علوم زیستیپیش‌چاپشبیه‌سازی۳ دقیقه مطالعه

سیم‌کشی عصبی مگس واقعاً چه چیزی را تعیین می‌کند؟

دانشمندان اکنون نمودارهای کامل سیم‌کشی، سیناپس به سیناپس، از طناب عصبی مگس میوهٔ بالغ را در دست دارند: یکی از یک نر (MANC)، یکی از یک ماده، و یکی از کل دستگاه عصبی مرکزی یک نر (MaleCNS). شبیه‌سازی‌هایی که بر پایهٔ این کانکتوم‌ها (connectomes) ساخته شده‌اند هم‌اکنون پاسخ‌های حسی و فعالیت ریتمیک پا را که به راه‌رفتن شبیه است بازتولید می‌کنند.

اما مدلی که راه می‌رود ثابت نمی‌کند که سیم‌کشی دقیقش اهمیت دارد. شبکه‌هایی از واحدهای به‌هم‌پیوسته به‌آسانی نوسان می‌کنند و آماری درشت — اینکه هر نورون چند اتصال دارد — هم‌اکنون بخش بزرگی از رفتارشان را تعیین می‌کند. ایزابل گوان (Isabel Guan) از دانشگاه علم و فناوری هنگ‌کنگ و همکارانش در دانشگاه پلی‌تکنیک هنگ‌کنگ، دانشگاه فناوری نانیانگ و شرکت ZENBOT بر آن شدند تا بیازمایند کدام ویژگی‌های حرکت پا واقعاً به سیم‌کشی ویژه وابسته‌اند.

سیم‌کشی واقعی در برابر نسخه‌های به‌هم‌ریخته

آن‌ها مدل‌هایی از دستگاه حرکتی پا را از دو کانکتوم مستقل ساختند: MaleCNS با 10,173 نورون و 462,650 اتصال، و MANC با 10,440 نورون و 634,207 اتصال. شدت اتصال‌ها صرفاً تعداد سیناپس‌ها بود و هرگز آموزش داده نشد. ورودی تنها از راه دو نورون نزولی، DNg100، می‌آمد که فعال‌شدنشان راه‌رفتن رو به جلو را آغاز می‌کند؛ خروجی از نورون‌های حرکتی خوانده می‌شد که در مخزن‌های بازکننده (extensor) و خم‌کننده (flexor) در چهار مفصل هر پا گروه‌بندی شده بودند — 20 جفت متقابل.

هر شبکهٔ واقعی با 30 شبکهٔ به‌هم‌ریخته در شش خانواده مقایسه شد که هر کدام بخش بیشتری از ساختار واقعی را حفظ می‌کردند: تعداد اتصال‌ها، اتصال‌ها میان انواع سلول، تعداد ورودی‌ها و خروجی‌های هر نورون، و بلوک‌هایی بر اساس پا یا دودمان رشدی. معیارهای تصمیم‌گیری پیش از دیدن نتایج ثبت شدند، شیوه‌ای که نویسندگان آن را در مدل‌سازی کانکتوم نادر توصیف می‌کنند؛ و اجرای دوبارهٔ شبیه‌سازی‌ها هر 4,692 رکورد هر کانکتوم را تا حد خطای گردکردن بازتولید کرد.

ریتم ارزان است، هماهنگی نه

  • ریتم عمومی است. بسیاری از شبکه‌های به‌هم‌ریخته به خوبیِ شبکه‌های واقعی نوسان کردند و برخی بهتر: تا 0.96 در برابر 0.70 در پویش پارامترها.
  • نوبت‌گیری ویژه است. سیم‌کشی واقعی مخزن‌های مخالف را قوی‌تر از همهٔ شبکه‌های به‌هم‌ریخته به نوبت‌گیری واداشت: امتیاز 0.312 در برابر حداکثر 0.147 در MaleCNS، و 0.173 در برابر حداکثر 0.084 در MANC.
  • این اثر در مفصل قفسهٔ سینه–کوکسا (thorax–coxa)، نخستین مفصل از چهار مفصل بررسی‌شدهٔ پا، متمرکز است. در MaleCNS، حالت هماهنگ در تمام پنج دقیقهٔ طولانی‌ترین شبیه‌سازی‌ها پابرجا ماند.

اصلی از بیش از یک قرن پیش

چرا؟ بیش از یک قرن پیش، سی. اس. شرینگتون (C. S. Sherrington) عصب‌دهی متقابل (reciprocal innervation) را پیشنهاد کرد: مسیرهایی که یک ماهیچه را تحریک می‌کنند، ماهیچهٔ مخالفش را مهار می‌کنند. گروه اندازه گرفت که هر نورون چگونه بر دو مخزنِ هر جفت اثر می‌گذارد. در هر دو کانکتوم واقعی، شاخص عصب‌دهی متقابل به‌شدت مثبت بود — 0.48 و 0.38 — و در همهٔ شبکه‌های به‌هم‌ریخته منفی. از اثری که نورون‌ها بر هر دو مخزن می‌گذارند، 88٪ (MaleCNS) و 83٪ (MANC) آن‌ها را در جهت‌های مخالف می‌راند، در برابر 16 تا 49٪ پس از به‌هم‌ریختن. این سازوکار از دو راه کار می‌کند: نورون‌های تحریکی که یک مخزن را تحریک می‌کنند و، از راه یک نورون رابط مهاری، دیگری را خاموش می‌کنند؛ و نورون‌های مهاری که یک مخزن را خاموش و دیگری را آزاد می‌کنند.

آزمون تعیین‌کننده ورودی‌های پیش‌حرکتی را از یک مخزن به مخزن مخالفش منتقل کرد، در حالی که کل ورودی هر نورون حرکتی را تنها 2 تا 4٪ تغییر می‌داد. هماهنگی فرو ریخت: امتیاز در MaleCNS به حدود −0.08 افت کرد، یعنی مخزن‌های مخالف اکنون با هم شلیک می‌کردند، در حالی که جابه‌جایی‌های کنترلیِ درون یک مخزن نزدیک به 90٪ امتیاز را حفظ کردند.

محدودیت‌ها

این‌ها نتایجی روی یک مدل‌اند، نه روی خود جانور: بدنی در کار نیست، بازخورد حسی نیست، تنها یک مدل نورونی، نشانه‌های پیش‌بینی‌شدهٔ ناقل عصبی، و گلوتامات که مهاری فرض شده است — وقتی در اجراهای پیشین تحریکی فرض شد، برتری سیم‌کشی واقعی از میان رفت. حدود یک‌چهارم انتساب‌های نورون‌های حرکتی به مفصل‌ها تقریبی است و MANC یافته‌ها را با حاشیه‌های کوچک‌تری بازتولید کرد. نویسندگان همچنین یادآور می‌شوند که برای نوشتن کد و پیش‌نویس متن از دستیاران هوش مصنوعی، از جمله Claude ساخت Anthropic، استفاده کرده‌اند.

درس آن‌ها برای هر کسی که دستگاهی عصبی را مدل‌سازی می‌کند: سیم‌کشی را روی هماهنگی بیازمایید، نه روی ریتم، چون یک شبکهٔ به‌هم‌ریخته هم می‌تواند به همان خوبی ضرب را نگه دارد.