Opålitliga nervceller?
Grunden för alla hjärnans funktioner utgörs av hur nervcellerna fungerar. Eftersom nervceller i huvudsak bara skickar information mellan varandra blir en kritisk aspekt att för stå hur den informationsöverföringen går till. En opålitlighet i informationsöverföringen kan till exempel skapa en variation som gör att vårt beteende blir mindre stereotypt, mindre dator- eller maskinlikt, och mer ”biologiskt”. Denna variation kan vara till fördel genom att sänka risken att våra tankar hela tiden hamnar i samma hjulspår, vilket kan driva kreativitet och på så sätt ge bättre problemlösningsför måga. Martin Nilsson, RISE Research Institute of Sweden, och Henrik Jörntell, Lunds universitet, har nyligen utfört en grundlig analys och rekonstruktion av hur signalerna som skickas mellan nervcellerna skapas och har på så sätt kunnat ge en helomfattande bild av hur signal överföringen fungerar.
MYSTISKA VARIATIONER I UTSIGNALEN
Det har länge spekulerats i hur nervceller, eller neuroner, representerar och överför information, men det finns fortfarande ingen riktig konsensus. Det är välkänt att utsignalen från en typisk neuron består av en följd spänningspulser (spikar eller aktionspotentialer). Avstånden mellan dessa spikar kan variera kraftigt, men hur variationen uppstår har varit oklart. Enligt den klassiska Hodgkin-Huxley-modellen,1 som erbjöd den första systematiska förklaringen av hur en neuron fungerar i signalöverföringen (ledde till ett Nobelpris 1963), borde variationen kunna härledas till variationer i insignalerna,
men genom att farmakologiskt blockera insignalerna till neuroner visar det sig att variationen i utsignal kvarstår, trots avsaknaden av insignal! Den stora frågan är: Hur uppkommer dessa variationer och vad betyder de egentligen?
EMPIRISKA KONTRA MEKANISTISKA MODELLER
De flesta neuronmodeller är empiriska eller fenomenologiska, eftersom detta gör att modellen lätt kan anpassas till experimentella data. Om inget annat fungerar kan parametrar adderas tills modellen överensstämmer tillräckligt bra med data. Nackdelen med detta tillvägagångssätt är att en empirisk modell inte kan förklara neuronens funktion. Det finns alltid en risk att vi har missat någon viktig egenskap hos neuronen som inte är uppenbar. En tillfredsställande förklaring kräver en mekanistisk modell, som istället baseras på neuronens underliggande biofysikaliska maskineri.2 Det är dock
svårt att hitta en detaljerad mekanistisk modell som ger tillräckligt hög noggrannhet. Idealet är förstås att finna en mekanistisk modell som överensstämmer lika bra med mätdata som den bästa empiriska modellen.
TREDELNING OCH SLUMPMÄSSIGHET
Vi använde den cerebellära purkinjeneuronen [figur 1a] som modellsystem. Biologiska experiment visade på ett tidigt stadium att neuronen filtrerar bort högfrekventa insignaler, så det var tydligt att högfrekventa komponenter i utsignalen måste ha genererats internt. Efter omfattande experiment och räkningar [se faktaruta] fann vi att neuronens utsignal kan beskrivas väl med en enkel mekanistisk modell som bara använder tre fria parametrar. En central observation är att Hodgkin-Huxley-modellen måste delas upp i tre kammare (”compartments”) och tillåta slumpmässighet (stokasticitet). Uppdelningen i visas i figur 1b, där den första, distala kammaren utgörs av de delar av dendritträdet som ligger avlägset från soma; den andra, proximala kammaren av soma och närliggande delar av dendritträdet; och den tredje kammaren (AIS-kammaren) av axonens initialsegment. Slumpmässigheten verkar orsakas av att vissa kaliumkanaler i neuronens membran öppnas och stängs på ett slumpartat sätt under inflytande av termodynamiskt brus. Denna slumpmässighet förstärks och får makroskopiska effekter på utsignalen.
