Мозг в изоляции
Новый инструмент на Python показал, как депрессия разрывает нейронные связи
Ученые разработали первый общедоступный программный пакет для языка программирования Python, который анализирует сложные сети. Новый инструмент позволяет изучать групповые взаимодействия между тремя и более объектами — от нейронов мозга до социальных связей.
Фото: Игорь Иванко, Коммерсантъ
Фото: Игорь Иванко, Коммерсантъ
Разработка позволила авторам выявить фундаментальные различия в организации нейронных сетей в головном мозге у пациентов с депрессией и здоровых людей. Пакет открывает новые возможности для исследователей в области нейронаук, социологии, биологии и анализа данных. Результаты исследования, поддержанного грантом Российского научного фонда (РНФ), опубликованы в журнале Frontiers in Network Physiology.
Современная наука о сетях — это междисциплинарная область, которая изучает сложные взаимодействия, например нейроны в мозге или сообщества людей на интернет-площадках. Классические подходы для анализа таких структур, в частности, основанные на графах (математических моделях, в которых объекты заменяются на объединенные между собой узлы), позволяют оценивать связи только между какими-то двумя объектами из множества. Однако реальные взаимодействия часто имеют более сложный, групповой характер — это так называемые взаимодействия высокого порядка. Например, для выполнения когнитивной задачи задействуются сразу несколько отделов мозга, и нужно учитывать их совместную работу. Анализ, опирающийся на графы, не позволяет адекватно уловить и измерить эти многокомпонентные связи, что ограничивает изучение сложных систем.
Ученые из Российского экономического университета имени Г. В. Плеханова (Москва) и Балтийского федерального университета имени Иммануила Канта (Калининград) разработали и разместили в открытом доступе программный пакет для языка программирования Python. Этот пакет как специализированный калькулятор умеет анализировать взаимодействия между тремя и более объектами одновременно.
В основе разработки лежит метод Q-анализа — мощный математический аппарат, который, несмотря на свой потенциал, долгое время широко не использовался для анализа взаимодействий высокого порядка в сложных сетях, так как не было простых способов его применения. Новый пакет для Q-анализа делает доступными исследования сложных связей для широкого круга исследователей в нейронауках, социологии, биологии и других областях.
Исследователи показали, что предложенный инструмент позволяет различать сети с одинаковым количеством связей у узлов, но разной организацией. Например, в одной сети все связи могут идти от общего главного узла, а в другой они будут связаны в клубок без основного центра. Ученые протестировали алгоритм на международной базе данных соавторств по компьютерным наукам Coauthors DBLP за 1987, 2002 и 2017 годы и выявили структурные изменения в мировом научном сообществе. За три десятилетия международное и междисциплинарное сотрудничество стало намного шире, причем исследователи из разных областей все чаще объединялись в большие коллективы.
Еще одно применение пакет нашел в нейронауке. Авторы проанализировали с его помощью данные функциональной магнитно-резонансной томографии (фМРТ) пациентов с депрессивным расстройством, а также здоровых людей из контрольной группы. Инструмент помог выявить значительные нарушения в организации функциональных сетей мозга при исследуемых заболеваниях. Оказалось, что нейронные сети пациентов с депрессией слабее взаимодействуют между собой и работают в режиме разобщенности и изоляции.
«Разработанный пакет предоставляет научному сообществу мощный и удобный инструмент для изучения взаимодействий высокого порядка в сетях. Исследование продемонстрировало, насколько важно анализировать такие сложные взаимодействия между элементами сетей для более полного понимания функционирования различных систем: от социальных связей до человеческого мозга в норме и при патологии. Открытый исходный код пакета способствует его будущему развитию и применению в самых разных междисциплинарных проектах. В дальнейшем мы планируем расширять функционал программного пакета, а также применить его для решения различных прикладных и исследовательских задач: от диагностики нейропсихиатрических и нейродегенеративных заболеваний до развития интерфейсов "мозг—компьютер"»,— рассказывает участник проекта, поддержанного грантом РНФ, Семен Куркин, доктор физико-математических наук, главный научный сотрудник НИИ прикладного искусственного интеллекта и цифровых решений Российского экономического университета имени Г. В. Плеханова.
Ранее ученые выяснили, что сети нервных клеток у пациентов с шизофренией взаимодействуют слишком активно, что приводит к неэффективной работе крупных отделов мозга, таких как сенсорные зоны коры, лимбическая система и другие, и может быть причиной галлюцинаций.
Подготовлено при поддержке Российского научного фонда