314
Команда під керівництвом нейробіолога Йошіхо Ікеучі з Токійського університету з’єднала три людські мозкові органоїди в одну функціональну мережу й показала, що після повторного тренування така система здатна розрізняти, з якої точки надійшов електричний сигнал. Це не означає появи свідомості чи «міні-мозку», однак експеримент демонструє, як взаємопов’язані модулі нервової тканини можуть навчатися диференціювати джерела інформації.
Мозкові органоїди — це невеликі тривимірні скупчення людських нервових клітин, вирощені зі стовбурових клітин. Вони не копіюють повноцінний мозок, але відтворюють частину його клітинної організації й електричної активності. У цьому досліді органоїди розміщували на спеціальних чипах із мікроелектродами, які могли як стимулювати тканину, так і записувати її реакцію.
Науковці створили системи з одним, двома та трьома органоїдами й залишили їх більш ніж на два тижні, щоб нейрони встигли виростити аксони та сформувати зв’язки між окремими модулями. Записи показали синхронізовану активність, тобто органоїди справді почали працювати як взаємопов’язана мережа, а не як ізольовані шматочки тканини.
Потім протягом ще двох тижнів мережі щодня стимулювали в двох різних місцях — по сто імпульсів у кожній точці. Активність записували в іншому, нестимульованому модулі. На початку алгоритми машинного навчання могли визначити джерело сигналу приблизно в половині випадків, тобто не краще за випадкове вгадування.
Після періоду повторної стимуляції зміни з’явилися саме в системах із трьома органоїдами. Електричні патерни стали швидшими, стабільнішими й сильніше відрізнялися залежно від того, звідки приходив сигнал. У контрольних мережах, які не проходили таке «тренування», подібного ефекту не було.
Автори вважають, що модульна організація може бути важливою для складнішої обробки інформації в нервовій тканині. Результат не означає, що органоїди мислять або усвідомлюють сигнали, але показує одну з базових властивостей навчання — здатність змінювати реакцію після повторюваного досвіду. Такі системи можуть стати корисними моделями для дослідження розвитку мозкових мереж і неврологічних розладів.
