Колд-Спринг-Харбор: клетки мозга сохраняют родословную и выстраиваются по семейным связям

Почему клетки помнят своих предков: как из одной клетки рождается мозг (и что это значит для ИИ)

Представьте: из одной оплодотворенной клетки за девять месяцев собирается орган из 86 миллиардов нейронов. Причем каждый нейрон знает свое место — словно солдаты на плацу. Раньше наука объясняла эту точность только химическими сигналами: клетки «перекрикиваются» особыми молекулами. Но как быть, когда расстояние слишком велико? Свежее исследование из лаборатории Колд-Спринг-Харбор показало: клетки не только «кричат» — они еще и «помнят» свою родословную. И это меняет всё.

Я недавно наблюдал за процессом деления клеток в культуре — зрелище гипнотическое. Дочерние клетки, расходясь, держались рядом — буквально «за руку» через цитоплазматические мостики. Тогда я задумался: может, это не случайность, а встроенный механизм?

Оказалось, да. Исследователи построили математическую модель, проверенную на мышах и рыбах данио. Результаты — в журнале Neuron от 19 марта 2026 года.

Старая парадигма: химия — не панацея

Долгое время считалось, что координация нейронов — это чистая биохимия. Молекулы-мессенджеры, градиенты концентраций, рецепторы. Работает, но с оговорками. Сигнал быстро затухает. Для мозга размером с грейпфрут этого мало. Клетки, удаленные друг от друга, просто не услышат «крика». Значит, нужен дополнительный механизм.

Клеточная родословная: семейный альбом вместо карты

Ученые предположили: клетки получают не только химические подсказки, но и «паспорт происхождения». Когда клетка делится, дочерние клетки наследуют не только ДНК, но и пространственную информацию — своеобразную «прописку». Они запоминают, где были их «родители», и остаются рядом. Это пространственная близость, закрепленная делением.

Математическая модель показала: даже без дальних химических сигналов одна лишь клеточная родословная способна создать упорядоченные структуры. Клетки, произошедшие от общего предка, группируются — как члены семьи в одном квартале.

«Позиционная информация наследуется дочерними клетками. Это связь между паттернами деления и миграции, которую раньше не учитывали» — комментируют авторы в статье.

Эксперименты подтвердили: паттерны экспрессии генов в развивающемся мозге мышей и рыбок данио соответствуют модели. Причем для мозга любого размера — от крошечного до человеческого.

Как это работает: пошаговая схема «семейного подряда»

• Шаг 1. Клетка-основатель делится. Дочерние клетки получают метку — кто был «родителем» и где тот находился.
• Шаг 2. При каждом делении эта метка копируется. Клетки «знают» свою родословную на несколько поколений вперед.
• Шаг 3. Химические сигналы работают локально — корректируют финальное положение. Но основная планировка задается наследственной информацией.
• Шаг 4. Так формируются нейронные колонки, слои коры — без хаоса.

Этот дуэт — химия + наследование позиции — объясняет, почему мозг строится с такой точностью.

Сравнение: химические сигналы vs клеточная родословная

Выход за пределы нейробиологии: тканевая инженерия и ИИ

Открытие касается не только мозга. Принципы самоорганизации тканей применимы к росту опухолей — там деление клеток тоже идет по «семейной» схеме, но бесконтрольно. Подавить наследственную информацию в раковых клетках — возможно, новый метод терапии.

Но самое интересное — это связь с искусственным интеллектом. Если биологические клетки передают контекст и функциональную роль потомкам, почему бы не сделать то же самое в цифровых агентах? Уже сейчас разрабатываются самовоспроизводящиеся системы ИИ, где каждый агент передает «память места» потомкам. Это дает устойчивость к сбоям и саморегуляцию. Идея подсмотрена у природы — ничего нового под солнцем.

Резюме автора

Перестаньте думать о мозге как о химической фабрике. Это — семейное дело. Клетки не перекрикиваются через пропасти — они просто не расходятся далеко от родных. Комбинация химии и родословной — вот как строится сложность из одной клетки. И если мы научимся копировать этот механизм, то сможем выращивать ткани для трансплантации или создавать ИИ, который не теряет память при делении. Природа снова оказалась умнее наших моделей.