एक मक्खी के तंत्रिका-नक्शे ने देखना और गिनना सीखा

मस्तिष्क जो कुछ कर सकता है, उसमें से कितना पहले से ही उसकी वायरिंग में लिखा होता है? एक जीव के लिए यह सवाल अब परखा जा सकता है: वयस्क फल-मक्खी के मस्तिष्क के पूरे वायरिंग नक्शे — कनेक्टोम (connectome) — अब उपलब्ध हैं। लेखकों के अनुसार, ये जटिल व्यवहार में सक्षम किसी मस्तिष्क का पहला पूरा नक्शा हैं। परखने लायक़ एक विचार है वायरिंग की किफ़ायत (wiring economy): विकास को ऐसे परिपथों को बढ़ावा देना चाहिए जो अच्छा प्रदर्शन करें और साथ ही महँगे लंबे कनेक्शनों को न्यूनतम रखें।

कंप्यूटर में एक मस्तिष्क, सामने एक आँख

कैटेलोनिया के तारागोना स्थित रोविरा इ विर्जिली विश्वविद्यालय के एउदाल्द कोरेइग-फ़्रागा (Eudald Correig-Fraga), रॉजर गिमेरा (Roger Guimerà) और मार्ता सालेस-पार्दो (Marta Sales-Pardo) ने Drosophila melanogaster के प्रूफ़रीड किए गए कनेक्टोम से शुरुआत की: 1,39,255 न्यूरॉन और 5.45 करोड़ सिनैप्टिक कनेक्शन।

सबसे पहले उन्होंने उसी डेटा से मक्खी की संयुक्त आँख दोबारा बनाई। प्रकाशग्राही कोशिकाओं (फ़ोटोरिसेप्टर) की स्थितियों से उन्होंने हर ओमैटिडियम — आँख की छोटी इकाइयों में से एक — को और यह कि वह दृष्टि-क्षेत्र का कितना हिस्सा देखती है, दोबारा गढ़ा। हर प्रकार के फ़ोटोरिसेप्टर को उसकी मापी गई रंग-संवेदनशीलता दी गई, जिसे 200 नैनोमीटर खिसकाया गया ताकि साधारण लाल-हरे-नीले चित्रों का इस्तेमाल किया जा सके; इससे मक्खी का पराबैंगनी चैनल नीले में बदल जाता है।

योजनाबद्ध चित्र: बिंदु मक्खी की आँख के मॉडल में प्रवेश करते हैं और मस्तिष्क से होकर बहते हैं, साथ में फ़ोटोरिसेप्टरों के नक्शे और न्यूरॉनों का 3D चित्रण।

चित्र से निर्णय तक: रंगीन बिंदुओं को दोबारा बनाई गई संयुक्त आँख नमूने के रूप में लेती है, फिर गतिविधि असली वायरिंग से होकर केन्यन कोशिकाओं तक बहती है। — चित्र 1, Correig-Fraga, Guimerà & Sales-Pardo (2026), arXiv:2610.10023.

फिर प्रकाश रेटिना के न्यूरॉनों को सक्रिय करता है, और गतिविधि असली वायरिंग से होकर, क़दम-दर-क़दम, मशरूम बॉडी की केन्यन कोशिकाओं (Kenyon cells) तक फैलती है, जहाँ एक सरल इकाई निर्णय पढ़ती है। मस्तिष्क में कुछ भी जोड़ा नहीं जाता। मॉडल केवल एक ही चीज़ सीख सकता है: हर मौजूदा कनेक्शन के लिए एक ताक़त, जिस पर ऐसी सीमा लगी है कि वह वास्तव में देखे गए सिनैप्सों की संख्या से कभी अधिक न हो।

रंग, आकृति, संख्या

टीम ने तीन दृश्य कार्यों की जाँच की:

रंग। वृत्त नीला है या पीला? हर मॉडल ने लगभग 100% अंक पाए। असली वायरिंग बिना किसी प्रशिक्षण के 92% तक पहुँच गई।
आकृति। वृत्त या तारा? दृष्टि-क्षेत्र के बाएँ आधे हिस्से के चित्रों पर प्रशिक्षित करके और दाएँ आधे पर परखकर, असली वायरिंग 64% तक पहुँची।
संख्या। किस रंग के बिंदु ज़्यादा हैं, जब हर रंग का कुल क्षेत्रफल बराबर रखा गया हो ताकि आकार से जवाब न मिल जाए? मॉडल को कभी नहीं बताया गया कि कितने बिंदु थे। उसकी सटीकता दोनों संख्याओं के अनुपात के साथ बढ़ी, 1.5 के अनुपात पर 64% से 5 के अनुपात पर 85% तक। यह पैटर्न संख्या की एक अनुमानित समझ की पहचान है, जो शोधपत्र के अनुसार असली फल-मक्खियों में देखी गई है।

फेंटे गए मस्तिष्क

यह परखने के लिए कि सटीक वायरिंग मायने रखती है या नहीं, शोधकर्ताओं ने मस्तिष्क के चार उलट-पुलट किए गए संस्करण बनाए, सभी में वही न्यूरॉन:

एक बंधनमुक्त संस्करण, जिसमें हर न्यूरॉन के बाहर जाने वाले कनेक्शन यादृच्छिक लक्ष्यों तक जाते हैं, जिससे बहुत से लंबे तार बनते हैं;
एक छाँटा गया संस्करण, जिसे तब तक काटा गया जब तक उसकी कुल वायरिंग-लागत असली मस्तिष्क के बराबर न हो गई, पर औसतन लंबे कनेक्शनों के साथ;
दो दूरी-मिलान वाले संस्करण, जो तारों की लंबाई का असली वितरण और कुल वायरिंग-लागत बनाए रखते हैं।

लंबे तारों वाले उलट-पुलट मस्तिष्कों में दूसरे क़दम तक ही गतिविधि लगभग पूरे मस्तिष्क में भर जाती है; असली मस्तिष्क में वह आँख से भीतर की ओर ज़्यादा धीरे-धीरे बढ़ती है।

पाँच नेटवर्कों में रंग, आकृति और संख्या कार्यों की सटीकता के बार चार्ट, और वेबर अनुपात के सापेक्ष सटीकता का लाइन चार्ट।

तीनों कार्यों पर असली कनेक्टोम (नीला) और चार फेंटे गए संस्करणों की सटीकता; दाएँ, दोनों मात्राओं के बीच अनुपात बढ़ने पर संख्या-भेद बेहतर होता है। — चित्र 3, Correig-Fraga, Guimerà & Sales-Pardo (2026), arXiv:2610.10023.

लंबे तारों की क़ीमत

बंधनमुक्त और छाँटे गए मस्तिष्कों ने ज़्यादा अंक पाए, उदाहरण के लिए आकृतियों पर 64% के मुक़ाबले 70%। वे लंबे कनेक्शनों के ज़रिए ज़्यादा न्यूरॉनों तक तेज़ी से पहुँचकर फ़ायदा उठाते हैं — और लेखकों का तर्क है कि यही कनेक्शन किसी असली जीव को ऊर्जा और विकासात्मक जटिलता के रूप में महँगे पड़ेंगे। जब तुलना निष्पक्ष होती है, यानी समान वायरिंग-बजट और तारों की लंबाई का समान वितरण, तो असली मक्खी के मस्तिष्क ने हर कार्य पर दोनों उलट-पुलट प्रतिद्वंद्वियों को हराया। लेखक इसे प्रदर्शन और वायरिंग-लागत के बीच एक कुशल विकासवादी समझौते के रूप में देखते हैं।

जान-बूझकर सरल रखा गया मॉडल

मॉडल असली न्यूरॉनों की अधिकांश जीवविज्ञान को नज़रअंदाज़ करता है: इसमें न फ़ायरिंग दरें हैं, न समय-स्थिरांक, और केन्यन कोशिकाओं के ज़रिए निर्णय पढ़ना मक्खी के पूरे निर्णय-परिपथ के बजाय एक सुविधाजनक चुनाव है। हर उलट-पुलट मस्तिष्क केवल एक बार बनाया गया। लेखक इस काम को एक शुरुआती बिंदु के रूप में प्रस्तुत करते हैं: न्यूरॉनों की समृद्ध गतिकी जोड़ने से पहले यह पूछने का एक तरीक़ा कि मापा गया वायरिंग नक्शा अपने दम पर क्या कर सकता है।