در مغز ما، ادراک از فعل و انفعال پیچیده‌ نورون‌ها از طریق سیناپس‌ها به هم متصل می‌شوند. اما تعداد و قدرت اتصالات بین انواع خاصی از نورون‌ها می‌تواند متفاوت باشد.

محققان بیمارستان دانشگاهی بن (UKB)، مرکز پزشکی دانشگاه ماینز و دانشگاه لودویگ ماکسیمیلیانس مونیخ (LMU) به همراه یک تیم تحقیقاتی از موسسه تحقیقات مغز ماکس پلانک در فرانکفورت، به عنوان بخشی از برنامه محاسباتی اولویت
(Connectomics (SPP۲۰۴۱ اکنون کشف کرده است که ساختار نقاط قوت اتصال عصبی به ظاهر نامنظم حاوی یک نظم پنهان است. این مطلب برای پایداری شبکه عصبی ضروری است.این مطالعه اکنون در مجله PNAS منتشر شده است.

ده سال پیش، کانکتومیکس، یعنی ایجاد نقشه‌ای از ارتباطات بین تقریباً ۸۶ میلیارد نورون در مغز، نقطه عطف آینده علم اعلام شد و به این دلیل است که در شبکه‌های عصبی پیچیده، نورون‌ها توسط هزاران سیناپس به یکدیگر متصل می‌شوند.

در اینجا، استحکام ارتباطات بین نورون‌های فردی مهم است، زیرا برای یادگیری و عملکرد شناختی حائز اهمیت است.با این حال، هر سیناپس منحصر به فرد است و قدرت آن می‌تواند در طول زمان متفاوت باشد.

حتی آزمایش‌هایی که نوع مشابهی از سیناپس را در همان ناحیه مغز اندازه‌گیری کردند، مقادیر متفاوتی برای قدرت سیناپسی به دست آوردند.

پروفسور تاتیانا چوماتچنکو، رهبر گروه تحقیقاتی در مؤسسه صرع شناسی تجربی و تحقیقات شناختی UKB و در مؤسسه شیمی فیزیولوژیکی می‌گوید، این تنوع مشاهده شده به صورت تجربی، یافتن اصول کلی زیربنای عملکرد قوی شبکه‌های عصبی را دشوار می‌کند.

به عنوان نمونه، ریاضیات و آزمایشگاه به طور هدفمند در قشر بینایی اولیه (V۱)، ترکیب شدند.محرک‌های بینایی منتقل شده توسط چشم از طریق تالاموس، یک نقطه تغییر برای تأثیرات حسی در دیانسفالون، ابتدا ثبت می‌شوند.

محققان نگاهی دقیق‌تر به ارتباطات بین نورون‌هایی که در طول این فرآیند فعال هستند، انداختند.برای انجام این کار، محققان به صورت تجربی پاسخ مشترک دو دسته از نورون‌ها را به محرک‌های بینایی مختلف در مدل حیوانی موش اندازه گیری کردند.

در همان زمان، آن‌ها از مدل‌های ریاضی برای پیش بینی قدرت اتصالات سیناپسی استفاده کردند. آن‌ها برای توضیح فعالیت‌های ثبت شده در آزمایشگاه خود از چنین اتصالات شبکه‌ای در قشر بینایی اولیه، از به اصطلاح "شبکه فوق خطی تثبیت شده" (SSN) استفاده کردند.

پروفسور لورا بوسه رهبر گروه تحقیقاتی در LMU Neurobiology می‌گوید: این یکی از معدود مدل‌های ریاضی غیرخطی است که امکان منحصر به فردی را برای مقایسه فعالیت‌های شبیه سازی شده نظری با فعالیت‌های واقعی مشاهده شده ارائه می‌دهد.

ما توانستیم نشان دهیم که ترکیب SSN با ضبط‌های تجربی پاسخ‌های بصری در تالاموس و قشر موش به ما امکان می‌دهد تا مجموعه‌های مختلفی از نقاط قوت اتصال را تعیین کنیم که منجر به پاسخ‌های بصری ثبت شده در قشر بینایی می‌شود.

توالی بین نقاط قوت اتصال کلید است.محققان دریافتند که نظمی در پشت تغییرپذیری مشاهده شده در قدرت سیناپس وجود دارد.

به عنوان مثال، اتصالات از نورون‌های تحریک کننده به بازدارنده همیشه قوی‌ترین بودند، در حالی که اتصالات معکوس در قشر بینایی ضعیف‌تر بودند، که به این دلیل است، مقادیر مطلق نقاط قوت سیناپسی در مدل‌سازی متفاوت بود، همانطور که در مطالعات تجربی قبلی وجود داشت.اما با این وجود همیشه نظم خاصی را حفظ می‌کرد.

بنابراین، مقادیر نسبی برای دوره و قدرت فعالیت اندازه‌گیری‌شده بسیار مهم هستند، نه مقادیر مطلق.

دکتر سیمون رنر، از نوروبیولوژی LMU، که ضبط‌های آزمایشی از قشر مغز دارد، می‌گوید: قابل توجه است که تجزیه و تحلیل اندازه گیری‌های مستقیم قبلی اتصالات سیناپسی همان ترتیب قدرت سیناپسی را نشان داد که پیش بینی مدل ما تنها بر اساس پاسخ‌های عصبی اندازه گیری شده است و فعالیت تالاموس اجازه توصیف ارتباط بین نورون‌های قشر مغز را می‌دهد.

نتایج ما نشان می‌دهد که فعالیت‌های عصبی حاوی اطلاعات زیادی در مورد ساختار زیربنایی شبکه‌های عصبی است که بلافاصله از اندازه‌گیری‌های مستقیم قدرت سیناپس آشکار نمی‌شود.

بنابراین، روش ما چشم‌انداز امیدوارکننده‌ای را برای مطالعه ساختار‌های شبکه‌ای باز می‌کند که دسترسی تجربی به آن‌ها دشوار است.

دکتر ناتالیا کراینیوکووا از موسسه صرع شناسی تجربی و تحقیقات شناختی UKB و موسسه تحقیقات مغز ماکس پلانک در فرانکفورت این مطالب را بیشتر توضیح می‌دهد.

 

منبع: سایت مدیکال اکسپرس

اخبار پیشنهادی
تبادل نظر
آدرس ایمیل خود را با فرمت مناسب وارد نمایید.
آخرین اخبار