Отзыв_ведущей организации (Функциональная интеграция нейрональных популяций в мозге человека)

Федеральное государственное бюджетное у.чреждение науки Институт биологии Развитии им. Н.К. Кольцова РАН (ИБР РАН) 119334 Москва, ул. Вавилова, д. 26 Тела 8(499)135-64-83, Факс; 8(499) 135-80-12 Е-пиЛ:!дЬгаа®Ь(с.гп Ьпр:дЫЬгаз.сошсоглв ОКПО 02699062, ОГРН 10277004550800 ИНН 7736044850 ! КПП 773601001 ~Ю На№ ьэЛФ «УТВЕР)КДА(О» Директор Федерального государственного бюджетного учреждения науки Институт биологии развития им. Н.К. Кольцова Российской Академии Наук доктор биологических наук .В. Васильев 6 г. ОТЗЫВ ведущей организации о диссертационной работе Шараева Максима Геннздьевича «Функционал»пав интеграции нейрональнык популяций в мозге человека», представленной на соискание ученой степени кандидата физико-математических наук по специальности 03,01.02 — «Биофизика» Актуальность темы исследовании В работе Шараева М.Г.

использованы неинвазивные подходы к оценке причинноследственных связей между нейрональными популяциями в мозге человека, а также построены модели этого взаимодействия между областями т.н. нейрональиой сети по умолчанию (13еуап11 Моде Ыец»огк, ПМХ) и областями вентрального зрительного пути. Целесообразность использования таких неинвазивных методов изучения работы мозга, как электроэнцефалография (ЭЭГ) и функциональная магнитно-резонансная томография (фМРТ), обусловлена невозможностью применения инвазивных подходов к исследованиям на здоровых испытуемых. Полученные с помощью ЭЭГ и фМРТ ланные всегда «зашумлены» и трудно интерпретируемы, поэтому нуждаются в сложной статистической обработке.

Одним из методов анализа этих данных является оценка возникающих между нейрональными популяциями связей. Схемы, или направленные графы„отражающие функциональную интеграцию между активными областями мозга„найдены в настоящей работе двумя дополняющими друг друга способами: динамическим каузальным моделированием и расчетом метрики теории информации — трансферной энтропии. Расчет трансферной энтропии производится только по экспериментальным данным (временным рядам), поэтому не нуждается в модели скрытых процессов. Трансферная энтропия показывает направление переноса информации между времеинымн рядами. олнако не вносит ясности в истинные нейробнологнческие процессы„породившие этот перенос. Динамическое каузальное моделирование, наоборот, учитывает нейрофизиологические механизмы взаимодействия популяций, однако основывается на порождающих моделях или априорных гипотезах искомого взаимодействия, поэтому его применение затруднено в отсутствие таких гипотез.

Таким образом, статистический поиск потоков информации может быть дополнен динамическим каузальным моделированием, что и было продемонстрировано в работе Шараева М,Г. В диссертационной работе на основе данных функциональной магнитно-резонансной томографии (фМРТ) оценены потоки информации между активными областями сети по умолчанию, предложена модель направленных связей в сети по умолчанию; на основе данных электроэнцефалографии, проверена роль обратных кортико-кортикальных связей при зрительной стимуляции и гипотеза предсказательного кодирования.

Научная новизна н практическая значимость исследования Выполненная работа является акт альным иссле ованием и имеет определенную и актическ значимость. Так, в настоящее время предпринимаются попытки квартировать связи между структурами мозга и отдельными нейронами (проект Коннектом). В работе Шараева М.Г. исследованы принципы работы крупных структур мозга, которые могут быть использованы при построении искусственных систем, моделировании работы целого мозга или его отдельных частей. Модель нейронной массы, взятая за основу при динамическом каузальном'моделировании, получена ранее другими авторами по физиологическим исследованиям коры мозга обезьян и хорошо согласуется с экспериментальными данными, что подтверждает обоснованность выбора автора.

Результаты, полученные Шараевым М.Г., могут иметь прикладное значение для медицины. В диссертации исследована группа здоровых испытуемых — группа контроля. Нахождение функциональных связей между нейрональиыми популяциями в мозге может способствовать усовершенствованию старых и созданию новых методов диагностики неврологических и психических заболеваний. При обнаружении значимых отклонений в функциональных сетях мозга от созданных в данной работе моделей выявлять различные виды патологии.

Комбинирование подходов, основанных на моделировании и на статистическом анализа, может быть использовано во всех областях фундаментальной медицины, так как оценка влияния одной системы на другую, поиск причинноследственный связей является основой для построения научных гипотез и теорий. Достоверность основных результатов, положений и выводов йаюзялР~Р у ш Р и Р л Р результатов математических расчетов с физиологическими данными, полученными в данной работе и в ряде предыдущих работ.

Более того, Шараевым М.Г. дополнительно показана устойчивость модели направленных связей во времени, а также относительно добавления или исключения активных областей. Достоверность результатов расчета трансферной энтропии не вызывает сомнений в силу выбора автором метода расчета и статистической обработки для проверки значимости результата в группе испытуемых. Структура и содержание диссертационной работы Диссертация объемом 116 страниц состоит из введения и трех глав, заключения, выводов, списка литературы и приложения. Работа содержит 12 таблиц и 31 рисунок. Библиография включает 130 источников.

В д~ б... у ббпр р, у б практическая значимость и основные положения, выносимые на защиту. в сааб саж Р Р б'р р ур р рир«. рассмотрены основные неинвазивные методы нейровизуализации - фМРТ и ЭЭ1 . Кроме того, подробно описана теория ядерного магнитного резонанса и ее применение для исследований мозга. Представлены работы, касающиеся применения метода фМРТ для оценки интеграции нейрональных сетей в мозге человека в различных функциональных состояниях: как в состоянии покоя (сеть по умолчанию), так и при решении когнитивных задач (например, при зрительной стимуляции). Описан подход к динамическому каузальному моделированию в виде набора методов для оценки причинно-следственных связей в сложных системах. Он основан на так называемой порождшощей модели (направленный граф связей между нейронными сетями„которые генерируют наблюдаемый в эксперименте сигнал) и Байесовой инверсии — сравнении сгенерированного порождающей моделью сигнала с реальным экспериментальным сигналом.

Байесова инверсия позволяет найти лучшую модель из множества пробных моделей, которая максимально точно описывает экспериментальный сигнал, являясь при этом максимально простой (имея минимальное количество свободных параметров). Описана работа сети по умолчанию в мозге человека, находящегося в состоянии покоя, а также представлена теория работы сенсорных систем в коре мозга на примере зрительной системы человека. нррриррррж р, фрррр ээг, обоснован выбор пробных моделей для анализа и алгоритм расчета трансферной энтропии по экспериментальным данным фМРТ. В качестве модели генерации ВО1)Э-сигнала (В1оог)-охуйеп-1ез е1 дерепб)еш) фМРТ выбрана модель гемодинамического ответа Бакстона (модель «воздушного шарика»), в качестве оценки трансферной энтропии выбрана оценка на основе метода 11 ближайших соседей, хорошо зарекомендовавшая себя для расчета энтропии сложных нелинейных систем по малому количеству реализаций.

в ур~ э рр - р у-*- р ° ° р ыф.р.р ° р-. ° динамического каузального моделирования для сети 1)МХ с четырьмя базовыми областями, а также с включением парагиппокампальных областей. По результатам оценки трансферной энтропии показана важная роль задней части поясной извилины (РСС) как узла сети по умолчанию. Также установлено наличие потоков информации между бнлатеральными областями нижнетеменной коры ЫРСЖ1РС. Учет В01.П-сигналов от парагицпокампальных областей не вносит существенных изменений в распределение связей между активными областями сети ПММ.

По результатам моделирования направленных связей между участками )ЭМХ установлено, что области 1.1РСУК1РС являются основными передатчиками информации в пределах ПМЯ, оказывая возбуждающее воздействие на другие области, область пзРРС является основным приемником информации. Впервые показана стабильность модели и параметров связей во времени: для первых 500 временных интервалов сканирования.