کار مشترک محققان پژوهشگاه دانش های بنیادی، دانشگاه تهران و دانشگاه کیوتو ژاپن به یک نقشه راهنما منجر شده که مدارهای پنهان عصبی را آشکار می کند.
به گزارش دیده بان علم ایران، این مقاله با عنوان Uncovering hidden network architecture from spiking activities using an exact statistical input-output relation of neurons در مجله (Nature) Communications Biology منتشر شده و به‌عنوان پژوهش برگزیده هفته، تصویر روی جلد مجله را به‌خود اختصاص داده‌است.
تصویر رایج از شبکه عصبی شامل تعداد زیادی (در مورد انسان، حدودِ ۱۰۰ میلیارد) سلول عصبی است که هرکدام از آنها با ده‌ها و گاهی صدها سلول دیگر ارتباط دارند.
تصور اولیه، شبکه‌ای شبیه به رایانه‌های متصل به اینترنت است، جایی که مشخص است هر سلولِ عصبی از کدام سلول‌های دیگر اطلاعات می‌گیرد و به کدام سلول‌ها اطلاعات می‌دهد. تصوری که البته به شدت غیر واقعی است!
ساختار درهم تنیده نورون‌ها (سلول‌های عصبی)، ابعاد بسیار ریز اکسون‌ها و دندریت‌ها که در حکم سیم‌های رابط میان نورون‌ها هستند و … آن‌قدر پیچیده است که حتی برای قطعه‌ا‌ی از مغز در ابعاد یک میکرومتر مکعب هم، تعیین ارتباط میان سلول‌های عصبی عملا غیرممکن است. مشخصا، وقتی با سلول‌های زنده سروکار داشته‌باشیم و قرار باشد آسیبی نیز به موجود زنده نرسد، پیدا کردن مدار نورونیِ میان حتی چند سلول عصبی دشوار و در مواردی کاملا غیر ممکن می‌شود.
با این که روش‌هایی بر مبنای ثبت همزمان نورون‌ها و اپتوژنتیک کمک می‌کنند تا ارتباط بین نورون‌های مشاهده شده را بیابیم، اما ثبت همزمان سلولی از یک نورون و تمامی ورودی‌های آن – برای تعیین ورودی‌های موثر – تا امروز ممکن نبوده‌است. چنین روش‌هایی فقط ارتباط بین نورون‌های ثبت شده (مشاهده شده) را تعیین می‌کنند؛ در حالی‌که سهم قابل توجهی از ورودی مربوط به نورون‌های مشاهده نشده و پنهان از چشم آزمایشگران است.
پژوهشگرانِ پژوهشگاه دانش‌های بنیادی (IPM) مشترکا با دانشگاه‌های کیوتو و تهران روشی پیشنهاد داده‌اند که با بررسی فعالیت همزمان نورون ها، به ساختار مدارهای پنهانِ نورونی که به آنها اطلاعات مشترک می‌دهند، پی برده و مساله را به طور معکوس حل کنند.
سید نادر رسولی، پژوهشگر پژوهشکده فیزیکِ پژوهشگاه دانش های بنیادی می‌گوید: «انسان یاد گرفته که شباهت در رفتار انسان‌ها، نمونه‌های آزمایشگاهی و نیز نورون‌ها، می‌تواند به نوعی به اشتراک در سرگذشت و فرایند شکل‌گیری آنها اشاره‌کند. در این مورد، رفتار، همان فعالیت سلول‌های عصبی است و سرگذشت مشترک نیز ورودی‌های مشترک میان نورون‌ها هستند که به چند نورون یک بسته اطلاعاتی واحد را تحویل می‌دهند».
هیداکی شیمازاکی، استاد دانشکده انفورماتیک دانشگاه کیوتو توضیح می‌دهد: «هدف از این پژوهش ایجاد نظریه‌ای بود که بتوان ساختار شبکه‌ی عصبی و فعالیت نورون‌ها را در یک قالب واحد کنار هم قرار داد؛ سپس از آن مانند ابزاری استفاده کرد تا با ثبت فعالیت نورون‌ها، بتوان ساختار شبکه را پیدا کرد».
صفورا رشیدشمالی، پژوهشگر پژوهشکده علوم شناختی پژوهشگاه دانش های بنیادی ادامه می‌دهد: «ما برای حل این مساله از حل تحلیلی که در پژوهش قبلی به‌دست آوردیم که پتانسیل ورودی با دامنه دلخواه را به طور غیر خطی به فعالیت نورون در مغز مربوط می‌کند، استفاده کردیم. به کمک این حل تحلیلی، ما توانستیم ساختار ریز شبکه های ورودی مشترک میان چند نورون را به فعالیت همزمان آنها مربوط کنیم.»
ساختار ریزشبکه های محلی در مغز که بر اساس نوع نورون ها و ارتباطات میانِ آنها شکل می گیرد، دلیلِ اصلیِ قدرت بالقوه بسیار بالای مغز برای پردازش اطلاعات و یادگیری است. تعیین ساختار این ریز شبکه ها فهم ما از کارکرد مغز را تغییر می دهد.
دکتر مجید نیلی احمد آبادی، استاد دانشکده برق و کامپیوتر دانشگاه تهران می گوید: «این پژوهش علاوه بر ایجاد امکان تعیین ساختار ریزشبکه ها بر اساس اطلاعات رفتار نورون ها، از منظر متدلوژی نیز روشی جدید برای این امر را پایه گذاری کرده است. این متدولوژی برگرفته از یک نگاه میان رشته ای است که در آن ترکیب دانش، دیدگاه‌ها و ابزارهای حوزه علوم اعصاب، فیزیک، و مهندسی به کارگرفته شده است.»
«دستاورد اصلی این کار، یک نقشه راهنمای تحلیلی است. ابزاری که برمبنای محاسبات دقیق ریاضی به‌دست آمده‌است و به هر آزمایشگری که فعالیت همزمان سلول‌های عصبی را ثبت می‌کند، اجازه می‌دهد با محاسبه‌ی هم‌بستگی میان فعالیت نورون ها، و قرار دادن نتایجش روی این نقشه‌ی راهنما، به ساختار و نوع مدارهای عصبی موثرکه به آن سلول‌ها ورودیِ مشترک می‌دهند، دست یابد.»
رسولی در ادامه می‌افزاید: «ما این ابزار را برای دو مجموعه از آزمایش‌های موجود در میمون و موش به‌کار بردیم و توانستیم مدارهای موثر پنهان عصبی را که هیچ راه دیگری برای مشخص‌کردن آنها نبود تعیین هویت کنیم. این نمونه دیگری است که نظریه نتایجی را آشکار می کند که آزمایش به تنهایی توان دستیابی به آنها را ندارد.»
البته، این روش تاکنون برای یافتن ورودی مشترک بر مبنای هم‌بستگی‌های دو و سه‌تایی میان نورون‌ها به دست آمده‌است و به رغم کارهایی که برای گسترش آن به تعداد بالاتر از سلول‌های عصبی انجام شده، هنوز چالش‌های مفهومی و ریاضی در آن باقی مانده‌اند.
رشیدشمالی، نویسنده مسئول مقاله توضیح می‌دهد: «هنوز راه طولانی مانده است تا مساله را به طور کلی حل کنیم، ولی امیدواریم تا این قسمت از کار نیز آزمایشگران با تطابق نقشه راهنما با هم‌بستگی‌هایی که میان فعالیت نورون‌ها مشاهده کرده‌اند، ساختارهای موثری که به آن ها ورودی مشترک می‌دهند را پیدا کنند.»
انتهای پیام