сила мысли способна быть

К такому, мягко выражаясь, странному выводу, пришли недавно ученые, проведшие исследование с привлечением к нему свыше двух сотен пользователей, зарегистрированных в разных социальных сетях.

В итоге выяснилось, что число друзей на социальных страницах внутри сети самым прямым и непосредственным образом связано с объемом серого вещества в мозге.

По ходу своего уникального экспериментального исследования ученым удалось установить, что чем

Вниманию всех грызущих гранит науки: употребление сладостей и безалкогольных напитков, содержащих сахар на протяжении всего шести недель, сделает вас глупыми.

Новое исследование Калифорнийского университета (UCLA) с мышами, показало, что диета с перманентно высоким содержанием фруктозы замедляет работу мозга, ухудшает память и обучаемость.

Совет

Противостоять этому разрушительному процессу могут полиненасыщенные жирные кислоты омега-3. Рецензируемый журнал Journal of Physiology

Источник: http://GlobalScience.ru/article/read/18969/

Ученые открыли новый механизм регуляции синапсов головного мозга

Как работает мозг человека, как формируется память и что такое разум, остается, наверное, одной из самых больших загадок в современной науке. В настоящее время над этой загадкой бьется множество ученых – биологов, нейрофизиологов, кибернетиков, математиков.

Больших успехов в понимании процессов работы мозга уже удалось добиться: те исследования и задачи, которые ставили перед собой ученые, еще несколько лет назад казались научной фантастикой, а сейчас становятся настоящей реальностью.

Об одном из исследований по изучению мозга в рамках масштабного проекта Brain Research Program на Всемирном научном форуме рассказал известный ученый, руководитель проекта и директор Института экспериментальной медицины (Венгрия, Будапешт) профессор Тамаш Фред (Tamas Freund).

Brain Research Program – это крупный проект, который в 2012 году инициировала Венгерская академия наук. Финансирование на четыре года составило 40 миллионов евро. Проект стал самым дорогостоящим за всю историю финансирования научных исследований в Венгрии.

В настоящее время интерес к изучению мозга в европейских странах и в США явно растет. Например, в 2013 году Евросоюз объявил о запуске программы по изучению мозга человека (Human Brain Project), бюджет которой составил 1,2 миллиарда евро на десять лет. В США в 2013 году была запущена аналогичная программа с бюджетом 3 миллиарда евро на 10 лет.

В проекте Венгерской академии наук принимают участие пять университетов, несколько исследовательских институтов, крупная фармацевтическая компания и множество лабораторий по всей стране. Консорциум работает в пяти направлениях – это научные разработки, клиническая нейрофизиология, фармакологические исследования, биоинформатика, эпидемиология.

Одним из самых значимых достижений венгерского проекта стало открытие нового механизма регуляции работы синапсов. Открытие стало значимым не только для фундаментальной науки, но и для клинической практики.

Обратите внимание

На основе этих знаний был создан новый препарат для лечения эпилепсии, который действует таргенто на определенные мишени, не затрагивая здоровые клетки и органы, поэтому вызывает меньше побочных эффектов.

Появлению нового препарата предшествовали серьезные научные исследования механизмов передачи нервных импульсов в коре головного мозга.

Путешествие по нейронной сети

В коре головного мозга находится примерно 100 миллиардов нейронов, и каждый из них образует связи еще с 50-100 тысячами других нейронов.

Более того, у каждого нейрона есть выросты – дендриты, которые получают сигнал от порядка 20 тысяч своих соседей.

Кроме дендритов нейроны имеют и другие «хвосты» — аксоны, которые пропускают через себя импульсы, поступающие к ним от более 40 тысяч нейронов.

Даже такого короткого описания достаточно, чтобы понять, насколько сложно устроена нейронная сеть.

Ключевым процессом в ее работе является взаимодействие одного нейрона с другим или процесс формирования синапсов.

Синапсы – это контакты между нейронами, через которые химическим путем передается нервный импульс.

Сейчас уже известно, что в синапсах «локализуется» память человека и определяется их проводимостью. Современные исследования показывают также, что новые синапсы формируются в процессе обучения. А вот нарушения работы синапсов — опасны и могут приводить к различным заболеваниям, например, эпилепсии.

Как же формируются синапсы?

Представим себе нейрон. Когда импульс приходит в его пресинаптическую часть, там появляется скопление везикул – пузырьков с нейромедиаторами. Эти везикулы «выплевывают» содержащиеся в них нейромедиаторы в синаптическую щель – пространство между нейронами.

Нейромедиаторы «садятся» на соответствующие рецепторы постсинаптической мембраны.

Активация рецепторов вызывает изменение трансмембранных ионных токов, и, в зависимости от медиатора и рецептора, окрестный участок мембраны либо деполяризуется (тогда мы имеем дело с возбудительным постсинаптическим потенциалом), либо гиперполяризуется (тогда перед нами тормозной постсинаптический потенциал).

При возникновении синапса в образующих его участках нейронов происходит множество изменений. Но молекулярные и биохимические механизмы этих изменений долгое время оставались загадкой.

Если система слишком возбуждена

Команда Томаша Фреда исследовала как раз эти механизмы. Ученые изучали, как регулирует формирование синапсов нейромедиатор глутамат.

Этот вопрос является очень важным, поскольку известно, что правильный баланс между глутаматными (возбудительными) и ГАМК-овыми (тормозными) синапсами — одно из необходимых условий для правильной работы мозга. Нарушение этого баланса может стать причиной большого количества заболеваний, в том числе и эпилепсии.

Оказалось, что здесь важную роль играют эндоканабиоиды.

Удивительно, что эти вещества из группы терпенфенольных соединений, аналогичные тем, которые встречаются в природе в растениях семейства коноплевых (Сannabaceae), но вырабатываются человеческим организмом.

Важно

Самые известные eCB — анандамид (АЕА) и 2‑арахноидоноилглицерол (2‑Arachidonoylglycerol или 2-AG). Они избирательно связываются с канабиноидными рецепторами и вызывают тот же психотропный эффект, что и марихуана.

«Наше исследование показало, что эндоканабиоиды могут заглушать избыточное выделение нейромедиатора глутамата», — говорит Тамаш Фред.

Чтобы научиться управлять этим процессом, перед учеными встал вопрос – где эти эндоканабиоиды синтезируются, и где находятся их рецепторы.

«Наше исследование показало, что эндоканабиоиды локализуются в пресинаптическом узле. А к их синтезу приводит активация целого каскада реакций. Причем, в пресинаптическом узле работает, как нам удалось выяснить, особый механизм. Как раз он регулирует активность высвобождения глутамата», — добавляет Тамаш Фред.

Эти важные результаты были опубликованы в журнале Nature.

Путь от науки к клинической практике

Как показали дальнейшие исследования, у больных с эпилепсией уровень активности рецепторов эндоканабиоидов снижен, соответственно и количество самих эндоканабиоидов у них меньше, чем в норме. Поэтому у таких больных плохо контролируется высвобождение глутамата при формировании синапсов — его образуется больше, чем нужно.

Следовательно, совершенно логично следующее предположение ученых: справиться с эпилепсией можно, наладив у пациентов работу рецепторов эндоканабиоидов. То есть эти рецепторы и должны стать теми мишенями, на которые необходимо направить действие лекарства.

Вскоре вещество, которое действует на рецепторы эндоканабиоидов, было найдено. И как показали клинические испытания, оно действовало эффективно. Препарат на основе этого вещества успешно прошел клинические испытания и сейчас уже применяется в клинической практике.

Источник: https://www.infox.ru/news/84/lifestyle/health/154809-ucenye-otkryli-novyj-mehanizm-regulacii-sinapsov-golovnogo-mozga

Искусственный интеллект: разработан чип, имитирующий активность мозга

В течение многих десятилетий ученые мечтали создать компьютерную систему, которая смогла бы повторить талант человеческого мозга для изучения новых задач.

Ученые из Массачусетского технологического института теперь сделали важный шаг к достижению этой цели путем разработки компьютерного чипа, который имитирует механизм адаптации нейронов головного мозга в ответ на новую информацию. Это явление, известное как пластичность, как полагают ученые, лежит в основе многих функций мозга, включая обучение и память.

Около 400 транзисторов и кремниевый чип может имитировать деятельность одного синапса головного мозга — соединения между двумя нейронами, что способствует передачи информации с одного нейрона на другой.

Совет

Исследователи ожидают, что этот чип поможет нейробиологам узнать гораздо больше о работе мозга, а также может быть использован в разработке нейронных протезов, таких как искусственная сетчатка, говорит руководитель проекта Чи-Санг Пун.

Моделирование синапсов

В головном мозге существует около 100 миллиардов нейронов, каждый из которых образует синапсы с большим количеством других нейронов. Синапс — промежуток между двумя нейронами (пресинаптические и постсинаптические нейроны).

Пресинаптический нейрон выделяет нейромедиаторы, такие как глутамат и GABA, которые связываются с рецепторами на постсинаптической мембране клетки, активируя ионные каналы. Открытие и закрытие этих каналов приводит к изменению электрического потенциала клетки.

Если потенциал изменяется достаточно резко, клетка запускает электрический импульс, названный потенциалом действия.

Вся синаптическая активность зависит от ионных каналов, которые контролируют поток заряженных ионов, таких как натрий, калий и кальций. Эти каналы также являются ключевыми в двух процессах, известных как долгосрочное потенцирование (LTP) и длительная депрессия (ООО), которые соответственно усиливают и ослабляют синапсы.

Ученые разработали свой компьютерный чип, так что транзисторы могут имитировать активность различных ионных каналов.

В то время, как большинство чипов работают в двоичном режиме – «включение / выключение», электрические токи на новом чипе текут через транзисторы в аналоговом режиме.

Градиент электрического потенциала заставляет поток течь через транзисторы так же, как ионы проходят через ионные каналы в клетке.

Читайте также:  Юные российские программисты будут обучаться в специальных школах

«Мы можем настроить параметры схемы для концентрации на конкретном ионном канале,» говорит Пун. «Теперь у нас есть способ захватить каждый ионный процесс, который происходит в нейроне».

Обратите внимание

Новый чип представляет собой «существенный прогресс в усилиях по изучению биологических нейронов и синаптической пластичности на CMOS [комплементарный металло-оксид-полупроводник] чипе», говорит Деан Буономано, профессор нейробиологии в Университете Калифорнии из Лос-Анджелеса, добавив, что «уровень биологического реализма, впечатляет.

Ученые планируют использовать свой чип, чтобы создать системы для моделирования конкретных нейронных функций, таких как система зрительной обработки.

Такие системы могли бы быть намного быстрее, чем цифровые компьютеры. Даже на компьютерных системах высокой производительности требуются часы или дни, чтобы смоделировать простые схемы мозга.

С аналоговой системой чипа моделирование происходит быстрее, чем в биологических системах.

Другое потенциальное применение этих чипов, настройка взаимодействия с биологическими системами, таких как искусственная сетчатка и мозг. В будущем эти чипы могут стать стандартными блоками для устройств искусственного интеллекта, говорит Пун.

Источник: https://ilive.com.ua/news/iskusstvennyy-intellekt-razrabotan-chip-imitiruyushchiy-aktivnost-mozga_71631i15817.html

Что такое синапс

Синапс – это пространство между двумя нейронами, которое допускает связь или синаптическую передачу.

Синапсы встречаются по всему телу, а не только в мозгу.

Они проецируются на мышцы для сокращения мышц, а также обеспечивают множество других функций, которые покрывает нервная система.

Роль пресинаптической связи

Пресинаптический нейрон — это нервная клетка, которая инициирует сигнал. Во многих связях в теле эти единицы клетки являются везикулами, заполненными нейротрансмиттерами.

Когда пресинаптический нейрон возбуждается потенциалом действия, электрический сигнал распространяется вдоль его аксона к терминалу аксона. Это возбуждение сигнализирует везикулам, заполненных химическими высвобождениями, слиться с мембраной терминала аксона.

Это слияние позволяет сместить нейротрансмиттеры в синаптическую щель. Как только нейротрансмиттеры освобождаются, они могут действовать на рецепторы на постсинаптический нейрон.

Роль постсинаптической связи

Постсинаптический нейрон — это клетка, которая получает сигнал. Эти сигналы принимаются дендритами.

Когда в синапсе присутствуют нейротрансмиттеры, они перемещаются через щель, чтобы связываться с рецепторами на постсинаптической нервной клетке.

Когда нейротрансмиттер связывается с рецептором на дендрите постсинаптического нейрона, он может вызвать потенциал действия. Тогда этот потенциал действия может распространяться и влиять на дальнейшую связь.

Какие бывают синапсы

В нервной системе существуют два основных типа связей: химические и электрические. Это ставит вопрос: почему нервной системе нужны два типа и чем они отличаются друг от друга?

Типы связей: химические

Химические синапсы представляют собой любой тип связи, которая использует нейротрансмиттеры, чтобы провести импульс по небольшому промежутку между пресинаптическим и постсинаптическим нейронами. Эти типы не находятся в физическом контакте друг с другом.

Поскольку передача сигнала зависит от выпуска химических веществ, сигнал может поступать только в одном направлении. Это направление вниз от пресинаптического до постсинаптического нейрона. Эти типы широко распространены по всему телу. Химикаты, высвобождаемые в этих типах синапсов, возбуждают следующий нейрон.

Химические высвобождения могут связываться с рецепторами на постсинаптических нейронах и обладают ингибирующим эффектом.

Важно

Когда происходит торможение, предотвращается распространение сигнала на дальше. Химические синапсы являются наиболее распространенным типом в организме. Это связано с тем, что различные нейротрансмиттеры и рецепторы способны интерпретировать сигналы в большой комбинации.

Например, комбинация нейротрансмиттеров и рецепторов может ингибировать сигнал на одном постсинаптическом нейроне, но возбуждает большое количество других постсинаптических нейронов.

Химические обеспечивают гибкость сигнализации, которая позволяет людям участвовать в задачах высокого уровня. Однако эта гибкость сопряжена с большими затратами.

Химические связи имеют задержку из-за необходимости рассеивать нейротрансмиттер и связываться с постсинаптическим нейроном. Эта задержка очень мала, но все же является важным моментом при сравнении двух типов.

Типы связей: электрические

Электрические синапсы — это типы связей, которые используют электричество для проведения импульсов от одной нервной клетки к другой. Эти связи находятся в прямом контакте друг с другом через соединение.

Они из-за их физического контакта способны посылать сигналы в обоих направлениях, в отличие от химических связей. Их физический контакт и использование электричества позволяют электрическим связям работать очень быстро.

Передача также проста и эффективна при электрических синапсах, потому что сигнал не нужно преобразовывать.

Другое ключевое различие между химическими и электрическими связями заключается в том, что электрические синапсы могут быть только возбуждающими.

Возникновение раздражителя означает, что электрический синапс может только увеличить вероятность нейрона для стрельбы по потенциалу действия, в отличие от ингибирования, что означает, что он уменьшает вероятность нервных клеток для запуска импульса. Это можно сделать только с помощью химического высвобождения.

Несмотря на чрезвычайно высокую скорость, эти типы возбуждающих сигналов не могут переноситься на большие расстояния. Они в основном сосредоточены в специализированных областях мозга, где требуется очень быстрое действие.

Лучшим примером этого является большое количество электрических синапсов в сетчатке, части глаза, которая получает свет.

Совет

Видение и визуальное восприятие — это доминирующие чувства, и глаза постоянно получают визуальную сенсорную информацию.

Эта информация также работает на контуре обратной связи, когда мы взаимодействуем с нашей средой, а это означает, что мы получаем информацию из нашего окружения и сразу же создаем соответствующий ответ на нее. Вот почему имеет смысл, что электрические синапсы здесь видны в большой концентрации. Быстрое действие, несколько направлений и эффективное использование обеспечивают максимальную функциональность.

Строение

Синапсы состоят из трех основных элементов: пресинаптической мембраны, постсинаптической мембраны и синаптической щели.

Где находятся синапсы в мозге?

Они встречаются во всей нервной системе. Они обеспечивают сложную мысль, скоординированное движение и большинство наших основных функций.

Они расположены в мозге и спинном мозге, которые составляют центральную нервную систему, и в периферической нервной системе, которая включает в себя нейронные проекции на мышечные клетки.

Хорошим примером расположения синапсов в организме является нервно-мышечное соединение.

Нервно-мышечное соединение состоит из моторного нейрона и мышечного волокна, которое является частью периферической нервной системы.

В этом случае нет этой клетки, но мышечное волокно имеет специализированную область, которая действует синхронно с тем, как реагирует нейрон в первой фазе.

Эта область также необходима для коммуникации и имеет рецепторы, которые связываются с нейротрансмиттерами, высвобождаемыми в синапс.

В нервно-мышечном соединении пресинаптические нервные клетки высвобождают ацетилхолин в качестве нейротрансмиттера.

Обратите внимание

В нервно-мышечном соединении ацетилхолин возбуждает мышечное волокно и вызывает сокращение мышц. Пресинаптической нервной клетке в нервно-мышечном соединении нужно сообщить, чтобы высвободить ацетилхолин.

Это происходит не по собственному желанию, а через ряд других нейронов, общающихся друг с другом.

Что они делают?

Было установлено, что синапсы важны в нейронной коммуникации, но что они делают на самом деле? Как они действительно позволяют общаться с нейронами, и кто начинает разговор? При представлении роли пресинаптического нейрона выше были упомянуты возбудительные свойства импульса.

Потенциал действия — это способ, которым нейроны могут отправлять информацию, которую они получают по своим аксонам, и инициировать продолжение сигнала на другой нейрон.

Такой импульс позволяет передавать электрические сигналы по аксону, а затем сигнал может передаваться другим. Как указывалось выше, вводя роль пресинаптического нейрона, нейротрансмиттеры высвобождаются в синапс, чтобы сигнал передавался по цепочке дальше.

Затем химическое высвобождение принимается постсинаптическим нейроном, а затем преобразуется обратно в электрический сигнал для достижения других. Хотя не все синапсы функционируют на высвобождении нейротрансмиттеров.

Многие синапсы в мозге являются чисто электрическими.

В нейробиологии и неврологии

Понимание всего этого позволяет понять, как работает общение в мозгу. Это чрезвычайно важно при попытке расшифровать причины и, в конечном итоге, разработать методы лечения неврологических заболеваний и расстройств. Знание о функции синапсов не только полезно для нейробиологов и неврологов, но и полезно для любого человека!

Читайте ещё

Источник: http://NeuroDoc.ru/anatomy/sinaps.html

Нейрокомпьютер подражает работе головного мозга

Ученые из Стэнфордского университета разработали и изготовили опытный образец компьютера, работа которого подражает работе головного мозга.

За счет этого компьютер, который пока еще представляет собой печатную плату с установленными на нем чипами, размером с планшетный компьютер, демонстрирует на определенном виде задач производительность в 9 тысяч раз превышающую производительность обычного настольного персонального компьютера.

Давайте узнаем подробнее про это исследование …

При создании электронного нейрокомпьютера учеными была использована их фирменная архитектура под названием Neurogrid.

Важно

На плате нейрокомпьютера установлены 16 специализированных процессоров Neurocore, которые в сумме могут моделировать работу 1 миллиона нейронов и несколько миллиардов связей между нейронами, синапсов.

За счет такого высокого уровня интеграции новый нейрокомпьютер демонстрирует в 40 тысяч большую эффективность с точки зрения соотношения вычислительной мощности к потребляемой энергии, чем процессоры обычных компьютеров.

Эффективность работы процессоров Neurocore достигается за счет того, что одни и те же элементы электронных схем могут использоваться для обеспечения работы сразу нескольких моделей нейронов и синапсов. Это позволяет процессорам Neurocore строить более обширные и сложные нейронные сети, нежели это могут сделать нейропроцессоры, созданные другими группами ученых.

Следующим шагом, который намерены предпринять Стэнфордские ученые, станет разработка программного обеспечения, при помощи которого инженеры и программисты смогут создавать программы для нейрокомпьютера Neurogrid, не имея обширных знаний в области нейробиологии и об архитектуре нейрокомпьютера.

«Сейчас программирование нашего нейрокомпьютера является весьма сложной задачей, требующей достаточно большого количества высокоинтеллектуального труда» — рассказывает Квабена Боуэн (Kwabena Boahen), один из исследователей, принимавших участие в создании нейрокомпьютера, — «Мы же хотим создать такой пакет для разработки программного обеспечения, при помощи которого каждый человек, ничего не знающий о нейронах и синапсах, сможет разрабатывать программы, которые будут максимально эффективно использовать все возможности нейрокомпьютера Neurogrid».

Еще одной задачей, которая очень остро стоит перед исследователями, является задача снижения стоимости нейропроцессоров Neurocore.

Сейчас изготовление нейрокомпьютера обходится приблизительно в 40 тысяч долларов, но ученые планирую снизить эту сумму до 400 долларов путем замены нейропроцессоров, изготовленных при помощи технологий 15-летней давности, на нейропроцессоры, изготовленные на современных технологических линиях с новыми возможностями.

Параллельно с этим ученые планируют привести энергетическую эффективность будущего нейрокомпьютера к уровню, сопоставимому с эффективностью работы мозга человека. Ведь человеческий мозг, насчитывающий в 80 тысяч раз больше нейронов, потребляет всего в три раза большее количество энергии, нежели нейрокомпьютер Neurogrid.

Немного теории. Человеческий мозг содержит порядка нескольких миллиардов вычислительных элементов, называемых нейронами. Нейроны связаны между собой в сложную сеть.

Совет

Эта сеть отвечает за все явления, которые мы называем мыслями, эмоциями, познанием и так далее, то есть на физиологическом уровне образует то, что называется на самом деле нервной системой, в свою очередь совокупность явлений в нервной системе можно назвать психикой, люди же обычные, особо не обремененные научной пунктуальностью, часто именуют последнюю словом «интеллект». Каждый нейрон состоит из трех основных частей: самой клетки (сомы) и двух типов древовидных отростков — дендритов (их обычно очень много) и аксонов (обычно он один). Вообще-то, для нервной системы позвоночных характерны мультиполярные нейроны. В таком нейроне от клеточного тела отходят несколько дендритов и аксон. По правде говоря, структура, размеры и форма нейронов сильно варьируются. Например, периферические чувствительные нейроны вовсе не идентичны нейронам, составляющим мозг. Дендриты выполняют роль своеобразных «входов» для нервных импульсов, а аксон — «выхода».

Скорость передачи нервных импульсов сравнительно мала, но несмотря на это скорость обработки информации в мозге огромна.

Достигается это за счет того, что внешняя информация распределяется по множеству нейронов и обрабатывается ими одновременно, то есть реализуется максимально распараллеленная обработка информации.

Но это все относится к вопросам биологического устройства, нас же больше интересует искусственная модель нейрона, та модель, которая была предложена учеными.

Общие принципы работы модели нейрона можно описать следующим образом: на входы нейрона поступают нервные сигналы от других нейронов. Каждый вход характеризуется собственным некоторым весовым коэффициентом, определяющим важность получаемой информации.

Вдаваясь в грубую аналогию, весовой коэффициент объясняют как своего рода сопротивление (резистор, если нервный сигнал рассматривается как аналоговый электрический сигнал), оказываемое поступающему на конкретный вход нейрона нервному сигналу.

Предварительно устанавливая величину такого «сопротивления» или же динамически изменяя его величину по определенным правилам в процессе работы нейронной сети, осуществляется как бы задание степени значимости информации, поступающей по данному входу нейрона, то есть в буквальном смысле задание меры подавления нервного сигнала.

Читайте также:  Искусственный интеллект в медицине. тренды 2014

Далее: полученные уже после весовых коэффициентов сигналы суммируются, затем итоговый сигнал операции суммирования преобразуется следом так называемой активационной функцией и подается на выход нейрона.

Обратите внимание

Активационную функцию прокомментировать можно как механизм, обеспечивающий порог срабатывания, отзывчивости нейрона на сумму входных сигналов, перевод его в состояние возбуждения, а также возвращение в состояние покоя, то есть торможения.

Затем выходной сигнал нейрона поступает на вход следующего нейрона, и все повторяется, пока не будет достигнут желаемый, то есть «запрограммированный» устройством нейронной сети результат.

Такая модель нейрона лишь в общих чертах отражает работу истинного нейрона головного мозга: активационная функция моделирует возбуждение нейрона, а весовые коэффициенты по входам имитируют прохождение сигналов через синапсы нейрона. Синапсы — специализированные функциональные контакты между возбудимыми клетками, служащие для передачи и преобразования сигналов. Кроме того, нейроны группируются в нейронные слои и образуют нейронную сеть.

Тип соединения нейронов и их количество в нейронной сети полностью определяет возможности последней: ее мощность и спектр задач, которые она призвана решать. В настоящее время существует более 200 разновидностей нейронных сетей. Но основной, самой распространенной и простой является сеть, получившая название многослойный персептрон.

Персептрон, перцептрон (от латинского perceptio — понимание, познавание, восприятие) — математическая модель процесса восприятия. Модель восприятия (персептивная модель) может быть представлена в виде трех слоев нейронов: рецепторного слоя, слоя преобразующих нейронов и слоя реагирующих нейронов.

Персептрон же состоит из слоя входных нейронов, слоя выходных и нескольких промежуточных слоев.

Многослойные нейронные сети обладают различной мощностью. Мощность нейронной сети, очевидно, будет зависеть от числа слоев и числа нейронов в каждом слое.

Интуитивно можно предположить, что с увеличением количества слоев и нейронов качество нейронной сети улучшится, и это действительно так, но до некоторого предела, когда наращивание объема становится неэффективным.

Важно

Уровень порога связан с размерностями входных и выходных данных, а также с внутренней структурой обрабатываемых данных.

Для того чтобы созданная сеть начала работать, ее необходимо обучить. Необученная сеть не имеет даже «рефлексов» — на любые внешние воздействия ее реакция будет хаотичной. Обучение состоит в многократном предъявлении множества чуть-чуть отличающихся характерных примеров распознаваемого элемента до тех пор, пока сеть не станет давать на выходе ожидаемый отклик.

Существуют алгоритмы обучения с учителем и без него. В первом случае в выработке весовых коэффициентов (обучении) участвует человек.

Объясним доходчиво суть такого обучения: человек подает на вход спроектированной нейронной сети пример распознаваемого элемента, затем вручную, или посредством поддерживаемых сетью специальных возможностей, или вспомогательными утилитами сервисного обслуживания сетей настраивает весовые коэффициенты (буквально «подкручивает сопротивления») у разных нейронов обучаемой сети, чтобы на ее выходе получился сигнал такой-то величины. Затем подает на вход сети следующий пример, едва-едва отличающийся от предыдущего, и теперь «подкручивает сопротивления» таким образом, чтобы и на прошлый, и на новый пример обучаемая нейронная сеть давала на выходе сигнал заданной или очень близкой к ней величины. То есть человек-учитель пытается достичь в настройках весовых коэффициентов как бы золотой середины. Следующий пример на вход — и следующая подстройка коэффициентов. В конце концов обученная таким образом сеть готова рефлекторно откликаться в форме заданного уровня сигнала на выходе при появлении на входе распознаваемого элемента, причем тот, в зависимости от длительности обучения, опознается в весьма широком диапазоне вариаций его появления.

Кстати, эти особенности обусловили значительную направленность нейронных сетей на задачи распознавания, в числе которых оказывается не только распознавание изображений, но и уверенная идентификация неких явлений, фаз изменения, преподнесенных на вход нейронной сети в виде состояний соответствующих «участников» явления, фазы или прочего; скажем, прогнозирование изменения курса валют требует идентификации, распознавания экономических состояний. В то же время указанные особенности нейронных сетей все-таки не способствуют воспроизведению актов подлинного мышления. Видимо, не нашлась пока уникальная свежая идея на этот счет.

Во втором случае — в случае обучения без учителя — сеть справляется сама, выполняя в принципе те же действия по подстройке весовых коэффициентов, только самообучение инициируется здесь фактом обнаруженного противоречия с имеющимися в нейронной сети знаниями, когда поступивший на вход элемент очень слабо или вовсе не распознается, но его непременно требуется как-то классифицировать.

Кратко объясним суть и этого обучения.

В первую очередь для таких сетей предполагается, что они имеют в своем составе достаточный запас нейронных узлов, в которых будут храниться знания в виде настроенных весовых коэффициентов, или же что сеть в состоянии «выращивать» такие узлы, создавать и подключать их к себе самостоятельно.

Во вторую очередь считается, что изначально заданы предельные границы расхождения результатов распознавания с наколенными знаниями, после которых элемент признается неизвестным. Грубо скажем, если более 50 процентов деталей элемента не распознаются, он считается неизвестным, вызывающим противоречие.

Совет

Итак, пусть сеть в начальный момент времени не обучена. На входе появляется подлежащий распознаванию элемент. Рождается противоречие с накопленным знанием, так как элемент вообще неизвестен, так как расхождение со знаниями в этом случае измеряется сотней процентов.

Одному из свободных узлов сети передаются на вход зафиксированные сигналы от элемента, выход узла подразумевается быть всегда равным величине сигнала «опознал» (условно назовем так этот сигнал) или «тишина», и уже внутри узла выполняется автоматическая подстройка весовых коэффициентов, заменяя ручную подгонку как в случае обучения с учителем.

Пусть теперь на вход сети поступил прошлый элемент, чуть измененный в вариации. Обученный нейронный узел, который тоже подключен ко входной магистрали, опознает элемент с погрешностью, допустим, в 30 процентов.

Понятно, что выходной сигнал узла мы назвали в исключительной форме «опознал» для удобства, на самом же деле он изменяется в пределах от «тишина» (это же «опознал на 0 процентов») до «опознал на 100 процентов».

Сеть, не обнаружив выхода за пределы границы расхождения, передает тому же узлу новый пример элемента, чтобы узел подстроил весовые коэффициенты на удачное опознание и первого примера, и второго примера одного и того же элемента.

Как только на входе появился неизвестный элемент, то есть когда ни один из обученных узлов не опознал элемент с точностью свыше 50 процентов, сеть передает сигналы от элемента следующему незадействованному в системе знаний узлу, который тоже по описанному выше сценарию попадает в систему накопленных нейронной сетью знаний. Этим и обеспечивается обучение сети без учителя, и как правило, подобный процесс происходит качественно, если удачно организовано взаимодействие сети с нейронными узлами.

День сегодняшний

Сейчас нейросетевые технологии применяют во многих областях. Например, когда необходимо решить задачи такого рода: неизвестен алгоритм решения, но имеется множество примеров; исходные данные искажены или противоречивы; имеются большие объемы входной информации.

Нейронные сети применяются для решения задач классификации, распознавания образов, оптимизации, прогнозирования и для многих других.

Обратите внимание

Нейротехнологии используются также для распознавания текста со сканеров, проверок достоверности подписей, прогнозирования экономических показателей (например, прогнозирования курса валют), управления технологическими процессами и робототехникой, и прочее, прочее, прочее…

Стоит особо отметить, что нейронные сети не нуждаются для решения задач в заранее составленном математическом алгоритме, они сами вырабатывают методику решения задачи в процессе обучения. В этом коренное отличие нейросетевых компьютеров от компьютеров классических, и их главное преимущество.

Математический аппарат работы нейронных сетей несложен. Программирование не требует профессиональных изощрений: на каждом шагу — умножение вектора на матрицу с накоплением суммы.

Сложность представляет адаптация алгоритма обучения нейронной сети под конкретную задачу — подбор и моделирование сети, предварительная обработка информации, оценка результатов.

Также нейронные сети имеют возможность роста. При этом сохраняется их структура и значительно увеличивается эффективность обработки информации.

Достаточно сложно организованная сеть способна сама себя развивать.

Это свойство может очень широко использоваться программистами будущего, которые смогут создавать небольшие нейронные сети и «доращивать» их до необходимой информационной мощности и емкости.

[источники]

источники

http://www.dailytechinfo.org/infotech/5856-stenfordskie-uchenye-sozdali-neyrokompyuter-rabota-kotorogo-podrazhaet-rabote-golovnogo-mozga.html

http://prof9.narod.ru/ainfo/ailenta_230.html

Вот еще вам научные на мой взгляд любопытные статейки: вот например Зачем скрестили козу и паука ? и почему предок именно Почему именно Homo sapiens ?. А что вы например знаете про Число «фи» и Кто такие перфекционисты ? Оригинал статьи находится на сайте ИнфоГлаз.рф Ссылка на статью, с которой сделана эта копия — http://infoglaz.ru/?p=48050

Источник: https://masterok.livejournal.com/1872845.html

Нейроморфные процессоры: смогут ли машины имитировать мозг — iQ Russia

Нейроморфный процессор — это интегральная схема, которая имитирует механизмы распространения и обработки сигналов биологического мозга на основе микроэлектронных технологий.

Термин «нейроморфный процессор» ввел в обиход профессор Карвер Мид (Carver Mead) в конце 80-х годов. Будучи известным специалистом в физике полупроводников и микроэлектронике, он заметил сходство в работе биологического нейрона и полупроводникового транзистора. Это наблюдение и легло в основу теории нейроморфных схем.

Мозг vs. процессор

Большинство современных процессоров представляют из себя синхронные цифровые схемы, в которых информация представлена бинарным кодом — значениями 0 или 1, и все операции выполняются одновременно по тактовому сигналу.

Важно

Это позволяет создавать стабильно работающие интегральные схемы с миллиардами транзисторов. Но при этом значительная часть энергии рассеивается на подсистемах синхронизации, и скорость работы одного транзистора, который может переключаться на частотах 20-30 ГГц, снижается до частоты общего тактового сигнала.

Развитие полупроводниковых технологий и уменьшение технологических норм позволяют создавать все более производительные и эффективные процессоры, но общий принцип работы синхронных цифровых схем остается неизменным.

Биологическая нервная система устроена по-другому. В человеческом мозге порядка 80-100 миллиардов нейронов, каждый из которых может работает асинхронно и, в отличие от цифрового транзистора, хранить широкий диапазон значений. Нейрон — это аналоговый элемент.

Знаменитый матч игры го между Ли Седолем и компьютером

Компьютер уже давно выполняет математические и логические операции быстрее человека: например, машина победила чемпионов мира в шахматах, шашках и даже го. Однако в решении плохо формализуемых задач компьютеру до человеческого мозга пока очень далеко.

Нейронные сети и искусственный интеллект

Развитие методов машинного обучения на основе нейронных сетей ускорило создание нового поколения нейроморфного процессора.

Компьютерные нейросети представляют собой математическую модель, похожую на биологическую нейронную сеть, вычисляемую на традиционных цифровых системах.

Начиная с первых разработок «Перцептрона» Фрэнка Розенблатта в 1957 году и до наших дней нейронные сети выросли до огромных центров обработки данных, которые подбирают фильмы по интересам человека, распознают изображения и дают финансовые и медицинские рекомендации.

Современные нейронные сети работают на основе глубокого обучения (deep learning), то есть обучаются с помощью огромного количества данных и «принимают решения» в рамках обработанного материала. Например, изучив на основе миллионов примеров как выглядит собака, нейронная сеть определяет изображение собаки из предложенных вариантов точнее, чем человек.

Появление нейроморфного процессора

А что, если создать интегральную схему, которая будет не только рассчитывать математическую модель нейронной сети, но и сама функционировать как нейронная сеть? Задавшись этим вопросом, крупнейшие производители компьютеров воплотили идею нейроморфного процессора.

Совет

Физической основой такого процессора стали так называемые «импульсные искусственные нейроны» (spiking neurons) или «спайки» (от англ. spike — перепад напряжения).

Выглядит это следующим образом: центральный элемент получает ответы от нейронов-спайков, реагирующих на определенный запрос.

При этом каждый спайк связан с тысячами других и может передавать значения с помощью длительности импульса (заряда) своему центральному элементу или нейрону.

При этом не все импульсные нейроны работают одновременно — они реагируют только на специфичный или заданный центральным элементом запрос.

Энергопотребление такого процессора примерно в тысячу раз меньше, чем у обычного. Благодаря независимой работе импульсных нейронов потребляют энергию только активные элементы. В геометрической прогрессии растет и производительность, правда пока не для всех типов операций.

При этом процессор справляется со сложными задачами обучения и способен «дообучаться» в процессе эксплуатации на основе дополнительных данных, так как обучение и использование нейронной сети происходит на одном и том же кристалле.   

Читайте также:  Нейронную сеть обучили рассчитывать оптимальную дозировку лекарств для химиотерапии

Первая область, где было бы можно применить такой процессор — распознавание образов. За счет высокой степени интеграции и малого энергопотребления устройства на нейроморфном процессоре могут найти широкое применение в системах видеонаблюдения и автономного вождения.

Нейроморфные чипы станут основой новых «интеллектуальных» мобильных устройств

Вторая область применения — мобильные устройства.

Потенциальные возможности такого процессора пока кажутся фантастикой: представьте, что смартфон начинает имитировать мыслительный процесс своего владельца.

Обратите внимание

Он распознает и сравнивает изображения объектов, сам догадывается о следующем действии человека, рекомендует только интересные места и события и при этом потребляет столько же энергии, сколько и сегодняшние устройства.

Готовое решение на рынке

В октябре 2017 года компания Intel представила нейроморфный чип Loihi. Основные характеристики Intel Loihi:

— 130,000 эмулируемых «нейронов»;

— 130 миллионов эмулируемых связей между нейронами — «синапсов»;

— технологический процесс 14 нм.

Нейроморфный чип Intel Loihi

Компания взяла за основу устройства исследования Карвера Мида и структуру живой нервной системы. Спайковая (импульсная) структура позволяет достичь энергоэффективности, до тысячи раз превышающую классические решения. А потенциал процессора позволяет считать его основой для будущего «бума» нейронных сетей и искусственного интеллекта.

На данный момент известно, что в 2018 году процессор выйдет в ограниченном количестве для научных экспериментальных внедрений. Следующий год имеет все шансы на то, чтобы в корне изменить наше представление о процессорах и их производительности, а значит принесет нам новое будущее, за которым мы будем внимательно следить.

Источник: https://iq.intel.ru/neuromorphic-computing/

Устройство и работа синапса

Как передается возбуждение — от одного нейрона другому или от нейрона, например, на мышечное волокно? Этой проблемой интересуются не только профессиональные нейробиологи, но и врачи, особенно фармакологи.

Знание биологических механизмов необходимо для лечения некоторых заболеваний, а также для создания новых лекарств и препаратов.

Дело в том, что одними из основных мест воздействия этих веществ на организм человека являются места передачи возбуждения с одного нейрона на другой (или на другую клетку, например клетку сердечной мышцы, стенки сосудов и пр.).

Отросток нейрона аксон направляется к другому нейрону и образует на нем контакт, который называют синапсом (в переводе с греч. — контакт). Именно синапс хранит многие тайны мозга. Нарушение этого контакта, например веществами, блокирующими его работу, приводит к тяжелейшим последствиям для человека. Это место приложения действия наркотиков. Рассмотрим, как устроен и как работает синапс.

Трудности этого исследования определяются тем, что сам синапс очень маленький (его диаметр не более 1 мкм). Один нейрон получает такие контакты, как правило, от нескольких тысяч (3—10 тыс.) других нейронов.

Каждый синапс надежно закрыт специальными клетками глии, поэтому исследовать его очень непросто. Несмотря на свою миниатюрность, он устроен весьма сложно. Одним из его основных компонентов являются пузырьки, которые находятся внутри синапса.

Эти пузырьки содержат биологически очень активное вещество, которое называется нейротрансмиттером, или медиатором (передатчиком).

Важно

Вспомним, что нервный импульс (возбуждение) с огромной скоростью продвигается по волокну и подходит к синапсу.

Этот потенциал действия вызывает деполяризацию мембраны синапса, однако это не приводит к генерации нового возбуждения (потенциала действия), а вызывает открывание специальных ионных каналов, с которыми мы еще не знакомы.

Эти каналы пропускают ионы кальция внутрь синапса. Ионы кальция играют очень большую роль в деятельности организма.

Связывание кальция белками оболочки пузырька приводит к ее сокращению и содержание пузырька впрыскивается (экзоцитоз) в щель, которая отделяет мембрану одного нейрона от мембраны другого. Эта щель называется синоптической щелью.

Из описания должно быть ясно, что возбуждение (электрический потенциал действия) нейрона в синапсе превращается из электрического импульса в импульс химический.

Другими словами, каждое возбуждение нейрона сопровождается выбросом в окончании его аксона порции биологически активного вещества — медиатора. Далее молекулы медиатора связываются со специальными белковыми молекулами, которые находятся на мембране другого нейрона.

Эти молекулы называются рецепторами. Рецепторы устроены уникально и связывают только один тип молекул. В некоторых описаниях указывается, что они подходят, как «ключ к замку» (ключ подходит только к своему замку).

Рецептор состоит из двух частей. Одну можно назвать «узнающим центром», другую — «ионным каналом». Если молекулы медиатора заняли определенные места (узнающий центр) на молекуле рецептора, то ионный канал открывается и ионы начинают входить в клетку (ионы натрия) или выходить (ионы калия) из клетки.

Совет

Другими словами, через мембрану протекает ионный ток, который вызывает изменение потенциала на мембране. Этот потенциал получил название постсинаптического потенциала (см. рис. 2.16).

Очень важным свойством описанных ионных каналов является то, что количество открытых каналов определяется количеством связанных молекул медиатора, а не потенциалом на мембране, как в случае с электровозбудимой мембраной нервного волокна.

Таким образом, постсинаптические потенциалы имеют свойство градуальности: амплитуда потенциала определяется количеством молекул медиатора, связанного рецепторами. Благодаря этой зависимости амплитуда потенциала на мембране нейрона развивается пропорционально количеству открытых каналов.

На мембране одного нейрона могут одновременно находиться два вида синапсов: тормозные и возбудительные. Все определяется устройством ионного канала мембраны. Мембрана возбудительных синапсов пропускает как ионы натрия, так и ионы калия. В этом случае мембрана нейрона деполяризуется. Мембрана тормозных синапсов пропускает только ионы хлора и гиперлоляризуется.

Очевидно, что если нейрон заторможен, потенциал мембраны увеличивается (гиперполяризация). Таким образом, нейрон благодаря воздействию через соответствующие синапсы может возбудиться или прекратить возбуждение, затормозиться.

Все эти события происходят на соме и многочисленных отростках дендрита нейрона, на последних находится до нескольких тысяч тормозных и возбудительных синапсов.

В качестве примера разберем, как действует в синапсе медиатор, который называется ацетилхолином. Этот медиатор широко распространен в головном мозге и в периферических окончаниях нервных волокон.

Например, двигательные импульсы, которые по соответствующим нервам приводят к сокращению мышц нашего тела, оперируют ацетилхолином. Ацетилхолин был открыт в 30-х годах XX в. австрийским ученым О. Леви. Эксперимент был очень прост: изолировали сердце лягушки с подходящим к нему блуждающим нервом.

Обратите внимание

Было известно, что электрическая стимуляция блуждающего нерва приводит к замедлению сокращений сердца вплоть до полной его остановки. О. Леви простимулировал блуждающий нерв, получил эффект остановки сердца и взял из сердца немного крови.

Оказалось, что если эту кровь добавить в желудочек работающего сердца, то оно замедляет свои сокращения. Был сделан вывод: при стимуляции блуждающего нерва выделяется вещество, останавливающее сердце. Это и был ацетилхолин.

Позже был открыт фермент, который расщеплял ацетилхолин на холин (жир) и уксусную кислоту, в результате чего прекращалось действие медиатора. Этим исследованием впервые была установлена точная химическая формула медиатора и последовательность событий в типичном химическом синапсе. Эта последовательность событий сводится к следующему.

Потенциал действия, пришедший по пресинаптическому волокну к синапсу, вызывает деполяризацию, которая включает кальциевый насос, и ионы кальция поступают в синапс; ионы кальция связываются белками мембраны синаптических пузырьков, что приводит к активному опорожнению (экзоцитозу) пузырьков в синаптическую щель.

Молекулы медиатора связываются (узнающим центром) соответствующими рецепторами постсинаптической мембраны, при этом открывается ионный канал. Через мембрану начинает протекать ионный ток, что приводит к возникновению на ней постсинаптического потенциала.

В зависимости от? характера открытых ионных каналов возникает возбудительный (открываются каналы для ионов натрия и калия) или тормозной (открываются каналы для ионов хлора) постсинаптический потенциал.

Ацетилхолин весьма широко распространен в живой природе. Например, он находится в стрекательных капсулах крапивы, в стрекательных клетках кишечнополостных животных (например, пресноводной гидры, медузы) и пр.

В нашем организме ацетилхолин выбрасывается в окончаниях двигательных нервов, управляющих мышцами, из окончаний блуждающего нерва, который управляет деятельностью сердца и других внутренних органов. Человек давно знаком с антагонистом ацетилхолина — это яд кураре, которым пользовались индейцы Южной Америки при охоте на животных.

Важно

Оказалось, что кураре, попадая в кровь, вызывает обездвиживание животного, и оно погибает фактически от удушья, но кураре не останавливает сердце. Исследования показали, что в организме существуют два типа рецепторов к ацетилхолину: один успешно связывает никотиновую кислоту, а другой — мускарин (вещество, которое выделено из гриба рода Muscaris).

На мышцах нашего тела находятся рецепторы никотинового типа к ацетилхолину, тогда как на сердечной мышце и нейронах головного мозга — рецепторы к ацетилхолину мускаринового типа.

В настоящее время в медицине широко применяют синтетические аналоги кураре для обездвиживания больных во время сложных операций на внутренних органах. Применение этих средств приводит к полному параличу двигательной мускулатуры (связывается рецепторами никотинового типа), но не влияет на работу внутренних органов, в том числе сердца (рецепторы мускаринового типа).

Нейроны головного мозга, возбуждаемые через мускариновые ацетилхолиновые рецепторы, играют большую роль в проявлении некоторых психических функций. Сейчас известно, что гибель таких нейронов приводит к старческому слабоумию (болезнь Альцгеймера).

Другим примером, который должен показать важность именно рецепторов никотинового типа на мышце к ацетилхолину, может служить заболевание, называемое miastenia grevis (мышечная слабость). Это генетически наследуемая болезнь, т. е. ее происхождение связано с «поломками» генетического аппарата, которые передаются по наследству.

Заболевание проявляется в возрасте ближе к половозрел ости и начинается с мышечной слабости, которая постепенно усиливается и захватывает все более обширные группы мышц. Причиной этого недуга оказалось то, что организм больного вырабатывает белковые молекулы, которые прекрасно связываются ацетилхолиновыми рецепторами никотинового типа.

Занимая эти рецепторы, они препятствуют связыванию с ними молекул ацетилхолина, выбрасываемых из синаптических окончаний двигательных нервов, Это и приводит к блокированию синаптического проведения к мышцам и, следовательно, к их параличу.

Описанный на примере ацетилхолина тип синаптической передачи — не единственный в ЦНС. Второй тип синаптической передачи также широко распространен, например в синапсах, в которых медиаторами являются биогенные амины (дофамин, серотонин, адреналин и др.). В этом типе синапсов имеет место следующая последовательность событий.

Совет

После того как образовался комплекс «молекула медиатора — рецепторный белок», активируется специальный мембранный белок (G-белок). Одна молекула медиатора при связывании с рецептором может активировать много молекул G-белка, и это усиливает эффект медиатора.

Каждая активированная молекула G-белка в одних нейронах может открывать ионный канал, а в других — активировать внутри клетки синтез специальных молекул, так называемых вторичных посредников.

Вторичные посредники могут запускать в клетке многие биохимические реакции, связанные с синтезом, например, белка, в этом случае возникновения электрического потенциала на мембране нейрона не происходит.

Существуют и другие медиаторы. В головном мозге в качестве медиаторов «работает» целая группа веществ, которые объединены под названием биогенные амины. В середине прошлого столетия английский врач Паркинсон описал болезнь, которая проявлялась как дрожательный паралич.

Это тяжелое страдание вызвано разрушением в мозге больного нейронов, которые в своих синапсах (окончаниях) выделяют дофамин — вещество из группы биогенных аминов. Тела этих нейронов находятся в среднем мозге, образуя там скопление, которое называется черной субстанцией.

Исследования последних лет показали, что дофамин в мозге млекопитающих также имеет несколько типов рецепторов (в настоящее время известно шесть типов). Другое вещество из группы биогенных аминов — серотонин (другое название 5-окситриптамин) — вначале было известно как средство, приводящее к подъему кровяного давления (сосудосуживающее).

Обратите внимание, что эта) отражено в его названии. Однако оказалось, что истощение в головном мозге серотонина приводит к хронической бессоннице.

) В опытах на животных было установлено, что разрушение в мозговом стволе (задних отделах мозга) специальных ядер, которые известны в анатомии как ядра шва, приводит к хронической бессонице и в дальнейшем гибели этих животных. Биохимическое исследование установило, что нейроны ядер шва содержат серотонин. У пациентов, страдающих хронической бессонницей, также обнаружено снижение концентрации серотонина в мозге.

К биогенным аминам относят также адреналин и норадреналин, которые содержатся в синапсах нейронов автономной вегетативной нервной системы. Во время стресса под влиянием специального гормона — адренокортикотропного — из клеток коры надпочечников в кровь также выбрасываются адреналин и норадреналин.



Источник: http://biofile.ru/chel/1966.html

Ссылка на основную публикацию