На отдельные слова и на предложения реагируют разные нейроны мозга

Теперь, используя более точную технику, которая включает в себя запись электрической активности непосредственно из мозга, нейробиологи Массачусетского технологического института определили различные кластеры нейронов, которые, по-видимому, обрабатывают различные объемы лингвистического контекста. Эти «временные окна» варьируются от одного слова до шести.

По словам исследователей, временные окна могут отражать различные функции каждой популяции. Популяции с более короткими окнами могут анализировать значения отдельных слов, в то время как популяции с более длинными окнами могут интерпретировать более сложные значения, создаваемые при соединении слов.

«Впервые мы видим явную неоднородность языковой сети», — говорит Эвелина Федоренко, доцент кафедры нейронаук Массачусетского технологического института. — «В десятках фМРТ-экспериментов казалось, что все эти области мозга делают одно и то же, но это большая, распределенная сеть, поэтому в ней должна быть какая-то структура. Это первая четкая демонстрация того, что структура есть, но различные нейронные популяции пространственно чередуются, поэтому мы не можем увидеть эти различия с помощью фМРТ».

Новое исследование опубликовано в журнале Nature Human Behavior. Его авторы — постдок Массачусетского технологического института Тамар Регев и аспирант Гарвардского университета Колтон Касто.

Функциональная магнитно-резонансная томография, которая помогла ученым многое узнать о функциях различных частей мозга, измеряет изменения кровотока в мозге. Эти изменения служат косвенным показателем нейронной активности во время выполнения определенной задачи. Однако каждый «воксель» или трехмерный фрагмент мозга на фМРТ-изображении на самом деле содержит от сотен тысяч до миллионов нейронов и суммирует активность в течение примерно двух секунд, поэтому он не может показать мелкие детали того. Это довольно низкое разрешение.

Один из способов получить более подробную информацию о работе нейронов — записать электрическую активность с помощью электродов, вживленных в мозг. Эти данные трудно получить, поскольку такая процедура проводится только у пациентов, которым уже сделана операция по поводу неврологического заболевания, например тяжелой эпилепсии.

«На получение достаточного количества данных для решения задачи может уйти несколько лет, поскольку такие пациенты встречаются относительно редко, а куда электроды вживляются зависит от клинической необходимости, а не от наших научных целей. Поэтому требуется время, чтобы собрать набор данных с достаточным охватом какой-то целевой части коры головного мозга. Но эти данные, конечно, являются лучшим видом данных, которые мы можем получить из человеческого мозга: вы точно знаете, где вы находитесь пространственно, и у вас есть очень точная временная информация», — говорит Федоренко.

В исследовании 2016 года Федоренко сообщила об использовании этого подхода для изучения областей обработки языка у шести человек. Электрическая активность регистрировалась во время чтения участниками четырех различных типов языковых стимулов: полных предложений, списков слов, списков не-слов и «болтливых» предложений — предложений, имеющих грамматическую структуру, но состоящих из бессмысленных слов.

Эти данные показали, что в некоторых нейронных популяциях в областях обработки языка активность постепенно нарастала в течение нескольких слов, когда участники читали предложения. Однако этого не происходило, когда они читали списки слов, списки не-слов, предложения или «болтливые» предложения.

В новом исследовании Регев и Касто вернулись к этим данным и более детально проанализировали временные профили реакции. В исходном наборе данных у шести пациентов были записи электрической активности со 177 электродов. По самым скромным подсчетам, каждый электрод отражает в среднем активность около 200 000 нейронов. Также были получены новые данные по второму набору из 16 пациентов, которые включали записи еще с 362 электродов.

Проанализировав эти данные, исследователи обнаружили, что в некоторых нейронных популяциях активность колебалась вверх и вниз при произнесении каждого слова. У других активность нарастала в течение нескольких слов, а затем снова падала, а у третьих наблюдалось устойчивое нарастание нейронной активности в течение более длительного периода времени.

Сравнив полученные данные с предсказаниями вычислительной модели, разработанной для обработки стимулов с различными временными окнами, исследователи обнаружили, что нейронные популяции из областей обработки языка можно разделить на три кластера. Эти кластеры представляют собой временные окна, состоящие из одного, четырех или шести слов.

Исследователи также смогли определить анатомические места, где были обнаружены эти кластеры. Нейронные популяции с самым коротким временным окном в основном были сосредоточены в задней височной доле, хотя некоторые из них также были найдены в лобной или передней височной долях. Нейронные популяции из двух других кластеров, с более длинными временными окнами, были распределены более равномерно по височным и лобным долям.

Вероятно, популяции с самыми короткими временными шкалами обрабатывают значение одного слова, в то время как популяции с более длинными временными шкалами интерпретируют значения, представленные несколькими словами.

«Мы уже знаем, что в языковой сети есть чувствительность к тому, как слова сочетаются друг с другом, и к значениям отдельных слов», — говорит Регев. «Это может быть связано с тем, что самая длинная временная шкала чувствительна к таким вещам, как синтаксис или отношения между словами, и, возможно, самая короткая временная шкала более чувствительна к особенностям отдельных слов или их частей».