I DigiBrain-prosjektet arbeider fysikkprofessor Gaute Einevoll og biologiprofessor Marianne Fyhn side om side for å skjønne mer av hjernen. Et av målene i prosjektet er å forstå sykdomsmekanismene for mentale lidelser som schizofreni, slik at det blir mulig å måle fysiologiske parametre av sykdommen. Dette vil være et viktig bidrag til mer objektive og bedre diagnoser enn det vi har med dagens metoder, påpeker de to.


PUBLISERT 6.11.2019

Digitaliserer hjernen for å forstå hjernesykdom

Fysikeren sammenlikner hjerneforskning med værmeldingen og bruker matematiske formler for å forstå aktiviteten i hjernen. Biologen tester fysikerens resultater med virkeligheten. Takket være matematikkmodellene kan hun foreta målrettede eksperimenter i stedet for «å skyte med hagle». – Matematiske modeller og dagens kraftige datamaskiner åpner nye muligheter for hjerneforskningen. Samtidig klarer vi oss ikke uten dyreforsøk, sier professor Marianne Fyhn.

Biologer, fysikere og dataingeniører forsker sammen og bruker nå kraftige datamaskiner for å finne mekanismer bak hjernesykdommer. De leter etter fysiologiske parametre i hjernen for bl.a. mentale lidelser som schizofreni og bipolar lidelse. Hensikten er til slutt å kunne finne effektiv behandling.

Sammen holdt fysikkprofessor Gaute Einevoll og biologiprofessor Marianne Fyhn foredrag på Hjernehelsekonferansen 2019 nylig og snakket til en lyttende forsamling. De er begge knyttet til DigiBrain-prosjektet som er finansiert av Norges Forskningsråd, og der Fyhn ved Institutt for biovitenskap ved UiO er prosjektleder. De øvrige samarbeidspartnere er Fysisk Institutt ved UiO, Norsk senter for molekylær medisin ved UiO, NORMENT Norsk senter for forskning på mentale lidelser ved UiO og OUS, forskningsinstituttet Simula Research Laboratory, Norges miljø- og biovitenskapelige universitet, Universitetet i Tromsø, Kavli Institute for Systems Neuroscience, Pharmasum Therapeutics AS og Holberg EEG AS. Vi snakker med andre ord om tverrfaglighet på høyt nivå.

Værmeldingen og hjernen

– Hvorfor sammenlikner du hjerneforskningen med værmeldingen, Gaute Einevoll?

– Hjernen har en svært komplisert struktur. Her er det mange lag og nivåer: atom, molekyl, molekylnettverk, celler, cellenettverk og hjernen. Det er ulike skalaer i flere retninger, og det er aktiviteter i alle skalaene samtidig. Noe tilsvarende er det med været. Her må vi også ha mange data fra f.eks. trykk, temperatur, fuktighet osv. i både breddeskalaen og høydeskalen. Ut fra disse dataene og ved hjelp av matematiske modeller kan meteorologene nå regne ut hvordan været blir.

Den første gangen man regnet ut værmeldingen matematisk, var i 1954, men da var datakapasiteten til maskinene så liten at værmeldingen ikke var ferdig før etter at været var skjedd! Værmeldingen sjekket dermed om de matematiske modellene som ble brukt, var riktige. Først på 1970-80-talllet hadde man gode nok regnemodeller og sterke nok datamaskiner til å beregne værmeldingen i forkant av været. Stadig forbedres metodene, slik at meteorologene for hvert tiår nå kan forutsi været én dag lenger inn i fremtiden, sier Einevoll.

– Her er det flere paralleller til hjernen og hjerneforskningen. Tenk på værmeldingen, og du vil lettere forstå hva vi nå gjør med hjernen, fortsetter han. – De matematiske formlene vi bruker for å beskrive naturen på de ulike hjernenivåene, har vært kjent til dels lenge. På molekylærnivå bruker vi formler som ble utviklet på 1920-30 tallet i forbindelse med kvantemekanikken. Når det gjelder aktiviteten i hjernecellene, bruker vi formler som ble utviklet på 1950-60-tallet. Disse likner på formlene som brukes for elektriske kretser i datamaskiner knyttet til elektriske strømmer og spenninger. Det er flere årsaker til at vi ikke har kunnet bruke disse formlene på hjernen før nå. Sterke nok datamaskiner er den mest iøynefallende årsaken, for i hjerneforskningen trengs virkelig regnekraft. I tillegg har de biologiske dataene som er nødvendige, ikke vært tilgjengelige før den siste tiden. Den matematiske modellen vi bruker mest nå, «hermer» etter et cellenettverk på 250 000 nerveceller knyttet til synsbarken på mus. Denne modellen er fra Allen Institute for Brain Science i Seattle, forteller Einevoll.

Modellene må testes mot virkeligheten

Matematikkmodellene som Gaute Einevoll og hans fysikk- og matematikk-kollegaer utvikler, må imidlertid prøves på empirien, på virkeligheten.

– En matematisk modell er null verdt dersom den ikke testes mot empirien, sier biologiprofessoren Marianne Fyhn. – Er modellen relevant og beskriver den virkeligheten, eller gjør den det ikke? Det hender at vi må sende modellene tilbake, slik at de kan forbedres. Prosessene går altså begge veier.

Fysikere, matematikere og dataingeniører blir imidlertid stadig viktigere i hjerneforskningen. Vi jobber nå med så store datamengder at vi trenger å utvikle nye analyseverktøy for å forstå dataene. Og vi må ha stadig kraftigere datamaskiner, sier hun. Fyhn og andre i miljøet var derfor sentral i omleggingen av biologiutdanningen ved Biovitenskapelig institutt, så studentene får  kunnskap om dataprogrammering og modellering fra første dag.

Datamaskinene kan ikke overta

– Det viktige som Gaute og hans folk gjør gjennom de matematiske modellene, er å komme med testbare prediksjoner som peker på hva slags eksperimenter vi bør gjøre på labben på virkelige hjerner. Dette må knyttes til dyreforsøk, for vi kan ikke på samme måte gå inn med måleinstrumenter i menneskelige hjerner for å forske på fundamentale prosesser. Ved hjelp av disse prediksjonene kan hjerneforskningen bli mye mer effektiv. Vi kan fokusere bedre. Vi slipper «å skyte med hagle» for å bruke det bildet. Matematikkmodellene gjør at vi kan arbeide mer målrettet mot akkurat de hjernestrukturene eller prosessene som er viktig å forstå, påpeker hun.

– I dag kan noen komme til å tro at datamaskinene vil overta og gjøre alt i hjerneforskningen framover, fortsetter Fyhn. – Men jeg vil understreke at dette ikke er tilfelle, det vil heller ikke komme til å bli slik.  Nye oppdagelser er drivende for å utvikle nye modeller som kan hjelpe oss å forstå dataene. Og så må vi alltid teste analyseverktøyene våre og modellene mot virkeligheten.

Marianne Fyhn understreker også at kunnskapen fra laboratoriet bare gir små glimt og deler av prosessene som skjer i hjernen. En annen ting som matematikkmodellene og datamaskinene kan hjelpe oss med, er å fylle ut mellom glimtene. Dessuten hjelper de oss å linke nivåene og skalaene, for prosessene skjer på alle nivåer i hjernen samtidig.

Er det fysiologiske parametre i hjernen for schizofreni?

DigiBrain-prosjektet handler om å forstå mekanismene bak hjernesykdom. For mentale lidelser som schizofreni kan man i dag ikke ta en blodprøve for å stille diagnosen. Den er i stedet basert på at en psykiater vurderer pasienten ut fra et sett med subjektive og objektive kriterier. Da kan man stå i fare for at diagnosen varierer litt fra psykiater til psykiater. Et av målene i DigiBrain er å forstå sykdomsmekanismene så godt at det blir mulig å måle fysiologiske parametre. De vil være et viktig bidrag til mer objektive og bedre diagnoser og forståelse av sykdommen enn dagens metoder.

I denne delen av prosjektet samarbeider DigiBrain med NORMENT Norsk senter for forskning på mentale lidelser ved Universitetet i Oslo og Oslo universitetssykehus. Forskerne tar utgangspunkt i en stor verdensomspennende studie som har analysert prøver fra nesten 100 000 schizofreni-pasienter og like mange kontrollpersoner.

Man vet nå at schizofreni-pasienter har hyppigere forekomster av enkelte genvarianter. Man vet også at mange av disse genvariantene for schizofreni er knyttet til hjernecellers funksjon. De mange variantene gjør at det her dreier seg om et utall mulige kombinasjoner som bidrar til sykdomsbildet. Her kommer de matematiske modellene til nytte.

I dette DigiBrain-prosjektet ligger innovasjonen i å frembringe kunnskap om hva som skjer i hjernen når noe går galt, en kunnskap som er viktig for pasientene og samfunnet. En stor del av prosjektet er grunnforskning, men målet er at det skal munne ut i en plattform for å studere sykdomsmekanismer og gener som også studier av andre typer sykdommer kan bruke. På sikt skal metodene og kunnskapen fra DigiBrain finne nye verktøy for diagnostisering og bedre legemidler for hjernesykdommer.

-Og når kan vi ha disse legemidlene?

-Det vet vi foreløpig ikke, men forhåpentligvis vil man snart få større innsikt i underliggende årsaker, svarer de to professorene.

Del artikkel