Страница:
Смена различных фаз сна (а также переход от бодрствования ко сну) сопровождается сменой активности нервных клеток - нейронов - в стволе мозга. Передача нервных импульсов осуществляется через синапсы - места соединений между клетками и их отростками - с помощью химических передатчиков - медиаторов. В зависимости от того, какой медиатор выделяется в синаптическую щель, называют данные структуры холинергическими (медиатор - ацетилхолин), серотонинергическими (медиатор - серотонин) и т. д.
Тела нейронов, в которых есть серотонин, находятся в ядрах шва каудального ("кау-да" - хвост по-латыни) отдела мозгового ствола, и от них идут восходящие (к переднему отделу, коре) и нисходящие (в спинной мозг) длинные отростки нервных клеток - аксоны.
Если бодрствование поддерживается норад-реналин- и дофаминергическими нейронами, то переход от бодрствования в фазу медленного сна ["Медленным сном" эта фаза сна названа потому, что во время ее глубокой стадии на электроэнцефалограмме наблюдаются медленные дельта-волны (ритмы электрической активности мозга принято обозначать буквами греческого алфавита).] (с этой фазы всегда начинается сон) - серотонинергическими. Переход от медленного к быстрому сну еще до конца не расшифрован, однако и тут уже есть довольно обоснованная гипотеза. По образному сравнению М. Жувэ, как у хорошего кассира сейф открывается тремя ключами, так быстрый сон, очевидно, зависит от возбуждения трех структур, содержащих ацетилхолин, серотонин и норадреналин. Таким образом, картина нашего сна постепенно начинает проясняться. Становятся понятны механизмы возникновения трех состояний, в которых мы живем: бодрствования, медленного и быстрого сна.
Быстрые движения глаз в быстром (парадоксальном) сне, вероятно, связаны с возбуждением холинергических нейронов. Эта же система, возможно, вызывает и падение тонуса всех скелетных мышц при быстром сне единственном естественном периоде полного расслабления в нашей жизни.
Однако, если сон - активное рабочее состояние, неясно, для чего он нужен. Неясно также, почему эта удивительная работа приносит ощущение обновления и отдыха.
Еще в начале нашего столетия было предложено несколько теорий, объясняющих необходимость сна. Французские ученые Лежандр и Пьерон опубликовали работу, где говорилось о том, что при сне после длительной бессонницы в сыворотке крови, тканях мозга и спинномозговой жидкости собак накапливаются вещества, способные вызывать сон у бодрствующих животных.
Много лет спустя, уже в наше время, американский биохимик Паппенхаймер и швейцарский Моннье сумели доказать, что в мозгу у спящих животных накапливается вещество, способное вызывать медленный сон у бодрствующих. Моннье выделил это вещество в чистом виде из крови кроликов. Паппенхаймер обнаружил в спинномозговой жидкости коз, спавших после длительного лишения сна, фактор-S, вызывающий сон. Вещество, выделенное Моннье, оказалось пептидом, производным девяти аминокислот. Пептид (Моннье назвал его дельта-фактором) удалось синтезировать искусственно. Так было получено естественное снотворное, одинаковое для всех спящих млекопитающих, независимо от того, к какому виду они принадлежат, в том числе и для человека.
Дельта-фактор появляется при сне. Но почему появляется сон? Вызывает ли его это вещество, или появление дельта-фактора - следствие наступления сна? Какие биохимические изменения происходят во сне в клетках мозга? И если происходят, то во время каких фаз: в быстром или в медленном сне (или и в том и в другом)? Для того чтобы получить ответы на эти вопросы, необходимо было продолжать исследования.
Объектом исследований в нашей лаборатории были крысы. Сон у крыс короткий, от 15 до 30 минут, но в общей сложности они спят довольно много. После максимального по продолжительности сна мозг крысы исследовался биохимически.
В стволе мозга наряду с другими есть два скопления нейронов, два ядра - супраоптиче-ское и красное. Исследовали нейроны и гли-альные клетки этих ядер. При стрессовых состояниях из супраоптического ядра выделяются белки гормоны, поступающие в общий кровоток организма. Эти вещества оказывают влияние на активность гипофиза и всей эндокринной системы. Красное ядро тоже обладает высокой интенсивностью белкового обмена, но несет другие функции. Оно не имеет отношения ни к стрессовым состояниям, ни ко сну, а связано со спинным мозгом, мозжечком и корой головного мозга.
Было установлено, что у крыс в естественном сне идет накопление гистоноподобных белков и рибонуклеиновых кислот в клетках глии супраоптического ядра, причем за 10 - 20 минут сна их накапливается на 20 30 процентов больше по сравнению с бодрствованием. В нейронах этого ядра при сне накапливаются рибонуклеиновые кислоты. В то же время в нейронах красного ядра содержание белков несколько снижается.
При лишении крыс быстрого сна результаты получились неожиданные и очень интересные. В то время, когда наступает фаза быстрого сна, падает тонус скелетных мышц. Расслабление начинается с мышц шеи и затем охватывает все мышцы тела. Если крысу посадить на небольшую (5x5 см) площадку, выступающую над водой на 3 - 4 сантиметра, то животное окунет мордочку в воду или даже свалится в нее, как только перейдет в фазу быстрого сна. Очутившись на площадке снова, крыса через некоторое время опять уснет. Сон всегда начинается с медленного сна. Через некоторое время наступит быстрый сон, и все повторится сначала.
Лишение крыс быстрого сна привело к резкому падению уровня белков и в нейронах, и в глиальных клетках мозга. В нейронах оно вызывало количественно даже более резкие изменения, чем лишение обеих фаз сна. Если эксперимент с лишением быстрого сна продолжался более суток, содержание белка в клетках мозга несколько повышалось, затем стабилизировалось, но не достигало исходного уровня. Он восстанавливался лишь тогда, когда животному давали спать в быстром сне.
Аналогичные результаты были получены, когда исследовались другие отделы мозга.
Теменная область коры больших полушарий суммирует сигналы, поступающие в мозг, и образует часть регуляторной системы, определяющей целостное поведение животного. Деятельность этих областей коры отображает общий уровень активности всего головного мозга. В Институте нейрокибернетики Ростовского университета для исследования белкового обмена был использован электрофизиолого-цитохимичеокий метод. По записи электрической активности мозга можно было точно установить, в какой фазе сна находится животное, и с помощью специального устройства, вживленного в мозг, быстро взять на анализ кусочек ткани. (Животное при этом не ощущало боли и не просыпалось.) Метод обеспечивал быструю фиксацию ткани, ее хорошую сохранность и проводился в условиях свободного поведения животного. Анализ подтвердил результаты предшествовавших опытов - при Лишении быстрого сна резко снижалось содержание белка в клетках мозга.
Значение белков в клетках мозга многообразно и определяется уникальными свойствами каждой из 20 аминокислот, входящих в состав белковой молекулы. Широкие функциональные возможности белковых молекул зависят от способности к изменению их конфигурации в ответ на воздействие. Эти изменения обратимы, то есть после того, как воздействия закончатся, молекула белка возвращается в первоначальное состояние. Белки и вся синтезирующая их система играют первостепенную роль в процессах возбуждения, торможения, запоминания и других сторонах многообразной функции нервной системы. Между функциональной сложностью отделов нервной системы и содержанием в них белков имеется определенная зависимость: выше содержание белков в больших полушариях головного мозга, меньше в его подкорковых областях и еще меньше - в спинном мозге. При лишении фаз быстрого сна больше страдали нейроны мозга. Для глиаль-ных клеток оказался более необходимым медленный сон.
Получены и другие интересные результаты изучения биохимии медленного сна. Так, только при медленном сне у людей происходит значительное поступление из гипоталамуса в кровь гормона роста. Эта закономерность не изменяется ни при каких нарушениях смены циклов сна в течение суток. Выход гормона роста в общий кровоток организма говорит об усилении биосинтеза белков в периферических тканях организма. Таким образом, фаза медленного сна нужна для восстановления органов тела, а быстрый сон - для восстановления работоспособности мозга.
Чем выше организовано животное, чем лучше развита его нервная система, тем больше оно нуждается в быстром сне. Рыбы вообще не спят. У них - две формы отдыха: обездвижен-ность с потерей или сохранением мышечного тонуса. У амфибий также нет сна. Его заменяет обездвиженность с сохранением тонуса мышц. У рептилий (пресмыкающихся) можно наблюдать нечто похожее на медленный сон, у крокодилов - наиболее высокоразвитых среди них намечается что-то вроде небольших периодов фаз быстрого сна. У птиц уже хорошо выражен и медленный и быстрый сон (последний, правда, занимает лишь один процент сна) и наблюдается еще одно состояние во сне, которое есть у более примитивных животных - каталепсия (оцепенение). Если у крыс в быстром сне идет накопление белков и рибонуклеиновых кислот в нейронах и глии супра-оптического ядра, то у кур при каталепсии этого нет, содержание белка в клетках мозга у них даже падает. Обездвиженность животных - это отдых пассивный в биохимическом отношении. А быстрый сон - это активный процесс обмена веществ в клетках мозга.
В свое время известный советский биохимик А. В. Палладии указывал, что состояние сна не подразумевает бездеятельности головного мозга и что его активность при этом может и не ослабляться, а направляться на восстановление его функциональной работоспособности. При сне включается механизм повышения обмена глюкозы и других богатых энергией веществ. Причем уровень их использования не менее высокий, чем в бодрствовании.
При длительном полном лишении сна снижается активность окислительных процессов и падает синтез АТФ (аденозинтрифосфорной кислоты), необходимый для обеспечения энергией всех реакций, проходящих в клетках. При лишении быстрого сна содержание свободного гликогена снижается. Более чем на 50 процентов повышается содержание аммиака. Возможно, аммиак является одним из факторов, вызывающих утомление мозга. Нарушения сна могут приводить к заметным сдвигам обмена аминокислот - к торможению биосинтеза белков. При приеме снотворных (так называемых барбитуратов) естественный ритм сна нарушается. Эти снотворные снимают фазы быстрого сна со всеми вытекающими отсюда последствиями, всей суммой нарушений биохимических реакций в клетках мозга.
Попробуем подвести итог сказанному выше. Возможно, в нейрохимическом отношении сон нужен прежде всего для своеобразного ремонта именно белковых структур в клетках нервной ткани, для перестройки тех белковых молекул, которые повреждаются при функциональной активности в течение длительного бодрствования. Это прежде всего нерастворимые структурные белки синаптических мембран нейронов. Структурные белки изменяются, и затрудняется проводимость через синапсы, возникает утомление. При сне они восстанавливаются, и утомление исчезает. Это ответ на вопрос (правда, пока еще неполный и неокончательный): для чего нужен сон?
В. В. Меншуткин,
доктор биологических наук
Математика подтверждает эволюцию
Издавна люди разделили изучение природы на отдельные области знания различные науки. В каждой из наук есть, в свою очередь, почти бесчисленные подразделения на узкие отрасли. И это необходимо, так как при современном объеме информации один не может познать все. Природа же не знает такого разделения - в ней все взаимосвязано. И пока человек не осознает этой связи между различными явлениями природы, он не сможет ею разумно управлять.
Ныне биология стала объединяться с другими науками, казалось бы от нее далекими, - физикой, астрономией, математикой. И это тоже необходимо, чтобы осмыслить закономерности природы.
Тем исследователям, которым посчастливилось одновременно и в достаточной мере знать и математику, и биологию, удалось создать так называемые математические модели биологических процессов. Математические модели оказались одним из интереснейших и увлекательнейших методов познания закономерностей живой природы и обобщения знаний.
Одним из первых математическую модель создал в 1910 г. англичанин Росс. Она отражала динамику зараженности малярийным плазмодием. Позже, в 1918 г., наш соотечественник Ф. И. Баранов создал математическую модель, в которой использовались простейшие дифференциальные уравнения. Модель Ф. И. Баранова описывала динамику численности рыб. Постепенно модели усложнялись и совершенствовались, становились настолько громоздкими, что исследовать их практически было невозможно до тех пор, пока в 1964 г. почти одновременно канадские ученые Лар-кин, Хоустон и мы для решения моделей применили цифровую электронно-вычислительную машину.
При создании математической модели перед исследователем встает ряд сложных проблем: выбор математического аппарата, языка для описания свойств исследуемого объекта, который должен быть в одинаковой степени понятен и для математика и для электронно-вычислительной машины. Любой биологический объект все время изменяет свое состояние. "Единственная постоянная вещь в мире - постоянные изменения", - говорил А. Эйнштейн. И это изменение (динамика) тоже должно найти отражение в математической модели. Исследователь создает несколько вариантов модели, выбирает наилучший, и дальнейшая "жизнь" модели продолжается на электронно-вычислительной машине.
Делать все науки "точными" - вот в чем громадная революционная роль вычислительных машин в истории науки. Математическое моделирование на ЭВМ позволяет количественно изучать сложные системы, а именно сложность объекта и отличает биологию от классической механики.
У нас созданы математические модели, помогающие исследователям изучать жизнь и находить способы для управления различными ее процессами.
Мы привыкли к мысли о материальности окружающего нас мира, в том числе и биологической его части. Но современная наука, в частности кибернетика, утверждает нечто большее - мир не только материален, но и поддается количественному описанию. Перефразируя известное изречение И. М. Сеченова, можно сказать, что все - начиная от блеска далеких звезд, шума океанского прибоя и полета пчелы до первого крика ребенка, вдохновенного танца балерины и творческой мечты ученого - может быть описано количественно, то есть на языке математики. Конечно, от этого "может быть описано" до простого "описано" путь долгий и трудный, но ученому нужна уверенность в том, что, как нет непознаваемых вещей, а есть только еще непознанные, так нет вещей, математических моделей которых принципиально нельзя сделать. "Знать - значит уметь моделировать!" - так сказал И. А. Полетаев на одной из конференций по философским вопросам моделирования.
Математические модели в точных науках - физике, астрономии существуют чуть ли не со времен древних греков и ни в каких ЭВМ для своей реализации не нуждались. А вот для биологии, экономики, социологии необходимы ЭВМ.
В биологии, даже если речь идет о жизни отдельного организма, имеются сотни разных зависимостей.
Предположим, растет какая-то рыбешка в захудалом озерке. Зависит этот рост не только от того, какое время она прожила, вылупившись из икринки, но и от того, какая была температура воды, сколько и какого было корма, много ли было других рыб в озере, каковы были родители этой рыбы и от многого, многого другого. "Много причин - много следствий" - вот чем отличаются неточные науки от точных. "Проклятие многомерности" - так говорят математики.
Однажды потребовалось решить вопрос о судьбе озера - не вымышленного, а существовавшего в действительности, - населенного рыбами, насекомыми, водорослями. Все живое в этом озере связано друг с другом своими особыми связями. Нужно было создать модель этой сложной системы. В такой модели объединяется и обобщается труд многих исследователей - ботаников, ихтиологов, гидрологов, гидрофизиков, зоологов беспозвоночных, энтомологов и т. д. - в общем всех, кто это озеро изучал. На его берегах жили и вели свои наблюдения ученые многих специальностей. Одной из задач, стоявших перед ними, было сделать верный вывод об эксплуатации озера.
Как рациональнее его использовать? Для ловли и разведения рыбы, для создания на его берегах турбазы или для снабжения какого-нибудь поселка?
Объективно и независимо ответ должна была дать ЭВМ, после того как была создана математическая модель этого озера, отражающая в динамике все его особенности, суммирующая наблюдения разных специалистов. Взвесив все "за" и "против", ЭВМ пришла к несколько неожиданному выводу: не трогать озеро, оставить его таким, какое оно есть...
Как-то заметили, что в небольшом водоеме по неизвестным причинам в огромном количестве гибнут мальки. Предположили, что их гибель происходит в результате одной из трех причин: нехватки корма, гибели от паразитов, гибели в результате того, что ими питаются взрослые особи того же вида (в рыбных сообществах известна эта крайняя степень непонимания между "отцами" и "детьми"). Три вероятные причины гибели мальков были выражены математически - была построена математическая модель. ЭВМ, проанализировав все три возможных варианта, ответила, что мальки гибнут от голода.
Так как модель отражала различные сроки развития мальков, то ЭВМ еще показала приблизительно и время, в которое произошла их гибель. Это был вполне конкретный случай, когда модель помогла человеку вмешаться в процесс, происходивший в природе, и подсказала, как и когда можно предотвратить гибель мальков. Наблюдения, проведенные в этом озере, подтвердили верность решения ЭВМ.
Как проверить модель? Действительно ли она соответствует тому, что есть в природе?
Прежде чем начать пользоваться моделью, исследователь устраивает ей жесточайший экзамен. Какое-то хорошо изученное поведение объекта тщательно "скрывают" от модели (то есть просто не используют данных об этом явлении при ее построении), а потом ставят модель в те условия, при которых исследователь уже знает, как вел себя оригинал. Модель считается верной тогда, когда величины, выбранные в качестве контрольных и не использованные при ее построении, удовлетворительно совпадут в модели и в оригинале.
Математическая модель биологического процесса должна "жить" - отражать свойства живого к самовоспроизведению, приспособляемости к изменениям окружающей среды, к эволюции, иначе это не будет модель живого - ведь, согласно классическому определению, она должна отражать существенные черты оригинала. И она действительно "живет", только в модели нервной клетки, например, тысячные доли секунды оборачиваются минутами, а в модели эволюции животных годы - секундами.
Однажды создавалась математическая модель, которая должна была отразить зависимость жизни колюшки от количества корма и других факторов в озере Дальнем на Камчатке. "Ожив" на ЭВМ, эта модель дала удивительный результат - получалось, что колюшка, размножаясь, буквально до отказа набьет все озеро. Этот результат не соответствовал действительности. Пришлось изменить в модели один из коэффициентов - повысить смертность рыбы. После этого все пришло в норму. Оказалось, что и на самом деле в озере Дальнем существует причина, повышающая смертность колюшки и не учтенная нами в первоначальном варианте модели, - кишечный паразит. В естественных условиях этот вредный фактор для отдельных рыб служит на пользу всей популяции - благодаря ему происходит регуляция размножения.
Интересные результаты получились, когда в лаборатории решили сделать две модели. Первая должна была отражать борьбу за жизнь колюшки, вторая осетровой рыбы нерки. Затем было решено "стравить" эти две модели в
ЭВМ, то есть математически представить ситуацию, при которой колюшка и нерка будут бороться за жизнь из-за нехватки корма. Кто из них окажется сильнее? Как они поведут себя в этой борьбе?
Вначале, когда корма было достаточно, обе популяции благоденствовали. Корм убавили - стало меньше и колюшки, и нерки. Когда жить рыбам стало вовсе туго, начались самопроизвольные резкие колебания численности: то рыбы много, то очень мало. Это явление называется "волнами жизни", на него впервые обратил внимание известный генетик С. С. Четвериков в 1915 г. как на важный фактор эволюции. Так чисто качественная теория получила свое количественное подтверждение на математической модели. Когда корма стало еще меньше, колюшка, чтобы сохранить вид, начала жертвовать поколениями: размножаться не каждый год. Когда еще убавили корм - это привело к гибели обоих популяций.
Метод математического, или кибернетического, эксперимента, широко применяемый при моделировании биологических систем, ставит перед математикой несколько непривычную для нее проблему получения нового знания не путем доказательства теорем, а путем обобщения экспериментальных фактов. Моделирование биологических процессов не ограничивается только изучением жизни различных популяций рыб в озерах или заливах морей. Удалось, например, создать модель нервного механизма взлета и посадки саранчи.
Путем моделирования была вскрыта схема связей нервных клеток нейронов в ганглии (нервном узле), заведующем взлетом и посадкой. Представьте, что перед вами транзисторный приемник и вам не разрешили его вскрыть. Вы знаете только, сколько в нем транзисторов, но нужно узнать его схему, не заглядывая внутрь (такая задача в кибернетике называется задачей "черного ящика").
То же и с саранчой - в электронный микроскоп видно, что в ганглии, управляющем взлетом и посадкой, не то пять нейронов, не то семь, но не больше. На модели были перебраны все возможные допустимые соединения нервных клеток, и наконец была получена единственная схема, которая работала точно так же, как живая саранча: коснешься хвоста - немедленный взлет; ножки оторвались от земли, но голова не обдувается встречным потоком воздуха (это не полет, а "провокация" со стороны физиологов!) - крылья взмахнут десяток раз и остановятся (нас не проведешь!). И так всевозможные комбинации. В результате при помощи математической модели удалось увидеть то, что не видно в самый сильный электронный микроскоп, - схему соединения нервных клеток.
Как в процессе эволюции появились специализированные клетки и ткани, как менялась форма тела живых существ на Земле? Математическое моделирование открывает реальные возможности сделать и теорию эволюции количественной теорией. "Дарвиновская теория эволюции должна занять подобающее ей место в точном естествознании" [А. М. Молчанов. Колебательные процессы в биологических и химических системах. Сб. М., 1966, стр. 292 308.].
Изучение процесса биологической эволюции всегда представляет трудность. Ведь непосредственно наблюдать его и проводить эксперименты мы не можем. Опыт, накопленный при построении моделей популяций и сообществ водных животных, позволил при моделировании микро- и макроэволюционного процессов (то есть при моделировании процесса эволюции отдельной особи и эволюции биологического целого вида) учесть не только генетическую, но и экологическую сторону разбираемого явления.
У нас была, например, создана математическая модель эволюционного процесса популяции веслоногих ракообразных Copepoda. В ней в качестве среды обитания модельным животным был предложен участок морского побережья, причем была предусмотрена возможность эпизодического выхода на сушу, изобилующую кормом. В модели могли одновременно существовать до ста видов животных, и начальным состоянием во всех случаях было червеобразное животное с одинаковыми члениками, отсутствием конечностей и панциря и примитивной нервной системой. Предусматривалась возможность воздействия хищ-ников на животных, обитающих в водной среде, и тогда преимущества были у тех, кто обладал жестким панцирем. Наличие развитых клешней также способствовало обороне. Всего в модели учитывалось 48 различных признаков и условий (скорость перемещения животного, факторы гибели или процветания вида, возможные изменения члеников или конечностей, способность ползать по грунту или вести прикрепленный образ жизни и т. д. и т. п.).
Первые эксперименты с разработанной моделью проводились в условиях полного отсутствия хищников, изобилия пищи и постоянства внешней среды. Уже на втором десятке временных шагов исходные червеобразные животные, ведущие планктонный образ жизни, начали переходить к обитанию на грунте. Первым устойчивым эволюционным приобретением у них было появление длинных антенн уже к сотому временному шагу (Т =100). Дальше у них появились жвалы, которые потом превратились в клешни.
Введенное в качестве внешних условий воздействие хищников существенно изменило протекание эволюционного процесса. Наиболее стойким обязательным признаком модельных животных стало наличие жесткого панциря. Удалось построить четыре варианта эволюционного процесса, протекавшие в одинаковых условиях.
Тела нейронов, в которых есть серотонин, находятся в ядрах шва каудального ("кау-да" - хвост по-латыни) отдела мозгового ствола, и от них идут восходящие (к переднему отделу, коре) и нисходящие (в спинной мозг) длинные отростки нервных клеток - аксоны.
Если бодрствование поддерживается норад-реналин- и дофаминергическими нейронами, то переход от бодрствования в фазу медленного сна ["Медленным сном" эта фаза сна названа потому, что во время ее глубокой стадии на электроэнцефалограмме наблюдаются медленные дельта-волны (ритмы электрической активности мозга принято обозначать буквами греческого алфавита).] (с этой фазы всегда начинается сон) - серотонинергическими. Переход от медленного к быстрому сну еще до конца не расшифрован, однако и тут уже есть довольно обоснованная гипотеза. По образному сравнению М. Жувэ, как у хорошего кассира сейф открывается тремя ключами, так быстрый сон, очевидно, зависит от возбуждения трех структур, содержащих ацетилхолин, серотонин и норадреналин. Таким образом, картина нашего сна постепенно начинает проясняться. Становятся понятны механизмы возникновения трех состояний, в которых мы живем: бодрствования, медленного и быстрого сна.
Быстрые движения глаз в быстром (парадоксальном) сне, вероятно, связаны с возбуждением холинергических нейронов. Эта же система, возможно, вызывает и падение тонуса всех скелетных мышц при быстром сне единственном естественном периоде полного расслабления в нашей жизни.
Однако, если сон - активное рабочее состояние, неясно, для чего он нужен. Неясно также, почему эта удивительная работа приносит ощущение обновления и отдыха.
Еще в начале нашего столетия было предложено несколько теорий, объясняющих необходимость сна. Французские ученые Лежандр и Пьерон опубликовали работу, где говорилось о том, что при сне после длительной бессонницы в сыворотке крови, тканях мозга и спинномозговой жидкости собак накапливаются вещества, способные вызывать сон у бодрствующих животных.
Много лет спустя, уже в наше время, американский биохимик Паппенхаймер и швейцарский Моннье сумели доказать, что в мозгу у спящих животных накапливается вещество, способное вызывать медленный сон у бодрствующих. Моннье выделил это вещество в чистом виде из крови кроликов. Паппенхаймер обнаружил в спинномозговой жидкости коз, спавших после длительного лишения сна, фактор-S, вызывающий сон. Вещество, выделенное Моннье, оказалось пептидом, производным девяти аминокислот. Пептид (Моннье назвал его дельта-фактором) удалось синтезировать искусственно. Так было получено естественное снотворное, одинаковое для всех спящих млекопитающих, независимо от того, к какому виду они принадлежат, в том числе и для человека.
Дельта-фактор появляется при сне. Но почему появляется сон? Вызывает ли его это вещество, или появление дельта-фактора - следствие наступления сна? Какие биохимические изменения происходят во сне в клетках мозга? И если происходят, то во время каких фаз: в быстром или в медленном сне (или и в том и в другом)? Для того чтобы получить ответы на эти вопросы, необходимо было продолжать исследования.
Объектом исследований в нашей лаборатории были крысы. Сон у крыс короткий, от 15 до 30 минут, но в общей сложности они спят довольно много. После максимального по продолжительности сна мозг крысы исследовался биохимически.
В стволе мозга наряду с другими есть два скопления нейронов, два ядра - супраоптиче-ское и красное. Исследовали нейроны и гли-альные клетки этих ядер. При стрессовых состояниях из супраоптического ядра выделяются белки гормоны, поступающие в общий кровоток организма. Эти вещества оказывают влияние на активность гипофиза и всей эндокринной системы. Красное ядро тоже обладает высокой интенсивностью белкового обмена, но несет другие функции. Оно не имеет отношения ни к стрессовым состояниям, ни ко сну, а связано со спинным мозгом, мозжечком и корой головного мозга.
Было установлено, что у крыс в естественном сне идет накопление гистоноподобных белков и рибонуклеиновых кислот в клетках глии супраоптического ядра, причем за 10 - 20 минут сна их накапливается на 20 30 процентов больше по сравнению с бодрствованием. В нейронах этого ядра при сне накапливаются рибонуклеиновые кислоты. В то же время в нейронах красного ядра содержание белков несколько снижается.
При лишении крыс быстрого сна результаты получились неожиданные и очень интересные. В то время, когда наступает фаза быстрого сна, падает тонус скелетных мышц. Расслабление начинается с мышц шеи и затем охватывает все мышцы тела. Если крысу посадить на небольшую (5x5 см) площадку, выступающую над водой на 3 - 4 сантиметра, то животное окунет мордочку в воду или даже свалится в нее, как только перейдет в фазу быстрого сна. Очутившись на площадке снова, крыса через некоторое время опять уснет. Сон всегда начинается с медленного сна. Через некоторое время наступит быстрый сон, и все повторится сначала.
Лишение крыс быстрого сна привело к резкому падению уровня белков и в нейронах, и в глиальных клетках мозга. В нейронах оно вызывало количественно даже более резкие изменения, чем лишение обеих фаз сна. Если эксперимент с лишением быстрого сна продолжался более суток, содержание белка в клетках мозга несколько повышалось, затем стабилизировалось, но не достигало исходного уровня. Он восстанавливался лишь тогда, когда животному давали спать в быстром сне.
Аналогичные результаты были получены, когда исследовались другие отделы мозга.
Теменная область коры больших полушарий суммирует сигналы, поступающие в мозг, и образует часть регуляторной системы, определяющей целостное поведение животного. Деятельность этих областей коры отображает общий уровень активности всего головного мозга. В Институте нейрокибернетики Ростовского университета для исследования белкового обмена был использован электрофизиолого-цитохимичеокий метод. По записи электрической активности мозга можно было точно установить, в какой фазе сна находится животное, и с помощью специального устройства, вживленного в мозг, быстро взять на анализ кусочек ткани. (Животное при этом не ощущало боли и не просыпалось.) Метод обеспечивал быструю фиксацию ткани, ее хорошую сохранность и проводился в условиях свободного поведения животного. Анализ подтвердил результаты предшествовавших опытов - при Лишении быстрого сна резко снижалось содержание белка в клетках мозга.
Значение белков в клетках мозга многообразно и определяется уникальными свойствами каждой из 20 аминокислот, входящих в состав белковой молекулы. Широкие функциональные возможности белковых молекул зависят от способности к изменению их конфигурации в ответ на воздействие. Эти изменения обратимы, то есть после того, как воздействия закончатся, молекула белка возвращается в первоначальное состояние. Белки и вся синтезирующая их система играют первостепенную роль в процессах возбуждения, торможения, запоминания и других сторонах многообразной функции нервной системы. Между функциональной сложностью отделов нервной системы и содержанием в них белков имеется определенная зависимость: выше содержание белков в больших полушариях головного мозга, меньше в его подкорковых областях и еще меньше - в спинном мозге. При лишении фаз быстрого сна больше страдали нейроны мозга. Для глиаль-ных клеток оказался более необходимым медленный сон.
Получены и другие интересные результаты изучения биохимии медленного сна. Так, только при медленном сне у людей происходит значительное поступление из гипоталамуса в кровь гормона роста. Эта закономерность не изменяется ни при каких нарушениях смены циклов сна в течение суток. Выход гормона роста в общий кровоток организма говорит об усилении биосинтеза белков в периферических тканях организма. Таким образом, фаза медленного сна нужна для восстановления органов тела, а быстрый сон - для восстановления работоспособности мозга.
Чем выше организовано животное, чем лучше развита его нервная система, тем больше оно нуждается в быстром сне. Рыбы вообще не спят. У них - две формы отдыха: обездвижен-ность с потерей или сохранением мышечного тонуса. У амфибий также нет сна. Его заменяет обездвиженность с сохранением тонуса мышц. У рептилий (пресмыкающихся) можно наблюдать нечто похожее на медленный сон, у крокодилов - наиболее высокоразвитых среди них намечается что-то вроде небольших периодов фаз быстрого сна. У птиц уже хорошо выражен и медленный и быстрый сон (последний, правда, занимает лишь один процент сна) и наблюдается еще одно состояние во сне, которое есть у более примитивных животных - каталепсия (оцепенение). Если у крыс в быстром сне идет накопление белков и рибонуклеиновых кислот в нейронах и глии супра-оптического ядра, то у кур при каталепсии этого нет, содержание белка в клетках мозга у них даже падает. Обездвиженность животных - это отдых пассивный в биохимическом отношении. А быстрый сон - это активный процесс обмена веществ в клетках мозга.
В свое время известный советский биохимик А. В. Палладии указывал, что состояние сна не подразумевает бездеятельности головного мозга и что его активность при этом может и не ослабляться, а направляться на восстановление его функциональной работоспособности. При сне включается механизм повышения обмена глюкозы и других богатых энергией веществ. Причем уровень их использования не менее высокий, чем в бодрствовании.
При длительном полном лишении сна снижается активность окислительных процессов и падает синтез АТФ (аденозинтрифосфорной кислоты), необходимый для обеспечения энергией всех реакций, проходящих в клетках. При лишении быстрого сна содержание свободного гликогена снижается. Более чем на 50 процентов повышается содержание аммиака. Возможно, аммиак является одним из факторов, вызывающих утомление мозга. Нарушения сна могут приводить к заметным сдвигам обмена аминокислот - к торможению биосинтеза белков. При приеме снотворных (так называемых барбитуратов) естественный ритм сна нарушается. Эти снотворные снимают фазы быстрого сна со всеми вытекающими отсюда последствиями, всей суммой нарушений биохимических реакций в клетках мозга.
Попробуем подвести итог сказанному выше. Возможно, в нейрохимическом отношении сон нужен прежде всего для своеобразного ремонта именно белковых структур в клетках нервной ткани, для перестройки тех белковых молекул, которые повреждаются при функциональной активности в течение длительного бодрствования. Это прежде всего нерастворимые структурные белки синаптических мембран нейронов. Структурные белки изменяются, и затрудняется проводимость через синапсы, возникает утомление. При сне они восстанавливаются, и утомление исчезает. Это ответ на вопрос (правда, пока еще неполный и неокончательный): для чего нужен сон?
В. В. Меншуткин,
доктор биологических наук
Математика подтверждает эволюцию
Издавна люди разделили изучение природы на отдельные области знания различные науки. В каждой из наук есть, в свою очередь, почти бесчисленные подразделения на узкие отрасли. И это необходимо, так как при современном объеме информации один не может познать все. Природа же не знает такого разделения - в ней все взаимосвязано. И пока человек не осознает этой связи между различными явлениями природы, он не сможет ею разумно управлять.
Ныне биология стала объединяться с другими науками, казалось бы от нее далекими, - физикой, астрономией, математикой. И это тоже необходимо, чтобы осмыслить закономерности природы.
Тем исследователям, которым посчастливилось одновременно и в достаточной мере знать и математику, и биологию, удалось создать так называемые математические модели биологических процессов. Математические модели оказались одним из интереснейших и увлекательнейших методов познания закономерностей живой природы и обобщения знаний.
Одним из первых математическую модель создал в 1910 г. англичанин Росс. Она отражала динамику зараженности малярийным плазмодием. Позже, в 1918 г., наш соотечественник Ф. И. Баранов создал математическую модель, в которой использовались простейшие дифференциальные уравнения. Модель Ф. И. Баранова описывала динамику численности рыб. Постепенно модели усложнялись и совершенствовались, становились настолько громоздкими, что исследовать их практически было невозможно до тех пор, пока в 1964 г. почти одновременно канадские ученые Лар-кин, Хоустон и мы для решения моделей применили цифровую электронно-вычислительную машину.
При создании математической модели перед исследователем встает ряд сложных проблем: выбор математического аппарата, языка для описания свойств исследуемого объекта, который должен быть в одинаковой степени понятен и для математика и для электронно-вычислительной машины. Любой биологический объект все время изменяет свое состояние. "Единственная постоянная вещь в мире - постоянные изменения", - говорил А. Эйнштейн. И это изменение (динамика) тоже должно найти отражение в математической модели. Исследователь создает несколько вариантов модели, выбирает наилучший, и дальнейшая "жизнь" модели продолжается на электронно-вычислительной машине.
Делать все науки "точными" - вот в чем громадная революционная роль вычислительных машин в истории науки. Математическое моделирование на ЭВМ позволяет количественно изучать сложные системы, а именно сложность объекта и отличает биологию от классической механики.
У нас созданы математические модели, помогающие исследователям изучать жизнь и находить способы для управления различными ее процессами.
Мы привыкли к мысли о материальности окружающего нас мира, в том числе и биологической его части. Но современная наука, в частности кибернетика, утверждает нечто большее - мир не только материален, но и поддается количественному описанию. Перефразируя известное изречение И. М. Сеченова, можно сказать, что все - начиная от блеска далеких звезд, шума океанского прибоя и полета пчелы до первого крика ребенка, вдохновенного танца балерины и творческой мечты ученого - может быть описано количественно, то есть на языке математики. Конечно, от этого "может быть описано" до простого "описано" путь долгий и трудный, но ученому нужна уверенность в том, что, как нет непознаваемых вещей, а есть только еще непознанные, так нет вещей, математических моделей которых принципиально нельзя сделать. "Знать - значит уметь моделировать!" - так сказал И. А. Полетаев на одной из конференций по философским вопросам моделирования.
Математические модели в точных науках - физике, астрономии существуют чуть ли не со времен древних греков и ни в каких ЭВМ для своей реализации не нуждались. А вот для биологии, экономики, социологии необходимы ЭВМ.
В биологии, даже если речь идет о жизни отдельного организма, имеются сотни разных зависимостей.
Предположим, растет какая-то рыбешка в захудалом озерке. Зависит этот рост не только от того, какое время она прожила, вылупившись из икринки, но и от того, какая была температура воды, сколько и какого было корма, много ли было других рыб в озере, каковы были родители этой рыбы и от многого, многого другого. "Много причин - много следствий" - вот чем отличаются неточные науки от точных. "Проклятие многомерности" - так говорят математики.
Однажды потребовалось решить вопрос о судьбе озера - не вымышленного, а существовавшего в действительности, - населенного рыбами, насекомыми, водорослями. Все живое в этом озере связано друг с другом своими особыми связями. Нужно было создать модель этой сложной системы. В такой модели объединяется и обобщается труд многих исследователей - ботаников, ихтиологов, гидрологов, гидрофизиков, зоологов беспозвоночных, энтомологов и т. д. - в общем всех, кто это озеро изучал. На его берегах жили и вели свои наблюдения ученые многих специальностей. Одной из задач, стоявших перед ними, было сделать верный вывод об эксплуатации озера.
Как рациональнее его использовать? Для ловли и разведения рыбы, для создания на его берегах турбазы или для снабжения какого-нибудь поселка?
Объективно и независимо ответ должна была дать ЭВМ, после того как была создана математическая модель этого озера, отражающая в динамике все его особенности, суммирующая наблюдения разных специалистов. Взвесив все "за" и "против", ЭВМ пришла к несколько неожиданному выводу: не трогать озеро, оставить его таким, какое оно есть...
Как-то заметили, что в небольшом водоеме по неизвестным причинам в огромном количестве гибнут мальки. Предположили, что их гибель происходит в результате одной из трех причин: нехватки корма, гибели от паразитов, гибели в результате того, что ими питаются взрослые особи того же вида (в рыбных сообществах известна эта крайняя степень непонимания между "отцами" и "детьми"). Три вероятные причины гибели мальков были выражены математически - была построена математическая модель. ЭВМ, проанализировав все три возможных варианта, ответила, что мальки гибнут от голода.
Так как модель отражала различные сроки развития мальков, то ЭВМ еще показала приблизительно и время, в которое произошла их гибель. Это был вполне конкретный случай, когда модель помогла человеку вмешаться в процесс, происходивший в природе, и подсказала, как и когда можно предотвратить гибель мальков. Наблюдения, проведенные в этом озере, подтвердили верность решения ЭВМ.
Как проверить модель? Действительно ли она соответствует тому, что есть в природе?
Прежде чем начать пользоваться моделью, исследователь устраивает ей жесточайший экзамен. Какое-то хорошо изученное поведение объекта тщательно "скрывают" от модели (то есть просто не используют данных об этом явлении при ее построении), а потом ставят модель в те условия, при которых исследователь уже знает, как вел себя оригинал. Модель считается верной тогда, когда величины, выбранные в качестве контрольных и не использованные при ее построении, удовлетворительно совпадут в модели и в оригинале.
Математическая модель биологического процесса должна "жить" - отражать свойства живого к самовоспроизведению, приспособляемости к изменениям окружающей среды, к эволюции, иначе это не будет модель живого - ведь, согласно классическому определению, она должна отражать существенные черты оригинала. И она действительно "живет", только в модели нервной клетки, например, тысячные доли секунды оборачиваются минутами, а в модели эволюции животных годы - секундами.
Однажды создавалась математическая модель, которая должна была отразить зависимость жизни колюшки от количества корма и других факторов в озере Дальнем на Камчатке. "Ожив" на ЭВМ, эта модель дала удивительный результат - получалось, что колюшка, размножаясь, буквально до отказа набьет все озеро. Этот результат не соответствовал действительности. Пришлось изменить в модели один из коэффициентов - повысить смертность рыбы. После этого все пришло в норму. Оказалось, что и на самом деле в озере Дальнем существует причина, повышающая смертность колюшки и не учтенная нами в первоначальном варианте модели, - кишечный паразит. В естественных условиях этот вредный фактор для отдельных рыб служит на пользу всей популяции - благодаря ему происходит регуляция размножения.
Интересные результаты получились, когда в лаборатории решили сделать две модели. Первая должна была отражать борьбу за жизнь колюшки, вторая осетровой рыбы нерки. Затем было решено "стравить" эти две модели в
ЭВМ, то есть математически представить ситуацию, при которой колюшка и нерка будут бороться за жизнь из-за нехватки корма. Кто из них окажется сильнее? Как они поведут себя в этой борьбе?
Вначале, когда корма было достаточно, обе популяции благоденствовали. Корм убавили - стало меньше и колюшки, и нерки. Когда жить рыбам стало вовсе туго, начались самопроизвольные резкие колебания численности: то рыбы много, то очень мало. Это явление называется "волнами жизни", на него впервые обратил внимание известный генетик С. С. Четвериков в 1915 г. как на важный фактор эволюции. Так чисто качественная теория получила свое количественное подтверждение на математической модели. Когда корма стало еще меньше, колюшка, чтобы сохранить вид, начала жертвовать поколениями: размножаться не каждый год. Когда еще убавили корм - это привело к гибели обоих популяций.
Метод математического, или кибернетического, эксперимента, широко применяемый при моделировании биологических систем, ставит перед математикой несколько непривычную для нее проблему получения нового знания не путем доказательства теорем, а путем обобщения экспериментальных фактов. Моделирование биологических процессов не ограничивается только изучением жизни различных популяций рыб в озерах или заливах морей. Удалось, например, создать модель нервного механизма взлета и посадки саранчи.
Путем моделирования была вскрыта схема связей нервных клеток нейронов в ганглии (нервном узле), заведующем взлетом и посадкой. Представьте, что перед вами транзисторный приемник и вам не разрешили его вскрыть. Вы знаете только, сколько в нем транзисторов, но нужно узнать его схему, не заглядывая внутрь (такая задача в кибернетике называется задачей "черного ящика").
То же и с саранчой - в электронный микроскоп видно, что в ганглии, управляющем взлетом и посадкой, не то пять нейронов, не то семь, но не больше. На модели были перебраны все возможные допустимые соединения нервных клеток, и наконец была получена единственная схема, которая работала точно так же, как живая саранча: коснешься хвоста - немедленный взлет; ножки оторвались от земли, но голова не обдувается встречным потоком воздуха (это не полет, а "провокация" со стороны физиологов!) - крылья взмахнут десяток раз и остановятся (нас не проведешь!). И так всевозможные комбинации. В результате при помощи математической модели удалось увидеть то, что не видно в самый сильный электронный микроскоп, - схему соединения нервных клеток.
Как в процессе эволюции появились специализированные клетки и ткани, как менялась форма тела живых существ на Земле? Математическое моделирование открывает реальные возможности сделать и теорию эволюции количественной теорией. "Дарвиновская теория эволюции должна занять подобающее ей место в точном естествознании" [А. М. Молчанов. Колебательные процессы в биологических и химических системах. Сб. М., 1966, стр. 292 308.].
Изучение процесса биологической эволюции всегда представляет трудность. Ведь непосредственно наблюдать его и проводить эксперименты мы не можем. Опыт, накопленный при построении моделей популяций и сообществ водных животных, позволил при моделировании микро- и макроэволюционного процессов (то есть при моделировании процесса эволюции отдельной особи и эволюции биологического целого вида) учесть не только генетическую, но и экологическую сторону разбираемого явления.
У нас была, например, создана математическая модель эволюционного процесса популяции веслоногих ракообразных Copepoda. В ней в качестве среды обитания модельным животным был предложен участок морского побережья, причем была предусмотрена возможность эпизодического выхода на сушу, изобилующую кормом. В модели могли одновременно существовать до ста видов животных, и начальным состоянием во всех случаях было червеобразное животное с одинаковыми члениками, отсутствием конечностей и панциря и примитивной нервной системой. Предусматривалась возможность воздействия хищ-ников на животных, обитающих в водной среде, и тогда преимущества были у тех, кто обладал жестким панцирем. Наличие развитых клешней также способствовало обороне. Всего в модели учитывалось 48 различных признаков и условий (скорость перемещения животного, факторы гибели или процветания вида, возможные изменения члеников или конечностей, способность ползать по грунту или вести прикрепленный образ жизни и т. д. и т. п.).
Первые эксперименты с разработанной моделью проводились в условиях полного отсутствия хищников, изобилия пищи и постоянства внешней среды. Уже на втором десятке временных шагов исходные червеобразные животные, ведущие планктонный образ жизни, начали переходить к обитанию на грунте. Первым устойчивым эволюционным приобретением у них было появление длинных антенн уже к сотому временному шагу (Т =100). Дальше у них появились жвалы, которые потом превратились в клешни.
Введенное в качестве внешних условий воздействие хищников существенно изменило протекание эволюционного процесса. Наиболее стойким обязательным признаком модельных животных стало наличие жесткого панциря. Удалось построить четыре варианта эволюционного процесса, протекавшие в одинаковых условиях.