Men hvordan kommunikerer hjernecellerne i rygmarven med elektriske signaler og producerer motorprogrammer, som får dig til at flytte benene, så du kan gå? Og hvordan koordinerer centralnervesystemet hele indsatsen?

Det ved videnskaben ikke. Endnu.

Hallas-Møller-stipendiat Rune Berg fra Institut for Neurovidenskab og Farmakologi på Københavns Universitet har dog sat sig for at finde et svar.

Han undersøger rygmarvens styring af bevægelser, og i den anledning har han allieret sig med en matematiker, nemlig forskningsleder Susanne Ditlevsen fra Institut for Matematiske Fag på Københavns Universitet, i et forsøg på at opstille og analysere statistiske modeller for rygmarvscellernes opførsel. Det er et samarbejde, som allerede har bragt undersøgelser af centrale hypoteser om hjernefunktion inden for rækkevidde, og som har givet forskerne muligheder for at udføre eksperimenter på modeller af hjernen, som ville være umulige at gennemføre i virkeligheden.

Neuroforskerne har allerede studeret enkelte hjerneceller under mikroskop og fundet ud af, hvordan de hver for sig fungerer og reagerer på elektriske impulser. Men som med så mange andre ting, er helheden mere end summen af enkeltdelene. Man kan jo ikke gætte, hvordan en hel symfoni lyder ved blot at lytte til et enkelt instrument, ligesom studier af et enkelt sandkorns bevægelser i vinden ikke vil afsløre, hvordan en hel klit bevæger sig i blæsevejr.

Matematiske modeller kan forklare celle-netværkets opførelse

Rune Berg arbejder derfor med en sindrig forsøgsopstilling, der gør det muligt for ham at studere op til 100 motoneuroners elektriske reaktioner både samlet og hver for sig. Men skal forsøgsresultaterne hjælpe os til at forstå, hvordan nervecellerne danner netværksaktivitet, kræver det, at man kan opstille forudsigelser om netværkets opførsel.

Disse modeller er så vigtige, for det er den eneste måde, hvorpå vi kan få en forståelse af, hvordan store netværk fungerer.

- Rune Berg

Og det har vist sig langt vanskeligere end forudset.

Det er her, matematikken og Susanne Ditlevsen kommer ind i billedet. Vekselvirkningen mellem motoneuronerne i netværket og omgivelserne kræver usædvanligt komplicerede ligninger og statistiske beregninger. For med avancerede matematiske modeller bygget på såkaldt stokastiske processer kan forskerne udtale sig om sandsynligheden for en given celles opførsel, når fx netværket deltager i en bevægelse.

»Det er vigtigt at vide, hvilken type statistik cellerne følger. Så kan vi med tiden lave bedre modeller af celler og analysere modellerne,« forklarer Rune Berg.

Det er samme princip, som fysikerne bruger, når de ud fra viden om en gas' tilstand (fx tryk) vil forstå, hvordan de enkelte partikler i gassen opfører sig. Det er partiklernes hastigheder, der bestemmer gassens temperatur, men det er helt umuligt at forudsige, hvilken hastighed en given gaspartikel har. Fysikerne kan til gengæld bruge statistiske metoder og den såkaldte Boltzmann-fordeling til at udtale sig om sandsynligheder og sandsynlighedsfordelinger for forskellige hastigheder.

»Vi forsøger så at sige at finde nervecellernes Boltzmann-fordeling,« forklarer Rune Berg.

Matematiske analyser kan give nye fysiologiske fortolkninger

Samarbejdet har allerede ført til én artikel i PLoS ONE. Her testede Rune Berg, kollegaen Jørn Hounsgaard og Susanne Ditlevsen som de første i verden rent eksperimentelt en central neuro-hypotese, der blev fremsat i 1975 af den amerikanske forsker John N. Barret. Han foreslog, at hvilende rygmarvsceller reagerer langsomt, men så snart de modtager stimulans, falder deres reaktionstid dramatisk.

Det er dog først nu, at hypotesen er blevet afprøvet.

Succesen med samarbejdet har givet Susanne Ditlevsen, som netop har modtaget 5,76 mio. kr. fra Det Frie Forskningsråd, appetit på at udvikle en mere avanceret matematisk model, som skal afsløre de mekanismer, der styrer neuronernes reaktionsevne under netværksaktivitet.

»Teoretisk modellering af fysiologiske processer er og skal være tværfagligt. Og det er det, der gør det så spændende! Sammen kan Rune og jeg lave noget, vi ikke kunne lave hver for sig, og vi supplerer hinanden med hver vores viden. For at være interessante skal teoretiske modeller jo være fysiologisk relevante, så de kan bruges, og den matematiske analyse kan hjælpe til nye fysiologiske fortolkninger og forklaringsmodeller,« siger Susanne Ditlevsen.

Rune Berg er overbevist om, at andre forskere vil kunne få gavn af samarbejdet, når de skal modellere og analysere netværksmodeller.

»Disse modeller er så vigtige, for det er den eneste måde, hvorpå vi kan få en forståelse af, hvordan store netværk fungerer, og hvad der fx går galt under epilepsi og ved Parkinsons,« siger han.

Samtidig gælder de to forskeres modeller ikke kun for rygmarvsceller.

»Vi håber at finde generelle principper for neuronnetværk. Vi mener, det ville være højst usandsynligt, at cellenetværk i forskellige dele af centralnervesystemet benytter sig af fundamentalt forskellige principper - specielt når de alle sammen har stort set samme cellulære egenskaber,« siger Rune Berg.

Uafprøvet hjerneforskning i cyberspace

Hjernefunktion er uudforsket territorium, bl.a. fordi det i sagens natur er svært at studere og arbejde på en levende hjerne i aktion. Vi har i dag store scannere, som kan tage billeder af hjernens oxygen- og næringsforbrug og aflæse aktivitet, men der er stadig lang vej til, at vi forstår, hvordan hjernen fungerer.

Netop derfor vil avancerede matematiske modeller bygget på store mængder bio-data måske give forskerne et værktøj til at eksperimentere med dele af hjernen, som det er uetisk, farligt eller umuligt at udføre i praksis. For hvis modellerne er i overensstemmelse med fysiologiske fakta, kan forskerne udføre deres forsøg i cyberspace.

»Om det bliver muligt ved vi ikke endnu,« erkender Rune Berg og fortsætter:

»Vi skal analysere de opsamlede forsøgsresultater og sammen beskrive dem med en matematisk model. Det ville være fantastisk, hvis denne model kunne forudsige noget, som jeg så kunne teste eksperimentelt i laboratoriet. Det er ikke kun lige efter den videnskabelige arbejdsmetode, det ville også hjælpe os trænge dybere ind i hjernens mysterier.«

Reference og links

Intense Synaptic Activity Enhances Temporal Resolution in Spinal Motoneurons. PLoS ONE 3(9): e3218. doi:10.1371/journal.pone.0003218

Rune Bergs hjemmeside