Мережева нейронаука
Квітень 2026 · 14 хв читання · Конектоміка · Теорія графів · C. elegans · Останнє оновлення: 3 липня 2026 р.

Нейронний конектом: з'єднання мозку

Автор: Команда MySimulator · Редакційна перевірка: Редакція MySimulator

У 1986 році команда Сідні Бреннера опублікувала повну схему з'єднань Caenorhabditis elegans — кожен із його 302 нейронів і всі ~7 000 хімічних синапсів, копітко реконструйованих із тисяч зрізів електронної мікроскопії. Цей перший повний конектом показав, що нейронні ланцюги — не випадкові графи: вони мають топологію малого світу, степеневі розподіли, схожі на безмасштабні, і ядро rich-club із високозв'язаних вузлових інтернейронів, які несуть більшість далекосяжної інформації. Через три десятиліття конектоміка масштабувалася від черв'яка завдовжки 0,3 мм до трактографії білої речовини людини, але C. elegans лишається важливим випробувальним стендом для розуміння того, як структура мережі формує нейронні обчислення.

1. C. elegans як модельний організм

Caenorhabditis elegans — це ґрунтова нематода завдовжки 1 мм з інваріантною клітинною лінією: кожен дорослий гермафродит має точно 302 нейрони та 95 м'язових клітин стінки тіла з однаковим патерном з'єднань у кожної особини. Ця інваріантність зробила його єдиним організмом, чий повний конектом — повний набір нейронних з'єднань — визначено з синаптичною роздільністю.

Сідні Бреннер обрав C. elegans саме за цю властивість у 1960-х роках. Проєкт картування його нервової системи, очолюваний Джоном Вайтом, Айлін Саутгейт, Дж. Н. Томсоном та Бреннером, тривав 13 років і був опублікований у 1986 році як «The structure of the nervous system of the nematode Caenorhabditis elegans» у Philosophical Transactions of the Royal Society B.

Нобелівська спадщина: Сідні Бреннер, Джон Салстон і Роберт Горвіц розділили Нобелівську премію 2002 року з фізіології чи медицини «за відкриття щодо генетичної регуляції розвитку органів та запрограмованої смерті клітин з використанням C. elegans як модельного організму». Робота над конектомом була фундаментальною: розуміння поведінки вимагало знання з'єднань.

Конектом C. elegans містить два типи з'єднань:

2. Нейронні ланцюги як графи

Формально конектом — це напрямлений зважений граф G = (V, E, w), де V — множина нейронів, E ⊆ V × V — множина напрямлених синаптичних з'єднань, а w: E → ℝ⁺ призначає синаптичну силу (наприклад, кількість синапсів) кожному ребру.

Ключові теоретико-графові величини для аналізу конектома:

Степінь: k_i = Σ_j A_ij (вихідний степінь = кількість аксонів, що виходять із нейрона i)
Сила: s_i = Σ_j w_ij (сумарна синаптична вага, що виходить із нейрона i)
Кластеризація: C_i = (трикутники через i) / (можливі трикутники)
Довжина шляху: L = <d(i,j)> (середня геодезична відстань між усіма парами)
Посередництво: B_i = Σ_{s≠i≠t} σ_st(i) / σ_st (частка найкоротших шляхів, що проходять через i)

Матриця суміжності A (302 × 302 для хімічних синапсів C. elegans) повністю описує топологію мережі. Спектральний аналіз A та її лапласіана L = D − A дає власні значення, чия структура кодує властивості зв'язності: спектральна щілина λ₂ (друге найменше власне значення лапласіана, алгебраїчна зв'язність) вимірює, наскільки добре зв'язаний граф.

Властивість C. elegans Випадковий граф (Ердеша-Реньї) Інтерпретація
Вузли 302 302
Ребра (хімічні) ~6 393 6 393 (за побудовою)
Середня довжина шляху L 2.65 2.25 Короткі шляхи попри розріджений граф
Кластеризація C 0.28 0.07 У 4× більш кластеризований, ніж випадковий
Макс. степінь k_max ~93 ~25 Наявні вузлові нейрони

3. Властивості малого світу та безмасштабності

Воттс і Строгац (1998) формалізували мережу малого світу як таку, що має водночас високий коефіцієнт кластеризації (як регулярна ґратка) і коротку середню довжину шляху (як випадковий граф). Коефіцієнт малого світу σ дорівнює:

σ = (C / C_rand) / (L / L_rand)

σ > 1 вказує на топологію малого світу.
Для C. elegans: σ ≈ 4.0 (значно належить до малого світу).

Організація малого світу оптимізує компроміс між локальною обробкою (висока кластеризація уможливлює спеціалізовані модулі) та глобальною інтеграцією (короткі шляхи уможливлюють швидку далекосяжну комунікацію). Ця структура мінімізує вартість з'єднань, водночас максимізуючи функціональний репертуар.

Розподіл степенів

Суто безмасштабні мережі мають степеневий розподіл степенів P(k) ∝ k−γ. C. elegans демонструє розподіл з важким хвостом, який приблизно степеневий протягом кількох порядків, що вказує на наявність вузлів, але з експоненційним обрізанням на високих степенях — узгоджено з фізичними та метаболічними обмеженнями на максимальну кількість синапсів, яку може підтримувати один нейрон.

Безмасштабність ≠ універсальна: твердження, що нейронні мережі справді безмасштабні, оскаржується. Розподіл степенів C. elegans краще описується усіченим степеневим або логнормальним, ніж чисто степеневим законом. Важлива властивість — гетерогенність — деякі нейрони мають значно більше з'єднань, ніж середній — а не строга математична форма.

4. Вузлові інтернейрони та їхні ролі

У конектомі C. elegans невелика кількість інтернейронів функціонує як вузли — високозв'язані вузли, критичні для глобального потоку інформації. Їх можна ідентифікувати за одночасно високим степенем, високою центральністю за посередництвом та високим коефіцієнтом участі (з'єднання з багатьма різними модулями).

Нейрон Вихідний степінь Ранг за посередництвом Функція
AVA ~93 1 Команда руху назад
AVB ~79 2 Команда руху вперед
AVD ~74 3 Рух назад, інтеграція механосенсорики
PVC ~71 4 Команда руху вперед, задній дотик
AVE ~60 5 Рух назад, інтеграція
RIM ~55 6 Повороти, тривалість реверсу

Пара AVA/AVB особливо значуща: вони утворюють ядро двох головних генераторів патернів руху. AVA керує скороченням м'язів стінки тіла для руху назад; AVB керує рухом уперед. Ці два вузлові нейрони взаємно гальмівні, утворюючи бістабільний тригер-перемикач — тварина переходить між рухом уперед і назад, перемикаючись між двома стійкими станами цього ланцюга.

5. Топологія rich-club

Феномен rich-club описує тенденцію вузлів високого степеня («багатих») щільно з'єднуватися один з одним (утворюючи «клуб»). Для мережі з послідовністю степенів коефіцієнт rich-club при степені k дорівнює:

φ(k) = 2·E>k / (N>k · (N>k − 1))

де N>k = кількість вузлів зі степенем > k E>k = кількість ребер серед цих вузлів.

Нормалізований коефіцієнт rich-club:
ρ(k) = φ(k) / φ_rand(k)

ρ(k) > 1 вказує на організацію rich-club.

C. elegans демонструє значний rich-club з ρ(k) > 1 для всіх k > 20 (Jarrell та ін. 2012). Вузлові інтернейрони (AVA, AVB, AVD, PVC, AVE) щільно взаємопов'язані, утворюючи центральне обробне ядро, яке отримує вхід від сенсорних нейронів і надсилає вихід до мотонейронів.

Організація rich-club має функціональні наслідки:

6. Структура спільнот та модульність

Виявлення спільнот розбиває мережу на групи (модулі), члени яких щільніше з'єднані один з одним, ніж із членами інших груп. Стандартна міра — модульність Q за Ньюманом-Гірваном:

Q = (1/2m) · Σ_{ij} [A_ij − k_i·k_j/(2m)] · δ(c_i, c_j)

де m = загальна кількість ребер, k_i = степінь вузла i, c_i = призначення вузла i до спільноти, δ = дельта Кронекера (1, якщо та сама спільнота).

Q змінюється від −0.5 до 1; Q > 0.3 вказує на осмислену структуру спільнот.
C. elegans: Q ≈ 0.47 (сильна модульність).

Виявлення спільнот на C. elegans дає приблизно 4–6 модулів, які значною мірою відповідають функціональним підсистемам: сенсорно-моторна інтеграція голови, модуль руху вперед, модуль руху назад та хвостові ганглії, задіяні в відкладанні яєць та пропріоцепції.

З'єднувальні вузли проти провінційних вузлів: вузлові нейрони можна класифікувати за їхнім коефіцієнтом участі p_i — часткою з'єднань вузла, що йдуть до інших модулів. З'єднувальні вузли (високе k, високе p) поєднують модулі; провінційні вузли (високе k, низьке p) домінують у межах одного модуля. У C. elegans AVA та AVB — з'єднувальні вузли (поєднують ланцюги вперед/назад), тоді як RIM радше провінційний вузол у межах модуля руху назад.

7. Поширення сигналу та динаміка

Структура мережі формує динаміку поширення сигналу. Два взаємодоповнювальні підходи характеризують, як активність поширюється крізь конектом:

Лінійні мережеві моделі

Найпростіша модель розглядає нейронну активність як вектор x(t), що еволюціонує під дією матриці суміжності:

τ · dx/dt = −x + A · x + b

Стійкість вимагає, щоб усі власні значення A мали дійсні частини < 0. Моди, що відповідають великим власним значенням, згасають повільно й представляють «резонансні» патерни мережі — власні вектори A розкривають, які просторові патерни активності найбільш стійкі.

Комунікабельність та інтеграція на основі блукань

Для щільних рекурентних мереж інформація тече не лише вздовж найкоротших шляхів, а й через усі блукання. Це відображає матриця комунікабельності:

G = exp(A) = Σ_{k=0}^{∞} A^k / k!

G_ij вимірює сумарний зважений внесок усіх блукань від вузла i до вузла j, де довші блукання експоненційно знижуються у вазі.

Комунікабельність використовували для передбачення функціональної зв'язності в експериментах із кальцієвою візуалізацією C. elegans: пари нейронів із високою комунікабельністю показують корельовану активність навіть за відсутності прямих синаптичних з'єднань.

Кальцієва візуалізація та валідація конектома

Сучасна кальцієва візуалізація всього мозку C. elegans (Kato та ін. 2015, Nguyen та ін. 2016) реєструє активність по суті всіх 302 нейронів одночасно. Це уможливило пряме порівняння структурної зв'язності (конектом) та функціональної зв'язності (корельована активність), показавши, що структурні вузли є також функціональними вузлами, і що ядро rich-club демонструє синхронізовану активність під час спонтанної поведінки.

8. Візуалізація конектома на JavaScript

Симуляція нижче показує спрощену модель із 60 вузлів структури конектома C. elegans — не повні з'єднання 302 нейронів, а схематичну мережу з тими самими статистичними властивостями: топологією малого світу, вузловими вузлами високого степеня та структурою rich-club. Вузли розфарбовані за їхньою спільнотою (модулем), а розмір масштабується зі степенем. Клацніть будь-який вузол, щоб надіслати сигнальний імпульс, що поширюється мережею. Налаштуйте силу зв'язку, щоб побачити, як вона впливає на поширення сигналу.

Клацніть вузол, щоб надіслати сигнал