Ученые МФТИ и ННГУ им. Н.И. Лобачевского создали первую в мире многоуровневую компьютерную модель вкусового рецептора, которая имитирует его работу: от момента попадания вещества на язык до формирования в мозге «нейронного отпечатка». Это открывает путь к созданию электронных устройств, способных «чувствовать» вкус как человек, и поможет лучше понять механизмы нарушений вкусового восприятия при различных заболеваниях. Исследование опубликовано в журнале Brain Sciences.
Потеря вкуса — частый симптом неврологических нарушений. Когда в 2020 году мир столкнулся с эпидемией коронавируса, огромное количество пациентов перестало чувствовать вкус еды. У одних это прошло через пару недель, у некоторых вкус изменился навсегда — сладкое стало казаться горьким, а привычные блюда вызывали отвращение.
Согласно исследованиям, более 15 миллионов человек за время пандемии потеряли вкус и обоняние на длительный срок. У некоторых они так и не восстановились до конца.
Современная медицина до сих пор не знает, где именно происходит нарушение, что с этим делать, ведь процесс работы рецептов не изучен до конца.
В новом исследовании ученые создали многоуровневую компьютерную модель вкусовой системы, которая быстро и энергоэффективно позволяет проследить весь путь вкуса целиком: от момента попадания вещества на язык до формирования в мозге специфического паттерна нервных импульсов для каждого вкуса.
«Наша модель может помочь изучить механизмы потери вкуса. Это цифровая среда, где можно исследовать любой участок и посмотреть, где возникает ошибка и как она влияет на формирование нейронных патернов», — прокомментировал работу Сергей Стасенко, заведующий лабораторией когнитивного моделирования и нейроробототехники МФТИ.
На первом уровне компьютерная модель описывает вкусовые клетки четырех типов: для сладкого, горького, соленого и кислого. Есть еще пятый вкус – умами. Его ученые сознательно обошли стороной из-за биохимического сходства со сладким и горьким. Это позволило сосредоточиться на принципиальных различиях между ионотропными (соленое, кислое) и метаботропными (горькое, сладкое) путями.
Сладкий и горький вкус воспринимают метаботропные рецепторы. Внутри них возникает каскад внутриклеточных сигналов, который описывается уравнением Хилла. Ионотропные механизмы соленого и кислого вкуса рассчитываются через уравнение Гольдмана–Ходжкина–Каца, моделирующее движение ионов натрия и водорода через мембрану вкусовой клетки.
«Когда на вход модели подается виртуальное вещество с заданной концентрацией, рецепторы активируются, и мембрана клетки меняет электрический потенциал. При достижении порога генерируется спайк — короткий электрический импульс. Он превращается в бинарный код и передается дальше по нейронной сети.
Передачу сигнала между нейронами мы смоделировали через механизм выделения глутамата и фосфорилирования AMPA-рецепторов. Это тот самый процесс, который отвечает за обучение и память в живом мозге», — рассказал Сергей Стасенко.
Генетический алгоритм внутри модели имитирует естественный отбор и позволяет гибко настраивать параметры модели: количество рецепторов, степень их фосфорилирования и др.
Чтобы сделать расчёты быстрее, ученые применили гибридный подход. На уровне вкусовых рецепторов они использовали строгие биофизические уравнения Ходжкина–Хаксли, а для моделирования нейронной сети выбрали более простую и быструю модель Ижикевича. Благодаря этому повышается вычислительная эффективность модели без ущерба в биологической детализации.
Модель прошла обучение на двух задачах. Первая — различать приятность вкуса, где для каждого вкуса заданы оптимальные концентрации. Например, для сладкого — 15 000 условных единиц, для солёного — 100. Вторая задача — отличать чистый вкус от смешанного.
В планах ученых — добавить в систему обоняние, чтобы изучать формирование целостного ощущения вкуса. Также исследователи планируют ввести в модель тормозные нейроны и обратные связи и углубить внутриклеточную сигнализацию для более точного описания работы рецепторов.
Новая модель станет основой для энергоэффективных нейроморфных сенсоров вкуса для пищевой промышленности, которые будут анализировать продукты в реальном времени. В медицине она поможет лучше понять механизмы нарушений вкусового восприятия при различных заболеваниях и изучить, как мозг кодирует информацию.
