Na první pohled tichý introvert Pavel Haman z MFF UK se k účasti v popularizační soutěži FameLab dostal trochu omylem, se svým představením využívajícím pískací hračky k popisu přenosu signálu mezi neurony zodpovědnými za náš zrak ale dosáhl na třetí příčku. Čemu se ve svém výzkumu věnuje a proč k představení využil zrovna pískací hračky pro psy? Autorka rozhovoru se s vědcem zná dlouho, proto jsme v textu ponechali tykání.
Začneme zlehka. Kde působíš a jaké je tvé výzkumné téma?
Už třetím rokem jsem součástí Skupiny výpočetních neurověd vedené Jánem Antolíkem na Katedře softwaru a výuky informatiky a zkoumám translaminární dynamiku ve vizuálním kortexu.
Jsem ráda, že jsem studovala biologii a dokážu si pod tím aspoň něco představit. Jak bys to ale popsal laikovi? Začněme tím vizuálním kortexem.
Vizuální kortex je ta část mozkové kůry, kde probíhá hlavní zpracování obrazu. Víme, že obraz jde ze sítnice do thalamu (česky hrbol mezimozkový, struktura uvnitř mozku, kde se zpracovávají smyslové vjemy, pozn. redakce) a odtamtud do vizuálního kortexu. Ten se pak podle typu a funkčních vlastností neuronů dá rozdělit na 3 nebo 6 vrstev.
To je docela rozdíl, 3 nebo 6. Jak k tomu došlo?
Anatomicky lze (nejen vizuální) kortex rozdělit do 6 vrstev. Každá vrstva je pak složená ze specifických typů neuronů. Když by ale člověk zkoumal funkční vlastnosti neuronů (například jak reagují na různé podněty), zjistí, že vrstvy 2 a 3 jsou si velmi podobné (neurony reagují podobně na stejné podněty) a těžko se mezi nimi bez mikroskopu rozlišuje. Podobně to je i s vrstvami 5 a 6. Proto lze kortex rozdělit také podle funkce na vrstvy 3: supragranulární (anatomicky 2/3), granulární (anatomicky 4) a infragranulární (anatomicky 5/6), i když jich je vlastně 6.
Proč je důležité rozlišovat ty vrstvy?
Protože mezi nimi putuje signál z oka a mezi vrstvami se „zpracovává“. Začíná to ve vrstvě 4, kam přijde signál ze sítnice, resp. thalamu. Odtud signál putuje „nahoru“ do vrstvy 2/3 a pak do hluboké vrstvy 5/6. A právě to, co se děje se signálem mezi vrstvami, je to, co mě i mé kolegy zajímá. Můj školitel Ján Antolík během postdoktorského pobytu v Paříži vytvořil model vizuálního kortexu obsahující vrstvy 2/3 a 4. Já se teď snažím model rozšířit o vrstvu 5/6, přidat hluboké vrstvy a postupně popisovat co nejvíc fenoménů. První metou našeho výzkumu je vytvořit model, který bude schopný spojit dohromady co nejvíce biologických měření, co nejvíce fenoménů pozorovaných ve výzkumech v jednom modelu.
Jak se tak složitá věc, jako je mozek, vůbec modeluje?
Neurony musíme hodně zjednodušit – v modelu z nich jsou v podstatě body s určitými vlastnostmi, pro které píšeme rovnice popisující jejich chování. Další rovnice pak popisují, jak se neurony propojují, odkud kam jde signál a jak to celé funguje v prostoru.
Hodně informací přebíráme od biologů, kteří pracují s kočkami. Víme od nich třeba vlastnosti jednotlivých typů neuronů v těch vrstvách, jejich klidový membránový potenciál, jaké stimuly vzbudí akční potenciál, odkud kam přenáší jednotlivé vrstvy signál atp. Tyhle věci se měří elektrodami v mozku nebo v řezech mozku. Mikroskopy se pak dají neurony snímat a pozorovat, které jsou v kontaktu a tvoří synapse (spojení). Máme tak spoustu dat, ze kterých získáváme čísla pravděpodobnosti, že se ty které neurony spojí. A díky tomu pak nemusíme modelovat mozek ve 3D, ale stačí nám vytvořit pravděpodobnostní mapy konexí.
Samozřejmě model není stoprocentní kopie reality. To by nezvládl spočítat asi žádný sebelepší počítač. Náš model počítá s významnými spojení, bereme v potaz ty nejčastější. Například když víme, že z vrstvy 4 jde signál především do vrstvy 2/3, počítáme s tímhle a zanedbáváme méně častá spojení z vrstvy 4 do vrstvy 5/6.
Proč zrovna kočky? Nešlo by to zkoumat na myších, nejběžnějších laboratorních zvířatech?
Díky tomu, že kočky loví převážně za šera, mají velmi dobře vyvinutý vizuální kortex, srovnatelný s vizuálním kortexem primátů. V tomto ohledu jsou proto výrazně vhodnější než myši, které se sice v jiných neurovědních oblastech používají častěji, ale zrak pro ně není tak klíčový a jejich vizuální kortex není tak rozvinutý. Laboratorní práce s kočkami je navíc jednodušší než s primáty, a to z nich dělá ideální kompromis mezi komplexitou mozku a možností jeho experimentálního zkoumání. Pokud však data z koček nejsou k dispozici, využíváme i poznatky získané z jiných zvířecích modelů.
Pojďme od koček zpátky k modelu. Proč je tak náročné do modelu přidat „tvou“ vrstvu 5/6?
Vrstva 5/6 je hodně hluboko, špatně se k ní dostává a je nejméně probádaná. Často si ani nemůžeme být stoprocentně jistí, že data, která máme, opravdu pochází z téhle vrstvy. Právě proto je těžké ji dobře modelovat – máme méně jistých informací a větší rozptyl v datech. A proto mi to trvá tak dlouho, musím zkoušet hodně hodnot, než se přiblížím realitě.
Dá se říct, že je to celé trochu pokus–omyl?
Řekl bych to opatrně. Ano, zkouším různé kombinace parametrů, ale vždycky jen v biologicky potvrzených mezích. Nedávám tam náhodná čísla. Problém ale je, že mozek je extrémně provázaný systém, všechno souvisí se vším a změna jednoho parametru může mít důsledky úplně jinde.
To, co mi teď bere nejvíc času, je hledání těch „správných“ hodnot v rámci rozptylu biologických dat. Hodně mi pomohlo, že se kolegovi (Tanguy Damart) podařilo zautomatizovat testování parametrů, takže to nemusím všechno zkoušet ručně. To by mi ten doktorát trval ještě hodně dlouho.
Co do výzkumu přinášíš ty osobně?
Myslím, že hodně pomáhá to, že jsem původně fyzik. Model pracuje s jednotlivými neurony, je hrozně těžké odhadnout, jak se budou chovat dohromady a taky to je výpočetně náročné. Vedle modelu se tak snažím pracovat s metodami ze statistické fyziky, kde jde spíše o průměrné chování větších celků.
Používám takzvaný model středního pole, který jsem se učil během pobytu v Paříži. V takovém modelu se tisíce rovnic popisujících tisíce neuronů zredukují do pěti rovnic popisujících průměrné (střední) chování celku. To je snazší pro analýzu a odhady i výpočetně, ale je to za cenu ztráty detailů. Řeším, jestli by takový přístup dovolil lépe odhadnout roli různých parametrů v chování modelu.
Nestavím to ale na zredukování celé vrstvy do jednoho celku, protože by se ztratila spousta informací. Místo toho každou vrstvu rozdělím na „šachovnici“ a každé „políčko, obsahující třeba tisíc neuronů, pak zvlášť zredukuju na onu pětici rovnic. I tak jde ale celá práce pomaleji, než jsem doufal. (smích)
Jak ses vlastně dostal od fyziky k bioinformatice?
Na bakaláři a magistru jsem dělal teoretickou částicovou fyziku. Přestalo mě ale bavit, že to, co napíšu, možná nikdo během mého života experimentálně neověří. Měl jsem pocit, že se honím za hezkými rovnicemi bez vztahu k realitě.
Mozek mě zajímal vždycky, ale netušil jsem, že existují výpočetní neurovědy. Až na začátku magistra jsem narazil na přednášky z tohoto oboru. Pak jsem viděl svého budoucího školitele Jana Antolíka na Týdnu mozku a bylo rozhodnuto. Fyziky jsem se ale úplně nevzdal. Dneska využívám svůj matematicko-fyzikální background při přednáškách o tom, jak se rovnicemi popisují různé typy neuronů.
A jak ses od modelování dostal k FameLabu?
Přítelkyně mě vzala na workshop, který vedla Lucie Válová (manažerka soutěže FameLab ČR, pozn. redakce). Měli jsme připravit dvouminutové představení svého tématu. Strukturu jsem zvládl vymyslet, ale bylo tam strašně moc odborných pojmů a nevěděl jsem, co s tím. I tak mě pak Lucka podpořila v tom, abych se přihlásil do FameLabu, že by byla škoda to nezkusit. Později mě nějak napadlo použít pískací hračky pro psy. Ani nevím, proč, asi v tom hráli roli kočky a psi, které má moje sestra doma.
Díky tomu jsi byl nezapomenutelný a ocenili to i porotci. Pokud si správně vzpomínám, ve svém představení jsi říkal, že když pochopíme přenos zrakového signálu, budeme moct vytvořit implantáty, které by vrátily zrak slepým. Je to opravdu možné?
Ještě jsme od toho daleko, ale ten ultimátní cíl to určitě je. Část našeho týmu spolupracuje se Španěly, kteří testují experimentální implantáty u slepých dobrovolníků, kteří pak vidí třeba tečky nebo čárky. Hodně to ale záleží na konkrétním člověku. I když máme všichni podobný mozek, zpracování zrakového signálu se u každého vyvíjí trochu jinak.
Takový implantát by navíc fungoval jen u lidí, kteří o zrak přišli během života. Ti, kdo se narodili nevidomí, nemají vizuální kortex dostatečně vyvinutý. Tahle část mozku se formuje až vlivem světla a když tam světlo nepřichází, spojí se tam neurony jinak a už to nejde změnit.
Zatím jsme ale pořád ve fázi základního výzkumu. Implantát, který by vracel zrak, by byl super, ale pro mě je super i to, že se blížíme popisu toho, jak se zrakový signál v mozku kóduje.
Vědec, učitel, popularizátor. Co tě baví nejvíc?
Věda mě baví, ale to i učení. Čistý výzkum by mi asi nestačil. Při výuce mám okamžitou zpětnou vazbu a můžu reagovat a posouvat sebe i ostatní. Zůstat v akademickém prostředí by bylo fajn. A myslím, že se výuka hezky propojuje i s popularizací, protože v obou případech člověk hledá cestu, jak složité věci předat srozumitelně a poutavě.
