Laskennallinen neurotiede on tieteenala, joka käyttää matemaattisia malleja ja tietokonesimulaatioita aivojen ja hermoston toiminnan ymmärtämiseksi. Tieteenala yhdistää neurotieteen, matematiikan, fysiikan, kemian, ja insinööritieteiden periaatteita tavoitteenaan luoda malleja, jotka kuvaavat aivojen monimutkaista toimintaa ja sen taustalla olevia biologisia mekanismeja. Laskennallinen neurotiede pyrkii vastaamaan kysymyksiin siitä, miten aivot käsittelevät aistien kautta saatavaa tietoa, miten hermosolut ja gliasolut vuorovaikuttavat keskenään aivoverkostoissa, ja miten nämä vuorovaikutukset johtavat monimutkaisiin aivotoimintoihin kuten oppimiseen, muistiin ja päätöksentekoon.

Laskennallisen neurotieteen lähestymistavan avulla tutkijat voivat simuloida hermosolujen verkostoja, mallintaa hermosolujen sisäisiä ja solujen välisiä signaalinvälitysmekanismeja ja analysoida suuria määriä aivotutkimusdataa ja kokeellisia aineistoja. Laskennallinen neurotiede auttaa avaamaan aivojen monimutkaisten piirteiden, kuten synaptisten muutosten ja hermosolujen verkostojen toiminnan ymmärtämistä, ja se voi tarjota uusia näkökulmia sairauksien, kuten neurologisten ja neuropsykiatristen häiriöiden, tutkimukseen ja hoitoon.

Dosentti Marja-Leena Linnen perustama ja johtama laskennallisen neurotieteen tutkimusryhmä toimii Tampereen yliopiston Lääketieteen ja Terveysteknologian tiedekunnassa. Ryhmä perustettiin vuonna 2004 Marja-Leena Linnen akatemiatutkijarahoituksen ja Tampereen teknillisen yliopiston signaalinkäsittelyn huippuyksikkörahoituksen avulla vastaamaan kasvavaan tarpeeseen ymmärtää aivojen toimintaa laskennallisten menetelmien avulla. Tutkimusryhmä on vakiinnuttanut asemansa edelläkävijänä laskennallisessa neurotieteessä Suomessa ja sen toiminnassa on vuosittain mukana 10–15 nuorta tutkijaa, kolmen senioritutkijan lisäksi (Marja-Leena Linne, TkT, Laskennallisen neurotieteen dosentti; Tiina Manninen, TkT; Tuomo Mäki-Marttunen, TkT).

Tutkimusryhmän keskeisenä tavoitteena on syventää ymmärrystämme aivojen toiminnasta ja sen häiriöistä laskennallisten mallien avulla. Ryhmä on kehittänyt uudenlaisia matemaattisia ja laskennallisia tekniikoita sekä malleja kuvaamaan aivojen toimintaa eri aivotasoilla, aina geenitasolta kokoaivotasolle. Ryhmä pyrkii yhdistämään eri tieteenalojen asiantuntemuksen luodakseen innovatiivisia lähestymistapoja aivojen monimutkaisten, emergenttien ilmiöiden analysointiin. Ryhmässä työskenteleekin laskennallisia tieteitä ja signaalinkäsittelyä, matematiikkaa, fysiikkaa, biologiaa, neurotiedettä ja lääketiedettä opiskelleita tutkijoita ja tutkimusapulaisia.

Ryhmä on käynnistänyt useita merkittäviä projekteja, joista yksi keskittyy esimerkiksi hermosolujen verkostojen mallintamiseen ja niiden roolin selvittämiseen erilaisissa neuropsykiatrisissa sairauksissa kuten skitsofreniassa. Toinen projekti kehittää laskennallisia työkaluja ja ohjelmistoja kuvantamismenetelmillä saatujen solumorfologioiden (rakenteiden) rekonstruktioon ja pyrkii kehittämään biologisesti tarkkoja malleja solun eri mekanismeista. Erityisesti kiinnostuksen kohteena ovat hermosolut ja gliasolut, kuten astrosyytit, joiden vuorovaikutuksen on osoitettu vaikuttavan merkittävästi oppimiseemme, muistiimme ja tietoisuuteemme. Kolmas projekti tarkastelee aivosignaalien prosessointia koneoppimisen menetelmin, mikä tarjoaa uusia näkökulmia ihmiseltä mitattavien aivosignaalien ja siten aivotoiminnan tulkintaan.

Tutkimusryhmällä on takanaan pitkä kokemus niin hermosolujen kuin gliasolujen toiminnan ja niiden biofysikaaliskemiallisten mekanismien mallintamisesta, mitä hyödynnetään parhaillaan isojen aivomallien kehittämisessä. Solumalleissa kuvaamme tyypillisesti solukalvon biosähköiset ominaisuudet, erityisesti ionikanavaproteiinien toiminnan, ja solukalvon kyvyn siirtää aivoissa kulkevia viestejä. Lisäksi kuvaamme solukalvon muita soluviestimiseen käytettäviä mekanismeja kuten reseptorit aivojen välittäjä- ja modulaattoriaineille, esimerkkinä glutamaatti, GABA ja serotoniini; kuljettajaproteiinit ionien ja molekyylien siirtoon; sekä ionipumput. Tarkkoja solumalleja rakentaessamme otamme huomioon solun rakenteen ja sen missä osassa solua yllä mainitut mekanismit esiintyvät. Hermo- ja gliasolujen lisäksi olemme viime aikoina siirtyneet mallintamaan myös aivojen verisuonien mekanismeja ja niiden vuorovaikutuksia aivosolujen kanssa.

Tutkimusryhmä käyttää lukuisilla eri neurotieteen kokeellisilla menetelmillä hankittua dataa ja tietämystä hyväksi matemaattisten ja laskennallisten aivomallien luomisessa. Esimerkkejä tekniikoista ovat erilaiset geenianalyysitekniikat, kuvantamiseen ja sähköfysiologiaan perustuvat tekniikat sekä biokemialliset menetelmät.

Tutkimustyötä tehdään sen poikki- ja monitieteisen luonteen vuoksi isoissa kansainvälisissä konsortioissa. Tutkimusryhmä valittiin kilpaillun hakemuksen kautta osallistumaan laajaan, 120+ tutkimusryhmää käsittävään EU:n komission rahoittamaan Future Emerging Technology -kärkihankkeeseen nimeltä Human Brain Project vuosiksi 2014–23 aikana. Ryhmän projektissa kehittämät mallit ja työkalut ovat vapaasti saatavilla EBRAINS-nimisen digitaalisen aivoalustan sisällössä.


Kokooma-artikkeleita:

Linne M.-L., Aćimović J., Saudargiene A., Manninen T. Neuron–Glia Interactions and Brain Circuits. In: Giugliano, M., Negrello, M., Linaro, D. (eds) Computational Modelling of the Brain. Advances in Experimental Medicine and Biology, vol 1359, 2022. Springer, Cham.

O. Eriksson, U.S. Bhalla. K.T. Blackwell, S. Crook, D.X. Keller, A. Kramer, M.-L. Linne, A. Saudargienė, R.C. Wade, J. Hellgren Kotaleski. Combining hypothesis- and data-driven neuroscience modeling in FAIR workflows. eLife 11:e69013, 2022. https://elifesciences.org/articles/69013

Katso myös: How FAIR workflows help to combine models and methodologies in neuroscience:

https://www.humanbrainproject.eu/en/follow-hbp/news/2022/11/08/how-fair-workflows-help-combine-models-and-methodologies-neuroscience/

T. Mäki-Marttunen, T. Kaufmann, T. Elvsåshagen, A. Devor, S. Djurovic, L.T. Westlye, M.-L. Linne, M. Rietschel, D. Schubert, S. Borgwardt, M. Efrim-Budisteanu, F. Bettella, G. Halnes, E. Hagen, S. Næss, T. Vefferstad Ness, T. Moberget, C. Metzner, A.G. Edwards, M. Fyhn, A.M. Dale, G.T. Einevoll, O.A. Andreassen. Biophysical Psychiatry – how computational neuroscience can help to understand the complex mechanisms of mental disorders. Frontiers in Phychiatry 10: 534, 2019. https://doi.org/10.3389/fpsyt.2019.00534 

T. Manninen, R. Havela, M.-L. Linne. Computational models for calcium-mediated astrocyte functions. Frontiers in Computational Neuroscience 12:14, 2018. https://doi.org/10.3389/fncom.2018.00014

M.-L. Linne. Neuroinformatics and computational modelling as complementary tools for neurotoxicology studies. Basic & Clinical Pharmacology & Toxicology 123, 56–61, 2018. https://doi.org/10.1111/bcpt.13075 

M.-L. Linne and T.O. Jalonen. Astrocyte-neuron interactions: From experimental research based models to translational medicine. Progress in Molecular Biology and Translational Science 123:191-217, 2014. https://doi.org/10.1016/B978-0-12-397897-4.00005-X 

T. Manninen, K. Hituri, J. Hellgren-Kotaleski, K. T. Blackwell, and M.-L. Linne. Postsynaptic signal transduction models for long-term potentiation and depression. Frontiers in Computational Neuroscience 4:152, 2010. https://doi.org/10.3389/fncom.2010.00152 

Tieteellisiä vertaisarvioituja julkaisuja:

F. Tesler, M.-L. Linne, A. Destexhe. Modeling the relationship between neuronal activity and the BOLD signal: contributions from astrocyte calcium dynamics. Scientific Reports 13, 6451, 2023. https://doi.org/10.1038/s41598-023-32618-0 

T. Manninen, J. Aćimović, M.-L. Linne. Analysis of Network Models with Neuron-Astrocyte Interactions. Neuroinformatics 21, 375–406, 2023. https://doi.org/10.1007/s12021-023-09622-w 

L. Keto, T. Manninen. CellRemorph: A Toolkit for Transforming, Selecting, and Slicing 3D Cell Structures on the Road to Morphologically Detailed Astrocyte Simulations. Neuroinformatics 21(3):483-500, 2023. https://doi.org/10.1007/s12021-023-09627-5  

T. Mäki-Marttunen, V. Mäki-Marttunen. Excitatory and inhibitory effects of HCN channel modulation on excitability of layer V pyramidal cells. PLoS Comput Biol 18(9): e1010506, 2022. https://doi.org/10.1371/journal.pcbi.1010506 

M. Lehtimäki, L. Paunonen, M.-L. Linne. Accelerating Neural ODEs Using Model Order Reduction. IEEE Transactions on Neural Networks and Learning Systems. https://doi.org/10.1109/TNNLS.2022.3175757 

T. Manninen, A. Saudargiene, M.-L. Linne. Astrocyte-mediated spike-timing-dependent long-term depression modulates synaptic properties in the developing cortex. PLoS Computational Biology 16(11): e1008360, 2020. https://doi.org/10.1371/journal.pcbi.1008360 

Katso myös: Astrocytes may play a more profound role in controlling neuronal synaptic plasticity than previously thought: https://www.humanbrainproject.eu/en/follow-hbp/news/astrocytes-may-play-a-more-profound-role-in-controlling-neuronal-synaptic-plasticity-than-previously-thought/

T. Mäki-Marttunen, N. Iannella, A. G. Edwards, G. T. Einevoll, K. T. Blackwell. A unified computational model for cortical post-synaptic plasticity. Elife, 9, e55714, 2020. https://doi.org/10.7554/eLife.55714 

H. Teppola, J. Acimovic, M.-L. Linne. Unique features of networks bursts emerge from the complex interplay of the excitatory and inhibitory receptors in rat cortical neocortical networks. Frontiers in Cellular Neuroscience 13:377, 2019. https://doi.org/10.3389/fncel.2019.00377 

T. Manninen, J. Aćimović, R. Havela, H. Teppola, M.-L. Linne. Challenges in reproducibility, replicability, and comparability of computational models and tools for neuronal and glial networks, cells, and subcellular structures. Frontiers in Neuroinformatics 12: 20, 2018. https://doi.org/10.3389/fninf.2018.00020 

J. Aćimović, T. Mäki-Marttunen, and M.-L. Linne. The role of neuroanatomy in shaping network connectivity: Analysis of a two-level statistical model. Frontiers in Neuroanatomy 9:76, 2015. https://doi.org/10.3389/fnana.2015.00076 

Väitöskirjoja/väitöstiedotteita:

Mikko Lehtimäki: https://urn.fi/URN:ISBN:978-952-03-2942-6 ja https://www.tuni.fi/fi/ajankohtaista/mikko-lehtimaki-uusia-laskennallisia-menetelmia-aivosimulaatioiden-ja-syvien 

Heidi Teppola- Gürel: https://urn.fi/URN:ISBN:978-952-03-2346-2 ja https://www.tuni.fi/fi/ajankohtaista/heidi-teppola-gurel-synaptiset-mekanismit-ohjaavat-aivokuoren-hermosoluverkkojen


Videon tekoon ovat osallistuneet Tampereen yliopiston laskennallisen neurotieteen tutkijat, osana 120+ tutkimusryhmää käsittänyttä Euroopan Unionin rahoittamaa kärkihanketta Human Brian Project, vuosien 2014-2023 aikana.

Marja-Leena Linne, tutkimusryhmän johtaja, Tampereen yliopisto, marja-leena.linne@tuni.fi

Tiina Manninen, Yliopistotutkija, Tampereen yliopisto, tiina.manninen@tuni.fi 

Tuomo Mäki-Marttunen, Akatemiatutkija, Tampereen yliopisto, tuomo.maki-marttunen@tuni.fi 

Laura Keto, laskennallisen neurotieteen väitöskirjatutkija, Tampereen yliopisto, laura.keto@tuni.fi 

Saana Seppälä, yliopisto-opettaja, Tampereen yliopisto, saana.seppala@tuni.fi 

Iiro Ahokainen, diplomityöntekijä, Tampereen yliopisto, iiro.ahokainen@tuni.fi

Vastaa

Sähköpostiosoitettasi ei julkaista. Pakolliset kentät on merkitty *