Artikkel

Hjernens visuelle «skysstasjon» er egentlig en portvokter

De elektriske signalene fra netthinnen kan oppfattes som pixler, som igjen kan beskrives som tall
De elektriske signalene fra øyets netthinne er i prinsippet ikke noe annet enn tall som hjernens visuelle system analyserer lynkjapt for å finne for eksempel ansiktet til en amerikansk president. Illustrasjon: M.H. Mobarhan Bruk bildet.

Hjernens visuelle «skysstasjon» er egentlig en portvokter

Små elektriske signaler sendes innover mot hjernen når fotoner treffer lysreseptorene i øyets netthinne. Disse signalene kan sammenliknes med pixlene i et digitalt bilde – og hjernens vanskelige oppgave er å analysere seg fram til hva pixlene representerer. Milad Mobarhan har klart å lage en matematisk modell av hvordan en "portvokter" i hjernen tar seg av første trinn i denne bildeanalysen.

De elektriske signalene fra netthinnen kan sammenliknes med pixlene i et digitalt bilde, forklarer Milad Hobbi Mobarhan.
De elektriske signalene fra netthinnen kan sammenliknes med pixlene i et digitalt bilde, forklarer Milad Hobbi Mobarhan. Hjernens vanskelige oppgave er å finne ut hva slags motiv som ga opphav til pixlene. Foto: Bjarne Røsjø/UiO Bruk bildet.

Forskeren Milad Hobbi Mobarhan har brukt matematiske modeller for å studere en liten hjernestruktur som kalles lateral knekropp på norsk og lateral geniculate nucleus (LGN) på engelsk. Navnene forteller at strukturen ser ut som et lite kne og at det finnes en knekropp på hver side – lateralt – i hjernen.

Det lille «kneet» ble lenge oppfattet som en nokså passiv reléstasjon som tar imot elektriske signaler fra øyets netthinne og sender nye signaler videre til den delen av hjernebarken som analyserer synsinntrykk. Men Mobarhan har utviklet matematiske modeller som gjør det mulig å studere den lille hjernestrukturen i detalj, og de modellene viser at det foregår mye spennende i knekroppen.

Synssansen hos mennesket og mange andre dyr begynner med at fotoner treffer lysreseptorene i øyets netthinne og setter i gang prosesser som fører til at det sendes små elektriske signaler innover mot hjernen. Forskeren Michele Cascella ved Kjemisk institutt har i en artikkel forklart hovedprinsippene i hva som skjer inne i øyet før det sendes signaler videre til LGN.

Den digitale hjernen

De elektriske signalene fra netthinnen til LGN (og mellom nervecellene i hjernen) kalles aksjonspotensialer. Det finnes ingen halve eller kvarte aksjonspotensialer: Det er isteden slik at det enten går et signal, eller så går det ikke et signal. Med andre ord: Signalene er digitale og kan ha verdiene 0 eller 1.

De elektriske signalene fra netthinnen kan derfor sammenliknes med pixlene i et digitalt bilde, eller snarere en digital video. Hjernens vanskelige oppgave er å analysere seg fram til hva pixlene representerer, og med Mobarhans matematiske modeller kan man nå studere hvilke rolle LGN har i denne analysen.

Hjernen vil vite hva øynene har sett

LGN tar imot signaler fra netthinnen, men også fra hjernebarken
Hjernen har to «laterale knekropper» som hver inneholder ca. 10 000 nevroner. Det lille området mottar signaler fra netthinnen og både mottar og sender signaler til den visuelle hjernebarken. Illustrasjon: Milad H. Mobarhan, Institutt for biovitenskap Bruk bildet

Det merkelige er at bare 5 prosent av de elektriske signalene som LGN tar imot, kommer fra øyets netthinne.

– Det betyr at 95 prosent av signalene til LGN isteden kommer «innenfra» hjernen, fra det første visuelle området i hjernebarken og andre deler av hjernen. Vi vet ennå ikke hva dette betyr, men én mulig teori er at den massive feedback-koblingen forteller noe om hva hjernebarken forventer at øynene har sett, foreslår Mobarhan.

– Et eksempel her kan være at hjernen får input som ikke forandrer seg hvis synsinntrykket er statisk. Da klarer hjernebarken å predikere hva inputen er, og hjernen trenger ikke bruke energi på å sende signaler fra netthinnen til hjernebarken. Ideen er at LGN regner ut differansen mellom input fra netthinnen og prediksjonen fra hjernebarken, og hvis differansen er liten, sendes ingen signaler videre.

Når signalene fra LGN kommer fram til den visuelle hjernebarken, blir de analysert på en hierarkisk måte. Hjernen leter først etter enkle ting, som kanter og grenser hvor mørke og lyse «pixler» grenser til hverandre.

På det neste nivået kan hjernen analysere for eksempel bevegelser eller hvilken romlig orientering kantene og grensene har. Enda høyere opp i analysesystemet finner du celler som er så avanserte at de jobber med å gjenkjenne for eksempel ansikter, forteller Mobarhan.

Vil du ha flere forskningsnyheter om realfag og teknologi: Følg Titan.uio.no på Facebook eller abonner på nyhetsbrevet vårt

Innfallsport for videre studier

Mobarhan begynte å studere LGN sammen med kollegene i forskergruppen CINPLA fordi han ante at den lille og forholdsvis enkle strukturen kunne være en innfallsport til å forstå større deler av hjernens visuelle system – som er svært komplisert.

LGN består nemlig bare av ca. 100 000 nevroner, som er nesten ingenting i forhold til hele hjernens ca. 100 milliarder nevroner. Dessuten har cellene i LGN nokså få koblinger seg imellom, mens en gjennomsnittlig hjernecelle kan ha koblinger til kanskje 10 000 andre celler.

– I LGN er det i hovedsak to typer celler: De som mottar signaler fra retina og sender dem videre, og de hemmende eller inhibitoriske cellene som bremser signaler av ulike grunner. LGN er på en måte mer oversiktlig enn resten av hjernen. Derfor er det litt rart at det har vært gjort lite modellering av aktiviteten der, forteller Mobarhan.

– LGN mottar altså flere elektriske signaler innenfra hjernen enn utenfra netthinnen. Til gjengjeld er signalene fra netthinnen sterkere. Det er også slik at antallet signaler fra netthinnen til LGN er mye større enn antallet som sendes fra LGN videre innover i hjernen, tilføyer han.

Forskerne liker for øvrig å tro at feedback-signalene innenfra hjernen er utløst av et signal fra LGN, men akkurat det er fortsatt litt usikkert.

– Det er gjort eksperimenter som viser at tiden fra signaler sendes fra hjernebarken til de mottas i LGN, varierer svært mye, fra 2 helt opp til 50 millisekunder. Det kan tyde på at feedback-signalene kan modifisere innkommende signaler synkront, men også ha en langvarig effekt, antyder Mobarhan.

Utviklet bedre forståelse

COBRA-forskere: Anders Malthe-Sørenssen, Marianne Fyhn, Gaute Einevoll
Anders Malthe-Sørenssen (t.v.), Marianne Fyhn og Gaute Einevoll var nøkkelpersoner ved etableringen av det tverrfaglige toppforskningsmiljøet CINPLA, hvor Milad Hobbi Mobarhan har studert hjernens "lille kne". Foto: Ola Sæther, UiO Bruk bildet.

Milad Mobarhan har i løpet av sitt doktorgradsprosjekt vært med på å modellere LGN på to forskjellige nivåer. Den ene modellen er veldig detaljert og modellerer LGN som et stort antall elektriske kretser – nervecellene – som er koblet sammen. Den andre modellen er mer abstrakt og er en såkalt ratemodell som nøyer seg med å se på det gjennomsnittlige antallet aksjonspotensialer.

I tillegg har han, sammen med fire medstudenter, utviklet en app som gir studenter i faget muligheten til å lage små modeller av hjernen på sine egne smarttelefoner og fordype seg i hvordan den virker. Appen heter Neuronify og ble publisert i det vitenskapelige tidsskriftet eNeuro i 2017. Den er til nå blitt lastet ned over 57 000 ganger på verdensbasis og er brukt aktivt i flere kurs i nevrovitenskap.

– Det er spesielt hyggelig å se at appen nå blir tatt i bruk av forskere internasjonalt for å modellere nervecellefunksjon, forteller Mobarhan – etter at Neuronify nylig ble benyttet i en forskningsartikkel publisert i det vitenskapelige tidsskriftet Nature Communications.

Mobarhans avhandling har med andre ord bidratt til å utvikle en bedre forståelse av hvordan visuell informasjon prosesseres i LGN og introdusert nye beregningsorienterte modeller og programvare til bruk i den nevrovitenskapelige forskningen.

Informasjonsutveksling i skysstasjonen

I gamle dager, før bilen ble oppfunnet, fantes det skysstasjoner hvor reisende kunne bytte ut slitne hester og reise videre med uthvilte hester. Disse stasjonene gjorde liksom ikke noe annet enn å sende reisende (eller signaler) videre. Det er interessant å se at den engelske betegnelsen på skysstasjonene – relay station – er den samme som er blitt brukt om LGN, påpeker Mobarhan.

Men skysstasjonene var nok viktigere enn som så. Her kunne mange langveisfarende overnatte, feste med andre reisende, utveksle informasjon og kanskje forandre planer. Slik er det også med hjernens skysstasjon, tror Mobarhan: LGN har i virkeligheten stor innflytelse på hvilke signaler som sendes videre.

AI hermer etter hjernen

Forenklet skisse som viser hvordan hjernens visuelle system analyserer de elektriske signalene fra netthinnen på en hierarkisk måte.
Den forenklede skissen viser hvordan hjernens visuelle system analyserer de elektriske signalene fra netthinnen på en hierarkisk måte. Netthinnen og LGN finner «pixlene»; det første nivået i den visuelle hjernebarken (V1) finner linjer og kanter; V2-nivået finner former; V4-nivået finner objekter; og det høye IT-nivået gjenkjenner ansikter. Illustrasjon: M.H. Mobarhan, UiO

Mobarhan har lagt merke til at den massive feedback-koblingen i hjernens visuelle system har en klar parallell i datamaskinenes verden. Mange forskere som jobber med utviklingen av kunstig intelligens (Artificial Intelligence/AI) og for eksempel talegjenkjenning, bruker nemlig såkalte tilbakekoblende nevrale nettverk (recurrent neural networks) som er i stand til å lære av sin egen aktivitet.

– De nevrale nettverkene som Facebook og Google bruker til å gjenkjenne ansikter og objekter, er inspirert av hvordan hjernen fungerer. Programvareutviklerne kan trene et nettverk ved å gi det for eksempel mange forskjellige bilder av katter og beskjed om at «dette er en katt». Deretter må nettverket selv lete seg fram til hvilke faktorer som egentlig identifiserer en katt. Etterhvert blir nettverkene veldig flinke, forteller Mobarhan.

– Det som i alle fall er en «fun fact», er at de detektorene som de kunstige nevrale nettverkerne utvikler når de trener seg selv, har omtrent den samme formen som vi finner i hjernen! De virtuelle nettverkene etablerer filtre som likner veldig på de mønstrene som cellene i den visuelle hjernebarken bruker, og de analyserer bildesignalene gjennom flere nivåer, tilføyer han.

Ettertraktet blant bedriftene

Hva er galt med dette bildet? Hjernen skjønner det lynkjapt, men det gjør ikke datamaskinen.
Nettverkene i  hjernen ser øyeblikkelig at det er noe galt med dette motivet, mens datamaskinen bare ser pixlene. Foto: Colourbox

Men de nevrale nettverkene har fortsatt langt igjen før de er like gode som hjernens visuelle systemer.

– Tenk deg at du ser et bilde av et barn som har en sigarett i hånden; det motivet vil nærmest øyeblikkelig utløse en rekke responser i hjernen, som sier ifra om at her er det noe galt. Og dette skjer fort! Men datamaskinen ser jo bare pixel-verdiene, påpeker Mobarhan.

Ekspertisen hans er svært ettertraktet i industrien, og jobbtilbudene sto i kø da han hadde levert doktorgraden. Mobarhan jobber nå med analyse og datamodellering i oppstartbedriften Cognite AS, som tilbyr løsninger for industribedrifter. Selskapet har utviklet en plattform som brukes til å samle, behandle og analysere store mengder data løpende i industrien, for eksempel på oljeplattformer eller skip.

– Jeg føler at min PhD-utdanning var viktig for det arbeidet jeg nå gjør i industrien. Der opplever jeg at den kritiske tenkemåten, erfaringene med prosjektledelse og arbeidsmåten for problemløsning blir verdsatt, sier Mobarhan.

Kontakt:

Stipendiat Milad Hobbi Mobarhan, Institutt for biovitenskap

Les mer på Titan.uio.no:

Mer informasjon:

Centre for Integrative Neuroplasticity

Vitenskapelige artikler:

Svenn-Arne Dragly, Milad Hobbi Mobarhan, Andreas Våvang Solbrå, Simen Tennøe, Anders Hafreager, Anders Malthe-Sørenssen, Marianne Fyhn, Torkel Hafting and Gaute T. Einevoll: Neuronify: An Educational Simulator for Neural Circuits. eNeuro, 9 March 2017.

Martínez-Cañada, Pablo; Mobarhan, Milad; Halnes, Geir; Fyhn, Marianne; Morillas, Christian; Pelayo, Francisco & Einevoll, Gaute (2018): Biophysical network modeling of the dLGN circuit: Effects of cortical feedback on spatial response properties of relay cells. PloS Computational Biology, ISSN 1553-734X, 14(1), s 1- 45.

Mobarhan, Milad; Halnes, Geir; Martínez-Cañada, Pablo; Hafting, Torkel; Fyhn, Marianne and Einevoll, Gaute (2018): Firing-rate based network modeling of the dLGN circuit: Effects of cortical feedback on spatiotemporal response properties of relay cells. PloS Computational Biology, ISSN 1553-734X, 14(5).

Svenn-Arne Dragly, Milad Hobbi Mobarhan, Mikkel E. Lepperød, Simen Tennøe, Marianne Fyhn, Torkel Hafting and Anders Malthe-Sørenssen: Experimental Directory Structure (Exdir): An Alternative to HDF5 Without Introducing a New File Format. Frontiers in Neuroinformatics, 13 April 2018.

Les også