माशीच्या वायरिंग आकृतीने पाहायला आणि मोजायला शिकले

मेंदू जे काही करू शकतो, त्यातले किती आधीच त्याच्या वायरिंगमध्ये लिहिलेले असते? हा प्रश्न आता एका प्राण्यासाठी तपासता येतो: प्रौढ फळमाशीच्या मेंदूच्या संपूर्ण वायरिंग आकृत्या — कनेक्टोम — आता उपलब्ध आहेत. लेखकांच्या मते, गुंतागुंतीचे वर्तन करू शकणाऱ्या मेंदूचा हा पहिलाच संपूर्ण नकाशा आहे. तपासण्याजोगी एक कल्पना म्हणजे वायरिंगची काटकसर: उत्क्रांतीने अशा परिपथांना पसंती द्यायला हवी जे चांगले काम करतात आणि खर्चिक लांब जोडण्या कमीत कमी ठेवतात.

संगणकात मेंदू, समोर एक डोळा

कॅटालोनियातील तारागोना येथील रोविरा इ व्हिर्जिली विद्यापीठातील एउदाल कोरेग-फ्रागा (Eudald Correig-Fraga), रॉजर गिमेरा (Roger Guimerà) आणि मार्ता सालेस-पार्दो (Marta Sales-Pardo) यांनी Drosophila melanogaster च्या तपासून दुरुस्त केलेल्या कनेक्टोमपासून सुरुवात केली: 1,39,255 न्यूरॉन्स आणि 5.45 कोटी सिनॅप्टिक जोडण्या.

त्यांनी प्रथम त्याच माहितीवरून माशीचा संयुक्त डोळा पुन्हा तयार केला. प्रकाशग्राही पेशींच्या स्थानांवरून त्यांनी प्रत्येक ओमॅटिडियम — डोळ्याच्या लहान एककांपैकी एक — आणि ते दृष्टिक्षेत्राचा किती भाग पाहते, हे पुन्हा उभे केले. प्रकाशग्राहीच्या प्रत्येक प्रकाराला त्याची मोजलेली रंग-संवेदनशीलता दिली गेली, पण सामान्य लाल-हिरव्या-निळ्या प्रतिमा वापरता याव्यात म्हणून ती 200 नॅनोमीटरने सरकवली गेली; त्यामुळे माशीचा अतिनील वाहिनी निळ्यात बदलतो.

प्रतिमेपासून निर्णयापर्यंत: रंगीत ठिपके पुन्हा तयार केलेल्या संयुक्त डोळ्याद्वारे टिपले जातात, मग क्रिया खऱ्या वायरिंगमधून केन्यॉन पेशींपर्यंत वाहते. — Figure 1, Correig-Fraga, Guimerà & Sales-Pardo (2026), arXiv:2610.10023.

प्रकाश मग दृष्टिपटलातील न्यूरॉन्स सक्रिय करतो, आणि क्रिया खऱ्या वायरिंगमधून पायरी-पायरीने मशरूम बॉडीच्या केन्यॉन पेशींपर्यंत पसरते, जिथे एकच साधे एकक निर्णय वाचून दाखवते. मेंदूत काहीही जोडले जात नाही. मॉडेल फक्त प्रत्येक अस्तित्वात असलेल्या जोडणीसाठी एक ताकद शिकू शकते, आणि तिला अशी मर्यादा असते की ती प्रत्यक्ष आढळलेल्या सिनॅप्सच्या संख्येपेक्षा कधीच जास्त होऊ शकत नाही.

रंग, आकार, संख्या

पथकाने तीन दृश्य कार्यांची चाचणी घेतली:

• रंग. वर्तुळ निळे आहे की पिवळे? प्रत्येक मॉडेलचे गुण 100% च्या जवळ होते. खऱ्या वायरिंगने कोणत्याही प्रशिक्षणाशिवाय 92% गाठले.
• आकार. वर्तुळ की तारा? दृष्टिक्षेत्राच्या डाव्या अर्ध्या भागातील प्रतिमांवर प्रशिक्षण देऊन उजव्या अर्ध्या भागावर चाचणी घेतली असता, खऱ्या वायरिंगने 64% गाठले.
• संख्या. कोणत्या रंगाचे ठिपके जास्त आहेत? प्रत्येक रंगाचे एकूण क्षेत्रफळ सारखे केले होते, जेणेकरून आकारावरून उत्तर कळू नये. मॉडेलला किती ठिपके आहेत हे कधीच सांगितले गेले नाही. दोन संख्यांमधील गुणोत्तर वाढेल तशी त्याची अचूकता वाढली, गुणोत्तर 1.5 असताना 64% पासून गुणोत्तर 5 असताना 85% पर्यंत. हा नमुना अंदाजे संख्याज्ञानाचे लक्षण आहे, आणि शोधनिबंध नमूद करतो की ते खऱ्या फळमाश्यांमध्येही आढळले आहे.

फेरफार केलेले मेंदू

अचूक वायरिंग महत्त्वाची आहे का हे तपासण्यासाठी संशोधकांनी मेंदूच्या चार गोंधळवलेल्या आवृत्त्या तयार केल्या, सर्वांमध्ये तेच न्यूरॉन्स:

• एक अनिर्बंध आवृत्ती, जिथे प्रत्येक न्यूरॉनच्या बाहेर जाणाऱ्या जोडण्या यादृच्छिक लक्ष्यांकडे जातात, ज्यामुळे अनेक लांब तारा तयार होतात;
• एक छाटलेली आवृत्ती, जिचा एकूण वायरिंग खर्च खऱ्या मेंदूइतका होईपर्यंत ती कापली गेली, पण जिच्या जोडण्या सरासरी लांब आहेत;
• दोन अंतर-जुळवलेल्या आवृत्त्या, ज्या तारांच्या लांबीचे खरे वितरण आणि एकूण वायरिंग खर्च कायम ठेवतात.

लांब तारा असलेल्या गोंधळवलेल्या मेंदूंमध्ये दुसऱ्या पायरीपर्यंतच क्रिया जवळजवळ संपूर्ण मेंदूत पसरते; खऱ्या मेंदूत ती डोळ्यापासून आतल्या बाजूला अधिक हळूहळू सरकते.

तीन कार्यांवर खऱ्या कनेक्टोमची (निळा) आणि चार फेरफार केलेल्या आवृत्त्यांची अचूकता; उजवीकडे, दोन प्रमाणांमधील गुणोत्तर वाढते तशी संख्या ओळखण्याची क्षमता सुधारते. — Figure 3, Correig-Fraga, Guimerà & Sales-Pardo (2026), arXiv:2610.10023.

लांब तारांची किंमत

अनिर्बंध आणि छाटलेल्या मेंदूंनी जास्त गुण मिळवले, उदाहरणार्थ आकारांवर 64% च्या तुलनेत 70%. लांब जोडण्यांद्वारे ते अधिक न्यूरॉन्सपर्यंत जलद पोहोचून फायदा मिळवतात — आणि लेखकांच्या मते नेमक्या याच जोडण्यांसाठी खऱ्या प्राण्याला ऊर्जा आणि विकासातील गुंतागुंत यांची किंमत मोजावी लागते. तुलना न्याय्य असते — वायरिंगचे बजेट तेच आणि तारांच्या लांबीचे वितरण तेच — तेव्हा खऱ्या माशीच्या मेंदूने प्रत्येक कार्यात दोन्ही गोंधळवलेल्या प्रतिस्पर्ध्यांना हरवले. लेखक याचा अर्थ कामगिरी आणि वायरिंग खर्च यांच्यातील उत्क्रांतीचा एक कार्यक्षम समतोल असा लावतात.

मुद्दाम साधे ठेवलेले मॉडेल

हे मॉडेल खऱ्या न्यूरॉन्सच्या बहुतांश जीवशास्त्राकडे दुर्लक्ष करते: त्यात फायरिंग दर नाहीत, कालस्थिरांक नाहीत, आणि केन्यॉन पेशींमार्फत वाचन हा माशीच्या संपूर्ण निर्णय-परिपथाऐवजी सोयीचा पर्याय आहे. प्रत्येक गोंधळवलेला मेंदू फक्त एकदाच तयार केला गेला. लेखक हे काम एक सुरुवात म्हणून मांडतात: अधिक समृद्ध न्यूरॉन-गतिकी जोडण्यापूर्वी, मोजलेली वायरिंग आकृती स्वतःहून काय करू शकते हे विचारण्याचा एक मार्ग.