Mózg na zimno: Zawrót głowy? Jesteśmy w tym razem
Artykuły i książki o mózgu często zaczynają się podobnie: od liczb. Ogromnych liczb.
Autorki i autorzy mówią nam na przykład, ile neuronów znajdziemy w mózgu człowieka (86 miliardów) albo ile jest w nim połączeń nerwowych (100 bilionów); mogą też wyliczyć, ile artykułów naukowych o mózgu powstaje rocznie (100 tysięcy). Wszystko w jednym celu: żeby uświadomić nam, jak złożony jest mózg.
Nie wiem jak wam, ale mnie liczby te niewiele mówią, podobnie jak niewiele mówią mi typowe w takich sytuacjach porównania, np. „To więcej niż gwiazd w drodze mlecznej!” – nie mam pojęcia, ile jest gwiazd w Drodze Mlecznej. Wiem za to, że złożoność mózgu, z którą stykam się non stop w swojej pracy badawczej, doprowadza mnie co rusz do rozpaczy. Podobny „kryzys złożoności” towarzyszy wielu naukowczyniom i naukowcom zajmującym się mózgiem: efekt o tej nazwie opisała antropolożka Nicole Nelson, która przez rok badała laboratorium neurobiologiczne w Stanach. Jak pisała, kryzys ten dotyka przede wszystkim osoby na wczesnym etapie kariery, które zajęły się neurobiologią z nadzieją, że ich badania wyjaśnią, jak działa mózg, pozwolą odkryć nowe metody leczenia zaburzeń psychicznych – lub jedno i drugie.
Tymczasem codzienność pracy w laboratorium szybko weryfikuje takie zamiary.
Napotykamy na wiele problemów. Po pierwsze, w typowym eksperymencie neurobiologicznym jesteśmy w stanie nagrać pracę najwyżej kilkuset neuronów w trakcie prostego zadania wykonywanego przez człowieka lub zwierzę. To miniaturowa część.
Po drugie, z powodu ograniczeń technologicznych, eksperymenty są zazwyczaj bardzo proste. Badacze i badaczki pamięci przestrzennej zazwyczaj umieszczają szczury w sterylnych, białych labiryntach z pleksi, co umożliwia im pełną kontrolę nad tym, co zwierzę widzi, słyszy i czuję, a także pozwala na nagrywanie sygnału z mózgu bez zakłóceń. Badania nad układem wzrokowym u ludzi polegają na umieszczeniu ich w bez ruchu w skanerze rezonansu magnetycznego i pokazywania im tych samych obrazków wielokrotnie. Są to warunki dość odmienne od naturalnych!
Po trzecie, nawet dane pochodzące z kilkuset neuronów z prostego eksperymentu są bardzo złożone, wymagają skomplikowanych analiz, które z szumu wydobędą sygnały neuronalne i pozwolą je zinterpretować. Modele matematyczne stosowane w neurobiologii są często bardzo abstrakcyjne i mało intuicyjne.
Jeden eksperyment może przynieść nam zatem bardzo niewiele informacji. Tymczasem jego przygotowanie, wykonanie i późniejsza analiza danych zajmuje często wiele miesięcy. Typowy doktorat trwa cztery lata; kariera naukowa – 40, maksymalnie 50 lat. To niedużo.
Weźmy na przykład Eve Marder, jedną z najbardziej znanych neurobiolożek. Od czterdziestu paru lat zajmuje się bardzo prostym systemem modelowym – obwodem neuronalnym, który generuje rytmy w układzie pokarmowym skorupiaków, takich jak raki czy homary. Obwód ten składa się z trzydziestu (!) neuronów. W ciągu lat badań Marder odkryła wiele kluczowych mechanizmów, które – jak się okazało – występują także w bardziej skomplikowanych obwodach. Pokazała na przykład, że te same neurony u różnych osobników mogą się od siebie znacząco różnić właściwościami, produkując jednak ostatecznie identyczny rytm (jednym słowem, mózg jest w stanie robić tę samą rzecz na wiele sposobów). Badała też to, jak neurony utrzymują pożądaną aktywność nawet wtedy, gdy coś – na przykład podwyższona temperatura – zakłóci ich działanie i jak zmiana klimatu może wpływać na zdolność zwierząt do zaadaptowania się.
To wszystko wiele, na tyle dużo, że Marder jest główną kandydatką wielu z nas do Nobla. Tyle że nadal, po tylu latach, znamy tylko mały wycinek tego, jak działa prosty układ złożony z 30 neuronów.
Trudno się zatem dziwić, że układ nerwowy nicienia C. elegans, złożony z zaledwie 302 neuronów jest dla nas jeszcze trudniejszym wyzwaniem. Mimo że znamy w pełni wszystkie połączenia między neuronami i ich właściwości, ciągle mamy problem ze stworzeniem modelu, który w pełni symulowały zachowania tego prostego zwierzęcia – mimo, że na jego temat powstaje kilkaset publikacji rocznie.
Inne popularne organizmy modelowe – muszka owocowa (135 tys. neuronów) czy mysz (ok. 71 mln) – nie rokują dużo lepiej. Mało tego: od dłuższego czasu neuronauka zaczyna stopniowo zdawać sobie sprawę z tego, że mózg jest tylko częścią większej całości – organizmu. Obecnie coraz więcej zespołów naukowych zajmuje się interakcjami między układem nerwowym a innymi – pokarmowym, immunologicznym czy rozrodczym. Dobrym przykładem są badania nad nauką śpiewu u ptaków. To, jak brzmi piosenka danego ptaka, zależy oczywiście od tego, jak zbudowane są obwody neuronalne kontrolujące mięśnie krtani. Ale to jedynie część problemu: na brzmienie wpływa też budowa krtani, dzioba czy wielkość osobnika. Aby wyjaśnić zachowania zwierząt, musimy często wyjść poza swoją wąską specjalizację.
Problem nie dotyczy tylko samej nauki. Coraz trudniej jest też nam też trafiać z jej wynikami do tak zwanej szerszej publiczności. Wyjaśnienie jednego odkrycia wymaga bowiem starannego wprowadzenia zagadnienia (co samo w sobie jest niełatwe), ale też opisania wniosków z badania tak, by czytelnik nie wyciągnął z niego zbyt daleko idących wniosków. Efekty braku takiej ostrożności są często szkodliwe. Weźmy na przykład dopaminę. Internet jest pełen ofert „dopaminowych postów”; psycholodzy i coachowie mówią o „uzależnieniu od dopaminy”; często opisywana jest jako „hormon szczęścia”. Tymczasem to wszystko nieprawda. Dopamina – wedle dominującego obecnie poglądu – odpowiada raczej za kodowanie różnicy między naszymi oczekiwaniami a otrzymanym rezultatem. Neurony dopaminowe odpalają się, gdy dostajemy ciastko, którego się nie spodziewaliśmy, nie będą jednak aktywne w momencie, w którym otrzymamy ciastko spodziewane. Nie ma to wiele wspólnego z przyjemnością. Sytuacja jest jednak jeszcze bardziej skomplikowana – wedle najnowszych badań z laboratorium profesora Henry'ego Yina z Duke University wynika, że dopamina tak naprawdę nie ma żadnego związku z przewidywaniami, jej rolą jest raczej modulacja naszych ruchów, a poprzednie eksperymenty były oparte na mylnych założeniach.
Ostatecznie więc większość osób badających mózg w kontakcie z laikami mówi zazwyczaj „ech, to złożone”, przez co w internecie ciągle jest pełno fałszywych informacji.
Nie do końca wiemy, jak sobie z tym radzić. Od dłuższego czasu przepytuję znajomych zajmujących się mózgiem o to, jaka jest ich strategia radzenia sobie ze złożonością. Odpowiedź brzmi zazwyczaj „wolę o tym nie myśleć”. Inni skupiają się na swoim małym wycinku (jednym obszarze mózgu albo jednym typie neuronów) i wierzą, że któregoś dnia ktoś połączy wszystkie elementy układanki.
Mimo wszystko nie jest beznadziejnie. Obecną sytuację neurobiologii można bowiem porównać do tej, w której znalazła się biologia w pierwszej połowie XIX w. Ilość zgromadzonej wiedzy zoologicznej czy botanicznej była ogromna – wyprawy przyrodnicze przywoziły rocznie tysiące nowych gatunków, które skrzętnie opisywano i katalogowano. Z tego ogromu danych wyłaniał się jednak chaos: nikt nie wiedział, jak wyjaśnić ogromną różnorodność życia na Ziemi. Czemu niektóre zwierzęta są tak do siebie podobne? Czemu wszystkie kręgowce mają podobny szkielet? Gdzie się podziały ogromne jaszczury, których kości znajdowano w kamieniołomach na całym świecie?
Odpowiedź na te pytania przyniosła teoria ewolucji Darwina, która z ogromu chaotycznych pozornie danych stworzyła spójną wizję tego, jak gatunki zmieniają się w czasie, wyjaśniła i uprościła nasz ogląd świata.
Nie mamy obecnie Jednej Spójnej Teorii Mózgu. Niemniej neurobiologia wykonała niedawno pierwszy krok: zdała sobie sprawę, że taka teoria jest potrzebna. Ostatnie dwa–trzy dziesięciolecia były skupione na zbieraniu danych, wykonywaniu kolejnych eksperymentów, wynajdywaniem coraz lepszych metod obrazowania pracy mózgu. Od kilku lat pojawia się zaś coraz więcej głosów: „Hej, zatrzymajmy się, pomyślmy, o co w tym wszystkim chodzi”. I apel ten odnosi skutek: coraz więcej osób zajmujących się mózgiem próbuje obecnie stworzyć bardziej ogólne teorie tego, jak ten organ działa. Paul Cisek, kanadyjski neurobiolog polskiego pochodzenia pracuje na przykład nad książką, która próbuje wyjaśnić sposób działania mózgu w świetle jego ewolucyjnej historii. Luiz Pessoa w swojej najnowszej książce „The Entangled Brain” proponuje wizję, wedle której cały mózg bierze udział w naszych zachowaniach i nie powinniśmy się skupiać wyłącznie na pojedynczych obszarach. Filozofka i neurobiolożka Mazviita Chirimuuta z kolei w swojej fantastycznej książce „The Brain Abstracted” pisze o tym, jakie strategie upraszczania i redukowania złożoności stosowane są w neurobiologii.
Do dyskusji o tym, jak działa mózg i jak wyjaśnić dane, które uzyskujemy, zaprasza się osoby zajmujące się psychologią, socjologią i naukami humanistycznymi – neurobiologia staje się coraz bardziej interdyscyplinarna. Żyjemy w ciekawych czasach. W ramach naszego projektu Nencki Open Lab organizujemy od dwóch lat School of Ideas in Neuroscience – nieformalne warsztaty, organizowane w domku na Jazdowie, w trakcie których w spokojnej, wakacyjnej atmosferze próbujemy tworzyć nowe teorie, które choć trochę nadadzą sens złożoności, z którą spotykamy się na co dzień.
Musimy więc mniej działać, a więcej myśleć. Na myślenie, niestety, potrzebny jest czas i spokój, dwie rzeczy, których w nauce obecnie nie ma – jesteśmy rozliczani z liczby publikacji, główną motywacją jest zatem obecnie przeprowadzanie jak największej ilości eksperymentów. Tak jak w innych dziedzinach życia liczy się łatwo mierzalna produktywność.
Co gorsza, promowana nie jest też dydaktyka, uważana często za zbędny ciężar. Tymczasem to ona – jeśli sensowna – może być kluczem do wychowania nowego pokolenia naukowczyń i naukowców, którzy lepiej będą radzili sobie ze złożonością. Wskazują na to badania prowadzone przez genetyka Gregory’ego Radicka. Uważa on, że sposób na naukę genetyki – oparty o eksperymenty Mendla, w których jeden gen odpowiada za jedną cechę (na przykład kolor kwiatu groszku) – jest nieadekwatny i prowadzi do myślenia o roli genów w bardzo uproszczony sposób. Obecnie niektórzy starają się uczyć genetyki inaczej, od początku podkreślając niezwykłą złożoność zależności między genami a cechami. I odnoszą sukcesy, a ich studenci lepiej radzą sobie z rozumieniem tych skomplikowanych relacji.
Konieczna jest więc reforma tego, jak robimy naukę: redukcja presji publikacyjnej, zachęcanie naukowczyń i naukowców do pisania książek, popularyzacji i dydaktyki, zapewnienie im większych środków materialnych. Wszystkie te postulaty są postulatami politycznymi – wymagają nasilenia presji na rządy, by zmieniały systemy finansowania nauki.
I tu dochodzimy do kolejnej warstwy złożoności. Nauka to nie tylko radzenie sobie z miliardami komórek nerwowych, analizą danych i ich interpretacja; to bardzo skomplikowana siatka zależności, w której to, ile czasu zajmie nam zrozumienie mózgu może zależeć od tego, czy naukowcy i naukowczynie będą mieli dostęp do tanich żłobków, dzięki którym zyskają więcej czasu na myślenie o tym, nad czym pracują.
Jeśli czujecie w tym momencie zawrót głowy – witajcie w klubie, jesteśmy w tym razem. W tej serii tekstów podejmiemy jednak wyzwanie – przyjrzymy się tej złożoności i spróbujemy rozłożyć ją na części. Spróbujemy pokazać wam, jak współczesna neurobiologia patrzy na mózg i jakie są jej największe pytania. Obalimy popularne mity: dowiecie się, co tak naprawdę robi dopamina i dlaczego mózg gadzi nie istnieje.
Wszystko to będę jednak osadzał w szerszym kontekście – tego, jak wygląda praca naukowców i z czym musimy mierzyć się na co dzień, by podważyć jeden z największych mitów współczesności: że nauka jest obiektywną, niezależną od społeczeństwa i polityki dziedziną życia.