A Large-Scale Anatomically and Electrophysiologically Constrained Model of Hippocampus at Behavioral Time Scales
本論文は、25万個のニューロンを持つ大規模かつ解剖学的制約を伴う海馬モデルを構築し、主要な生物学的ダイナミクスを再現するとともに、斬新な二段階最適化戦略を通じて行動スケールに十分なシミュレーション速度を実現する、GPU加速された計算フレームワークを提示する。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは査読を受けていないプレプリントのAI生成解説です。医学的助言ではありません。この内容に基づいて健康上の判断をしないでください。 免責事項の全文を読む
人間の脳は、数十億もの細胞が織りなす広大で入り組んだ風景であり、それぞれの細胞は、思考、記憶、そして運動を生み出す複雑なパターンで発火する、微小な電気ユニットである。この仕組みがいかに機能しているかを理解するために、科学者たちはしばしば脳の構造を模したコンピュータモデルを構築する。しかし、こうした試みには、根強い問題がつきまとってきた。モデルが現実に対して単純すぎて非現実的であるか、あるいはあまりに詳細すぎてコンピュータでの実行に何年もかかってしまい、動物が部屋を移動するのに要する数秒や数分間をシミュレートすることが不可能になるという問題である。研究者たちは、解剖学的に正確（脳の実際の配線と一致していること）でありながら、リアルタイムで動作するほど高速なモデルを構築することに苦心してきた。
研究チームは今、記憶とナビゲーションを司る脳の部位である海馬の、大規模かつ極めて詳細なシミュレーションを構築した。彼らは、約25万個の個別のニューロンと、それらの間の2,000万個の接続を含む、この脳領域のデジタル版を作成した。推測や簡略化されたルールに頼った従来の試みとは異なり、このモデルは、脳細胞が実際にどのように配線されているかを示す実験的なマップから直接構築された。研究者たちは、ハイエンドのビデオゲームに見られるものと同じ種類のチップである強力なグラフィックス・プロセッサを使用し、実時間の約20倍の速度でシミュレーションを実行した。これにより、彼らはネットワークが長期間にわたって進化していく様子を観察し、細胞がどのように相互作用して行動を生み出すのかを見ることができた。
最も驚くべき結果は、モデルがナビゲーションのパターンを、明示的に教えられることなく生成したことである。研究者たちは、仮想の動物が空間を移動していることを表す信号をデジタル脳に送り込んだが、ニューロンに対して特定の場所を認識するようにプログラムすることはしなかった。それにもかかわらず、ネットワークは自発的に「場所細胞（place cells）」、つまり仮想の動物がある特定の場所にいるときにのみ発火するニューロンを発生させた。これは、細胞がどのように接続され、互いにどのように反応するかによって、自然に発生したものである。このシミュレーションは、空間をマッピングする脳の能力が、あらかじめ書かれた指示書によるものではなく、回路の物理的な構造と電気信号のタイミングから創発することを示した。
これを達成するために、チームは2つの大きな障害を解決しなければならなかった。第一に、通常は細胞の集団を記述する複雑な解剖学的データを、あらゆる個々のニューロン間の接続マップへと変換する必要があった。彼らは、集団レベルのマップを精密な配線図へと変換する手法を開発し、デジタル脳が実際の本物と同じように見え、機能するようにした。第二に、シミュレーションを十分に有用な速度で実行しなければならなかった。グラフィックス・ハードウェア上で動作するようにソフトウェアを最適化することで、彼らは脳活動の1秒間のシミュレーションに要する時間を、わずか数分の一へと短縮した。この速度は、科学者がモデルを数時間または数日間にわたって実行し、より低速で詳細なモデルでは不可能な学習や記憶の定着といった長期的なプロセスを観察するために極めて重要である。
研究者たちはまた、モデルを調整するためのスマートな方法も開発した。最初からすべての数値を完璧にしようとするのではなく、2段階のプロセスを用いた。まず、ニューロンのペア間の接続強度を既知の実験室での測定値に一致するように調整した。次に、ネットワーク全体を稼働させ、シミュレーションを実行しながら接続を再度調整し、グループ全体の活動が生きている動物に見られるものと一致するまでシステムを微調整した。このオンライン調整により、変更を加えるたびにシミュレーションを停止して再起動する必要がなくなり、膨大な時間を節約でき、より正確な適合が可能となった。
モデルがテストされると、それは豊かな脳活動のタペストリーを生み出した。ニューロンは、ナビゲーションや記憶に関連するテータ波やガンマ波といった、実際の動物で見られる脳波に一致するリズムパターンで発火した。細胞は明確なグループへと自己組織化され、ある細胞は速く、別の細胞はゆっくりと発火しており、これは生体の脳で行われていることと一致していた。最も重要なことに、空間マップは安定しており、現実的であった。海馬の異なる層にあるニューロンは、環境からの生の入力を、より精密な位置コードへと、一般的な格子状のパターンから特定の単一地点での発火へと、段階的に変換していった。この進行は、ネットワークの物理的な制約と細胞の電気的特性のみによって、自動的に引き起こされた。
この研究は、空間を理解する脳の能力が、その物理的な配線と細胞の通信方法の直接的な帰結であることを示唆している。研究者たちは、モデルに「場所」という概念をプログラムする必要はなく、それはシステムの複雑さから自然に生じたのである。現在のモデルは海馬のほんの一部しか表していないが、チームは、彼らの手法が海馬全体をシミュレートするためにスケールアップ可能であることを示した。彼らは、現代の高メモリ・コンピュータ・システムを用いれば、フルスケールのモデルが実時間の約50倍の速度で動作できると推定している。これは、科学者が記憶がどのように形成され、時間の経過とともにどのように定着するかを観察するために、海馬全体を丸一日または一週間にわたってシミュレートできる道を開くものである。
この研究はまた、個々の細胞の微視的な詳細と、器官全体の広範な行動との間の溝を埋める、新しいアプローチを強調している。精密な解剖学的データと高速で柔軟なコンピューティングを組み合わせることで、研究者たちは、脳の構造の変化がその機能にどのように影響するかをテストできるツールを作り上げた。この枠組みは、単なる静的な脳の絵ではない。それは、操作可能で観察可能な動的なシステムである。それは、記憶とナビゲーションのメカニズムを制御された環境下で探求する方法を提供し、精神の複雑な機構を捉えるための新しいレンズとなる。このシミュレーションの成功は、脳を支配するルールがその物理的構造の中に書き込まれており、詳細かつ高速に思考の流れに追いつけるモデルによって解読されるのを待っていることを示唆している。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。