agy neuron hálózatok jövő háló
Gazdaság

Magyar kutatók világhírű felfedezése mutatja meg, hogyan tárolunk el emlékeket az agyunkban

Csiki Gergely
Losonczy Attila, a New York-i Columbia Egyetem Zuckermann Intézetének kutatója jelenleg az egyik legsikeresebb agykutató, felfedezéseit a világ legrangosabb lapjaiban közli. Nemrégiben tudományos áttörést közölt a Nature folyóiratban, az agyban történő memóriatárolás megfejtésének témájában. Kollaborációs partnere Rózsa Balázs, a KOKI csoportvezetője, a BrainVisionCenter igazgatója és a Femtonics alapítója által fejlesztett gyors, 3D-s, lézermikroszkóp megkerülhetetlen szerepet játszott a kutatás során. A két kutatóval a tudományos publikáció hátteréről, annak későbbi eredményéről és hasznosulásairól is beszélgettünk az interjú során.

Valódi áttörésnek nevezhető tudományos kutatás jelent meg nemrégiben a Nature folyóiratban az Ön vezetésével a memóriatárolás témájában. Mielőtt beleszaladnánk ebbe a témába, megosztaná velünk, hogy mi volt az előzménye a nemrégiben megjelent kutatásnak? Hogyan és hány év alatt jutott el a mostani eredményekig?

Losonczy Attila: A kutatás előzménye annak a kérdéskörnek a része, ami a csoportom érdeklődésének régóta áll a középpontjában:

hogyan képződnek és tárolódnak emléknyomok az emlősök agyában.

Erre a kérdésre az egér egy hippokampusz nevű agyterülete szolgál kísérleti modellünkként, ahol az emléknyomokat kifejező és tároló sejtek közvetlenül, nagy felbontásban vizsgálhatók mikroszkópos molekuláris genetikai módszerekkel kombinálva térbeli tanulás alatt.

Hogyan foglalná össze néhány mondatban, miért lehet tudományos áttörésnek nevezni a legutóbbi kutatásának eredményeit? Miben áll az újdonsága?

Losonczy Attila: Két fontos eredményt emelnek ki: az egyik, hogy sikerült igazolnunk, hogy a térbeli tanulásért és memóriáért felelős serkentő sejtek a hippokampusz végső kimeneti területén képesek egymással kölcsönhatni és egymás hatását felerősíteni. Ezt korábban kizárólag más kérgi felületen figyelték meg, ezért ez a jelenség fontos lehet annak a szabályozásában, hogy egyes emlékek milyen hatékonysággal tárolódnak és hívódnak elő. A másik előrelépés, hogy sikerült kizárólag fényt használva, úgynevezett optogenetikai módszerrel memória tároló sejteket létrehozni a hippokampuszban, ami

a jövőben talán megteremti a lehetőségét a tanulás precíz befolyásolására.

Két és fél év után beszélgetünk újra Balázzsal, miután ebben a már említett tanulmányban a Femtonics által fejlesztett mikroszkóp fontos szerepet kapott a memóriatárolás megfejtésének folyamatában. A Nature folyóiratban közölt publikációban a 3D-lézerpásztázó mikroszkóp segítségével bizonyították, hogy az agy egyik fontos memóriaközpontjában kisebb csoportokba szervezve, együtt tanulnak az idegsejtek. Hogyan került a képbe a mikroszkóp ebben a kutatásban?

Rózsa Balázs: Attila jelenleg az Egyesült Államokban él, de karrierünket még együtt kezdtük a KOKI-ban. Jó barátok lettünk, majd miután Attila kiment a Columbia Egyetemre, akkor sem szakadt meg a kapcsolat. Hatalmas karriert futott be, több publikációja is megjelent a Nature-ben, Science magazinban. Megmaradt a kapcsolat és a közös szakmai érdeklődés, és ennek keretében megépítettünk számára egy egyedi 3D-s mikroszkópot, amely sok szempontból világújdonságnak számított. A rendszert leszállítottuk, Attilák pedig elkezdték a méréseket, a legtöbbször még hétvégén is használva a rendszert.

Hol hasznosult ebben a folyamatban az eszköz?

Rózsa Balázs: A 3D-s mikroszkópunk hatalmas előnye, hogy térben, célzottan tud mérni. Ez azt jelenti, hogy egy-egy nagyobb agytérfogatban, ahol a vizsgálatainkat szeretnénk végezni, a rendszer a kijelölt lokációkat sokkal gyorsabban tudja végigmérni, mint bármilyen más technológia, a bejárási idő ugyanis nagyságrendekkel rövidebb. Konkrétan Attiláék Nature cikke arról szólt, hogy egy-egy tanuló sejt közvetlen szomszédjait kellett megvizsgálni. Ezt úgy kell elképzelni, mint egy mazsolás kalácsot, ahol a mazsola szemek viszonylag ritkán, szétszórva helyezkednek el térben. Először is Attiláék megjelölték molekuláris biológiai módszerekkel egy-egy sejtet (egy-egy egy mazsola szemet), amely vagy magától, tehát spontán tanult, vagy fénnyel aktiválva vették rá, hogy megtanuljon egy konkrét térbeli pozíciót a virtuális valóságban, ahol az egér futott. A módszer egyben megjelölte a tanuló sejt környezetében elhelyezkedő mazsola szemeket, azaz a sejt közvetlen szomszédait és vizsgálta ezek működését. Amit bemutatott a cikk az egy igazi áttörés, azt jelenti, hogy egy-egy sejt amikor megtanul egy új információt, akkor a szomszédjait is betanítja. A szomszéd sejtek elkezdik ugyanazt a műveletet végezni, azaz lemásolják az információt, ugyanúgy kezdnek működni mint az a sejt, amely először tanult. Sőt, a környezetében lévő gátló sejtek aktivitása pedig lecsökken, ezzel segítve a serkentő sejtek csapatban történő kollaboratív működését. Azaz egy tudás klaszter jön létre, a környező mazsola szemek azonos tudást kezdenek el kódolni. Sőt, ezáltal a tudás lokálisan szétterjed olyan sejtekre is, amelyek más információkkal rendelkeznek, ezáltal képesek vagyunk az újonnan szerzett tudásunkat más információkkal is összekötni, tehát új asszociációk születhetnek agyunkban.

Miben jelent ez áttörést a korábbi kutatási eredményekhez képest?

Rózsa Balázs: Ez egy teljesen új agymodell. Például azt is jelenti, hogy ha egy behatás miatt el is pusztul pár idegsejt, a klaszterek sokkal robusztusabban képesek megőrzi az információt, azaz ha néhány mazsola szemet el is távolítunk, attól még a mazsolás kalács megmarad. Emellett az átfedő tudás klaszterek, véleményünk szerint egymás között információt is tudnak cserélni és kommunikálni.

Hogy kell elképzelni ezt a kutatást a gyakorlatban? Mit vizsgáltak és hogyan?

Rózsa Balázs: Rágcsálókon végezzük a kísérleteket: a kísérleti állatok egy virtuális valóságban, egy virtuális folyosón futnak. Amikor a virtuális folyosó egy adott pozíciójában lézerrel megvilágítjuk az adott sejteket, aktiválva ezzel a sejt működését, a sejt nemcsak, hogy tüzelni kezd, hanem nagy eséllyel a következő átfutások során magától is megszólal ugyanabban a térbeli pozícióban, tehát megtanulta az új információt, azaz megjegyezte az adott térbeli lokációt. Attilák kísérletei megmutatták, hogy ez a tudás, átterjed a szomszédos sejtek klaszterére is. Tehát a tüzelési mintázat átterjed a többi sejtre is, robusztusabbá válik a megszerzett tudás.

Hogyan keletkeznek a memória sejtek, csak megvilágítás hatására?

Rózsa Balázs: Spontán is keletkeznek ilyen kódolósejtek. A lényeg, hogy akár mesterségesen, akár spontán keletkezik egy új memória tartam a térbeli tájékozódás során, ez kihat a környezetében elhelyezkedő, az adott sejttel összeköttetésben lévő sejtekre is, tehát az információ átterjed rájuk: kis idő elteltével a környező sejtek is már ugyanazt az információt kódolják. Ezáltal a bejövő információ kiterjed egy kisebb hálózatram klaszterre. Saját méréseink alapján látjuk, hogy ezek az egymásba ágyazott klaszterek egymással kommunikálnak, versenyt futnak az információért és nemcsak a memória központban, hanem a látókéregben is.

Eddig nem volt erre példa, hogy bizonyítsák, hogy hogyan kommunikálnak egymással ezek az idegsejtek?

Rózsa Balázs: Korábban vitatott volt, hogy a szomszédos sejtek csoportokba, klaszterekbe szerveződve működnének. Amire még rájöttünk, hogy ezek a klaszterek térben is időben megküzdenek egymással, sokszor versenyt futnak az információ kódolásért. A 3D-s mikroszkóp segítségével érzékenyen látjuk az agyműködést, rájöttünk arra, hogy a tudás tulajdonképpen egymással harcoló klaszterek háborújaként jelenik meg a látókéregben.

Hogyan fog tudni hasznosulni ez az áttörő alapkutatás?

Losonczy Attila: Ezek a kísérletek a jövőben hozzájárulhatnak ahhoz, hogy

a tanulás- és memóriacsökkenéssel járó neurológiai es pszichiátria betegségekben a koros változásokat ellensúlyozzuk.

Rózsa Balázs: Egy új, fontos alapmechanizmust fedeztünk fel az agyban: az információ a szomszédos sejteket magában tömörítő téridőbeli klaszterekben kódolódik. Ha 3D-s mikroszkópunkkal, amely akár egymilliószor gyorsabban, vagy akár ezerszer érzékenyebben tudja ezen klaszterek működését mérni, megértjük ezen alapmechanizmusokat, azaz hogyan hatnak kölcsön a klaszterek egymással, pontosan hogyan tárolják az új információt, akkor képesek leszünk jobb és hatékonyabb agy-számítógép interfészeket fejleszteni, amelyek közvetlenül az agyba tudják bevetíteni az információt.

Mármint konkrét agyba építhető eszközt?

Rózsa Balázs: Az agy-számítógép interfész fejlesztésénél nagyon fontos kérdés, hogy mi a „pixelezettség” mértéke az agyban, azaz mekkorák is pontosan ezek a térbeli klaszterek, hiszen ezek méretéhez igazodva tudunk hatékony agy-számítógép interfészeket fejleszteni. Tehát olyan lézeres, a sejteket aktiváló berendezést fejlesztünk, amely ezen a térbeli méretskálán aktiválja a sejtcsoportokat, vetíti vissza az agyba az információt. Ez most még persze egy távoli spekuláció, sok kutatás és fejlesztés szükséges még egy hatékony agy-számítógép interfész kifejlesztéséig.

Attilától kérdezem, voltak-e már korábban olyan kutatásai, amelyek hasznosultak, akár a piacon, akár a betegek ellátásának formájában?

Losonczy Attila: Kutatásaink jelenleg alapkutatási fázisban vannak, a célunk az alapvető agyi folyamatok feltérképezése, ami megteremti a lehetőséget a célzott terápiás beavatkozásoknak.

Mik a tervei? Vannak-e olyan kutatások jelenleg is folyamatban, amelyek publikusak és elárulhat róluk részleteket?

Losonczy Attila: A jövőben szeretnénk

részletesen feltárni és megérteni, hogy a tanulásért és a memóriáért elsődlegesen felelős serkentő sejtek működését hogyan szabályozzák a gátlósejtek.

Ez hasonlóan fontos lehet annak a megértésében, hogy hogyan képes az agy nagyszámú, de egymástól független emléket rögzíteni és tárolni.

Nem ez az első alkalom, amikor a Femtonics által fejlesztett mikroszkóp egy fontos alapkutatásban vesz részt. Hogyan tovább a klinikum irányába?

Rózsa Balázs: Úgy gondoljuk, hogy a 3D-s lézer pásztázó technikát, mint úgynevezett „core technológiát" megtartjuk és ennek továbbfejlesztésével szeretnénk eljutni a hatékony agy-számítógép interfészek kifejlesztéséig. Egyrészt a 3D-s módszer alkalmas arra, hogy különböző miniatürizált, akár elektróda alapú, különböző betegségekre kifejlesztett agy-számítógép interfész prototípusok működését, hatékonyságát vizsgáljuk a szükséges sejt szintű felbontással, másrészt a 3D-s lézer pásztázó mikroszkóp önmagában is egy agy-számítógép interfész tud lenni: jelenleg ott járunk, hogy már egér agyában teszteljük ennek a prototípusát: jelenleg már nagy térfogatban tudjuk mérni és aktiválni az egér idegjsejteit és különböző viselkedés tesztekben vizsgáljuk az így elért mesterséges látás hatékonyságát. Jelenleg kellő számú sejtet tudunk mérni és aktiválni, keressük azokat az aktivációs mintázatokat, amelyek a legerősebb látáshelyreállítást hozzák létre: amikor az állat a virtuális valóságban fut, látás hallucinációkat tudunk előidézni, a látás bizonyos elemeit ki tudjuk váltani ezekkel a hallucinációkkal. Az eszköz már működik, egész szép sejtszámot tudunk aktiválni, most cél a hallucinációk tökéletesítése, hogy teljesen, minden részletében ki tudjuk váltani a természetes látást.

Milyen további terápiás és diagnosztikai kutatási céljaik vannak?

Rózsa Balázs: Roska Botonddal, a látás helyreállítás kísérletei által méltán világhírű Svájcban élő magyar kutatóval és a Technológiai és Ipari Minisztériummal megalapítottuk a BrianVisionCentert, amelynek igazgatója vagyok. Együtt dolgozunk Szabó Arnolddal, a Semmelweis Egyetem Retina Laboratóriumának vezetőjével. Arnold csapata idehaza fejleszti a modern humán szövettechnikát, amely segítségével a még élő humán retina mintákat hetekig tudjuk vizsgálni. Ez a hosszú mérési intervallum lehetővé teszi, hogy új humán génterápiás eljárásokat, molekuláris biológiai eszközöket dolgozzunk ki, amelyeket neurofotonikai ezközökkel kombinálva célunk új agysebészeti, diagnosztikai és terápiás eljárások kifejlesztése a központi idegrendszeri betegségek több fajtájára.

Van-e további konkrét cél a mikroszkóp fejlesztését illetően?

Rózsa Balázs: Egyik célunk, hogy a technikát még egyszerűbben használhatóvá tegyük. Azt szeretnénk elérni, hogy ha jön egy új diák, minél egyszerűbben tudjon vele dolgozni. Automatizáljuk a rendszert, a bonyolult mérési módokat. Jelenleg részben kézzel kell kiválasztani a sejteket, nyúlványokat, egy félautomata program segítségével. Több ezer sejt mérése esetén igen nehéz, időt rabló folyamat a félautomata program kiválasztásának a leellenőrzése. Cél, hogy a rendszer teljesen önállóan találja meg a sejteket, sejtnyúlványokat és akár képes legyen a kiválasztást a kísérlethez igazítani. Például csak azokat a sejteket mérve, illetve aktiválva, amelyek az adott látás élmény helyreállításához szükségesek.

Mindemellett számtalan olyan találmányt szeretnék megvalósítani, amelyek jelentős változást hoznak a lézermikroszkópok világában, kiegészítve az eddigi több mint 44 szabadalmi bejelentést.

Nemcsak cikkeket szeretnénk közölni, hanem konkrét produktumokat letenni az asztalra.

Legyen az egy működő eszköz, ami a kutatóknak kell, amivel forradalmasítják az ő tudományterületüket, vagy egy konkrét terápiás és diagnosztikai eszköz. Ezen felül szeretnénk eredményeinket, berendezéseinket más területeken is hasznosítani.

Melyek ezek a területek?

Rózsa Balázs: Az agy egy bonyolult rendszer, amelyre olyan csúcstechnológiát fejlesztettünk, amelyet, úgy tűnik, az orvostudomány és az ipar egyéb területein is kiválóan lehet alkalmazni. Például a rákdiagnosztikában is tudjuk hasznosítani, ebben az esetben az a célunk, hogy a képalkotást arra használjuk, hogy a daganatos szövetet valós időben azonosítsuk. Jelenleg egy-egy részletes hisztopatológiai lelet, diagnózis akár több mint két hét alatt születik meg. Célunk, hogy gyors optikai módszerrel, lézerpásztázó mikroszkópiával nyerjük ki ugyanezt az információt, de perces, vagy akár másodperces időskálán. Sőt, akár részletesebb, információban gazdagabb képet is nyerhetünk a mintáról a kémiai összetétel nemlineáris optikai elemzése által. A jelenleg már működő prototípus mindössze pár perc alatt képes több mint 95-98%-os hatékonysággal elkülöníteni a pankreász rákot az egészséges pankreász szövettől.

Címlapkép forrása: Getty Images

autópálya lezárás
új lakások
fehér ház amerika elnök fehérház
vlagyimir putyin

Holdblog Joe Biden mélypontja

Minden idők harmadik legnépszerűtlenebb elnökeként távozott a Fehér Házból 2021 januárjában Donald Trump. Joe...

Tematikus PR cikk
Díjmentes online előadás
Hogyan működik a tőzsde, mik az alapok, hogy válaszd ki a számodra legjobb befektetési formát?
Díjmentes online előadás
Kezdőként hogyan tudsz külföldi részvényekkel kereskedni?
Portfolio hírlevél
Ne maradjon le a friss hírekről!
Iratkozzon fel megújult, mobilbarát
hírleveleinkre és járjon mindenki előtt.

Kiadó modern irodaházak

Az iroda ma már több, mint egy munkahely. Találják meg most cégük új otthonát.

Infostart.hu

Model Validation Quantitative Analyst

Model Validation Quantitative Analyst
2022. október 18.
Portfolio Future of Finance 2022
2022. szeptember 6.
Sustainable World 2022
2022. október 4.
Energy Investment Forum 2022 - A MEKH szakmai támogatásával
2022. szeptember 7.
Private Health Forum 2022
Hírek, eseményajánlók első kézből: iratkozzon fel exkluzív rendezvényértesítőnkre!
autópálya lezárás