Нейрон
Материал из MachineLearning.
| Статья написана с использованием LLM ChatGPT 5.5 и проверена участником Liliia Davletova |
Нейро́н (от Шаблон:Lang-el — «нерв») — специализированная клетка нервной системы, способная принимать, обрабатывать, хранить и передавать информацию посредством электрических и химических сигналов. Нейроны являются основными функциональными элементами головного мозга, спинного мозга и периферической нервной системы, образуя сложные сети, обеспечивающие восприятие, память, обучение, мышление, управление движениями и многие другие функции организма.
Изучением нейронов занимается нейронаука, а математические и вычислительные модели нейронов лежат в основе искусственных нейронных сетей и современных методов машинного обучения.
Содержание |
История изучения
Первые микроскопические исследования нервной ткани были выполнены в XIX веке. Прорыв произошёл благодаря методу серебрения, разработанному Камилло Гольджи, который позволил визуализировать отдельные нервные клетки. Используя этот метод, Сантьяго Рамон-и-Кахаль сформулировал нейронную доктрину, согласно которой нервная система состоит из отдельных клеток, взаимодействующих между собой через специализированные контакты.
В XX веке исследования Алана Ходжкина и Эндрю Хаксли привели к созданию количественной модели возникновения потенциала действия, ставшей фундаментом современной электрофизиологии.
Строение
thumb|300px|Типичное строение нейрона.
Типичный нейрон состоит из нескольких функциональных частей.
Сома
Сома (тело клетки) содержит ядро, митохондрии, рибосомы и другие органеллы. Здесь происходит синтез белков и поддержание жизнедеятельности клетки.
Дендриты
дендриты представляют собой короткие сильно разветвлённые отростки, принимающие сигналы от других нейронов. Один нейрон может иметь тысячи синаптических контактов на дендритах.
Аксон
аксон — длинный отросток, передающий сигнал другим клеткам. Длина аксона варьирует от нескольких микрометров до более чем одного метра у человека.
Многие аксоны покрыты миелиновой оболочкой, увеличивающей скорость распространения сигнала посредством скачкообразного проведения между перехватами Ранвье.
Синапс
Передача информации между нейронами происходит через синапсы.
Различают:
- химические синапсы;
- электрические синапсы.
В химическом синапсе электрический импульс вызывает выделение нейромедиаторов (например, глутамата, ГАМК, дофамина, серотонина), которые связываются с рецепторами следующей клетки.
Электрофизиология
Основным способом передачи информации является потенциал действия.
В состоянии покоя мембранный потенциал большинства нейронов составляет около −70 мВ. При достаточной деполяризации происходит быстрое открытие потенциал-зависимых натриевых каналов, после чего возникает потенциал действия.
Его основные особенности:
- подчиняется закону «всё или ничего»;
- распространяется без уменьшения амплитуды;
- кодирует информацию преимущественно частотой импульсов.
Эти процессы количественно описываются моделью Ходжкина — Хаксли, опубликованной в 1952 году.
Классификация
По функции различают:
- сенсорные (афферентные) нейроны;
- двигательные (эфферентные) нейроны;
- вставочные (интернейроны).
По числу отростков:
- униполярные;
- псевдоуниполярные;
- биполярные;
- мультиполярные.
По характеру действия:
- возбуждающие;
- тормозные;
- модулирующие.
Нейронные сети мозга
Отдельный нейрон редко выполняет значимую вычислительную функцию самостоятельно. Основой обработки информации являются крупные нейронные сети, содержащие от миллионов до десятков миллиардов взаимосвязанных клеток.
По современным оценкам, головной мозг человека содержит около 86 миллиардов нейронов и порядка 1014–1015 синаптических соединений.
Свойства мозга возникают как результат коллективной динамики огромного числа нейронов.
Пластичность
Одним из важнейших свойств нейронов является нейропластичность — способность изменять эффективность существующих соединений и формировать новые.
Основные механизмы включают:
- долговременная потенциация;
- долговременная депрессия;
- структурную перестройку дендритных шипиков;
- образование новых синапсов.
Пластичность рассматривается как клеточная основа обучения и памяти.
Методы исследования
Современная нейронаука использует широкий набор методов:
- электрофизиология;
- patch clamp;
- электроэнцефалография;
- магнитно-резонансная томография;
- функциональная магнитно-резонансная томография;
- оптогенетика;
- двухфотонная микроскопия;
- криоэлектронная микроскопия;
- одноклеточное секвенирование РНК.
Развитие этих технологий позволило исследовать структуру и функции отдельных клеток с беспрецедентной точностью.
Нейроны и искусственный интеллект
Идея искусственного нейрона восходит к модели Маккаллока — Питтса, предложенной в 1943 году. Несмотря на название, современные глубокие нейронные сети лишь отдалённо напоминают биологические нейроны.
Основные различия:
- биологический нейрон имеет сложную дендритную обработку сигналов;
- синапсы обладают богатой динамикой и пластичностью;
- обучение происходит локально и непрерывно;
- искусственные сети обычно используют алгоритм обратное распространение ошибки.
Современное направление нейроморфных вычислений стремится приблизить вычислительные системы к принципам работы биологических нейронов.
Современные исследования
В последние годы исследования нейронов активно развиваются благодаря международным научным инициативам, включая проекты по построению полного коннектома мозга.
Основные современные направления:
- построение полных карт нейронных связей;
- моделирование активности миллионов нейронов;
- изучение клеточного разнообразия мозга;
- создание цифровых моделей мозга;
- разработка нейроинтерфейсов;
- исследование механизмов сознания.
В 2023–2025 годах были опубликованы наиболее полные карты нейронных связей отдельных областей мозга млекопитающих, содержащие сотни тысяч клеток и миллиарды синапсов, что открыло новые возможности для понимания принципов вычислений в нервной системе.
См. также
- Нервная система
- Нейронаука
- Потенциал действия
- Синапс
- Нейромедиатор
- Коннектом
- Искусственный нейрон
- Искусственная нейронная сеть
- Машинное обучение
- Нейроморфные вычисления
Примечания
Литература
- Kandel E.R., Koester J.D., Mack S.H., Siegelbaum S.A. Principles of Neural Science. — 6th ed.. — New York: McGraw-Hill, 2021. — ISBN 978-1264258422
- Bear M.F., Connors B.W., Paradiso M.A. Neuroscience: Exploring the Brain. — 4th ed.. — Jones & Bartlett Learning, 2015.
- Hodgkin A.L.; Huxley A.F. A quantitative description of membrane current and its application to conduction and excitation in nerve // The Journal of Physiology. — 1952. — Т. 117. — № 4. — С. 500–544.
- McCulloch W.S.; Pitts W. A Logical Calculus of the Ideas Immanent in Nervous Activity // Bulletin of Mathematical Biophysics. — 1943. — Т. 5. — С. 115–133.
- Azevedo F.A.C. и др. Equal Numbers of Neuronal and Nonneuronal Cells Make the Human Brain an Isometrically Scaled-Up Primate Brain // Journal of Comparative Neurology. — 2009. — Т. 513. — № 5. — С. 532–541.
- Shapson-Coe A. и др. A petavoxel fragment of human cerebral cortex reconstructed at nanoscale resolution // Science. — 2024.
- Yin W. и др. A Foundation Model of Neural Activity Predicts Response to New Stimuli // Nature. — 2025.
- NIH BRAIN Initiative // National Institutes of Health.
