نقشه برداری از فعالیت عصبی در مغز پستانداران

عملکرد مغز به نوع شبکه مداری که برای فعال کردن ادراک و اعمال تشکیل می دهد بستگی دارد. با این حال، هیچ فناوری برای کمک به آشکار ساختن ساختار شبکه پنهان با بررسی فعالیت عصبی در حیوانات زنده وجود ندارد.

دانشگاه کیوتو و مؤسسه تحقیقات در علوم بنیادی (IPM) اکنون به طور مشترک نقشه ای را ایجاد کرده اند که این ساختار مدار را با فعالیت عصبی در پستانداران مقایسه می کند. این نقشه محققان را قادر می‌سازد تا از ویژگی‌های فعالیت عصبی تصویر واضح‌تری از مدار به دست آورند.

سلول های عصبی سیگنال های الکتریکی به نام اسپایک تولید می کنند که پتانسیل ورودی را از طریق سیناپس ها به سلول عصبی بعدی می دهد. هنگامی که مجموع پتانسیل های ورودی از مقدار معینی فراتر رود، یک سنبله ایجاد می شود که فعالیت خود را به سلول عصبی بعدی منتقل می کند.

Hideaki Shimazaki از دانشکده تحصیلات تکمیلی انفورماتیک دانشگاه کیوتو می گوید: “هدف این تحقیق ساختن نظریه ای بود که ساختار و فعالیت شبکه های عصبی را یکپارچه می کند و از آن به عنوان ابزاری برای کشف ساختار شبکه از فعالیت استفاده می کند.”

جفت شدن بین دو سلول عصبی امکان فعال شدن یک سلول عصبی بلافاصله پس از فعال شدن سلول عصبی دیگر را افزایش می دهد. تلاش‌هایی در حال انجام است تا ساختار شبکه‌ای نورون‌ها را با تخمین اتصالات بین آن‌ها از طریق فعالیت مشترک نورون‌های ثبت‌شده به‌طور همزمان مشخص کند. با این حال، اینها تنها بخش قابل مشاهده ای از تصویر بزرگتر را نشان دادند که وضعیت مدارهای عصبی عملکردی مسئول هدایت شناخت و رفتار حیوانات را نشان می دهد.

متناظر می‌گوید: “برای آشکار کردن اتصالات پنهان از نورون‌های مشاهده نشده، از یک رابطه تحلیلی برای غیرخطی بودن بین ورودی و خروجی نورون‌ها استفاده کردیم. ما نشان دادیم که می‌توان معماری ریزمدارهای پنهان شامل نورون‌های مشاهده نشده، از فعالیت‌های مشترک نورون‌های مشاهده‌شده را شناسایی کرد.” نویسنده صفورا رشید شمالی از دانشکده علوم شناختی IPM.

نادر رسولی یکی از نویسندگان دپارتمان می گوید: “ما آموخته ایم که شباهت در رفتار افراد یا نورون ها، تاریخ مشترک آنها را نشان می دهد. در اینجا، رفتار فعالیت نورون است و تاریخ ورودی های مشترک پنهانی است که دریافت می کنند.” فیزیک دانشگاه گیلان و IPM.

محققان با بکارگیری این تکنیک در قشر بینایی پستانداران به اکتشافات جدیدی دست یافتند.

شمالی توضیح می‌دهد: «با استفاده از این نقشه، فعالیت‌های پراکنده نورون‌ها را در قشر بینایی موش‌ها و میمون‌ها بررسی کردیم و نشان دادیم که ساختار ورودی مشترک محلی تحریک‌کننده پشت این فعالیت‌ها قرار دارد.

مکانیسم مرتبط در مغز، کدگذاری پراکنده نامیده می شود، یک طرح کارآمد انرژی در قشر بینایی که تنها از تعداد کمی نورون برای بیان اطلاعات استفاده می کند. این مکانیسم با فرضیه قبلی ارائه شده که شبکه مدار تحت سلطه سلول های بازدارنده است، مقابله می کند.

شیمازاکی می‌گوید: «مکانیسمی که می‌تواند برای هوش مصنوعی اعمال شود، فعالیت‌های پراکنده‌ای ایجاد می‌کند و انتظار می‌رود که جهاتی را برای ساخت ساختار اتصال شبکه‌های عصبی عمیق و نورون‌های جزء به عنوان عناصر غیرخطی ارائه دهد.

این تحقیق در منتشر شده است زیست شناسی ارتباطات.