Mózg na krawędzi chaosu. Co utrzymuje nasze widzenie pod kontrolą?

To, co widzimy, wydaje się stabilne, choć aktywność neuronów jest pełna nieregularnych zmian. Zespół kierowany przez dr. Mehdi Borjkhani wykazał za pomocą minimalnego modelu pierwotnej kory wzrokowej, że dwa naturalne mechanizmy sprzężenia zwrotnego mogą ograniczyć chaos i zmniejszyć zmienność aktywności neuronowej aż o 93 %. Wyniki wskazują, w jaki sposób mózg może zachować elastyczność, a jednocześnie niezawodnie przetwarzać informacje wzrokowe.

Każde spojrzenie uruchamia skomplikowaną wymianę sygnałów między milionami neuronów. Jedne komórki pobudzają sieć, inne ją hamują, a dodatkowe sygnały napływają ze wzgórza i układów neuromodulacyjnych. Aktywność ta nie przebiega z regularnością zegarka. Mimo to potrafimy rozpoznać twarz, ocenić kierunek jazdy zbliżającego się samochodu czy przeczytać znak, nawet gdy warunki szybko się zmieniają.

To jeden z podstawowych paradoksów działania mózgu. Układ wzrokowy musi pozostać wystarczająco zmienny, aby reagować na nowe informacje, ale nie może stać się całkowicie chaotyczny. Gdyby do tego doszło, nawet minimalna różnica w początkowej aktywności neuronów mogłaby w krótkim czasie doprowadzić do zupełnie innej odpowiedzi. Niezawodne kodowanie bodźców wzrokowych przestałoby być możliwe.

Problem ten zbadał zespół w składzie: dr Mehdi Borjkhani z Międzynarodowego Centrum Badań Oka (ICTER), części Instytutu Chemii Fizycznej PAN, Morteza A. Sharif z Urmia University of Technology oraz Hadi Borjkhani z HTW Berlin. Wyniki przedstawiono w artykule Intrinsic chaos control in cortical circuits: A minimal E-I-M rate model for primary visual cortex, opublikowanym w czasopiśmie Journal of Computational Neuroscience.

"W tym kontekście chaos nie oznacza zwykłego szumu ani nieporządku. Jest to deterministyczna forma dynamiki, w której bardzo niewielka różnica na początku może szybko skierować cały układ na inną drogę. Dla mózgu stanowi to potencjalne źródło elastyczności, ale także zagrożenie dla stabilnego przetwarzania informacji" - mówi dr Mehdi Borjkhani, pierwszy autor publikacji.

Trzy zmienne zamiast miliardów neuronów

Badacze nie próbowali odtworzyć każdego neuronu i każdego połączenia w korze. Opracowali model obejmujący trzy współdziałające populacje. Zmienna E reprezentowała neurony pobudzające, przede wszystkim komórki piramidowe, które stanowią około 80 % neuronów kory. Zmienna I odpowiadała szybko działającym interneuronom hamującym, zwłaszcza komórkom PV+. Zmienna M opisywała wolniejszy napęd modulacyjny, łączący wpływ wzgórza i układów neuromodulacyjnych.

Punktem wyjścia był wyjątkowo prosty układ Lotki-Volterry, znany pierwotnie z matematycznych opisów oddziałujących ze sobą populacji. Składa się on z zaledwie siedmiu członów i dwóch podstawowych parametrów. Autorzy podkreślają, że wykorzystali go jako matematyczne rusztowanie, a nie jako dosłowny opis synaps czy pojedynczych komórek.

Do modelu wprowadzono trzy elementy charakterystyczne dla kory wzrokowej. Pierwszym było sprzężenie zwrotne, w którym wzrost aktywności neuronów pobudzających uruchamia neurony hamujące. Drugim - homeostaza, czyli samoregulacja utrzymująca napęd modulacyjny w bezpiecznym zakresie. Trzecim był bodziec wzrokowy dostrojony do orientacji, na przykład pionowej, poziomej lub ukośnej krawędzi.

Naukowcy sprawdzili 225 różnych ustawień modelu, zmieniając siłę pobudzenia, hamowania i sygnałów docierających do układu. W jego pierwotnej wersji niemal 9 na 10 ustawień prowadziło do chaosu. Oznaczało to, że nawet bardzo podobne stany początkowe szybko zaczynały rozwijać się w zupełnie inny sposób. Potwierdził to dodatni wykładnik Lapunowa wynoszący 0,069 - matematyczna miara wrażliwości układu na najmniejsze zmiany.

Kiedy do modelu dodano mechanizmy sprzężenia zwrotnego występujące w mózgu, jego działanie wyraźnie się uspokoiło. Nieregularna aktywność została zastąpiona stabilnym, powtarzalnym rytmem, a jej zmienność spadła z 0,325 do 0,024, czyli aż o 93 %. Nie był to efekt jednego starannie dobranego ustawienia. Model stabilizował się w większości badanych warunków i pozostawał odporny nawet wtedy, gdy wartość większości parametrów zmieniano o 25 %.

"Najbardziej interesujące jest to, że nie musieliśmy pozbawiać modelu zdolności do chaotycznej aktywności. Wystarczyło wprowadzić mechanizmy, z których rzeczywista kora korzysta każdego dnia: szybkie hamowanie i wolniejszą samoregulację. W badanym punkcie roboczym mechanizmy te ograniczyły zmienność o 93 %" - wyjaśnia dr Borjkhani.

Czy model zachowuje się jak kora wzrokowa?

Samo ustabilizowanie matematycznego chaosu nie wystarczało. Autorzy sprawdzili więc, czy model potrafi odtworzyć zjawiska obserwowane w pierwotnej korze wzrokowej, nazywanej V1.

Najpierw przeprowadzili 30 symulowanych prób z nieznacznie różniącymi się warunkami początkowymi. Przed pojawieniem się bodźca trajektorie modelu były wyraźnie rozproszone. Po włączeniu bodźca zbiegały się w kierunku podobnego wzorca, a zmienność między próbami gwałtownie malała. Przypomina to obserwowane w mózgu tzw. wyciszanie zmienności: aktywność spontaniczna jest nieregularna, ale konkretny bodziec wzrokowy porządkuje odpowiedź neuronów.

Następnie badacze sprawdzili, jak 30 wirtualnych neuronów reaguje na linie ustawione pod 10 różnymi kątami - od 0 do 180 stopni, co 20 stopni. Chcieli ustalić, czy poszczególne neurony wyraźniej odpowiadają na określony kierunek. Służy do tego wskaźnik OSI: zero oznacza brak preferencji, a jeden - reakcję wyłącznie na jedną orientację.

W chaotycznym wariancie modelu średni wynik wyniósł 0,38 ± 0,09, a w bardziej regularnym - 0,31 ± 0,10. Obie wartości mieszczą się w zakresie 0,1-0,9 obserwowanym w pierwotnej korze wzrokowej makaków. Co ciekawe, umiarkowanie nieregularna aktywność nie utrudniała rozpoznawania orientacji. Przeciwnie, w modelu neurony nieco wyraźniej odróżniały preferowany kierunek od pozostałych.

Badacze sprawdzili również, jak aktywność całej symulowanej sieci wpływa na pojedynczy neuron. W tym celu wykorzystali klasyczny model Hodgkina-Huxleya, który odtwarza powstawanie impulsów nerwowych. Następnie porównali, jak regularnie neuron wysyła sygnały pod wpływem różnych rodzajów pobudzenia.

Przy pobudzeniu chaotycznym odstępy między impulsami były znacznie bardziej zróżnicowane niż przy sygnale regularnym. Mierzący tę nieregularność współczynnik wyniósł 0,27, w porównaniu z 0,05 dla pobudzenia sinusoidalnego i zaledwie 0,005 dla sygnału stałego. Wynik 0,27 odpowiada wartościom od 0,1 do 0,3 mierzonym w neuronach korowych w warunkach laboratoryjnych. Nadal jest jednak wyraźnie niższy od zakresu 0,7-1,0 obserwowanego w żywym mózgu. Sugeruje to, że chaos może być jednym ze źródeł nieregularnej pracy neuronów, ale w rzeczywistym mózgu wpływają na nią również inne czynniki.

Nowa definicja stabilnego widzenia

Badanie wskazuje, że stabilne widzenie nie jest stanem biernym. Może być rezultatem ciągłego kontrolowania układu działającego blisko granicy niestabilności. Dzięki temu mózg może reagować szybko, a jednocześnie sprawiać, że ten sam obraz nie wywołuje za każdym razem zupełnie innej odpowiedzi.

Model może również pomóc naukowcom w projektowaniu przyszłych eksperymentów dotyczących zaburzeń równowagi między pobudzeniem a hamowaniem. Autorzy przewidują, że osłabienie sprzężenia zwrotnego między neuronami pobudzającymi i hamującymi albo procesów homeostatycznych powinno zwiększać zmienność aktywności kory. Taki mechanizm może mieć znaczenie dla zrozumienia nieregularnych wzorców aktywności neuronowej obserwowanych między innymi w padaczce i schizofrenii. Na tym etapie pozostaje to jednak hipotezą, którą należy sprawdzić w eksperymentach biologicznych.

Model ma również istotne ograniczenia. Nie uwzględnia przestrzennej organizacji kory, jej warstw ani pełnej różnorodności interneuronów. Neuron Hodgkina-Huxleya został wykorzystany jako ogólny generator impulsów, a nie jako szczegółowy model komórki piramidowej V1. Badanie nie dostarcza więc jeszcze narzędzia diagnostycznego ani metody leczenia.

"Nie proponujemy gotowej metody terapeutycznej. Przedstawiamy prostą mapę zależności oraz konkretne przewidywania, które można sprawdzić eksperymentalnie. Jeżeli zostaną potwierdzone w rzeczywistych obwodach nerwowych, łatwiej będzie zrozumieć, kiedy naturalna zmienność mózgu wspiera przetwarzanie informacji, a kiedy zaczyna mu zagrażać" - podsumowuje dr Mehdi Borjkhani.

Najważniejszy wniosek płynący z pracy zespołu odwraca zwykle stawiane pytanie. Być może nie powinniśmy koncentrować się wyłącznie na tym, w jaki sposób mózg wytwarza złożoną, niemal chaotyczną aktywność. Równie ważne jest pytanie, jak każdego dnia utrzymuje ją pod kontrolą. Nasze stabilne postrzeganie świata może zależeć właśnie od tej nieustannej gry między elastycznością a porządkiem.

---------------------------

Źródło: Mehdi Borjkhani, Morteza A. Sharif, Hadi Borjkhani (2026). Intrinsic chaos control in cortical circuits: A minimal E-I-M rate model for primary visual cortex. Journal of Computational Neuroscience.

DOI: https://doi.org/10.1007/s10827-026-00938-5