S pomocí nového proteinu iGluSnFR4 se vědcům poprvé daří sledovat chemické zprávy mezi neurony v reálném čase. Tento průlom může změnit naše chápání mozku, učení, nemocí i vývoje umělé inteligence – doslova přepisuje slovník neuronů.
Rozluštit tajemství mozku je téměř stejně složité jako zkoumat vesmír. Může se to zdát zvláštní, protože na rozdíl od Jupiteru není náš mozek vzdálen téměř 800 milionů kilometrů.Vzdálenost, která nás od něj dělí, je však stejně velká, i když se nedá měřit na kilometry. Zkonstruovali jsme sondy a teleskopy, abychom překonali propast mezi námi a jinými planetami, a v případě mozku se snažíme vyvinout technologii, která by překlenula propast mezi měřítkem, v němž pracují naše smysly, a jemnými elektrochemickými procesy skrytými pod kostmi lebky.
Zatímco v kosmickém výzkumu jsme potřebovali účinnější paliva, trysky a systémy dálkového ovládání, při zkoumání mozku jsme potřebovali extrémně citlivé senzory, technologie neurozobrazování a biochemické analýzy. Cílem bylo pochopit, které z jeho 86 miliard neuronů se navzájem propojují a jak následně „informace“ putují touto sítí buněk. Obtížné bylo dosáhnout obou cílů současně, protože abychom poznali strukturu mozku, musíme ho rozřezat, a tedy izolovat, a tím „vypnout“ jeho činnost.
Po desetiletí neurověda postupovala tak, že problém rozdělila na části. Na jedné straně anatomické mapy, téměř kartografické, které nám říkají, který neuron je spojen s kterým, jako bychom kreslili mapu podzemního města. Na straně druhé techniky, které nám umožňují sledovat aktivitu in vivo: od prvních elektrod přilepených na jediný neuron až po moderní funkční magnetickou rezonanci (fMRI), která ukazuje, které oblasti mozku se „zapínají“, když myslíme, vzpomínáme nebo cítíme bolest. Velkou výzvou vždy bylo tyto dva světy propojit: zjistit nejen to, které neurony jsou propojeny, ale také co přesně si mezi sebou říkají a podle jakých pravidel.
A k této obtíži musíme přidat další, méně diskutovanou obtíž, protože není totéž zjišťovat, jak jsou neurony stimulovány (výstup) a jak jsou stimulovány neurony, které byly aktivovány před nimi (vstup). Tato poslední vlastnost nám odolává, ale s pomocí nové technologie vyvinuté Allenovým institutem bychom mohli být na pokraji změny. Průlom, který by nám mohl pomoci pochopit dosud neviditelné detaily tak závažných onemocnění, jako je Alzheimerova choroba, schizofrenie, autismus nebo epilepsie.
Abychom pochopili význam tohoto skoku, je třeba si uvědomit, že mnohé z těchto patologií nejsou způsobeny „chybějící“ oblastí mozku, ale tím, že jemná spojení mezi neurony již nefungují tak, jak by měla. Například při epilepsii se určité sítě abnormálně synchronizují a vybíjejí se všechny najednou; u schizofrenie existuje podezření, že je narušena rovnováha mezi excitačními a inhibičními neurony; u Alzheimerovy choroby dochází ke ztrátě synapsí (styčných bodů mezi neurony) dlouho předtím, než buňky odumřou. Pokud chceme přesně zasáhnout, musíme vidět nejen mapu, ale i skutečný provoz na silnicích.
Skrytá matematika mozku
Když musíte vědu zhustit do novinového článku, zjednodušení jsou nevyhnutelná. V tomto případě vědci zvolili literární analogii. „Je to jako číst knihu, ve které jsou všechna slova zpřeházená, a nerozumět pořadí slov nebo jejich uspořádání,“ řekl Dr. Kaspar Podgorski, hlavní autor studie a vedoucí vědecký pracovník Allenova institutu. „Mám pocit, že to, co zde děláme, je přidávání spojů mezi těmito neurony, a díky tomu nyní chápeme pořadí slov na stránkách a jejich význam.“ Znamená to, že zatímco jsme dokázali identifikovat jednotlivé neurony v oblasti mozku a jejich vzájemné propojení, chybělo nám pochopení toho, jak se mohou navzájem aktivovat. Jakou aktivitu musel určitý neuron přijmout, aby se sám spustil?
Možná je vhodnější matematická analogie, protože ačkoli neurony nepočítají ani neznají násobilku dvou, tušíme, že se při vzájemné aktivaci řídí určitými pravidly, která si lze představit jako sčítání a odčítání. Každý neuron navazuje spojení s tisíci dalšími, ale představte si v tomto případě neuron, který přijímá kontakt pouze od tří dalších. Jak velkou aktivitu bude muset neuron přijmout, aby se vznítil? Bude to stačit k tomu, aby se stimulovalo jedno ze spojení? Možná potřebuje dvě nebo všechny tři. Součet stimulovaných spojení bude muset dosáhnout určitého čísla.
Nyní víme, že ne všechna spojení mají stejnou hmotnost. Jedno, zejména silné, může mít větší vliv a mít hodnotu dvou nebo tří. Jiné nemusí při aktivaci přidávat, ale ubírat, protože jeho úkolem je inhibovat aktivaci dalšího neuronu. Tato hra sčítání a odečítání, dokud není dosaženo kvora, tvoří jednoduchou matematiku neuronů; mají svá pravidla, kterým jsme dosud rozuměli jen částečně, a nyní je díky průlomovému objevu Allenova institutu můžeme znát mnohem lépe.
V neurovědách se pro popis tohoto procesu hovoří o „synaptické integraci“. Každý neuron přijímá tisíce drobných elektrických a chemických signálů, které se dostávají do jeho „stromu“ větví (dendritů). Některé z nich směřují k „ano“ (tzv. excitační), jiné k „ne“ (inhibiční). Tělo neuronu provede součet, a pokud výsledek překročí určitou mez, vyšle elektrický impuls po svém axonu. Je to jednoduchý výpočet, ale opakuje se miliardkrát za sekundu v celém mozku a dává vzniknout něčemu tak složitému, jako je myšlenka, vzpomínka nebo emoce.
Modely umělé inteligence, které denně používáme, od doporučovacích systémů po chatboty, jsou inspirovány právě touto myšlenkou. Umělé neuronové sítě přiřazují každému spojení „váhy“ a vypočítávají vážené součty velmi podobné těm, které provádějí biologické neurony, i když mnohem zjednodušeněji. Velký rozdíl spočívá v tom, že zatímco v algoritmech přesně víme, jakou váhu má každé spojení, protože je naprogramujeme nebo změříme na počítači, ve skutečném mozku byly tyto váhy až dosud z velké části neviditelné.
Proto jsou nástroje, jako je ten, který představuje Podgorského tým, důležité nejen pro biologii, ale i pro obory, jako je umělá inteligence nebo robotika. Pokud lépe pochopíme, jaké matematické „triky“ mozek používá, aby zpracovával informace tak efektivně a s tak nízkou spotřebou energie, mohli bychom se inspirovat novými návrhy neuromorfních čipů, tj. hardwaru, který přímo napodobuje neuronovou architekturu, aby šetřil energii a získal rychlost.
Jak to funguje
„To, co jsme zde vynalezli, je způsob, jak měřit informace přicházející do neuronů z různých zdrojů, a to byla kritická chybějící část neurovědeckého výzkumu,“ řekl Podgorski. Za tímto účelem vyvinuli protein nazvaný iGluSnFR4 – nevyslovitelný sled čísel a písmen, nebýt toho, že nás tým sám vyzývá, abychom mu říkali „glue sniffer“, což znamená „čichač glutamátu“, protože to je klíč k jeho úspěchu. Protein se chová jako ohař, který když objeví svou kořist, zakousne se do ní a už ji nepustí. V tomto případě je kořistí, na kterou se váže, jiná molekula, kterou neurony uvolňují, aby stimulovaly neurony, s nimiž přicházejí do styku: glutamát. Když se tedy naváže, odhalí, kde jsou tato spojení aktivována.
Abychom tomu lépe porozuměli, stojí za to se krátce podívat na chemii synapse. Když je aktivován neuron, elektrický impuls se šíří po jeho axonu k synaptickému terminálu, jakémusi mikroskopickému tlačítku, které navazuje kontakt s jiným neuronem. Tam je impuls převeden na uvolnění malých vezikul naplněných neurotransmitery, poselskými molekulami. Glutamát je hlavním excitačním neurotransmiterem v mozku: když se uvolní a naváže se na své receptory na sousedním neuronu, zvýší pravděpodobnost, že se sousední neuron také aktivuje. Až dosud bylo sledování tohoto procesu do detailu podobné, jako kdybychom se snažili sledovat rozhovor na fotbalovém stadionu z vrtulníku: věděli jsme, že se něco říká, ale nedokázali jsme rozeznat slova.
Již předchozí verze iGluSnFR umožňovaly sledovat uvolňování glutamátu, ale s omezeními: byly méně citlivé, snadno se nasytily nebo jim trvalo příliš dlouho, než se po každém záblesku vypnuly, takže bylo obtížné rozlišit velmi rychlé, po sobě jdoucí události. Nová generace, iGluSnFR4, právě v těchto bodech vylepšuje: detekuje menší množství glutamátu, reaguje rychleji a umožňuje nastavit rychlost, s jakou se signál „vypne“, což je pro udržení kroku s frenetickým tempem synapsí klíčové.
Jak se to promítá do praxe? Vědci zavedou gen kódující iGluSnFR4 do neuronů laboratorního zvířete (např. myši) pomocí technik molekulární biologie. Neurony poslušně začnou protein vytvářet a umístí jej do své membrány, zejména v oblastech, kde přijímají signály. Když se v blízké synapsi uvolní glutamát, iGluSnFR4 změní tvar a fluoreskuje, tj. svítí ve správném světle. Díky výkonným dvoufotonovým mikroskopům, které jsou schopny nahlédnout hluboko do živé mozkové tkáně, mohou vědci tyto záblesky zaznamenávat s prostorovým a časovým rozlišením, které by ještě před několika lety vypadalo jako science fiction.
Výsledkem je jakási svítící pavučina, jejíž uzly blikají jako vánoční světýlka, což představuje okamžik, kdy se na některém z těchto spojů uvolní glutamát. Každý záblesk je doslova slovem v chemickém jazyce mozku. Díky záznamu tisíců těchto událostí a jejich kombinaci s podrobnými anatomickými mapami mohou vědci začít rekonstruovat nejen to, kdo s kým mluví, ale také jakou „váhu“ má každá zpráva v konečném výpočtu neuronu.
Takové geneticky zakódované ukazatele nejsou v neurovědách novinkou. V posledních letech se staly populárními senzory vápníku (např. rodina GCaMP), které nám umožňují zjistit, kdy je neuron aktivován, protože vstup vápníku je dobrým markerem příchodu elektrického impulsu. Tyto senzory však hlásí aktivitu vysílajícího neuronu (toho, který spouští akční potenciál), nikoli chemický signál, který dorazí k přijímajícímu neuronu. Velký přínos iGluSnFR4 spočívá v tom, že se zaměřuje na „vstup“: informace, které každý neuron dostává z více zdrojů, což jsme dosud mohli odvozovat pouze nepřímo.
Koordinované využití této techniky s dalšími technikami strukturálnější povahy by mohlo být klíčové pro rozvoj neurověd, a i když je zatím příliš brzy na to, aby se o tom dalo hovořit, mohlo by otevřít dveře novým přístupům, které by tak byly schopny dosáhnout tam, kde jiné techniky zaostávají. V kombinaci s anatomickými rekonstrukcemi s extrémně vysokým rozlišením – například těmi, které se získávají pomocí elektronové mikroskopie při mapování takzvaného „connectomu“ – by bylo možné každé synapsy přiřadit nejen pozici na mapě, ale také konkrétní funkci: jak moc se podílí na výpočtu neuronu, jak rychle reaguje, jak se mění s učením nebo nemocí.
Tento nástroj navíc otevírá dveře ke studiu dynamických procesů, které nám dosud unikaly. Například synaptická plasticita, tj. schopnost spojení posilovat nebo oslabovat se zkušenostmi, je považována za biologický základ učení a paměti. Pomocí iGluSnFR4 mohou vědci v reálném čase sledovat, jak se mění uvolňování glutamátu v konkrétní synapsích před a po tréninku, zranění nebo podání léku. To by mohlo pomoci pochopit, proč určitá léčba u některých pacientů funguje a u jiných ne, nebo proč některé terapie časem ztrácejí účinnost.
✨ Announcing a new glutamate indicator – iGluSnFR4! ✨
Launched as a pair, iGLuSnFR4s and iGluSnFR4f have high-sensitivity and fast activation/deactivation for recording synapses.
More on the indicators and what they are already revealing: https://t.co/MYJfbQQmAL pic.twitter.com/XupffktwIB
— Allen Institute (@AllenInstitute) March 25, 2025
Má to také význam pro studium vývojových poruch, jako je autismus, kde se předpokládá nerovnováha mezi excitačními (např. zprostředkovanými glutamátem) a inhibičními (např. zprostředkovanými GABA) signály. Schopnost přesně měřit excitační vstup, který neuron dostává v různých fázích vývoje nebo u zvířecích modelů těchto stavů, může poskytnout vodítko k tomu, kdy a ve kterých obvodech dochází k nesouladu.
Samozřejmě to nejsou jen dobré zprávy. Tyto techniky zůstávají invazivní, používají se hlavně u laboratorních zvířat a vyžadují drahé vybavení a vysoce specializovaný personál. Klinického skeneru, který by nám ukázal „matematiku“ našich neuronů, zatímco bychom u neurologa absolvovali test paměti, se přinejmenším v krátké době nedočkáme. Ale jak už to ve vědě bývá, právě dnešní základní pokroky otevírají dveře ke klinickým aplikacím zítřka.