De verborgen muziek in het drummen van neuronen

Neuronen – de cellen waaruit je hersenen en zenuwstelsel bestaan – zijn een beetje als drummers, maar dan wel met erg weinig talent. Om informatie te verwerken zenden ze voortdurend kleine elektrische signalen uit die, indien je ze zou vertalen naar muziek, zowat de slechtst denkbare drumsolo’s opleveren: zonder enig ritme en compleet uit de maat, een beetje alsof een driejarige kleuter een wel heel experimenteel stukje jazz aan het opvoeren is. Toch vormen deze elektrische signalen de basis van alles wat je zegt, denkt en doet.  Er zit dus zeker een betekenis in de soms vreemde opeenvolgingen van deze zogenaamde zenuwimpulsen. In dit afstudeerwerk, dat ik uitvoerde als VUB studente aan het Massachusetts Institute of Technology (MIT) onder leiding van professor Max Tegmark, hebben we de communicatiepatronen in een complex netwerk van menselijke neuronen in kaart gebracht. En verborgen in het ogenschijnlijk ongestructureerde kabaal vonden we weldegelijk muziek. Onze analyse helpt niet alleen de menselijke hersenen en intelligentie beter te begrijpen; ze helpt ook onze inzichten in artificiële neurale netwerken – een veelgebruikte techniek in de artificiële intelligentie – verder uit te breiden.

Hersenen in een schaaltje: van huidcellen over stamcellen tot neuronen

Om de communicatiepatronen in een netwerk van neuronen te ontdekken, heb je natuurlijk allereerst een netwerk van neuronen nodig. Het moet daarnaast ook mogelijk zijn om de zenuwimpulsen die de neuronen in het netwerk naar elkaar verzenden heel precies te meten. Omdat individuele neuronen zo klein zijn (slechts enkele micrometers, of een paar duizendsten van een millimeter) en de elektrische signalen die ze uitzenden zo zwak, is het precieze meten van de elektrische activiteit van een groot aantal neuronen een immense uitdaging. Tot voor kort was het technisch gezien zelfs zo goed als onmogelijk. Dit zorgt er dan weer voor dat heel veel vragen over de communicatiepatronen van neuronen tot op vandaag onopgelost zijn, wat het onderzoeken ervan juist zo interessant maakt.

Nog steeds is het praktisch niet realiseerbaar om precieze metingen uit te voeren in echte hersenen, menselijk of niet, omdat de neuronen daar te dicht op elkaar gepakt zitten. Om die reden bestudeerden we netwerken gevormd door in een labo gekweekte neuronen. Deze hersencellen werden door een team van collega-wetenschappers aan Harvard University verkregen uit geïnduceerde stamcellen: in tegenstelling tot de stamcellen die uit embryo’s gehaald worden, zijn geïnduceerde stamcellen afkomstig van huidcellen die ‘geherprogrammeerd' werden tot stamcellen. Uiteindelijk konden deze verkregen stamcellen dan omgevormd worden tot hersencellen. De netwerken die we bestudeerden bestonden dus uit dit soort gekweekte menselijke neuronen; neuronen die, eens ze bovenop onze sensor geplaatst werden, spontaan verbindingen met elkaar begonnen te vormen. Dankzij een recent ontwikkelde sensor met meer dan 26000 zeer gevoelige meetpunten konden we vervolgens de geproduceerde zenuwimpulsen nauwkeurig registreren.

Foto (gemaakt met een microscoop) van de gekweekte neuronen die groeien bovenop het raster van de sensor.

Drummende neuronen

Daarna restte ons nog de taak het kluwen aan zenuwimpulsen te ontwarren. Uiteindelijk wilden we de communicatiepatronen in het netwerk ontdekken: welke neuronen zenden zenuwimpulsen uit naar welke andere neuronen, en hoe lang doen die signalen erover om hun doel te bereiken? Deze opdracht werd bemoeilijkt door het wispelturige karakter van de neuronen: soms produceren ze op willekeurige (“stochastische”) tijdstippen zenuwimpulsen, zonder daartoe eerst een signaal van een ander neuron te hebben ontvangen. De resulterende dataset van zenuwimpulsen lijkt dus een beetje op de geluiden geproduceerd door een grote bende ongeoefende drummers -iedere drummer schijnt zomaar wat op de trommels te slaan, maar sommige tromroffels zijn eigenlijk een antwoord op het slagwerk van één of meerdere andere drummers. Met behulp van geavanceerde statistische methodes en speciale computerprogramma's konden we de verbanden tussen de uitgezonden signalen achterhalen. In mijn thesis in de Fysica (Connecting Neurons: A Stochastic Model of Information Flow in Cultured Networks of Human Neurons; promotor prof. Vincent Ginis) bespreek ik de resultaten en hun wiskundige achtergrond. Zo toonden we bijvoorbeeld aan dat in netwerken waar de neuronen veel connecties vormen (de drummers luisteren naar een groot aantal andere drummers) de zenuwimpulsen gesynchroniseerd raken (de drummers beginnen in dezelfde maat te drummen). Onze zenuwcellen worden dus betere drummers naarmate ze meer luisteren naar andere drummende neuronen. Voor het eerst konden we het netwerk aan de basis van die conclusie blootleggen.

Van biologische naar artificiële neurale netwerken

De inzichten die we in biologische neurale netwerken verwerven, kunnen ook gebruikt worden om vooruitgangen te boeken op het domein van hun artificiële tegenhangers. Artificiële neurale netwerken zijn computerprogramma’s waarin sommige eigenschappen van biologische neuronen verwerkt zijn. Ze worden gebruikt in toepassingen die automatische en intelligente oplossingen vereisen, zoals zelfrijdende auto’s, het voorspellen van de beurs of het automatische herkennen van objecten in foto's. Hoewel deze artificiële netwerken vaak buitengewone resultaten opleveren, is er ook nog veel ruimte voor verbetering. Als we dus beter zouden begrijpen hoe biologische netwerken informatie verwerken - en hoe ze erin slagen dat zo efficiënt te doen - kunnen we deze inzichten vertalen naar nieuwe en efficiëntere artificiële neurale netwerken. In mijn thesis Artificiële Intelligentie (Connecting Neurons: Comparing Computations in Artificial Neural Networks and Cultured Networks of Human Neurons; promotor prof. Tom Lenaerts) toon ik aan hoe we de communicatiepatronen en eigenschappen die we ontdekten in de biologische neurale netwerken, kunnen vertalen naar parameters van een specifiek soort efficiënt artificieel neuraal netwerk.

De inzichten die we verkregen in neurale netwerken - biologische en artificiële - kunnen uiteraard nog verder verdiept worden. We weten nu bijvoorbeeld hoe eenvoudige ritmes van zenuwimpulsen tot stand komen, en hoe die ritmes verband houden met het aantal andere neuronen waarvan een neuron signalen ontvangt. Maar dit zijn slechts eenvoudige ritmes. Uiteindelijk hopen we, in steeds complexere neurale netwerken, de muziek van symfonische orkesten te ontwaren.