Живой орган в чашке Петри выдаёт петли экспресс
Ночной город: в одних окнах горит свет, в других темно. Если соединить линиями окна, которые зажигаются одновременно, получится паутина связей. Такую паутину исследователи изучили для крошечных мозговых органоидов — живых скоплений нервных клеток, выращенных в лаборатории.
Они записывали электрические сигналы десятков нейронов и строили сеть, где сила связи между клетками зависела от того, насколько синхронно они срабатывают. Затем математическим методом — топологическим анализом — в этой сети искали петли: замкнутые цепочки из трёх и более нейронов. Петля — не просто группа друзей, а структура, способная передавать сигнал по кругу.
Эти петли оказались на удивление живучими. Случайное удаление нейронов почти не разрушало их. Но стоило прицельно убрать те клетки, которые входили в петли, — и структура рассыпалась. С ростом органоида появлялись и более сложные формы — пустоты в сети, похожие на полости в губке.
Так в электрическом шуме живых нейронов проступил чёткий геометрический каркас. Те же петли, что мерцали в сети, теперь видны как основа для будущих ритмов и волн — словно городские огни, складывающиеся в устойчивый узор.
Оригинальная аннотация
как её написали авторы, на английском arXiv:2607.16517
Neural activity is widely held to organize on low-dimensional structure embedded in a high-dimensional state space. Persistent homology reads such structure directly from the pattern of pairwise correlations, without assuming in advance which variables are relevant. We apply persistent homology to microelectrode-array (MEA) recordings of spontaneous activity from human (Lancaster) and mouse (Pa\c{s}ca) cortical organoids, spanning $$26$$--$$234$$ simultaneously sorted units, and ask whether topological data analysis resolves structure at the node counts that neural recordings actually deliver. Building weighted networks in correlation space and characterizing them by Vietoris--Rips filtration, we find that the first homology ($$H_1$$, loops) rises significantly above a rate- and population-preserving null in $$14$$ of $$18$$ datasets. This loop structure occupies a non-redundant core: it is robust to random removal of units yet disrupted by targeted removal of the units that carry it. Topological richness grows with network size, and second homology ($$H_2$$) emerges significantly above the null only in the larger networks. These results show that persistent homology resolves structured topology in neural recordings at the scale experiments actually deliver.
Органоиды мозга выращивают из стволовых клеток, и они могут спонтанно генерировать электрические импульсы, напоминающие активность настоящего мозга.