Контроль человеческого коннектома с помощью пространственно диффузных входных сигналов

Почему это важно для повседневного мозга

Наш мозг постоянно меняет шаблоны активности, даже когда мы сидим спокойно с закрытыми глазами. Врачи и инженеры сейчас пытаются аккуратно смещать эти шаблоны — с помощью магнитных импульсов или слабых электрических токов — чтобы лечить депрессию, эпилепсию и другие состояния. Но большинство моделей предполагают, что воздействие на одну крошечную точку мозга затрагивает только её, что не соответствует реальной физиологии и реальным медицинским устройствам. В этой работе задаётся простой вопрос с большими последствиями: если учитывать географию мозга и то, как сигналы естественно распространяются по соседним тканям, можно ли управлять активностью мозга эффективнее и более в согласии с биологией?

Представление активности мозга как состояний и переходов

Авторы начинают с того, что рассматривают мозг как общегородскую энергосеть, где огни зажигаются в разных районах в разное время. Каждый шаблон активности всего мозга — зафиксированный с помощью функциональной МРТ — рассматривается как «состояние мозга». По мере того как активность растёт и спадает в сотнях областей, мозг прокладывает путь по этому ландшафту состояний. На данных десятков здоровых взрослых команда выделила одиннадцать повторяющихся состояний, каждое из которых напоминает знакомые крупномасштабные системы, такие как сенсорные сети, системы внимания и так называемая сеть пассивного режима (default mode network), преобладающая во время мечтаний. Переход из одного состояния в другое — например, от внешне направленного состояния к внутренне направленному — похож на управление движением по маршруту в этом многомерном пространстве.

От идеализированных толчков к реалистичным побуждениям

Чтобы изучить, как лучше направлять эти переходы, исследователи использовали математическую рамку, называемую теорией управления сетями. В её обычной форме предполагается, что можно ввести точный, независимый вход в каждую область мозга, словно в каждом городе есть собственная электростанция без утечек. Это удобно для уравнений, но нереалистично для реальных методов стимуляции, которые всегда затрагивают и соседние ткани. Авторы заменяют такой «пинпоинтный» взгляд на модель «брызга»: когда вход центрируется в одной области, соседние области тоже его чувствуют, причём сила воздействия плавно убывает с расстоянием. Это простое изменение напрямую встраивает физическую планировку коры в модель управления, признавая, что соседние области анатомически и функционально связаны.

Более мягкие и умные маршруты между состояниями мозга

Сравнивая традиционную пинпоинтную модель с новой пространственно диффузной по всем возможным переходам между одиннадцатью состояниями, авторы обнаружили ясную закономерность. В широком и реалистичном диапазоне расстояний распространения сигналов диффузная стратегия требовала существенно меньшей «энергии» — суммарной величины управляющих сигналов по пространству и времени — чтобы достичь того же целевого состояния. Иными словами, позволяя входам естественно распространяться на соседние области, модель находит более лёгкие маршруты, которые работают в согласии с внутренней проводкой мозга и сходством между близкими областями. Эти более реалистичные входы также создают слегка другие пути в пространстве состояний и различные схемы усилий по областям, подчёркивая, что место и способ стимуляции могут существенно изменить траектории мозга, а не только их конечные точки.

Делать больше с меньшим числом рычагов управления

В исследовании также рассматривается важная практическая проблема: реальные устройства не могут подавать тысячи идеально независимых сигналов по коре. Анализируя полученные решения, авторы заметили, что многие области получают очень похожие временные ходы входов. Они сжимают эти сигналы в гораздо меньший набор «прототипных» управляющих сигналов и назначают каждый прототип нескольким областям. Удивительно, но даже при сокращении числа независимых входов в десятки раз мозг по‑прежнему очень близко подходит к желаемым целевым состояниям, при этом требуя гораздо меньше общей энергии. Пространственно диффузная модель особенно хорошо поддается сжатию, обеспечивая хороший контроль с меньшим числом различных входов по сравнению с традиционным подходом. Это указывает на то, что в принципе ограниченное число тщательно подобранных схем стимуляции могло бы координировать широкомасштабные изменения активности мозга.

Привязка теории к реальной биологии

Наконец, исследователи сравнили карты входов, полученные из задач управления, с множеством независимых карт мозга, построенных по другим типам данных: метаболизму, плотности рецепторов нейротрансмиттеров, содержанию миелина, градиентам развития и паттернам когнитивных функций. Самые сильные карты контроля совпадали с известными осями, разделяющими базовые сенсорные области и высшие ассоциативные регионы, с градиентами функциональной связности и с конкретными химическими системами, такими как дофамин и ацетилхолин. Эти связи означают, что «самые лёгкие» способы направлять мозг не являются произвольными математическими конструкциями; они отзываются глубокими принципами организации коры и её химии.

Что это значит для управления мозгом

Для неспециалиста ключевая мысль интуитивна: сдвинуть мозг легче, если мы толкаем его способами, уважающими его естественную географию и химию. Модели, позволяющие сигналам распространяться по соседним областям, не только лучше соответствуют тому, как на самом деле работают технологии стимуляции, но и показывают, что мы можем переходить между значимыми состояниями мозга, используя меньше усилий и меньше независимых точек управления. В долгосрочной перспективе эти идеи могут помочь разработать более эффективные и целевые протоколы стимуляции мозга — такие, которые опираются на несколько тщательно размещённых и синхронизированных побуждений, чтобы подтолкнуть всю сеть к более здоровым шаблонам активности, а не противостоять собственной структуре мозга.

Цитирование: Betzel, R., Puxeddu, M.G., Seguin, C. et al. Controlling the human connectome with spatially diffuse input signals. Commun Biol 9, 501 (2026). https://doi.org/10.1038/s42003-026-09560-8

Ключевые слова: стимуляция мозга, коннектом, контроль сети, состояния мозга, нейровизуализация