Современные представления об организации центральной нервной системы: коннектом человека и нейронные сети

Цель обзора. Систематизировать современные представления о структурно-функциональной организации деятельности центральной нервной системы (ЦНС) и значимости разработки концепции коннектома человека.

Основные положения. Значительные успехи в понимании организации работы ЦНС в норме и при различных патологических состояниях были достигнуты после внедрения вначале в научную, а затем и в клиническую практику методов структурной и функциональной нейровизуализации. В последнее время при изучении психоневрологической сферы особое внимание уделяется нейронным сетям. Одним из успехов в этой области является построение коннектома человека – системы структурных и функциональных связей между различными церебральными отделами, состояние которых оценивается при помощи мультимодальных методов функциональной нейровизуализации. Таким образом, развитие наук о мозге вышло на совершенно иной уровень – уровень системной психоневрологии, когда имеющиеся процессы анализируются комплексно, с привлечением специалистов в разных областях – неврологии, психиатрии, лучевой диагностики, математики и др. Коннектом человека является в своей основе биологической системой, поэтому, хотя аналогия с искусственным интеллектом и прослеживается, она занимает далеко не первое место. В основе функционирования коннектома человека лежит принцип параллельной, а не последовательной обработки информации. С учетом присущей головному мозгу (во всяком случае, его некоторым отделам) способности к генерации спонтанных неритмичных осцилляций, это приводит к осуществлению базового принципа функционирования ЦНС – минимизации энергозатрат. Кроме того, наличие спонтанных неритмичных осцилляций (принцип неопределенности), вероятно, и лежит в основе присущей человеку способности к интуитивному мышлению, выработке новых идей. Состояние коннектома в покое определяется прошлым опытом, длительностью внешних воздействий, возрастом. Он влияет на характер и степень выраженности нейропластических процессов, а также, в частности, на эффективность тех или иных фармакологических препаратов у данного индивидуума. При этом конечный итог нейропластических изменений может носить различный характер. Он может быть благоприятным для организма (так называемая адаптивная пластичность), никак не влиять на организм либо даже иметь негативный результат (так называемая мальадаптивная нейропластичность). У детей подобные мальадаптивные проявления носят менее выраженный характер. В настоящее время активно изучаются аппаратные методы воздействия на коннектом. Так, например, было показано, что структура коннектома в состоянии покоя может меняться после проведения транскраниальной магнитной стимуляции. Дальнейшие исследования этой проблемы позволят открыть новые возможности для изучения деятельности столь сложно организованной системы как головной мозг – в норме и при различных патологических состояниях – и разработать более эффективные методы нейрореабилитации.

1. Bullmore E., Sporns O. Complex brain networks: graph theoretical analysis of structural and functional systems. Nature Reviews Neuroscience. 2009; 10 (3): 186–198. DOI: 10.1038/nrn2575.

2. Collin G., van den Heuvel M.P. The ontogeny of the human connectome. The Neuroscientist. 2013; 19 (6): 616–628. DOI: 10.1177/1073858413503712.

3. Petersen S.E., Sporns O. Brain networks and cognitive architectures. Neuron. 2015; 88 (1): 207–219. DOI: 10.1016/j.neuron.2015.09.027.

4. van den Heuvel M.P., Bullmore E.T., Sporns O. Comparative connectomics. Trends in Cognitive Sciences. 2016; 20 (5): 345–361. DOI: 10.1016/j.tics.2016.03.001.

5. Haken H. The Brain as a Synergetic and Physical System. In: Selforganization in Complex Systems: The Past, Present, and Future of Synergetics. Proceedings of the International Symposium, Hanse Institute of Advanced Studies, Delmenhorst, Germany, November 13–16, 2012. A. Pelster, Wunner G. (Eds.). Delmenhorst: Springer, 2016. P. 147–163.

6. Mears D., Pollard H. B. Network science and the human brain: Using graph theory to understand the brain and one of its hubs, the amygdala, in health and disease. Journal of Neuroscience Research. 2016; 94 (6): 590–605. DOI: 10.1002/jnr.23705.

7. Raichle M.E., Mintun M.A. Brain work and brain imaging. Annual Review of Neuroscience. 2006; 29 (1): 449–476. DOI: 10.1146/annurev.neuro.29.051605.112819.

8. Raichle M.E., Snyder A.Z. A default mode of brain function: A brief history of an evolving idea. NeuroImage. 2007; 37 (4): 1083–1090. DOI: 10.1016/j.neuroimage.2007.02.041.

9. Rehme A.K., Eickhoff S.B., Grefkes C. State-dependent differences between functional and effective connectivity of the human cortical motor system. NeuroImage. 2013; 67: 237–246. DOI: 10.1016/j.neuroimage.2012.11.027.

10. Santarnecchi E., Galli G., Polizzotto N. R., Rossi A., Rossi S. Effciency of weak brain connections support general cognitive functioning. Human Brain Mapping. 2014; 35 (9): 4566–4582. DOI: 10.1002/hbm.22495.

11. Snyder A.Z. Intrinsic Brain Activity and Resting State Networks. In: Neuroscience in the 21st Century. From Basic to Clinical. Second Edition. D. W. Pfaff, N. D. Volkow (Editors-in-Chief). Ch.51. New York: Springer, 2016. P. 1625–1676.

12. Gurcan O. Effective connectivity at synaptic level in humans: a review and future prospects. Biological Cybernetics. 2014; 108 (6): 713–733. DOI: 10.1007/s00422–014–0619–1.

13. van den Heuvel M.P., Sporns O. Network hubs in the human brain. Trends in Cognitive Sciences. 2013; 17 (12): 683–696. DOI: 10.1016/j.tics.2013.09.012.

14. Edlow B.L., McNab J.A., Witzel T., Kinney H.C. The structural connectome of the human central homeostatic network. Brain Connectivity. 2016; 6 (3): 187–200. DOI: 10.1089/brain.2015.0378.

15. Crossley N.A., Fox P. T., Bullmore E. T. Meta-connectomics: human brain network and connectivity meta-analyses. Psychological Medicine. 2016; 46: 897–907. DOI 10.1017/S0033291715002895.

16. Sporns O. The human connectome: a complex network. Annals of the New York Academy of Sciences. 2011; 1224 (1): 109–125. DOI: 10.1111/j.1749–6632.2010.05888.x.

17. Crossley N.A., Mechelli A., Scott J., Carletti F., Fox P.T., McGuire P., Bullmore E.T. The hubs of the human connectome are generally implicated in the anatomy of brain disorders. Brain. 2014; 137 (8): 2382–2395. DOI: 10.1093/brain/awu132.

18. Hilger K., Ekman M., Fiebach C. J., Basten U. Effcient hubs in the intelligent brain: Nodal effciency of hub regions in the salience network is associated with general intelligence. Intelligence. 2017; 60: 10–25. DOI: 10.1016/j.intell.2016.11.001.

19. Bell P.T., Shine J.M. Estimating large-scale network convergence in the human functional connectome. Brain Connectivity. 2015; 5 (9): 565–574. DOI: 10.1089/brain.2015.0348.

20. Mak L.E., Minuzzi L., MacQueen G., Hall G., Kennedy S.H., Milev R. The default mode network in healthy individuals: a systematic review and meta-analysis. Brain Connectivity. 2017; 7 (1): 25–33. DOI: 10.1089/brain.2016.0438.

21. Zhou X., Wu T., Yu J., Lei X. Sleep deprivation makes the young brain resemble the elderly brain: a large-scale brain networks study. Brain Connectivity. 2017; 7(1): 58–68. DOI: 10.1089/brain.2016.0452.

22. Martella D., Casagrande M., Lupianez J. Alerting, orienting and executive control: the effects of sleep deprivation on attentional networks. Experimental Brain Research. 2011; 210 (1): 81–89. DOI: 10.1007/s00221–011–2605–3.

23. Connolly J., McNulty J.P., Boran L., Roche R.A.P., Delany D., Bokde A.L.W. Identifcation of resting state networks involved in executive function. Brain Connectivity. 2016; 6 (5): 365–374. DOI: 10.1089/brain.2015.0399.

24. Caulfeld M.D., Zhu D.C., McAuley J.D., Servatius R.J. Individual differences in resting-state functional connectivity with the executive network: support for a cerebellar role in anxiety vulnerability. Brain Structure and Function. 2015; 221 (6): 3081–3093. DOI: 10.1007/s00429–015–1088–6.

25. Liu H., Fan G., Xu K., Wang F. Changes in cerebellar functional connectivity and anatomical connectivity in schizophrenia: A combined resting-state functional MRI and diffusion tensor imaging study. Journal of Magnetic Resonance Imaging. 2011; 34 (6): 1430–1438. DOI: 10.1002/jmri.22784.

26. Rack-Gomer A.L., Liau J., Liu T. T. Caffeine reduces resting-state BOLD functional connectivity in the motor cortex. NeuroImage. 2009; 46 (1): 56–63. DOI: 10.1016/j.neuroimage.2009.02.001.

27. Wu W.-C., Lien S.-H., Chang J.-H., Yang S.-C. Caffeine alters resting-state functional connectivity measured by blood oxygenation level-dependent MRI. NMR in Biomedicine. 2014; 27 (4): 444–452. DOI: 10.1002/nbm.3080.

28. Carbonell F., Bellec P., Shmuel A. Global and system-specific resting-state fMRI fluctuations are uncorrelated: principal component analysis reveals anti-correlated networks. Brain Connectivity. 2011; 1 (6): 496–510. DOI: 10.1089/brain.2011.0065.

29. Wu J.-T., Wu H.-Z., Yan C.-G., Chen W.-X., Zhang H.-Y., He Y., Yang H.-S. Aging-related changes in the default mode network and its anti-correlated networks: A resting-state fMRI study. Neuroscience Letters. 2011; 504 (1): 62–67. DOI: 10.1016/j.neulet.2011.08.059.

30. Bob P. Chaos, cognition and disordered brain. Activitas Nervosa Superior. 2008; 50 (4): 114–117. DOI: 10.1007/bf03379553.

31. Sharma N., Classen J., Cohen L.G. Neural plasticity and its contribution to functional recovery. /In: Handbook of Clinical Neurology, Vol. 110 (3rd series). Neurological Rehabilitation. M.P. Barnes and D.C. Good (editors). Ch. 1. Amsterdam etc.: Elsevier, 2013. P. 3–12. https://doi.org/10.1016/b978–0–444–52901–5.00001–0.

32. Papa M., De Luca C., Petta F., Alberghina L., Cirillo G. Astrocyte–neuron interplay in maladaptive plasticity. Neuroscience and Biobehavioral Reviews. 2014; 42: 35–54 http://dx.doi.org/10.1016/j.neubiorev.2014.01.010

33. Takeuchi N., Izumi S.-I. Maladaptive plasticity for motor recovery after stroke: mechanisms and approaches. Neural Plasticity. 2012; 2012: 1–9. DOI: 10.1155/2012/359728.

34. Allred R.P., Jones T.A. Maladaptive effects of learning with the less-affected forelimb after focal cortical infarcts in rats. Experimental Neurology. 2008; 210 (1): 172–181. https://doi.org/10.1016/j.expneurol.2007.10.010

35. Allred R.P., Cappellini C.H., Jones T.A. The “good” limb makes the “bad” limb worse: experience-dependent interhemispheric disruption of functional outcome after cortical infarcts in rats. Behavioral Neuroscience. 2010; 124(1): 124–132. DOI: 10.1037/a0018457.

36. Bertolucci F., Chisari C., Fregni F. The potential dual role of transcallosal inhibition in post-stroke motor recovery. Restorative Neurology and Neuroscience. 2018; 36: 83–97. DOI 10.3233/RNN-170778.

37. Ludemann-Podubecka J., Bosl K., Nowak D.A. Inhibition of the contralesional dorsal premotor cortex improves motor function of the affected hand following stroke. European Journal of Neurology. 2016, 23: 823–830. DOI: 10.1111/ene.12949.

38. Heimler B., Weisz N., Collignon O. Revisiting the adaptive and maladaptive effects of crossmodal plasticity. The Neuroscience. 2014; 283: 44–63 http://dx.doi.org/10.1016/j.neuroscience.2014.08.003

39. Sours C., Alon G., Roys S., Gullapalli R. P. Modulation of resting state functional connectivity of the motor network by transcranial pulsed current stimulation. Brain Connectivity. 2014; 4 (3): 157–165. DOI: 10.1089/brain.2013.0196.

40. Ng T.P., Lim M.L., Niti M., Collinson S. Long-term digital mobile phone use and cognitive decline in the elderly. Bioelectromagnetics. 2011; 33 (2): 176–185. DOI: 10.1002/bem.20698.

41. Kwon M.S., Hamalainen H. Effects of mobile phone electromagnetic felds: Critical evaluation of behavioral and neurophysiological studies. Bioelectromagnetics. 2010. 32 (4): 253–272. DOI: 10.1002/bem.20635.

42. Nittby H., Grafstrom G., Tian D.P., Malmgren L., Brun A., Persson B.R.R., Salford L.G., Eberhardt J. Cognitive impairment in rats after long-term exposure to GSM-900 mobile phone radiation. Bioelectromagnetics. 2008; 29 (3): 219–232. DOI: 10.1002/bem.20386.

43. Nittby H., Brun A., Eberhardt J., Malmgren L., Persson B.R.R., Salford L.G. Increased blood–brain barrier permeability in mammalian brain 7 days after exposure to the radiation from a GSM-900 mobile phone. Pathophysiology. 2009; 16 (2–3): 103–112. DOI: 10.1016/j.pathophys.2009.01.001.

44. Khan M. Adverse effects of excessive mobile phone use. International Journal of Occupational Medicine and Environmental Health. 2008; 21 (4): 289–293. DOI: 10.2478/v10001–008–0028–6.

45. Derias E. M. B., Stefanis P., Drakeley A., Gazvani R., Lewis-Jones D.I. Growing concern over the safety of using mobile phones and male fertility. Archives of Andrology. 2006; 52 (1): 9–14. DOI: 10.1080/01485010500203717.

46. Fejes I., Zavaczki Z., Koloszar S., Szollosi J., Daru J, Kovacs L., Pal A. Hypothesis: safety of using mobile phones on male fertility. Archives of Andrology. 2007; 53 (2): 105–106. DOI: 10.1080/01485010600915202.

47. Mueller S., Wang D., Fox M.D., Yeo B.T.T., Sepulcre J., Sabuncu M.R., Shafee R., Lu J., Liu H. Individual variability in functional connectivity architecture of the human brain. Neuron. 2013; 77 (3): 586–595. DOI: 10.1016/j.neuron.2012.12.028.

48. Stevens W.D., Spreng R.N. Resting-state functional connectivity MRI reveals active processes central to cognition. Wiley Interdisciplinary Reviews: Cognitive Science. 2014; 5 (2): 233–245. DOI: 10.1002/wcs.1275.

49. Finn E.S., Shen X., Scheinost D., Rosenberg M.D., Huang J., Chun M.M., Papademetris X., Constable R.T. Functional connectome fngerprinting: identifying individuals using patterns of brain connectivity. Nature Neuroscience. 2015; 18 (11): 1664–1671. DOI: 10.1038/nn.4135.

50. Hahn A., Kranz G.S., Sladky R., Ganger S., Windischberger C., Kasper S., Lanzenberger R. Individual diversity of functional brain network economy. Brain Connectivity. 2015; 5 (3): 156–165. DOI: 10.1089/brain.2014.0306.

51. Reineberg A.E., Banich M.T. Functional connectivity at rest is sensitive to individual differences in executive function: A network analysis. Human Brain Mapping. 2016; 37 (8): 2959–2975. DOI: 10.1002/hbm.23219.

52. Hearne L.J., Mattingley J.B., Cocchi L. Functional brain networks related to individual differences in human intelligence at rest. Scientifc Reports. 2016; 6: 32328. DOI:10.1038/srep32328.

53. Baldassarre A., Lewis C.M., Committeri G., Snyder A.Z., Romani G.L., Corbetta M. Individual variability in functional connectivity predicts performance of a perceptual task. Proceedings of the National Academy of Sciences. 2012; 109 (9): 3516–3521. DOI: 10.1073/pnas.1113148109.

54. Zhao T., Cao M., Niu H., Zuo X.-N., Evans A., He Y., Dong Q., Shu N. Age-related changes in the topological organization of the white matter structural connectome across the human lifespan. Human Brain Mapping. 2015; 36 (10): 3777–3792. DOI: 10.1002/hbm.22877.