Ved hjelp av denne avanserte datamodellen kan forskere se hvordan hjernens rensesystem fungerer

DENNE ARTIKKELEN ER PRODUSERT OG FINANSIERT AV SIMULA RESEARCH LABORATORY - LES MER.

Modellen forklarer hvordan dette systemet kan svikte ved aldring. Det er relevant for sykdommer som Alzheimers og Parkinsons.

En digital tvilling gir innsikt i hjernens rensesystem. (Illustrasjon: Shutterstock / NTB)

Hjernen produserer hele tiden avfall. Et rensesystem frakter disse stoffene vekk ved hjelp av væskeflyt. 

Hvis transporten svikter, kan avfallet samle seg opp og skade hjernecellene. Ved sykdommer som Alzheimers og Parkinsons ser man nettopp en slik opphopning.

– Det er i praksis umulig å observere disse mikroskopiske strømmene av væske dypt inne i hjernen. I stedet har vi konstruert en digital tvilling. Det har vi gjort ved å kombinere matematiske modeller, rå regnekraft og ekstremt detaljerte bildedata.

Det forteller Marie E. Rognes. Hun er sjefsforsker ved Simula. 

Sammen med kollegene Marius Causemann fra Simula og Rune Enger fra Universitetet i Oslo har hun nylig fått publisert en vitenskapelig artikkel om studien.

– Vi utvikler datamodeller for å studere mekanikk i hjernen i detalj, sier forsker Marie E. Rognes. (Foto: SIMULA)

13 millioner datapunkter per steg

De tok utgangspunkt i veldig detaljerte tredimensjonale bilder av vev i hjernen. 

Bildene viser blodårer og celler kalt astrocytter. Disse cellene er formet som stjerner, omgir blodårene og spiller en viktig rolle i hvordan væske beveger seg i hjernen. 

Deretter lagde de datamodellen. Den kan beregne hvordan et porøst og væskefylt materiale oppfører seg når det utsettes for strekk eller trykk. 

Den er en digital tvilling, en replika, av denne funksjonen i hjernen. 

Hvert eneste lille tidssteg i modellen krever beregning av nærmere 13 millioner datapunkter. 

Dette gir helt nye muligheter til å studere hva som skjer i overgangen mellom hjernens blodårer og vevet som ligger rundt.

Rensesystemet svikter ved aldring

Når vi blir eldre, kan denne overgangen bli stivere. Dette gjelder også for sykdommer som Alzheimers og Parkinsons. De rammer blodårene i hjernen. 

Forskere brukte modellen til å gjenskape effekten av disse endringene. 

– Simuleringene våre viser at økt stivhet kan snu helt om på dynamikken. Når stivheten når et visst nivå, kan utvekslingen av væske i rommene mellom blodårene og astrocyttene stoppe helt opp, sier Rognes.

Funnet kan bidra til å forklare hvorfor og hvordan hjernens rensesystem svekkes med alderen.

Datamodellen viser hulrommene mellom en blodåre og stjerneceller. Når blodåren (i rødt) utvider seg, skyves væske ut i vevet og bidrar til å skylle ut avfall. Væsken strømmer raskt (gule linjer) når den presses gjennom de små åpningene mellom cellene. (Visualisering: Marius Causemann)

Funnene utfordrer tidligere hypotese

Rundt blodårene ligger stjernecellene tett som mosaikk. De består av mange vannkanaler. 

Det har lenge vært et mysterium hvordan disse kanalene bidrar til rensesystemet. 

De fleste tror at væske pumpes gjennom kanalene. Datamodellen viser at dette ikke stemmer. Væsken tar minste motstands vei gjennom små sprekker mellom cellene. 

Modellen tyder på at vannkanalene har en annen funksjon. De bidrar til at hjernen tar opp sukker fra blodet. 

Forskerne Marie E. Rognes, Marius Causemann og Rune Enger har laget en digital tvilling for å studere hvordan væske beveger seg i hjernen. (Foto: Maria Normann / Simula Research Laboratory)

– Dette er hypoteser vi foreløpig ikke har kunnet teste i laboratoriet, sier Rune Enger. 

Han er professor ved Universitetet i Oslo. 

– At datamodellene nå har blitt så realistiske at vi kan bruke dem til å teste helt uutforskede hypoteser i et digitalt laboratorium, er oppsiktsvekkende, sier han.

– Dette handler ikke bare om å løse ligninger. Vi utvikler datamodeller for å studere mekanikk i hjernen i detalj. Det er verktøy vi trenger for å bedre forstå hjernehelse og hjernesykdommer, sier sjefsforsker Rognes.

Referanse:

Marius Causemann mfl.:  Stretch and flow at the gliovascular interface: High-fidelity modeling of astrocyte endfeet (sammendrag). PNAS, 2026. Doi.org/10.1073/pnas.251705912