|
[39: 大脳皮質に見られる層構造の機能はなにか] |
■大脳皮質局所回路の話をあまりしなかったな（笑）。
○ん？
■僕がこれまで力を入れてきたことでね。大脳皮質のニューロンはいろいろなタイプがあるんだけど、それをある程度モデル化してまして。大脳皮質は６層構造になっているんだけど、あれがどういうふうな機能を担っているのかをなんとか知りたいと思っていたんです。
○ええ。
■その方向の仕事はいろいろ形を変えながらも、ずーっと続けてる。遅々として進まない面もあるんだけど。細胞のモデル化までは何とかなるんだけど、回路構造といったとたんにね。それらしく組んでも全然何も考え方ような結果が出てこないとか色々あって（笑）。
○脳の皮質って、素人が見ても綺麗に層構造になってますよね。
■うん。
○たぶん、層になっていることに何らかの機能があるんだと思いますが、僕が不思議だと思ったのは、その一方で、層構造が壊れる遺伝子異常があるじゃないですか。あのネズミとか見ていると、研究者の人は層構造が壊れてちゃんと歩けないとか言うんですけど、でも、顕微鏡を覗くと確かに層構造はむちゃくちゃになってるんだけど、それなりにはちゃんと生きて動いてるじゃないですか。むしろそっちが気になってしまって。じゃあ「なんで層構造があるんだろう」と思っちゃったんです。
■うん。そうだね。まさにそこが知りたいんだけどね。
なんて言えばいいんだろうか。層構造があるわけだけど、層構造そのものというよりもね……。
○結果的にあれは層構造になっているわけですよね。
■そう、結果的になっている。それぞれ、入力と出力の受け持ちが違うでしょう。ドーパミンであるとか、アセチルコリンであるとか、そういった神経修飾物質の当社の仕方も違うだろうし、近傍のニューロン群との連絡も違う。そこが大切なんじゃないかなという気がしてるんだけどね。
最近、解剖の人に面白いことを聞いたんだけど−−これは時間の問題にも関係すると思うんだけどね−−、大脳皮質の、違った領野間に信号がいくのにどのくらいの時間がかかるかと。
すぐ隣のニューロンに信号がいくのと、数センチ離れたところにあるニューロンへ信号を送るのと、信号到達時間にどのくらいの時間差があるのかと。けっこうあるんじゃないかと思うでしょ？
○それは神経繊維の連絡がどうなってるかによるのでは？ 何個ステップがあるかとか。
■ああ、そうじゃなくて直接繋がっているものについての話。どちらもダイレクトに繋がっていたら、そりゃ遠いほうがだいぶ時間がかかるだろうと思っちゃうんだけど、実際にはそうじゃないらしいんだよね。
ある程度離れちゃうと、一回、皮質の上側にファイバーが伸びて、そこでは軸策がミエリンで覆われていて「跳躍伝導」の形で伝わるわけですよ。それは普通の伝導と違って10倍くらい速いわけだから、その人の意見だとね、距離に寄らず、瞬時だと思って良いと。せいぜい2,3ミリ秒だと。距離によらずね。
そうなるとあの層構造は、それ自体の距離的な関係は全く関係ないのかもしれない。空間的配置とかそういうものは。
○ふむ。
■そうなると層ごとに住み分けている理由は、入力が特定のところにターゲットされるとか、あるいは一つの細胞でも、樹状突起のどの位置に入力させるか、そういうことをコントロールするために作られていると考えてるわけ。
思い切り想像で言っちゃえば、層構造が壊れてうまく歩けなくなっているのは、そのへんの信号間の相関が取れなくなって、何かしらかの混信が起きてしまって信号のリファインメントがうまくいかなくなっているなんてことが考えられる。そういうことなんじゃないかと。
僕が重要だと思うのは、たとえば４層が視床の特殊核から入力をうけているとかいろいろあるわけだけど、そういった入力がすみわけている。一つの細胞の樹状突起に沿って見たときに、細胞体が深い層にあれば、樹状突起は上のほうに伸びているわけで色んなところから入力が入ってくるわけだけど、それが樹状突起上ですみわけている構造を作ることが重要なんじゃないかと密かに思ってるんです（笑）。
○ふむ。『脳を知る・創る・守る ４』に収録されている講演のなかで、樹状突起っていうのはローパスフィルターになっているんだという話がありましたね。そういうこととも関係するんでしょうか。どこで情報が入ってくるかによって周波数が……
■それも一つです。信号が樹状突起の先端部に入力されて、細胞体に伝わって出力が出るまでの順方向の情報処理についての議論でしたが。でも、学習とも深い関係ある話がもう一つあって、以前話したspike timing depended plasticityね。細胞が発火したという情報は樹状突起を通じてシナプス入力を受けている先端部に運ばれるわけですよ。発火出力の情報とシナプスにおける入力の情報とに相関があるとシナプスが強められたり、逆に相関がなかったら弱められる。
だから樹状突起は入力から出力だけじゃなくて、双方向に、出力の情報を入力側に伝える役割もしている。その両方が入力部位のすみわけでモジュレートされている可能性が高いわけです。
たとえばより基部の側に入っている入力は、より遠い部分から入っている入力に対してね、ポストシナプティックなニューロンが発火したという情報を伝える場合に、いろんな制御をかけられる可能性があるわけですよね。そこでブロックしたり逆に強めたり、色んな形で。
そういったことがね、たぶん、なんていうんだろ、大脳皮質における学習であったりそういうプロセスに、重要な役割を果たしているんじゃないかと推測してるんです。
○ふーん……。
■最近、海馬に興味を持っているのも実はね、本当に個人的な思いこみだけど、海馬の回路を発展させたものが大脳皮質の回路になっているのかな、という気がしていて。
「発展させる」というのは語弊があるかもしれないけど、「親戚」みたいになってるんじゃないかと思うんだよね。
海馬っていうのも層構造じゃないけれど、歯状回→ＣＡ３→ＣＡ１という形でぐるっと回ってるんですよね。大脳皮質の入力っていうのは、一度、内側嗅野という場所を通っていく。ここからメインのパスウェイを書くと、歯状回とCA3があって、ＣＡ３はリカレントになっている。そしてＣＡ３はＣＡ１に投射して、ＣＡ１は内側嗅野に信号を戻す。
だから海馬の内部はある意味で三層構造でしょ。歯状回が一層目、ＣＡ３が２層目、ＣＡ１が３層目。
大脳皮質の局所回路はどうかというと、視床などからの入力は主には４層に入力される。その後、２，３層を回って、５，６層に回って出力されるものと、６層に直接回るものがあるけど、２〜３層は近傍のニューロンどうしが比較的に密に結合しているという話がある。つまりリカレント構造がある。
ここはCA3のように見えなくもない。すると出力層の５層はＣＡ１で、入力層の４層が歯状回とか。
視床との関係や、４→６層の経路をどう見るかという問題があるので、乱暴な話に聞こえるかもしれませんけど、海馬の３層構造を６層に発展させたように見えなくもない。そのことによって汎用的な能力を身につけたのかもしれない。海馬がエピソード記憶や時系列処理に特化しているんだとしたら、大脳皮質の局所回路は基本的な原理は引き継ぎながら、もっと汎用的な、色んな領野の情報処理をする能力を身につけたんじゃないか。
そういうふうに見ることはできないかなあと思ってるんですよ。
○どういう情報処理なんでしょう。
■そこらへんをね、海馬をもとに見ていきたいと思ってるんだよね。海馬は限られた局面においてはだんだん、やってることが分かってきたから。こういうことのこういう面には、たとえばCA1が必要だとか。内側嗅野からＣＡ１の直接投射路は長期記憶の固定化に必要だとかね。
そこで細胞内の計算と、回路レベルの信号処理を結びつけたようなモデルをつくってやれば、それがね、あとあと、大脳皮質のマイクロサーキットの理解をするときに役に立つんじゃないかと、漠然とですが思ってるんですよ。
○ふんふん、なるほど。だいぶ分かりました。
■海馬は本当に競争者多くて、いままで避けていたんだけど、やっぱりやらなくちゃいけないかなと（笑）。大脳皮質がわかりたければ。
ただ僕はあまりに、いろんなところに手を広げすぎているところがあるんですよね（笑）。それ以外に、大脳基底核もやってたりするから。
○全部どこかで統合して頂けるとありがたいですね。
■うん、ホント、できるといいですね。大脳基底核が一番の難物かもしれないけれど。
|
[40: モデル研究は病気の治療にコントリビュートできるか] |
○大脳基底核の話について教えて下さい。
■大脳基底核は運動生成とか学習、あるいは行動の計画なんかに関与していて、特に運動の認知的な側面にとって重要だと考えられている。病態ではパーキンソン病が非常に有名でしょ。パーキンソン病のときに、ある神経核の間に、非常に強い同期が見られる。それは視床下核とか、淡蒼球の外側部と呼んでいる部分なんだけどね。その二つの核の間には双方向のやりとりがあって、振動的活動が見られるという話がある。
○健常な人はそういう振動は見られないんですか。
■振動っていうか、持続した発火は見られるんだけど、同期してない。コヒーレントじゃないんですよ。ところが、パーキンソン病だとコヒーレントになっちゃう。
そのメカニズムの研究をアメリカやヨーロッパにもやってる人がいるんだけど、我々も興味を持っている。
同期に関するメカニズムの研究は物理のほうでもたくさんあるんですよ。それを使わない手はないと思って。
振動の基本的なメカニズムはだいたい分かっているので、研究としてどこまでオリジナリティが出せるか分からないところはあるんだけど、研究会なんかで病気の問題を見ているとね、なんでもいいからコントリビュートしたいなという気にだんだんなってくる。
たとえばね、どういう回路パラメーターをいじると同期したり、あるいは外れたりということは理論的に計算したら出るわけで、そういう知識とね、いっぽうで生理学的実験から分かるような、たとえばドーパミンが枯渇したときには、このパラメーターはどっち方向に変化するとか、その二つの情報を結びつければ、「ここのこの部分をこうやって改善すれば、正常な状態に戻せる」という議論ができる可能性があるでしょう。
○はい。
■そのへんを、やりたいなあと真剣に思ってるんですけどね。
○そうですね。病気の問題は深刻ですし。
■当事者にとってはすごく切実な問題だと思いますね。モデルがどのくらいコントリビュートできるか分かりませんが。
○次号へ続く…。
科学技術ソフトウェア
データベース
