Mózg w pięciu odsłonach – epoki połączeń nerwowych

 

Grafika wygenerowana przy pomocy Chat GPT

Zmiany w strukturze i funkcjonowaniu mózgu zachodzą przez całe życie człowieka, jednak nie przebiegają w sposób liniowy ani jednolity. Już od okresu niemowlęcego sieć połączeń nerwowych rozwija się dynamicznie, a kolejne etapy dojrzewania mózgu przeplatają się z procesami reorganizacji oraz stopniowej degeneracji związanej ze starzeniem. Współczesna neuronauka coraz częściej opisuje mózg jako złożoną sieć, w której nie liczy się jedynie liczba połączeń, ale przede wszystkim ich rozmieszczenie, hierarchia oraz sposób organizacji w większe struktury funkcjonalne. Taka perspektywa sieciowa pozwala analizować mózg podobnie jak inne systemy biologiczne i społeczne, to znaczy jako układ zbudowany z elementów połączonych relacjami, w którym kluczowe znaczenie mają wzorce połączeń, a nie pojedyncze elementy.

Jednym z najważniejszych pojęć używanych do opisu sieci mózgu jest topologia sieciowa (ang. network topology), która jest układem wzajemnych powiązań pomiędzy regionami mózgu. W praktyce oznacza to analizę tego, czy mózg jest bardziej „zintegrowany”, połączony w sposób umożliwiający szybki przepływ informacji między odległymi obszarami, czy raczej „segregowany”, czyli podzielony na wyspecjalizowane grupy regionów, które komunikują się intensywnie wewnątrz, ale słabiej między sobą. Zmiany topologii w czasie rozwoju mogą odzwierciedlać dojrzewanie funkcji poznawczych, takich jak pamięć robocza, uczenie się czy kontrola emocji. Z kolei w późniejszym wieku reorganizacja sieci może być związana z adaptacją do starzenia oraz z osłabieniem procesów neuronalnych. Wiele wcześniejszych badań sugerowało istnienie tzw. „szczytu efektywności” sieci mózgowej w okolicach 30. roku życia, jednakże w badaniach tych brakowało kompleksowej analizy obejmującej całe życie człowieka w jednej, spójnej perspektywie.

Aby zrozumieć, czy rozwój sieci mózgowej przebiega etapami i czy można wskazać momenty przejściowe w organizacji połączeń, przeprowadzono analizę strukturalnych sieci mózgowych na podstawie obrazowania dyfuzyjnego. Zastosowano rezonans magnetyczny dyfuzyjny DWI (ang. diffusion-weighted imaging), który umożliwia rekonstrukcję przebiegu włókien istoty białej tkanki mózgowej. Technika ta opiera się na obserwacji ruchu cząsteczek wody w tkance mózgowej. W istocie białej dyfuzja wody jest ukierunkowana, ponieważ aksony tworzą takie jakby „tunele” sprzyjające przepływowi wzdłuż włókien, ograniczając ruch w poprzek. Dzięki temu możliwe jest modelowanie połączeń pomiędzy różnymi obszarami mózgu i budowanie map sieci neuronalnych.

W badaniu wykorzystano dane z dziewięciu dużych zbiorów neuroobrazowych, obejmujących łącznie 4216 osób w wieku od 0 do 90 lat. Tak szeroki zakres wieku jest rzadko spotykany w literaturze, gdyż większość badań skupia się tylko na wąskim przedziale wiekowym, np. dzieciach, nastolatkach lub osobach starszych. Połączenie danych z różnych projektów pozwoliło jednak stworzyć niemal ciągłą „oś życia” i obserwować, jak zmienia się organizacja sieci mózgowej od urodzenia do późnej starości. 

Jedną z najważniejszych miar integracji wykorzystaną przez autorów przytoczonego badania była globalna efektywność GE (ang. global efficiency), która jest wskaźnikiem opisującym, jak krótka jest średnia droga pomiędzy dowolnymi dwoma regionami mózgu. Wysoka globalna efektywność oznacza, że informacja może szybko docierać z jednego miejsca do drugiego. W badaniu globalna efektywność zmieniała się nieliniowo i spadała w pierwszej dekadzie życia, następnie rosła, osiągała maksimum około 29. roku życia, po czym stopniowo malała aż do późnej starości. Najwyższa efektywność strukturalna sieci występowała więc w okresie wczesnej dorosłości, a najniższa w wieku 90 lat.

Uzupełnieniem tej miary była charakterystyczna długość ścieżki CPL (ang. characteristic path length), czyli średnia długość najkrótszych ścieżek między wszystkimi parami węzłów w sieci. A zatem jest to miara odwrotna do globalnej efektywności, ponieważ im dłuższe ścieżki, tym mniej wydajna komunikacja w sieci. Charakterystyczna długość ścieżki osiągała minimum również około 29. roku życia, a następnie rosła wraz z wiekiem. Wraz ze starzeniem się mózgu przeciętna liczba „kroków” potrzebnych do przekazania informacji pomiędzy regionami rośnie, co sugeruje pogorszenie globalnej komunikacji sieciowej.

Kolejną miarą integracji była małoświatowość SW (ang. small-worldness). Cecha sieci, która łączy dwa pozornie przeciwstawne element, takie jak wysokie lokalne skupienie połączeń oraz jednocześnie krótkie globalne ścieżki między odległymi obszarami. Sieci typu small-world są uznawane za szczególnie efektywne biologicznie, ponieważ umożliwiają zarówno specjalizację, jak i szybki transfer informacji. W analizie wykazano, że małoświatowość zmieniała się w sposób złożony, ale utrzymywała się powyżej wartości 1, co wskazuje, że mózg zachowuje strukturę small-world przez całe życie, choć jej intensywność ulega wahaniom.

Oprócz integracji badacze przyjrzeli się także segregacji sieci, czyli stopniowi, w jakim mózg dzieli się na moduły. Kluczową miarą była modularność Q (ang. modularity). Wysoka modularność oznacza, że sieć jest podzielona na wyraźne grupy regionów, które silnie łączą się wewnętrznie, ale słabiej między grupami. Modularność była najniższa około 31. roku życia, a najwyższa w wieku 90 lat. Oznacza to, że w młodej dorosłości sieć jest bardziej zintegrowana globalnie, natomiast w starości bardziej „pofragmentowana” na moduły.

Dodatkowo analizowano strukturę rdzeń–peryferie (ang. core/periphery structure). Jest to koncepcja opisująca, czy w sieci istnieje gęsty rdzeń złożony z silnie połączonych regionów oraz luźniejsza peryferia z regionami mniej powiązanymi. Taka organizacja może odzwierciedlać istnienie centralnego „kręgosłupa” komunikacyjnego w mózgu. W badaniu struktura rdzeniowo-peryferyjna osiągała maksimum około 20. roku życia, a minimum przypada na około 55. roku życia. Taka kolej rzeczy sugerować może, że w okresie młodej dorosłości rdzeń sieci jest najbardziej wyraźny, natomiast w średnim wieku struktura ta staje się mniej uporządkowana.

Analizowano także tzw. s-core, czyli podsieć o wysokiej sile połączeń. Jest to miara określająca, jak duża część sieci należy do „mocno połączonego jądra”, gdy bierze się pod uwagę wagi połączeń. W przeciwieństwie do wielu innych wskaźników, s-core wykazywał trend bardziej liniowy: osiągał minimum około 12. roku życia, a następnie wzrastał aż do 90. roku życia. Może to sugerować, że wraz z wiekiem rośnie znaczenie silnych połączeń w strukturze sieci, nawet jeśli globalna integracja spada.

Ważną częścią segregacji lokalnej była lokalna efektywność LE (ang. local efficiency) oraz współczynnik klasteryzacji CC (ang. clustering coefficient). Lokalna efektywność opisuje, jak dobrze połączone są sąsiednie regiony, gdyby dany węzeł został usunięty, odzwierciedlając lokalną odporność sieci. Współczynnik klasteryzacji opisuje, czy sąsiednie regiony mają tendencję do łączenia się między sobą, tworząc „trójkąty” połączeń. Obie miary wykazywały wzrost w ciągu życia i osiągały najwyższe wartości w późnej starości. Oznacza to, że wraz z wiekiem sieć mózgowa może stawać się bardziej lokalnie zorganizowana, mimo spadku integracji globalnej.

Kolejnym obszarem analizy była centralność, czyli znaczenie poszczególnych węzłów w sieci. Jedną z miar była centralność pośrednictwa BC (ang. betweenness centrality), czyli wskaźnik mówiący, jak często dany węzeł leży na najkrótszych ścieżkach między innymi węzłami. Regiony o wysokiej centralności pośrednictwa pełnią rolę „węzłów tranzytowych” i mogą być krytyczne dla komunikacji. W analizie miara ta osiągała minimum około 31. roku życia i rosła w późniejszym wieku, osiągając maksimum w wieku 90 lat.

Drugą miarą centralności była centralność podgrafowa SC (ang. subgraph centrality). Jest to bardziej złożony wskaźnik, który mierzy udział węzła w różnych „zamkniętych ścieżkach” sieci, czyli w strukturach cyklicznych. W uproszczeniu, odzwierciedla on, jak silnie dany region jest osadzony w lokalnych wzorcach połączeń. Zmienna ta wrosła bardziej liniowo i osiągała maksimum w wieku 90 lat, sugerując, że w starości rośnie znaczenie lokalnych struktur połączeń wokół pewnych węzłów.

Zanim przeprowadzono właściwą analizę topologiczną, zbadano ogólne zmiany w liczbie połączeń. W analizie zmiennej gęstości sieci wykazano, że gęstość połączeń zmienia się nieliniowo w ciągu życia. Najbardziej gęste sieci obserwowano około narodzin oraz w okolicach 30. roku życia, natomiast najbardziej rzadkie około 10. roku życia oraz po 80. roku życia. Oznacza to, że mózg w różnych okresach życia nie utrzymuje stałej liczby połączeń, a reorganizacja obejmuje zarówno przyrosty, jak i redukcje. Jednocześnie siła węzłów (ang. node strength), czyli suma wag połączeń, rosła w sposób niemal liniowy wraz z wiekiem, osiągając maksimum w wieku 90 lat. Taki wynik sugeruje, że mimo spadku liczby połączeń w starości, pozostałe połączenia mogą być relatywnie silniejsze.

Najważniejszym i najbardziej innowacyjnym elementem badania była analiza wielowymiarowa, która miała umożliwić znalezienie punktów przejściowych w rozwoju sieci. W tym celu zastosowano tzw. manifold learning. Jest to podejście matematyczne, które pozwala „spłaszczyć” dane o wielu wymiarach do przestrzeni o mniejszej liczbie wymiarów, zachowując przy tym najważniejsze relacje między obserwacjami. W praktyce oznacza to, że zamiast analizować 11 wskaźników topologicznych osobno, można je traktować jako jeden złożony „podpis topologiczny” i sprawdzić, jak ten podpis przesuwa się w przestrzeni wraz z wiekiem.

Wykorzystano algorytm UMAP (ang. Uniform Manifold Approximation and Projection), czyli metodę redukcji wymiarowości podobna do t-SNE, ale szybszą i lepiej zachowującą zarówno lokalne, jak i globalne relacje w danych. Aby znaleźć punkty zwrotne, dopasowano do trajektorii w przestrzeni UMAP krzywe wielomianowe i analizowano, w których miejscach trajektoria zmienia kierunek. Te momenty interpretowano jako turning points, czyli punkty zwrotne topologii. Następnie zebrano wszystkie punkty zwrotne wykryte w 968 projekcjach i przedstawiono je w postaci histogramu częstości. Najczęściej pojawiające się wartości uznano za kluczowe punkty zwrotne. W ten sposób zidentyfikowano cztery główne momenty przejściowe: około 9. roku życia, około 32. roku życia, około 66. roku życia oraz około 83. roku życia. Na tej podstawie wyodrębniono pięć epok życia, w których topologia mózgu zmienia się w odmienny sposób.

Pierwsza epoka obejmowała okres od urodzenia do około 9. roku życia. Jest to etap odpowiadający niemowlęctwu i dzieciństwu. W tej fazie zaobserwowano spadek globalnej integracji sieci oraz wzrost segregacji lokalnej. Oznacza to, że w pierwszych latach życia sieć staje się mniej wydajna globalnie, ale jednocześnie rośnie lokalna organizacja sąsiednich połączeń. Szczególnie istotna była tutaj rola współczynnika klasteryzacji, który okazał się najsilniejszym predyktorem wieku w tej epoce. W praktyce sugeruje to, że rozwój mózgu w dzieciństwie polega na budowaniu lokalnych „mikrostruktur” połączeń, tj. zwiększaniu powiązań pomiędzy regionami sąsiadującymi w sieci. W tej epoce największą korelację z wiekiem wykazywała jednak małoświatowość, co wskazuje, że sieć w tym okresie intensywnie reorganizuje się w kierunku struktury łączącej lokalną specjalizację z globalną komunikacją. Analiza regionalna wykazała, że zmiany klasteryzacji były rozproszone w całym mózgu i obejmowały ponad połowę analizowanych regionów.

Punkt zwrotny około 9. roku życia był najczęściej identyfikowany w analizach UMAP, co sugeruje, że jest to bardzo wyraźny etap przejściowy w topologii mózgu. W tym miejscu zauważono zmianę kierunku rozwoju: wcześniejszy spadek integracji globalnej przechodził w fazę wzrostu integracji. Innymi słowy, po okresie intensywnej reorganizacji lokalnej w dzieciństwie, sieć zaczyna budować coraz efektywniejsze połączenia między odległymi ośrodkami i rejonami. Jest to zgodne z ogólną wiedzą biologiczną o tym, że w dzieciństwie zachodzi intensywna synaptogeneza i eliminacja synaps, a następnie stopniowo stabilizują się główne szlaki komunikacyjne mózgu.

Druga epoka obejmowała wiek od około 9 do 32 lat i została określona jako okres późnego dzieciństwa, adolescencji i wczesnej dorosłości. W tej fazie wszystkie analizowane miary topologiczne wykazywały istotne korelacje z wiekiem, co oznacza, że była to epoka bardzo dynamicznego rozwoju sieci. Charakterystyczny był wzrost integracji sieci, wzrost siły połączeń oraz złożone zmiany segregacji i centralności. W szczególności globalna efektywność rosła, a charakterystyczna długość ścieżki malała, co wskazuje na poprawę wydajności komunikacji w mózgu. Jednocześnie modularność spadała, co sugeruje, że sieć stawała się mniej podzielona na odrębne moduły, a bardziej spójna globalnie. Najważniejszą miarą pozwalającą przewidywać wiek w tej epoce okazała się małoświatowość. Oznacza to, że okres dojrzewania i wczesnej dorosłości charakteryzuje się intensywnym formowaniem sieci o wysokiej efektywności przy jednoczesnym zachowaniu lokalnej specjalizacji.

Punkt zwrotny około 32. roku życia był najsilniejszym momentem przejściowym w całym życiu. W tym wieku obserwowano liczne zmiany kierunku korelacji wielu miar. Przed 32. rokiem życia globalna efektywność rosła, a modularność malała, natomiast po 32. roku życia trendy te odwracały się: efektywność zaczynała spadać, a modularność rosnąć. Zmianie ulegała również centralność pośrednictwa, co sugeruje reorganizację roli „węzłów pośredniczących” w komunikacji sieciowej. Warto zauważyć, że ten punkt zwrotny odpowiada również obserwowanemu w literaturze szczytowi parametrów istoty białej, takich jak objętość istoty białej i frakcja anizotropii FA (ang. fractional anisotropy), która zwykle osiąga maksimum w okolicach trzeciej dekady życia. W perspektywie sieciowej można to interpretować jako moment, w którym mózg osiąga maksymalną dojrzałość strukturalną, a następnie zaczyna przechodzić w fazę powolnego starzenia.\

Trzecia epoka obejmowała wiek od 32 do 66 lat i odpowiadała okresowi dorosłości. Był to najdłuższy etap, obejmujący trzy dekady życia. W tej fazie wykazano istotne korelacje wieku z 10 miarami topologicznymi. Ogólny obraz wskazywał na spadek integracji sieci oraz stopniowy wzrost segregacji. W tym okresie szczególnie istotne były miary lokalnej segregacji, takie jak lokalna efektywność i współczynnik klasteryzacji, które rosły wraz z wiekiem. Najsilniejszym predyktorem wieku w tej epoce okazała się lokalna efektywność, natomiast największą korelację z wiekiem wykazywał współczynnik klasteryzacji. Ponieważ obie miary są silnie powiązane (r = 0.91), sugeruje to, że główną cechą starzenia w okresie dorosłości jest wzrost lokalnego „zagęszczenia” sieci. Może to oznaczać, że wraz z wiekiem mózg traci część globalnej integracji, ale jednocześnie reorganizuje się w stronę bardziej lokalnych struktur komunikacyjnych. Zmiany te były szeroko rozproszone w mózgu, obejmując większość regionów po korekcji wielokrotnych porównań metodą FDR (ang. false discovery rate).

Punkt zwrotny około 66. roku życia był najmniej wyraźny w sensie liczby wykryć w UMAP, jednak nadal stanowił istotny etap przejściowy. W tym miejscu nie obserwowano istotnych zmian kierunku korelacji miar topologicznych, ale zaobserwowano zmianę tego, co najlepiej przewidywało wiek. Wcześniej kluczowe były miary lokalnej efektywności, natomiast po 66. roku życia najważniejszym predyktorem wieku stawała się modularność. Można to interpretować jako przejście z fazy, w której dominują zmiany lokalne, do fazy, w której rośnie znaczenie globalnego podziału sieci na moduły.

Czwarta epoka obejmowała wiek od 66 do 83 lat i odpowiadała okresowi wczesnego starzenia. W tej fazie tylko cztery miary topologiczne wykazywały istotne korelacje z wiekiem, co sugeruje, że związek między wiekiem a topologią staje się słabszy lub mniej jednoznaczny. Najważniejszą miarą w tym okresie była modularność, która rosła wraz z wiekiem. Oznacza to, że sieć mózgowa w starzeniu coraz bardziej dzieli się na wyraźne podsystemy. Jednocześnie obserwowano spadek integracji oraz wzrost centralności, choć zmiany te były słabsze. 

Ostatni punkt zwrotny, około 83. roku życia, był drugim najczęściej identyfikowanym momentem przejściowym. Nie towarzyszyły mu istotne zmiany kierunku trendów, ale następowała zmiana dominującej miary przewidującej wiek, tj. modularność przestawała być kluczowa, a najważniejsza stawała się centralność podgrafowa. Oznacza to, że po 83. roku życia różnice topologiczne związane z wiekiem dotyczą przede wszystkim rosnącej roli pewnych węzłów w lokalnych strukturach sieci.

Piąta epoka obejmowała wiek od 83 do 90 lat i była określona jako późne starzenie. W tej fazie tylko jedna miara – centralność podgrafowa – wykazywała istotny związek z wiekiem. Pozostałe miary nie były istotne statystycznie, co może wynikać częściowo z małej liczebności próby (n = 93) i niskiej mocy statystycznej. Jednak obserwowano również trend ogólny, który wskazywał na to, że liczba istotnych korelacji spadała z 11 w epoce trzeciej do 4 w epoce czwartej i do 1 w epoce piątej. Może to sugerować, że w bardzo późnym wieku zależność między wiekiem a topologią sieci mózgowej rzeczywiście słabnie. W analizie regionalnej centralność podgrafowa była istotna tylko w 10 regionach, m.in. w okolicach potylicznych (np. zakręt klinowy i zakręty potyliczne) oraz w zakręcie zaśrodkowym. Wskazuje to, że zmiany w późnej starości mogą być bardziej lokalne i dotyczyć wybranych obszarów mózgu.

Aby lepiej zrozumieć, jakie cechy topologiczne różnią poszczególne epoki, przeprowadzono dodatkową analizę metodą PCA (ang. Principal Components Analysis). PCA jest metodą redukcji wymiarowości, ale w przeciwieństwie do UMAP jest metodą liniową, która pozwala interpretować wyniki poprzez tzw. ładunki, czyli wkład poszczególnych zmiennych do głównych komponentów. W analizie wykazano, że trzy główne komponenty tłumaczą łącznie 76.61% wariancji w danych topologicznych. Pierwszy komponent był głównie związany z segregacją. Drugi komponent był związany z integracją, a trzeci łączył cechy centralności i segregacji. Porównania między epokami wykazały istotne różnice w średnich wynikach PCA, szczególnie między epoką pierwszą i drugą oraz drugą i trzecią, co potwierdza, że punkty zwrotne około 9 i 32 lat rzeczywiście wyznaczają duże przejścia w topologii mózgu.

Dodatkowo zastosowano tzw. metodę dynamic time warping DTW, aby porównać kształt trajektorii zmian topologicznych w kolejnych epokach. DTW jest techniką służącą do porównywania przebiegów czasowych, nawet jeśli mają one różną długość lub tempo zmian. Wyniki wskazały, że najbardziej podobne trajektorie występowały między epoką pierwszą i drugą, a największe różnice występowały między epoką trzecią i czwartą, czyli w okolicach punktu zwrotnego 66 lat. Może to sugerować, że przejście do starzenia w tym wieku wiąże się z istotną zmianą „stylu” reorganizacji sieci, nawet jeśli poszczególne miary nie zmieniają kierunku trendu.

Zestawiając wszystkie wyniki, wyłania się obraz mózgu jako systemu, który w różnych etapach życia realizuje odmienne „strategie organizacyjne”. W dzieciństwie dominują procesy lokalnej reorganizacji, które zwiększają klasteryzację i lokalną specjalizację, ale tymczasowo zmniejszają globalną integrację. W adolescencji i wczesnej dorosłości następuje faza wzrostu globalnej efektywności i formowania sieci typu small-world, co sugeruje optymalizację komunikacji i przetwarzania informacji. Około 32. roku życia pojawia się największy punkt przejściowy, po którym zaczyna dominować stopniowy spadek integracji oraz wzrost segregacji. W dorosłości sieć coraz bardziej opiera się na lokalnych strukturach, a w starzeniu rośnie modularność, co może odzwierciedlać fragmentację komunikacji między odległymi obszarami. W bardzo późnym wieku zależność między topologią a wiekiem słabnie, a najbardziej widoczne stają się zmiany w centralności lokalnej wybranych regionów.

Istotną wartością badania jest pokazanie, że rozwój i starzenie mózgu nie powinny być opisywane jako jedna krzywa ciągłych zmian, lecz raczej jako zestaw epok rozwojowych oddzielonych punktami zwrotnymi. Takie podejście może mieć znaczenie kliniczne, ponieważ wiele zaburzeń psychicznych i neurologicznych pojawia się w określonych etapach życia. Przykładowo, okres przejścia około 9. roku życia pokrywa się z początkiem dojrzewania hormonalnego oraz zwiększonym ryzykiem zaburzeń psychicznych. Punkt zwrotny około 32. roku życia odpowiada końcowi intensywnej fazy dojrzewania istoty białej. Punkt zwrotny około 66 lat pokrywa się z okresem, w którym rośnie ryzyko chorób naczyniowych i demencji, a reorganizacja sieci mózgowej może odzwierciedlać adaptację do pogorszenia integralności istoty białej. Cztery główne punkty zwrotne (około 9, 32, 66 i 83 lat) wyznaczają pięć epok, w których dominują różne procesy reorganizacji strukturalnej. Wyniki te wspierają podejście, w którym rozwój mózgu nie jest traktowany jako ciągły proces, lecz jako sekwencja faz, w których sieć neuronalna przyjmuje odmienne strategie równoważenia integracji, segregacji i centralności. W konsekwencji badanie dostarcza nowego modelu rozumienia rozwoju i starzenia mózgu, który może stanowić punkt wyjścia do przyszłych analiz klinicznych i rozwojowych, a także do badań nad tym, jak zmiany topologii sieci wiążą się z inteligencją, zachowaniem i podatnością na choroby neurologiczne.

Literatura

1. Mousley, A., Bethlehem, R. A. I., Yeh, F.-C., Astle, D. E. (2025). Topological turning points across the human lifespan. Nature Communications, 16, 10055.