یک مطالعه جدید توسط فیزیکدانان و دانشمندان علوم اعصاب از دانشگاه شیکاگو، هاروارد و ییل توضیح می‌دهد که چگونه اتصال بین نورون‌ها از طریق اصول مشترک شبکه‌سازی و خود سازماندهی به‌جای ویژگی‌های بیولوژیکی یک ارگانیسم منفرد ایجاد می‌شود.
این مطالعه در 17 ژانویه 2024 منتشر شد فیزیک طبیعیارتباط عصبی را در ارگانیسم های مدل مختلف به طور دقیق توصیف می کند و همچنین می تواند برای شبکه های غیر زیستی مانند تعاملات اجتماعی اعمال شود.
دکتر استفانی پالمر، دانشیار فیزیک و زیست شناسی و آناتومی موجودات زنده در شیکاگو و استاد ارشد گفت: «وقتی مدل‌های ساده‌ای برای توضیح داده‌های بیولوژیکی می‌سازید، انتظار دارید که یک برش خوب خوب به دست آورید که با برخی اما نه همه سناریوها مطابقت دارد. نویسنده مقاله “شما انتظار ندارید که وقتی در گیرودار غوطه ور می شوید آنقدر خوب کار کند، اما وقتی این کار را اینجا انجام دادیم، در نهایت به توضیح چیزها به گونه ای رسیدیم که واقعاً رضایت بخش بود.”
درک نحوه اتصال نورون ها
نورون ها شبکه پیچیده ای از اتصالات بین سیناپس ها را برای برقراری ارتباط و تعامل با یکدیگر تشکیل می دهند. اگرچه تعداد زیادی از اتصالات ممکن است تصادفی به نظر برسد، شبکه‌های سلول‌های مغزی معمولاً تحت سلطه تعداد کمی از اتصالات هستند که بسیار قوی‌تر از بسیاری از آنها هستند.
این توزیع «سنگین» از اتصالات (به این دلیل که به دلیل شکل ظاهری آن هنگام ترسیم بر روی نمودار نامیده می شود) ستون فقرات مدار را تشکیل می دهد که به موجودات اجازه می دهد فکر کنند، یاد بگیرند، ارتباط برقرار کنند و حرکت کنند. علیرغم اهمیت این ارتباطات قوی، دانشمندان مطمئن نبودند که آیا این الگوی شدید به دلیل فرآیندهای بیولوژیکی خاص موجودات مختلف یا به دلیل اصول اولیه سازماندهی شبکه به وجود آمده است.
برای پاسخ به این سؤالات، دکتر پالمر و کریستوفر لین، استادیار فیزیک در دانشگاه ییل، و دکتر کارولین هولمز، عضو فوق دکتری در دانشگاه هاروارد، کانکتوم ها یا نقشه های اتصالات سلول های مغز را تجزیه و تحلیل کردند. داده‌های مربوط به کانکتوم از چندین حیوان آزمایشگاهی کلاسیک مختلف، از جمله مگس‌های میوه، کرم‌های گرد، کرم‌های دریایی و شبکیه موش می‌آیند.
برای درک اینکه نورون‌ها چگونه با یکدیگر ارتباط برقرار می‌کنند، مدلی مبتنی بر دینامیک هبی ایجاد کردند، اصطلاحی که توسط روان‌شناس کانادایی دونالد هب در سال 1949 ابداع شد و اساساً می‌گوید «نورون‌هایی که با هم کار می‌کنند با هم سیم‌کشی می‌کنند». این بدان معناست که هر چه دو نورون بیشتر با هم فعال شوند، اتصال آنها قوی تر می شود.
از سوی دیگر، محققان دریافتند که این دینامیک هبیان اتصالات قوی “دم سنگین” ایجاد می کند، درست همانطور که در موجودات مختلف دیده بودند. نتایج نشان می‌دهد که این نوع سازماندهی از اصول کلی شبکه‌سازی ناشی می‌شود، نه از چیزی خاص به بیولوژی مگس‌های میوه، موش‌ها یا کرم‌ها.
این مدل همچنین توضیح غیرمنتظره‌ای برای پدیده شبکه دیگری به نام خوشه‌بندی ارائه کرد که تمایل سلول‌ها را برای اتصال به سلول‌های دیگر از طریق اتصالات مشترکشان توصیف می‌کند. یک مثال خوب از گروه بندی در موقعیت های اجتماعی رخ می دهد. اگر یک نفر دوستی را به شخص سومی معرفی کند، احتمال دوستی آن دو نفر با آن شخص بیشتر از زمانی است که جدا از هم ملاقات کنند.
هولمز گفت: “اینها مکانیسم هایی هستند که همه موافق هستند که اساساً در علوم اعصاب اتفاق می افتد.” اما ما در اینجا می بینیم که اگر با داده ها به دقت و کمی برخورد کنید، می تواند منجر به همه این اثرات مختلف در خوشه بندی و توزیع شود، و سپس شما این چیزها را در همه این موجودات مختلف مشاهده می کنید.
حسابداری برای تصادفی بودن
همانطور که پالمر اشاره کرد، با این حال، زیست شناسی همیشه خود را به توضیح منظم و مرتب نمی دهد، و هنوز تصادفی و نویز زیادی در مدارهای مغز دخیل است. نورون‌ها گاهی قطع می‌شوند و دوباره به یکدیگر متصل می‌شوند – اتصالات ضعیف قطع می‌شوند و اتصالات قوی‌تر می‌توانند در جاهای دیگر ایجاد شوند. این تصادفی بودن نوع سازمان هبی را که محققان در این داده‌ها یافتند، بررسی می‌کند، که بدون آن پیوندهای قوی برای تسلط بر شبکه رشد می‌کند.
محققان مدل خود را برای توضیح تصادفی تغییر دادند که دقت آن را بهبود بخشید.
لین گفت: “بدون این جنبه از نویز، مدل شکست خواهد خورد.” “این چیزی را تولید نمی کند که کار کند، که برای ما تعجب آور بود. به نظر می رسد که شما در واقع باید اثر گلوله برفی هبی را با تصادفی بودن متعادل کنید تا همه چیز شبیه مغزهای واقعی به نظر برسد.
از آنجایی که این قوانین از اصول کلی شبکه‌سازی ناشی می‌شوند، تیم امیدوار است که بتواند این کار را فراتر از مغز گسترش دهد.
پالمر گفت: “این یکی دیگر از جنبه های عالی این کار است: روش انجام علم.” افراد حاضر در این تیم سوابق بسیار زیادی دارند، از فیزیک نظری و تجزیه و تحلیل کلان داده تا شبکه های بیوشیمیایی و تکاملی. در اینجا ما بر روی مغز متمرکز بودیم، اما اکنون می توانیم در مورد انواع دیگر شبکه ها در کارهای آینده صحبت کنیم.”
