2016. szeptember 1.

Szerző:
Szegedi Imre

A bennünk élő statisztikus

A Semmelweis Egyetemen, az Eötvös Loránd Tudományegyetemen, a Szentágothai János Ideg­tudományi Doktori Iskolában és az MTA Kísérleti Orvostudományi Kutatóintézetben (MTA KOKI) tanult Hangya Balázs. A fiatal agykutató a Lendület Program egyik nyerteseként 2015-ben az Egyesült Államokból, a Cold Spring Harbor Laboratoryból tért haza az MTA KOKI-ba, hogy az Alzheimer-kór kutatására önálló labort alapítson. Hangya Balázs és munkatársai legfrissebb ered­ményei szerint – a cikk a világ egyik vezető tudományos lapjában, a Neuronban jelent meg – a ne­hezen megfogható bizonyosság érzése mögött egyszerű matematikai alapok húzódnak meg.


Többször átéltük már, hogy amikor valami hirtelen fontossá válik, nem mindig bízunk meg saját döntéseinkben. Az önök legfrissebb eredményei szerint a bizonytalanság és a túlzott bizonyosság mögött a matematikai statisztika szigorú elvei működnek. Hogyan került kapcsolatba ezzel a témával?

– A döntési bizonyosság kutatása az 1997-ben az ELTE-n programozó matematikusként végző Kepecs Ádámnak és témavezetőjének, az idegtudós Zachary Mainennek a témája. Kepecs Ádám a prefrontális kéreg meghatározott részében vizsgált sejteket, amelyek a döntési bizonyossággal, bizonyta­lansággal hozhatók kapcsolatba. A kérdés az, hogy a hasonló feladatot végző sejtek működését miként lehet állatokban vizsgálni? A rágcsálókogníció néven emlegetett tudományterület viszonylag új irány. Ennek kiemelkedő úttörői dolgoztak a Cold Spring Harbor Laboratoryban. Egy külön épületben kimondottan a rágcsálók kognitív folyamatainak neurális mechanizmusaival foglalkoztak. Itt ismerték fel, hogy ezekben az állatokban is vizsgálhatók ezek a mechanizmusok, hiszen az egerek és a patkányok nagyon sok mindenre megtaníthatók. Termé­szetesen jogosan merül fel a kérdés, hogy mennyire lehetünk biztosak a rágcsálók döntéseiben? Az embereknél viszonylag könnyű a helyzet, hiszen megkérdezzük őket. Ám itt is felmerülhet, hogy a kutatók mennyire tudják mérni az egyes döntések bizonyosságát, amelyek a fejekben inkább érzésekként csapódnak le. Tehát még az emberek esetében sem egyszerű a vizsgálat.

A megkérdezés azonban nem megy az állatoknál, hiszen a kísérleti példányokat nem faggathatjuk ki. Más úton ellenben információkhoz juthatunk. A majmok például lényegében egy fogadási rendszerben élik az életüket, ahol eldönthetik, hogy mennyi jutalmat, ételt vagy italt hajlandók kockáztatni egy adott döntéssel. Rágcsálóknál jutalmazással, illetve a jutalom megvonásával érhetünk el eredményt. Először megtanítjuk az egeret és a patkányt, hogy milyen döntések után várható jutalom és milyenek után nem, majd néhány esetben – legfeljebb tíz százalékban – kihagyjuk ezt a jutalmat. Megnézzük, hogy az állat mennyi ideig hajlandó várni egy helyben az elvárt jutalomra. Minél biztosabb a jutalomban az állat, annál tovább vár. Ilyen körülmények között vizsgálták a prefrontális kéreg meghatározott részében található orbitofrontális kéreg meghatározott sejtjeit: miként működnek a várakozási idő alatt, illetve milyen összefüggést mutatnak a döntési magabiz­tossággal.

Hogyan került a képbe az orvosi és matematikusi diplomával is rendelkező Hangya Balázs? Egyáltalán, hogyan függ össze ez a két terület?

– Nem tudtam, hogy majdani kutatói munkám során olyan hasznos lesz a matematikusi tanulmányom, mint amilyen lett. A budapesti Fazekas Mihály Gimnázium matematika tagozatára jártam, de az utolsó két évben egyre jobban érdekelt a biológia. A Semmelweis Egyetemre jelentkeztem, ahol az első két évet igazán izgalmasnak találtam, de közben rájöttem, hogy a matematikai logikára az orvosi pályán viszonylag ritkán van szükség. Azt vettem észre, hogy az orvos­egyetemi zárthelyi dolgozatok írása után délutánonként a Középiskolai Matematikai és Fizikai Lapok feladatait oldom. Hiányzott a matematika, ezért az ELTE-n a matematikus szakot is felvettem. Úgy gondoltam, hogy ha csak egy félévet végzek el, az ott szerzett tudás később mindenképpen hasznomra válik. A félévből több félév lett, párhuzamosan jártam a két egyetemre. De ennyi sem volt elég: Falus András professzor intézetében immunológiai témában tudományos diákköri dolgozatot készítettem. Egy alkalommal egy papírhalommal állítottam be: kidolgoztam, hogy miként írható le egyetlen egyenlettel három egymásba ágyazott reakció. A témavezetőm erre azt mondta, járjak utána annak, hogy talán létezhet az immunológiánál hozzám közelebb álló tudományterület is. Az ELTE matematikusai között akkoriban keresett az MTA KOKI-t vezető Freund Tamás csoportja olyan diákot, aki matematikai analíziseket tud készíteni in vivo neurofiziológiában. Jelentkeztem, felvettek. Így kerültem kapcsolatba az idegtudománnyal. Nap mint nap megtapasztalom, hogy ezen a területen nagyon hasznos a matematikai háttér. Annyi más tudományterülethez hasonlóan az agykutatásban is hatalmas mennyiségű adatból kell kihámozni a számunkra fontos információt – ehhez a matematikusi, fizikusi, mérnöki háttér előnyt jelent. Egyébként a legsikeresebb idegtudósok között nagyon sok a fizikus, mérnök és matematikus. Ilyen értelemben nem vagyok kakukktojás. A sejtek aktivitásának elemzése során merült fel az igény egy olyan átfogó matematikai modell iránt, amely az adott feladattól függetlenül leírja a döntési magabiztosságot. Azaz a matematika ebben az esetben is hatékonyan segítheti az orvostudományi kutatást.

Mi a Neuron folyóiratban megjelent publikációjuk legfontosabb üzenete?

– Eredményünk szerint a bizonyosság érzésének forrása maga a döntéshozatali folyamat. Azonban továbbra is rengeteg a tisztázatlan kérdés – fogalmunk sincs például arról, hogy honnan veszi a valóságról alkotott modelljeit ez a „fejünkben élő statisztikus”, csak azt látjuk, hogy ha már megkapta őket, úgy végzi a munkáját, ahogy egy matematikus tenné.

Mire alapozza, hogy létezik az agynak egy olyan részrendszere, amelyik szigorú matematikai statisztikusként meghatározza, mennyire lehetünk bizonyosak a dönté­seinkben?

– Ez az új eredmény arról szól, hogy felállíthatunk egy olyan normatív matematikai modellt, amely minimális matematikai feltételezésből általános érvényű összefüggéseket vezet le a döntési magabiztossággal kapcsolatban. Normatívon azt értem, hogy nem a mechanizmust próbáljuk modellezni, hanem a döntési mechanizmus matematikai definícióját – ezt nem mi találtuk ki, közgazdászok is előszeretettel használják munkájukban – alkalmazzuk. Örömmel láttuk, hogy az elmélet által jósoltakat a kísérletek igazolták. Egyik kísérletünkben embereket tanítottunk különböző döntéshozási feladatokra, majd megnéztük, hogy ezek az egyszerű, de nem magától értetődő, ám matematikailag levezethető összefüggések miként működnek különböző szituációkban. Működtek.

Ez a bennünk élő statisztikus csak a bizonyosság, bizonytalanság témakörében érhető tetten, vagy más típusú döntéseinkben is van szerepe?

– Meggyőződésünk, hogy ennek a statisztikusnak sokkal általánosabb a feladatköre. Némi túlzással, az egész agy egy bennünk élő statisztikus. Mi most a döntési bizonyosságban értük tetten a munkásságát, de arra fogadtunk a kollégáimmal, hogy ez a jelenség nagyon sok másban is megfigyelhető. Érdekes, hogy ugyan bennünk él egy statisztikus, aki leírja a világot és ennek alapján segít bennünket az eligazodásban, ugyanakkor tudatos szinten nagyon kevés belátásunk van azzal kapcsolatban, hogy ez a statisztikus hogyan működik. Magától dolgozik az agyunkban, de nem tudjuk, pontosan hogyan teszi ezt. Klasszikus példa: ha megkérünk valakit, hogy mondjon véletlenszerűen nullából és egyből álló számsorozatokat, akkor nem kapunk nagy változatosságot. Tudatos módon nem tudunk véletlenszerű eloszlásokat generálni, míg az agyunk nagyon jó a véletlenszerű eloszlások megtanulásában.

A laboratóriumi kísérletek tervezője pontosan szabályozza a kísérleti állatok környezetét. A világ azonban tele van váratlan eseményekkel, mozzanatokkal. Miért lehet igaz az, ami steril, ami laboratóriumi?

– Egymás között ezen a kérdésen mi is nagyon sokat vitatkozunk. Két nagy irányzat különíthető el, hogy miként vizsgáljuk az állatokat. Az egyik szerint a vizsgálati környezet legyen minél természetesebb, minél közelebb a kísérleti állat mindennapi viselkedéséhez. Mert így lehet érdemi következtetést levonni arról, hogy mi történik az állattal, amikor „viselkednie” kell. Az így kapott eredmény fordítható le arra, ahogy az ember viselkedik a világban. A másik irányzat képviselői kontrollálni próbálják a kísérleti állatok környezetét, mesterséges állapotot teremtenek. Azzal a feltételezéssel, hogy a művi környezetben megfigyelt viselkedésnek az alapvető elemei hasonlítanak ahhoz, amiből egy természetes viselkedés felépül. Mindkét irányzatnak van előnye és hátránya. Az előbbi előnye, hogy közelebb van a természetes viselkedéshez, általában könnyebb tanítani az állatot – vagy nem is kell tanítani, csak megfigyelni a történéseket. Hátránya, hogy jóval kisebb a kontroll a kísérlet felett. Kevesebb ismétlés végezhető, ezért a statisztikai ereje se olyan nagy a kísérletnek. Az is hátrány, hogy nehéz meg­állapítani a varianciák forrását. Ha egy egér egy új objektumot vizsgál, nem tudjuk, hogy mi keltette fel az érdeklődését: a tárgy színe, a formája vagy egy korábbi élménye? Talán a matematikusi hátterem miatt mi több kísérletet végzünk jól kontrollált körülmények között. Ennek előnye, hogy sokszor ismételhetők a megfigyelések, illetve kiszűrhetők a zavaró tényezők. Ha az egér csak egyetlen jól definiált feladatot hajthat végre, akkor az idegsejtek aktivitása is sokkal jobban összefügg az adott feladattal. Szerintem az utóbbi megközelítéssel könnyebb valós következtetéseket levonni, de mindkét módszernek van létjogosultsága.

Azonos elvek alapján működnek az élőlények, vagy az egyre összetettebb idegrendszerű élőlények működési elve is változik? Azaz például a patkányok vizsgálatával kapott eredmények alapján milyen következtetést vonhatunk le az emberi agy működéséről?

– Nem egyértelmű az átmenet. Sokan azon a radikális állásponton vannak, hogy a patkányok nem rendelkeznek prefrontális kéreggel – ez a homloklebeny egy része, amely az emberben főleg a gondolkodásért felel –, mások szerint a rágcsáló homlok­lebenyének van olyan része, amely megfeleltethető ilyen feladatokat végző kéregnek. Látszik, hogy van még mit tanulni, ha ez ma is vitatéma. Egyértelmű, hogy a rágcsáló agyának elrendezése nem tér el alapvetően az emberi agy felépítésétől. Az egyes területek megfeleltethetők egymásnak, a sejtrétegek általában ugyanúgy jelen vannak – ez a kitétel már nem igaz egy madárra vagy egy hüllőre. Ellenben, ha mélyebbre ásunk, és az egyes sejttípusok kapcsolatrendszerére vagyunk kíváncsiak, akkor már előtűnnek a különbségek a különböző rágcsálófajok között is, nem beszélve a rágcsálók és a magasabb rendű élőlények között. Minél egyszerűbb szervezeteket elemzünk, annál nagyobbak a különbségek. Az ecetmuslicának jól meghatározott neuronjai vannak fix kapcsolatokkal, amelyek minden egyes ecetmuslicában ugyanúgy működnek. Ez a direkt kapcsolat egy bizonyos szerveződési szint felett már nem igaz. Valószínűleg az ember agyában sokkal jelentősebb redundanciák vannak, hiszen sokkal több idegsejtünk van. Egyelőre semmi sem utal arra, hogy az emberben pont ugyanazok az idegsejtek ismétlődnek, hogy ezek a sejtek egy az egyben megfeleltethetők egymásnak.

Az agykutatás alulról felfelé építkező modellje még nem mondható kiforrottnak, ugyanakkor egyre több jelenséget kezdünk érteni. Megérthetjük az agy működését teljesen?

– Erről is sokat vitatkoznak. Európa na­gyon sok pénzt áldozott arra, hogy egy nagy, alulról építkező agymodellt hozzon létre; ezt a döntést, annak értelmét sokan vitat­ják. Egyesek azzal ágálnak ellene, hogy korai még ez a modell, mert nincs elég infor­mációnk, hézagosak az alapok. Mások szerint ez a fajta modellezés nem a legjobb módja az agy­működés megértésének. Ha létrehozunk az agyat hűen tükröző modellt, ami ugyan­olyan bonyolult, mint az agy, akkor nem biztos, hogy jobban megértjük az agy működését. Szerintem ugyanakkor egy nagyon jó modell segítségével olyan kísérleteket is elvégezhetünk, amelyeket egyébként nem hajthatnánk végre kísérleti állatokon. A modellel kapott eredményeket egyébként is kísérletek során tesztelik, mert a modell nem pontosan úgy működik, ahogy az agy. Ennek a megközelítésnek is van létjogosultsága.

Sokszor kérdezik tőlem, hogy megérthetjük-e az agy működését? Az agykutatással foglalkozó szakcikkek elején gyakran olvasható, hogy valamire rájöttek a szerzők, de valamit még nem értenek. Általában mechanisztikus megértésre törekszünk, azaz a mechanizmusokat kutatjuk. Akkor érezzük, hogy valamit megértettünk, ha felfedezünk egy olyan elvet, amely alapján jó hatásfokkal tudunk a kísérleti körülményeinken túlmenően előre jelezni folyamatokat.

Nagyon sokat tudunk már az agyról, de az definíció kérdése, hogy mit értünk teljes megismerésen, hiszen mindig fel tudunk tenni egy újabb kérdést. Az agykutatók egyik legújabb vitatémája – a Harvard egyik professzora vetette fel –, hogy hányan gondolják azt, hogy van még felfedezésre váró fundamentális elv? Vagy minden, ami előttünk áll, az csupán apró munka, kis lépések sorozata? A többség arra szavaz, hogy léteznie kell valamilyen nagy elvnek, de nehéz erről többet mondani annak fényében, hogy nem ismerjük a nagy elvet. A francia filozófus, természetkutató és matematikus, René Descartes bonyolult fogaskerékrendszerként írta le az agyat, mi idegsejtek hihetetlen komplex rendszeréről beszélünk. Azonban mi sem lehetünk biztosak a dolgunkban, de azt tudjuk, hogy nem fogaskerekek segítségével gondolkodunk. Nagy vonalakban értjük, hogyan jöhetett létre az élet. Az agykutatásban is azt hisszük, értjük a nagy elveket, de arról már eltérnek a vélemények, hogy mit tekintsünk nagy ugrásnak és mit kis lépésnek? A nagy felfedezések sok hasonló tematikájú kísérleti eredményre épülnek. Ha kicsit lassabban születnek a nagy felfedezések, akkor már csupán kis lépésről beszélünk? Nehéz igazságot tenni.

A Lendület Program nyerteseként Ön az Alzheimer-kórt kutató önálló laboratórium felállítására vállalkozott. Ez az eredménye mennyiben illeszkedik az Alzheimer-kór kutatásába?

– A Neuronban megjelent cikk még az amerikai kutatásaim hozadéka. Idegtudományi eredmény, amit az Alzheimer-kór kutatásában is felhasználhatunk, hiszen e betegségben szenvedők életében is kulcsszerepet játszik a döntéshozás. Ugyanakkor eredetileg az Alzheimer-kór nem szerepelt a bizonyosságot feltáró munka motivációs tényezői között.

2015-ben tért haza. Sikerült ennyi idő alatt felépíteni a labort, felállítani a csapatot?

– Az MTA KOKI-ban kapott helyet a kutatócsoport. Egy új labor felállítása nagyon sok időt vesz igénybe, többet, mint amennyire az ember számít. Örömmel látom, hogy a tervezett összes nagy kísérletet elkezdtük. Először az elméleti munka indult el, hiszen korábbi kutatások, illetve mások eredményeinek, adatainak az elemzéséhez nincs szükség műszerekre, algoritmusok fejlesztéséhez „csupán” jó számítógépek és kiváló szakemberek kellenek. Második lépésben a viselkedéskutatás indult el, ami a legnehezebb, hiszen az egerek fejével gondolkozva rá kell jönnünk, hogyan taníthatunk meg egy egeret arra, hogy az általunk elképzelt módon végezzen feladatokat. Harmadik lépésben az idegsejtek aktivitásának vizsgálatához szükséges műszereket szereztük be. A nagy beruházáson túl vagyunk – ezt eredetileg is az első évre terveztük –, jelenleg a rendszer finomításán dolgozunk. Megtapasztaltam, hogy sokkal nagyobb kihívás egy színvonalas labor felépítése, mint belecsöppenni egy ilyen kutatóhely életébe.

A világ egyik vezető idegtudományi központjából tért haza. Mit vár ettől az öt évtől?

– Sokat, de hogy a reményeim valóra válnak-e, arra négy év múlva tudok válaszolni. Optimista vagyok, mert a kutatóintézetben minden segítséget megkapok. Kiváló munkatársakkal dolgozom együtt, a kutatók életét sokszor megkeserítő adminisztrációban is kapok segítséget. Eddig nem ütköztem olyan akadályba, amiről azt gondolnám, hogy meggátolja a magas szintű tudományos munkát. Annak is hatalmas a varázsa, hogy az ember otthon, a megszokott környezetében dolgozik.•


 
Archívum
 2011  2012  2013  2014  2015  2016  2017  2018  2019  2020  2021  2022  2023  2024
Címkék

Innotéka