Emergent topological structure in spontaneous brain-organoid activity

思考の隠れた形

あなたの脳を、数百万のニューロンが市民として暮らす、巨大で賑やかな都市だと想像してみてください。長い間、科学者たちは、この都市がどのように機能しているかを理解するには、単にどれだけの人が話し、どれほど大きな声で叫んでいるかを数えればよいと考えてきました。しかし、そこには落とし穴があります。都市は単なる平坦な地図ではなく、隠れたトンネルやループ、そして秘密の部屋を持つ、複雑で多層的な構造なのです。これが、脳がいかにして混沌とした活動を意味のあるパターンへと組織化しているのかを解明しようとする分野、「システム神経科学」の世界です。

これを理解するために、科学者たちはしばしば「トポロジー（位相幾何学）」と呼ばれるツールを使用します。トポロジーとは、正確な距離やサイズには関心を持たず、「どのように繋がっているか」を研究する「形」の学問だと考えてください。この世界では、コーヒーカップとドーナツは、どちらも正確に一つの穴を持っているため、実は同じ形とみなされます。カップを伸ばしたり押しつぶしたりしても、それは依然としてドーナツなのです。科学者たちは、脳のデータを単なる数字のリストとしてではなく、幾何学的な形として捉えるためにこの概念を利用しています。彼らは、ループ（例えば、互いに話し合っている友人たちの輪）や、ボイド（空隙）（友人のグループに囲まれた空っぽの空間）を探しています。大きな疑問は常にこうでした。「限られた数の脳細胞を一度に記録できる状況で、本当にこれらの形を見ることができるのだろうか？ それとも、パターンを見るためには数百万個の細胞を記録する必要があるのだろうか？」

ブレイン・オルガノイドの探偵物語

この論文は、ブレイン・オルガノイドを用いてその問いに答えるという、探偵のようなアプローチをとっています。これらは完全な脳ではありませんが、ヒトやマウスの細胞からラボで培養された、自己組織化する小さな脳組織の塊です。これらは脳皮質のミニチュア版であり、実際の脳と同じように自発的に電気を発します。研究者たちは、**マイクロ電極アレイ（MEA）**と呼ばれるハイテクセンサーのグリッドを使用して、これらのオルガノイドからの電気的な「スパイク」を記録しました。彼らは、一度に26個から234個の個別のニューロンを聴き取ることができました。

チームは、パーシステント・ホモロジー（持続的ホモロジー）と呼ばれる数学的手法を用い、これらのニューロンの発火パターンを一つの形へと変換しました。ある瞬間に誰が誰と話しているか、そのスナップショットを撮る場面を想像してください。もし2つのニューロンが同時に発火すれば、それらを結ぶ一本の線が生まれます。もし3つのニューロンがすべて同時に発火すれば、三角形が形成されます。もしグループ全体が接続の輪を形成すれば、それがループとなります。研究者たちはこう問いかけました。「これらのループは、単にニューロンがたまたま同時に発火したために存在するのか、それともデータの中に隠れている真の構造化された形なのか？」

これを知るために、彼らは「ヌルモデル」、つまりデータの偽のバージョンを作成しました。各ニューロンの発火数とグループ全体の総活動量はそのままに、タイミングだけをランダムにシャッフルしたものです。これは、トランプの束をシャッフルするようなものです。赤と黒のカードの総数は変わりませんが、順番はランダムになります。もし実際の脳のデータが、このシャッフルされたランダムなバージョンよりも多くのループを持っていれば、それはループがニューロンが発火した回数の偶然の一致ではなく、脳の組織化における実在の特徴であることを意味します。

彼らが発見したもの

結果はエキサイティングなものでした。18組のオルガノイド・データセットのうち、14組において、研究者たちは実際の脳活動が、ランダムにシャッフルされたデータよりも有意に多くのループ構造（数学的には「第1ホモロジー」またはH1と呼ばれます）を持っていることを発見しました。これは、ニューロンが単にランダムに発火していたのではなく、特定の円形のパターンへと自らを組織化していたことを意味します。

主な発見を簡潔に説明すると以下の通りです：

• ループは実在し、強固である： ループは単なる偶然ではありませんでした。研究者がデータからニューロンをランダムに10%取り除いたとき、ループはほとんど維持されました。しかし、ループの一部となっている「スター（中心的な）」ニューロンを意図的に取り除くと、構造は崩壊しました。このことは、ループが、どのニューロンでも代わりを務められるような均一な広がりではなく、特定の、冗長性のないコアとなるニューロンのグループに依存していることを示唆しています。
• サイズが重要である： 記録するニューロンが増えるほど、形はより豊かになりました。小さなグループ（約26個のニューロン）では、ノイズ以上の形を見ることは困難でした。しかし、ニューロンの数が増えるにつれて、ループはより明確になりました。さらに興味深いことに、最大のネットワーク（119個以上のニューロンを持つもの）では、ボイド（数学的には「第2ホモロジー」またはH2と呼ばれます）が見え始めました。ボイドとは、ニューロンの泡の中にある中空の空間のことです。この3D的な空隙は、ネットワークがそれを支えるのに十分な大きさになったときにのみ現れました。
• センサーによるものではない： この種の研究における大きな懸念は、形がセンサー自体のアーティファクト（人工的な産物）ではないかということです。例えば、センサーが円形に配置されていれば、データは単に円のように見えるかもしれません。研究者たちは、センサー間の物理的な距離を確認することで、この点を確認しました。その結果、いくつかのケースでは、ループはセンサー同士の近接性とは無関係であり、ループは純粋にニューロンがどのように通信しているかに関連していることがわかりました。他のケースでは、距離が役割を果たしていましたが、全体的な構造は依然として、記録機器のトリックではなく、脳活動の真正な特徴でした。

なぜこれが重要なのか

この論文は、これらの形状が単にニューロンが高い頻度で発火することによって引き起こされるランダムなノイズであるという考えを明確に否定しています。実際のデータをシャッフルされた「ヌル」データと比較することで、彼らはループやボイドが、脳の活動に固有の構造化されたトポロジーであることを証明しました。また、これを見るために数百万のニューロンを記録する必要はないことも示しました。現在の実験規模であるわずか数百個のニューロンであっても、これらの複雑な形は検出可能です。

著者たちは、これらの構造を発見したものの、これは始まりに過ぎないという点にも注意深く言及しています。彼らが見つけたループは、梯子の第一段であり、ボイドはその次のステップです。もし、より高い解像度で3Dでの記録が可能になれば、さらに複雑な形が見られるかもしれないと彼らは示唆しています。しかし現時点では、この研究はパーシステント・ホモロジーが、私たちがすでに持っているデータに対して使用可能なツールであることを裏付けています。これは、たとえこれら小さな自己組織化する脳の塊であっても、ニューロンが単純な「オン」や「オフ」の信号を遥かに超えた、複雑で幾何学的な活動のアーキテクチャを構築していることを示しているのです。脳は、たとえシャーレの中でも、形を描いているのです。