با جاسوسی همزمان فعالیت الکتریکی چندین ناحیه مغز، محققان دریافتند که می‌توانند تشخیص دهند که یک موش چقدر اجتماعی یا انفرادی است. سپس، با تغییر گره‌ها در این شبکه مغز اجتماعی، آنها نشان دادند که می‌توانند موش‌ها را تشویق کنند که حتی بیشتر هم‌نشین شوند.

این تحقیق ممکن است به ابزارهای تشخیصی بهتری برای درک چگونگی تغییر مغز در افراد مبتلا به اختلال در ارتباطات اجتماعی، مانند افراد مبتلا به اختلال طیف اوتیسم، منجر شود.

مطالعه جدید در آنلاین ظاهر می شود نورون در 15 مارس

دانشمندان علوم اعصاب اغلب با مطالعه یک ناحیه کوچک مغز در یک زمان تحقیقات انجام می دهند. آنها ممکن است ناحیه مغز مورد علاقه خود را بر اساس سرنخ های گذشته در مورد دخالت آن در یک رفتار خاص، مانند رفتار اجتماعی، انتخاب کنند و آن ناحیه را به صورت جداگانه مطالعه کنند.

دکتر کافوی زیراسا، محقق پزشکی هاوارد هیوز و K. Ranga Rama Krishnan دانشیار روانپزشکی و علوم رفتاری در دوک، می‌گویند اما نگاه کردن به یک ناحیه کوچک مغز در هر زمان یک مشکل بزرگ است. او گفت که خودرو نیز مانند مغز، فقط یک چیز نیست، بلکه محصول قطعات مونتاژ شده ای است که با هم کار می کنند و در ساخت ها متفاوت است.

دزیراسا “ماشین فرمان نیست. ماشین لاستیک نیست. ماشین موتور نیست. ماشین سرعت سنج نیست. ماشین چراغ جلو نیست. باید همه آنها را کنار هم بگذارید تا ماشین را بدست آورید.” گفت. “وقتی همه آنها را کنار هم می گذارید، در آن زمان است که می توانید بفهمید یک خودروی فردی با چه سرعتی حرکت می کند. مطمئناً لاستیک ها می توانند یکسان باشند، اما یک لامبورگینی مانند هوندا آکورد حرکت نمی کند.”

برای اینکه بفهمند موش‌ها چه چیزی را به سمت اجتماعی شدن سوق می‌دهد، تیم Dzirasa ابتدا یک دستگاه ضبط را با ظرافت کاشت تا فعالیت الکتریکی همزمان هشت ناحیه مغز را که جنبه‌های مختلف رفتار اجتماعی را هماهنگ می‌کنند، مانند قشر جلوی مغز و ناحیه تگمنتال شکمی صادرکننده دوپامین، ثبت کند.

در مرحله بعد، موش‌ها می‌توانستند با موش دیگری یا دسته‌ای کوچک از لگوهای سیاه ارتباط برقرار کنند در حالی که محققان به امواج مغزی آن‌ها گوش می‌دادند. با کمال تعجب، فعالیت الکتریکی هیچ ناحیه ای از مغز نمی تواند میزان اجتماعی بودن یک موش را در حین انجام کار پیش بینی کند. حتی به عنوان یک مهندس آموزش دیده، Dzirasa برای جمع آوری تمام داده های امواج مغزی پیچیده به کمک نیاز داشت.

“ما [neuroscientists] بلد نیستم ماشین بسازم ما فقط چرخ ها و لاستیک ها را می بینیم. ما نمی دانیم که سیستم چگونه با هم پیش می رود.”

برای کمک به جمع‌آوری تصویر واضح‌تر از داده‌ها، زیراسا با همکار دیرینه‌اش دیوید کارلسون، استادیار مهندسی عمران و محیط‌زیست و آمار زیستی و بیوانفورماتیک و همچنین عضو موسسه دوک برای علوم مغز ارتباط برقرار کرد. کارلسون یک متخصص در زمینه یادگیری ماشینی است، شاخه ای از هوش مصنوعی (AI) که به موجب آن رایانه ها هر چه بیشتر داده های پیچیده را دریافت کنند، بهتر می شوند. کارلسون به توسعه یک سیستم هوش مصنوعی جدید برای درک داده های امواج مغزی کمک کرد.

کارلسون گفت: “کاری که ما در تلاشیم انجام دهیم این است که این سیستم هوش مصنوعی را بسازیم که بتواند آنچه را که در مغز می گذرد یاد بگیرد و توصیف کند و ما سعی می کنیم با این هوش مصنوعی به عنوان یک همکار در فرآیند علمی رفتار کنیم.”

نکته مهم این است که ابزار جدید هوش مصنوعی می‌تواند تمام فعالیت‌های الکتریکی هر ناحیه مغز، ده‌ها هزار سلول مغز را تجزیه و تحلیل کند و یک نقشه جدید “شبکه مغز اجتماعی” ترسیم کند. اکنون محققان می‌توانند پیش‌بینی کنند که کدام حیوانات شرکت همسالان خود را ترجیح می‌دهند، فقط با مشاهده فعالیت‌های ترکیبی شبکه‌های مغز اجتماعی آنها.

تیم Dzirasa با یک نقشه جدید و توپ کریستالی برای گرایش های اجتماعی، آزمایش کردند که آیا فعال کردن این شبکه اجتماعی مغز موش ها را اجتماعی تر می کند یا خیر. برای به دست آوردن کنترل دقیق بر این نواحی مغز، محققان از یک تکنیک مبتنی بر نور به نام اپتوژنتیک استفاده کردند تا آنها را قادر سازد فوراً بر روی مناطق خاصی از مغز حرکت کنند. روشن کردن سلول‌های مغزی قشر پیشانی مغز موش‌های خارج‌شده را تحریک می‌کند تا حتی بیشتر با موش دیگری آشنا شوند، که نشان می‌دهد این شبکه اجتماعی مغز هم رفتار اجتماعی را حس می‌کند و هم هدایت می‌کند.

به عنوان آخرین آزمایش، Dzirasa پرسید که آیا این مدل شبکه اجتماعی مغز می تواند رفتار اجتماعی مختل شده را در مدل موش اوتیسم تشخیص دهد. هنگامی که تیم Dzirasa ANK2 را در موش‌ها، ژنی که در افراد مبتلا به اوتیسم نقش دارد، از بین بردند، رفتار آنها ابزار یادگیری ماشینی را مخدوش کرد. دیگر نمی‌توانست بر اساس امواج مغزی یک موش مشخص شده اجتماعی بودن آن را پیش‌بینی کند، که نشان می‌دهد ابزار یادگیری ماشینی جدید در تشخیص فعالیت الکتریکی نابجا خوب است.

Dzirasa و Carlson مشتاق هستند تا بررسی کنند که این یافته‌ها در موش‌ها تا چه اندازه در افراد قابل استفاده است. در حال حاضر، تیم کارلسون با محققان مرکز اوتیسم و توسعه مغز دوک همکاری می‌کند تا ارزیابی کند که آیا این ابزار یادگیری ماشینی جدید می‌تواند تغییرات مغزی را در کودکان معمولی و دارای تنوع عصبی تشخیص دهد یا خیر.

Dzirasa امیدوار است که ابزارهای تشخیصی و درمان های بهتری برای سایر اختلالات اجتماعی ایجاد کند. او این هدف را به قلب‌شناسی تشبیه می‌کند: EKG می‌تواند ضربان قلب هر فردی را در زمانی که فعال است اندازه‌گیری کند و آن را با ضربان اولیه قلب در حالت استراحت مقایسه کند، که در بین افراد بسیار متفاوت است. اما هیچ ابزاری معادل برای ردیابی و درمان اختلالات مغزی به روشی مشابه وجود ندارد. همچنین یک ضربان ساز وجود ندارد که به میزان “مناسب” همبستگی، یکی دیگر از اهداف آتی آزمایشگاه Dzirasa، شماره گیری کند.

با این حال، Dzirasa مشتاق است تا بر این نکته تأکید کند که تنوع طبیعی است، بنابراین این مطالعه و کار آینده برای درک اینکه چگونه همه چیز خارج از محدوده معمولی اجتماعی بودن یک فرد به هم می‌ریزد، مهم است.

دزیراسا گفت: “بعضی از افراد اجتماعی تر از دیگران هستند. این بدان معنا نیست که افرادی که اجتماعی کمتری دارند بیماری روانی دارند، بلکه به این معنی است که تفاوت های فردی وجود دارد.” “اگر می خواهید این را در نهایت به هم مرتبط کنید و به این فکر کنید که چگونه انسان ها در بیماری های روانپزشکی تحت تاثیر قرار می گیرند، باید فرد را درک کنید.”

بنیاد WM Keck و مؤسسه ملی بهداشت ایالات متحده (R01MH120158, R21MH104316, R01ES025549, 1R01EB026937, 1R01MH125430, 1R01EB026937, 1R01MH125430) از این تحقیق پشتیبانی کردند.