Математику обычно не связывают с исследованиями болезни Альцгеймера. Однако Педро Майя, помощник профессора математики и науки о данных в Техасском университете в Арлингтоне, доказывает обратное. Он анализирует, как разные части мозга взаимодействуют друг с другом, как единая сеть, и это открывает новые горизонты в понимании одного из самых загадочных заболеваний.

Его последнее открытие, сделанное вместе с коллегами из Калифорнийского университета в Сан-Франциско, объясняет, почему болезнь Альцгеймера распространяется по мозгу неравномерно. С помощью сложных математических моделей ученые выяснили, почему одни области мозга более уязвимы перед тау-белком. Этот белок накапливается в нервных клетках и нарушает их работу, в то время как другие зоны мозга проявляют удивительную устойчивость.

Исследование опубликовали в авторитетном журнале Brain.

Интересно то, как математика, методы работы с данными и математическое моделирование могут дать нам новые ключи к разгадке болезни Альцгеймера, — говорит Майя.

Ученые создали специальный математический инструмент — расширенную модель сетевой диффузии. Она отслеживает, как тау-белок накапливается и перемещается по сложной сети взаимосвязанных регионов мозга. Эта модель позволила разделить гены на четыре типа:

• Сетевые провокаторы: гены, которые следуют сетевым паттернам мозга и повышают уязвимость.
• Сетевые защитники: гены, которые следуют паттернам, но обеспечивают защиту.
• Одиночные угрозы: гены, которые действуют независимо от сети, но повышают риск.
• Одиночные стражи: гены, которые действуют независимо и помогают защитить мозг.

Это серьезный шаг вперед в поиске ответа на вопрос, много лет ставивший ученых в тупик: почему одни участки мозга разрушаются быстро, а другие остаются нетронутыми?

Модель, как говорит Майя, «помогает нам распутать то, что раньше было просто бесформенным мешком генов».

Мозг неоднороден, — продолжает он. — Разные его регионы состоят из разных типов клеток и генов, и связи между ними тоже различаются. Области, которые сильнее связаны с другими или находятся ближе к уже пораженным зонам, более уязвимы. Изолированные регионы, как правило, более устойчивы.

В исследовании использовали данные 196 человек. Из них у 102 диагностировали раннюю стадию умеренных когнитивных нарушений, у 47 — позднюю стадию, и еще 47 человек уже страдали болезнью Альцгеймера. Ранее Майя и его коллеги работали с более контролируемыми исследованиями на грызунах.

Над человеческими данными работать сложнее из-за множества переменных, но они дают прямое понимание того, как болезнь развивается у реальных людей, — объясняет Майя. — Если мы хотим создать эффективные методы лечения для людей, нам нужны данные, полученные от людей.

В одном только Техасе почти полмиллиона человек живут с болезнью Альцгеймера. Штат занимает четвертое место в США по количеству случаев и второе — по числу смертей от этого заболевания. По оценкам местного департамента здравоохранения, это обходится штату в 24 миллиарда долларов ежегодно.

Для Майи применение математики в исследовании Альцгеймера — дело особой важности. Он видит в этом часть большого сдвига в самой науке.

В прошлом веке главным источником вдохновения для математиков была физика, — говорит он. — Сегодня это биология, и особенно мозг. Если вы готовы к междисциплинарному диалогу, вы увидите, что математическому моделилению еще есть что предложить.

Реальная польза этого исследования заключается в переходе от констатации фактов к прогнозированию и персонализации. Если раньше мы знали, что тау-белок распространяется и что некоторые зоны страдают первыми, то теперь у нас появляется инструмент, который может смоделировать индивидуальный «сценарий» развития болезни для конкретного человека на основе сканов его мозга и генетических данных. Это открывает путь:

• К ранней и более точной диагностике: можно будет выявлять группу риска и начинать терапию на доклинической стадии, когда лечение наиболее эффективно.
• К разработке целевых лекарств: понимая, какие именно гены и сетевые взаимодействия ведут к уязвимости, фармакологи смогут создавать препараты, которые будут «укреплять» слабые звенья сети, а не действовать вслепую.
• К оценке эффективности лечения: модель может показать, не просто снизился ли уровень белка, но и изменилась ли картина его потенциального распространения, то есть дать более глубокий прогноз.

По сути, это перевод борьбы с Альцгеймером из области экстенсивного поиска в область целенаправленного инжиниринга мозговых сетей.

Основное критическое замечание касается причинно-следственной связи. Модель блестяще описывает корреляцию между сетевой структурой, генетическим профилем и распространением тау-патологии. Однако она не доказывает, что именно сетевое распространение является первопричиной уязвимости. Возможно, некоторые регионы изначально биохимически более слабы (например, из-за особенностей метаболизма), и именно это делает их легкой мишенью, а их сетевая позиция — лишь вторичный фактор, облегчающий «захват» следующей территории. Для подтверждения гипотезы необходимы длительные лонгитюдные исследования, которые начнутся до появления симптомов и будут отслеживать, предшествуют ли сетевые изменения биохимическим, или наоборот.

Ранее ученые сообщили о 138 препаратах от деменции в разработке.