Машина-прототип давала ломтики толщиной 10 микрон: слишком много для электронной микроскопии, но основной принцип все равно удалось продемонстрировать. В один прекрасный день Хейворту позвонил незнакомец. Это был не кто иной, как Джефф Лихтман, гарвардский специалист по изучению процессов самоуничтожения синапсов. Он предлагал сотрудничество. Хейворт устроил в Гарварде мастерскую, где сконструировал еще один АЛУМ, уже способный делать срезы толщиной всего 50 нанометров: такая толщина достижима с помощью обычного ультрамикротома. Лихтман поощрял его к дальнейшему совершенствованию прибора, и в конце концов тот достиг показателя в 30 нанометров. Для того чтобы делать снимки этих срезов, Хейворт привлек к сотрудничеству Нараянана Кастури (которого коллеги обычно называют просто Бобби). О, это была забавнейшая пара! В лаборатории шутили, что Кастури только кажется психом, со своей дикой прической и дикими байками, зато Хейворт – тот настоящий псих. (На подробностях этой шутки, известной лишь посвященным, остановимся позже.) Совместно с еще одним ученым, Ричардом Шалеком, они применяли для построения изображений сканирующий электронный микроскоп – такой же инструмент, какой недавно модифицировал Денк.
Изобретение Денка избавляет от необходимости собирать срезы; изобретение Хейворта делает процесс их сбора надежным. Другие изобретатели разрабатывают собственные схемы усовершенствования процессов изготовления срезов и получения их изображений. Так, Грэм Нотт продемонстрировал, как использовать пучок ионов для испарения верхнего слоя основного блока образца, при этом толщина такого слоя составляет всего несколько нанометров. Эта методика напоминает денковскую, но для нее не требуется алмазный резак. Мне кажется, такие исследования – заря грядущего золотого века серийной электронной микроскопии.
Но с этим золотым веком придут и новые проблемы, которые неизбежно встанут перед нейронаукой. Грядет эра чрезмерного количества информации. Один-единственный кубический миллиметр мозговой ткани способен дать петабайт визуальной информации. Это как альбом цифровых фотографий, содержащий миллиард снимков. Объем мозга мыши – тысяча кубических миллиметров, а мозг человека в тысячу раз крупнее мышиного. Так что усовершенствование процедур изготовления срезов, их сбора и анализа под микроскопом само по себе еще не достаточно для нахождения коннектомов. Съемка каждого нейрона и синапса даст чудовищный вал информации, намного превосходящий способности любого человеческого существа ее осмыслить. Чтобы отыскивать коннектомы, нам потребуются не только машины для получения изображений, но и устройства, которые смогут их видеть.
Глава 9
По следу
Есть древнегреческий миф о царе Миносе, решившем не приносить в жертву прекрасного белого быка, а оставить его себе. Боги, разгневавшись на его жадность, покарали Миноса, вселив в его жену безумную страсть к этому быку. В результате царица произвела на свет Минотавра – чудовище с двумя ногами и двумя рогами. Минос заточил свою неверную жену и ее отродье в Лабиринт, систему запутанных ходов, весьма хитроумно выстроенную великим инженером Дедалом. В конце концов из Афин прибыл герой Тесей и благополучно убил Минотавра. Чтобы найти дорогу из Лабиринта, он следовал за нитью, которой снабдила Тесея его возлюбленная Ариадна, дочь царя Миноса.
Коннектомика чем-то напоминает мне это сказание. Подобно Лабиринту, мозг вынужден иметь дело с последствиями разрушительных эмоций, таких как жадность или похоть. Но при этом он способен побуждать к изобретательности и воспламенять любовь. Вообразите, как вы бродите среди аксонов и дендритов, подобно Тесею, отыскивающему путь по извилистым проходам Лабиринта. Может быть, вы – молекула белка, усевшаяся на молекулярный автомобиль, мчащийся по молекулярному шоссе. Вас везут далеко-далеко: от тела клетки, того места, где вы родились, к пункту вашего назначения – дальнему концу аксона. Вы смирно сидите и наблюдаете, как мимо проносятся стенки аксона.
Если вас заинтересовала перспектива такого путешествия, давайте рискнем проделать его виртуально – не по собственно мозгу, а по его изображениям. Можно проследить путь аксона или дендрита благодаря набору снимков, полученных с помощью устройств, которые описаны в главе 8. Это необходимо для отыскания коннектомов. Чтобы составить карту связей в мозгу, нужно увидеть, какие нейроны соединены синапсами. А это невозможно сделать, не зная, куда идут «провода».
Но чтобы найти весь коннектом, придется исследовать каждый коридор мозгового лабиринта. Для построения карты лишь одного кубического миллиметра мозга придется пропутешествовать через целые мили нейритов, пробраться через петабайт изображений. Столь трудоемкий и тщательный анализ жизненно необходим: поверхностный взгляд на эти снимки ничего вам не даст. Такой способ проведения научных исследований кажется очень далеким от того, чем занимался Галилей, мельком заметивший спутники Юпитера, или Левенгук, немного понаблюдавший за сперматозоидами.
Сегодня наше представление о науке как об умении увидеть, по сути, доведено до предела – благодаря современным технологиям. Более того, в наше время никакой отдельный человек не в состоянии вникнуть во все изображения, получаемые с помощью автоматизированных приборов. Но если технология породила проблему, то, быть может, технология сумеет ее решить? Возможно, компьютерам удастся проследить пути всех аксонов и дендритов благодаря этим снимкам. Если наши машины сделают за нас основную часть работы, мы все-таки сумеем увидеть коннектомы.
Проблема обработки колоссальных объемов информации стоит не только перед коннектомикой. Самый масштабный научный проект в мире, Большой адронный коллайдер (БАК), представляет собой кольцевую трубу, залегающую под землей на стометровой глубине, внутри двадцатисемикилометрового туннеля между Женевским озером и швейцарской частью Юрских гор. Коллайдер (ускоритель) разгоняет протоны до огромных скоростей и сталкивает их друг с другом: это делают, чтобы изучить силы, определяющие взаимодействие между элементарными частицами. На одном из участков этого кольца располагается гигантский аппарат – Компактный мюонный соленоид. Он способен детектировать до миллиарда столкновений частиц в секунду. Одна сотая часть этих столкновений отбирается компьютерами, которые в автоматическом режиме просеивают поступающие данные. Записываются лишь «интересные» события, однако информация течет стремительным и мощнейшим потоком, ведь каждое событие (столкновение) дает больше мегабайта данных. Отобранную информацию затем передают для анализа в сеть суперкомпьютеров, разбросанных по всему миру.
Чтобы находить в мозгу млекопитающих целые коннектомы, нам понадобятся микроскопы, способные делать снимки с такой скоростью, что поток поступающих данных окажется помощнее, чем у БАК. Сумеем ли мы анализировать эти данные с должной оперативностью? Ученые, составлявшие коннектом червя C. elegans, уже столкнулись с этой проблемой. К их большому удивлению, анализировать изображения оказалось труднее, чем получать.
* * *
В середине шестидесятых годов прошлого века Сидней Бреннер, биолог родом из ЮАР, увидел возможность применения серийной электронной микроскопии для построения карты всех связей в сравнительно небольшой нервной системе. Тогда еще не придумали термин «коннектом», и Бреннер говорил о задаче «воссоздания (реконструкции) нервной системы». Он работал в кембриджской лаборатории молекулярной биологии при Совете по медицинским исследованиям. В то время он, как и его коллеги по лаборатории, осваивали C. elegans в качестве стандартного подопытного для генетических исследований. Позже червь стал первым представителем фауны, чей геном удалось полностью расшифровать. В наши дни представителей этого вида червей изучают тысячи биологов.
