تحقیقات اخیر نشان می دهد که سازماندهی قشر پیش پیشانی مغز بر اساس الگوهای فعالیت الکتریکی است و نه صرفا ساختار فیزیکی، که این موضوع منجر به ایجاد یک نقشه جدید مغز شده است. این یافته ها با تحلیل داده های هزاران نورون به دست آمده و نشان دهنده اهمیت سلسله مراتب پردازش اطلاعات در درک بهتر عملکردهای شناختی و اختلالات عصبی است.
تحقیقات جدید، رسمِ صدساله ی نقشه برداری از مغز بر اساس ظاهرِ بافت زیر میکروسکوپ رو به چالش می کشه و به ایجاد یک نقشه جدید مغز منجر می شه. دانشمندان با تحلیل سیگنال های الکتریکیِ هزاران نورون در موش ها، متوجه شدن که مرکز فرماندهی مغز خودش رو بر اساس جریان اطلاعات سازماندهی می کنه، نه بر اساس ساختار فیزیکی. این یافته ها در مجله ی Nature Neuroscience منتشر شده است.
قشر پیش پیشانی (Prefrontal cortex) مثل قطب اجرایی مغز عمل می کنه. این بخش، فرآیندهای پیچیده ای مثل برنامه ریزی، تصمیم گیری و استدلال رو مدیریت می کنه. از قدیم، دانشمندان علوم اعصاب مرزهای این منطقه رو با مطالعه ی «سیتوآرشیتکتور» یا همون ساختار سلولی تعیین می کردن. این روش شامل رنگ آمیزی بافت مغز و مشاهده ی نحوه ی چیدمان سلول هاست. فرض بر این بوده که تفاوت های فیزیکی در چیدمان سلول ها با وظایف عملکردی متفاوتی در ارتباطه. این روش های سنتی در نهایت به چالش کشیده شدند و نیاز به یک نقشه جدید مغز مبتنی بر عملکرد را برجسته کردند.
نقشه جدید مغز؛ رویکردی عملکردی به جای ساختاری
با این حال، ارتباط بین این نقشه های ایستا و فعالیت الکتریکیِ پویای نورون ها هنوز ثابت نشده باقی مونده. یه تیم تحقیقاتی به سرپرستی «ماری کارلن» در مؤسسه ی کارولینسکا در سوئد، سعی کردن این فرض قدیمی رو آزمایش کنن. «پیر لو مر» و «کاترینا هاینینگ» نویسندگان اصلی این مقاله بودن. هدف اونا این بود که یه نقشه ی عملکردی بر اساس کاری که نورون ها واقعا انجام می دن بسازن، نه فقط بر اساس جایی که قرار گرفتن.
برای رسیدن به این هدف، تیم تحقیقاتی تحلیل گسترده ای روی فعالیت های تک نورون ها انجام داد. اونا روی مغز موش تمرکز کردن که به عنوان مدلی برای ساختار عصبی پستانداران شناخته می شه. محققان حسگرهای پیشرفته ای به نام «نوروپیکسل» (Neuropixels) رو در مغز موش های بیدار قرار دادن. این حسگرها بهشون اجازه داد تا خروجی الکتریکیِ بیش از 24،000 نورون مجزا رو ثبت کنن.
این مطالعه شامل ثبت داده ها از قشر پیش پیشانی و همچنین نواحی حسی و حرکتی بود. محققان اول فعالیت های خودبه خودی رو تحلیل کردن. این یعنی فعالیت الکتریکی ای که وقتی حیوون در حال استراحته و کار خاصی انجام نمی ده، رخ می ده. فعالیت خودبه خودی دریچه ای رو به ویژگی های ذاتی یک نورون و شبکه ی محلی اون باز می کنه. این فعالیت ها اساس لازم برای شکل گیری یک نقشه جدید مغز پویا را فراهم می کنند.
تیم تحقیقاتی به روش های دقیقی برای توصیف این فعالیت ها نیاز داشت. فقط شمردن تعداد پالس های الکتریکی در ثانیه کافی نبود. اونا سه معیار ریاضی خاص رو برای تعیین ویژگی های الگوهای شلیک معرفی کردن. اولین معیار، «نرخ شلیک» یا همون تعداد دفعاتی بود که یک نورون سیگنال می فرسته.
معیار دوم «حالت انفجاری» (Burstiness) بود. این معیار بی نظمیِ فواصل بین پالس ها رو توصیف می کنه. نورونی که حالت انفجاری بالایی داره، به صورت خوشه های سریع شلیک می کنه و بعدش ساکت می شه. اما نورونی با حالت انفجاری پایین، با یه ریتم ثابت و مثل مترونوم شلیک می کنه.
معیار سوم «حافظه» بود. این معیار ساختار ترتیبیِ شلیک ها رو اندازه می گیره؛ یعنی بررسی می کنه که آیا طول یک فاصله بین شلیک ها می تونه طول فاصله ی بعدی رو پیش بینی کنه یا نه. در مجموع، این سه متغیر یه «اثر انگشت» منحصربه فرد برای هر نورونِ ثبت شده ایجاد کردن.
محققان از یک تکنیک یادگیری ماشین به نام «نقشه ی خودسازمان ده» استفاده کردن تا این اثر انگشت ها رو دسته بندی کنن. این الگوریتم، نورون هایی که ویژگی های شلیک مشابهی داشتن رو کنار هم قرار داد. این کار به دانشمندان اجازه داد تا بدون دخالت دادن پیش فرض های انسانی، فضای فعالیت های عصبی رو تجسم کنن.
تحلیل ها یه ویژگی متمایز رو برای قشر پیش پیشانی نشون داد. نورون ها در این ناحیه عمدتا نرخ شلیک پایین و ریتم های بسیار منظمی داشتن. اونا به صورت انفجاری و نامنظم شلیک نمی کردن. این موضوع یک پروفایل «نرخ پایین و شلیک منظم» ایجاد کرد که قشر پیش پیشانی رو از بقیه ی نواحی مغز متمایز می کرد.
بعد تیم تحقیقاتی این پروفایل های فعالیتی رو دوباره روی نقشه ی فیزیکی مغز پیاده کردن. اونا مرزهای خوشه های مبتنی بر فعالیت خودشون رو با مرزهای سنتیِ سیتوآرشیتکتور مقایسه کردن. این دو نقشه با هم مطابقت نداشتن. این تفاوت ها ضرورت توسعه نقشه جدید مغز را بیش از پیش نمایان ساخت.
نواحی ای که زیر میکروسکوپ متفاوت به نظر می رسیدن، اغلب شامل نورون هایی با الگوهای شلیک کاملا یکسان بودن. برعکس، نواحی ای که از نظر ساختاری شبیه هم بودن، اغلب میزبان انواع متفاوتی از فعالیت ها بودن. بخش های عملکردیِ متمایز در قشر پیش پیشانی، مرزهای کلاسیکی رو که کالبدشناس ها ترسیم کرده بودن، نادیده گرفتن.
به جای آناتومی، الگوهای فعالیت با «سلسله مراتب» هماهنگ بودن. در علوم اعصاب، سلسله مراتب به ترتیبِ پردازش اطلاعات اشاره داره. نواحی حسی که داده های خام رو از چشم یا گوش دریافت می کنن، در پایینِ سلسله مراتب قرار دارن. قشر پیش پیشانی که این داده ها رو برای تصمیم گیری با هم ترکیب می کنه، در راس قرار می گیره.
محققان نقشه های فعالیتی خودشون رو با نقشه های موجود از اتصالات مغزی تطبیق دادن. اونا متوجه شدن نواحی ای که در سلسله مراتب بالاتر هستن، همیشه ویژگی «نرخ پایین و شلیک منظم» رو نشون می دن. این یعنی نحوه ی شلیک نورون ها بر اساس جایگاهشون در شبکه تعیین می شه، نه بر اساس ساختار محلی سلول ها. این کشف که با پیش بینی هوش با زمان بندی مغزی همخوانی دارد، بینش های عمیقی درباره نحوه عملکرد نقشه جدید مغز ارائه می دهد.
این یافته با تئوری هایی که در مورد نحوه ی پردازش اطلاعات در مغز وجود داره، همخوانی داره. نواحی حسی باید سریع به محیط های در حال تغییر پاسخ بدن، پس به شلیک های سریع یا انفجاری نیاز دارن. اما نواحی سطح بالا نیاز دارن که اطلاعات رو در طول زمان با هم ترکیب کنن تا نقشه های پایداری داشته باشن. یه ریتم کند و منظم برای نگه داشتن اطلاعات در حافظه ی کاری، بدون اینکه نویزها حواس رو پرت کنن، ایده آله.
در ادامه ی مطالعه، محققان فراتر از فعالیت در حالت استراحت رفتن و رفتارهای هدفمند رو بررسی کردن. موش ها کاری رو انجام می دادن که در اون یه صدا می شنیدن یا یه محرک تصویری می دیدن. اونا باید یه چرخ رو می چرخوندن تا به عنوان پاداش آب بگیرن. این کار به محققان اجازه داد تا ببینن نقشه ی عملکردی چطوری در طول تصمیم گیریِ فعال تغییر می کنه.
تیم تحقیقاتی نورون هایی رو شناسایی کردن که برای جنبه های خاصی از اون کار «تنظیم» شده بودن. بعضی نورون ها فقط به صدا پاسخ می دادن. بقیه دقیقا زمانی شلیک می کردن که موش تصمیم می گرفت چرخ رو بچرخونه.
وقتی اونا این نورون های مرتبط با کار رو نقشه برداری کردن، باز هم هیچ ارتباطی با مرزهای آناتومیک سنتی پیدا نکردن. فعالیت های عملکردی قلمروهای منحصربه فرد خودشون رو شکل داده بودن. یکی از یافته های خاص هم یه پارادوکس رو نشون داد.
محققان ثابت کرده بودن که ویژگی اصلی قشر پیش پیشانی، شلیک کند و منظمه. با این حال، نورون های خاصی که مسئول «انتخاب» (عملِ تصمیم گیری) بودن، تمایل داشتن که نرخ شلیک بالایی داشته باشن. این نورون های «تصمیم گیرنده» از نظر شیمیایی و مکانی با نورون های «تجمیع کننده» ترکیب شده بودن اما رفتار متفاوتی داشتن.
این موضوع نشون دهنده ی تقسیم وظایف در یک فضای مغزی مشابهه. جمعیت عمومی نورون ها یه ریتم کند و ثابت رو حفظ می کنن تا یه بستر پایدار برای شناخت فراهم بشه. در داخل این شبکه ی پایدار، نورون های خاص و بسیار تحریک پذیری قرار دارن که باعث شروع کارها می شن.
تداخل این دو جمعیت نشون می ده که اتصالات، فضا رو شکل می دن. شبکه ی سلسله مراتب بالا از شلیک های منظم پشتیبانی می کنه. در داخل اون شبکه، ورودی های خاص باعث تحریک نورون های انتخاب گر با نرخ بالا می شن.
این نتایج نشون می ده که اتصالاتِ ذاتی، اصلِ اصلیِ سازماندهی در قشر پیش پیشانی هستن. ظاهر فیزیکیِ بافت، پیش بینی کننده ی ضعیفی برای عملکرد محسوب می شه. ماری کارلن می گه: «یافته های ما روش سنتیِ تعریف نواحی مغز رو به چالش می کشه و پیامدهای بزرگی برای درک کلی سازماندهی مغز داره.»
پیامدهای نقشه جدید مغز برای درک اختلالات
البته این مطالعه محدودیت هایی هم داره. این تحقیق بر اساس داده های موش ها انجام شده. با اینکه مغز موش و انسان شباهت های زیادی دارن، اما قشر پیش پیشانی انسان خیلی پیچیده تره. علاوه بر این، ثبت داده ها بیشتر روی لایه های عمیق قشر تمرکز داشته. این لایه ها مسئول فرستادن سیگنال های خروجی به بخش های دیگه مغز هستن.
فعالیت در لایه های سطحی که ورودی ها رو دریافت می کنن، ممکنه الگوهای متفاوتی رو نشون بده. همچنین این مطالعه مجموعه ی محدودی از رفتارها رو بررسی کرده. تحقیقات آینده باید بررسی کنن که آیا این نقشه ها در انواع مختلف کارهای شناختی هم درست از آب در میاد یا نه.
دانشمندان همچنین باید این معیارها رو در گونه های دیگه هم تایید کنن. اگه این الگوها درست باشن، می تونن راه جدیدی برای درک اختلالات مغزی باز کنن. خیلی از شرایط روان پزشکی با اختلال در قشر پیش پیشانی در ارتباط هستن. درکِ ویژگی فعالیت «نرمال» (کند و منظم) می تونه به شناساییِ مشکلاتی که در بیماری ها رخ می ده کمک کنه. با استفاده از این نقشه جدید مغز، می توانیم اختلالات را با دقت بیشتری تشخیص دهیم.
این رویکرد داده محور، یک چارچوب مقیاس پذیر ارائه می ده. این کار علم اعصاب رو از توصیفات بصری ذهنی به سمت دسته بندی های ریاضی عینی سوق می ده. این نشون می ده که برای درک مغز، باید به جای دیدنِ جاده های قابل مشاهده ی بافت، به ترافیکِ نامرئیِ الکتریسیته نگاه کنیم.
این مطالعه با عنوان «نقشه ی قشر پیش پیشانی بر اساس فعالیت تک نورونی» توسط پیر لو مر، کاترینا هاینینگ، مارینا اسلاشچوا، فلیکس یونگ، النا مویسیادو، نیکلاس گویون، رام یحیی، هیونسو پارک، فردریک ورنستال و ماری کارلن تالیف شده است.
گذر از روش های سنتی کالبدشناسی به سمت تحلیل های عملکردی پویا، افق های جدیدی را در علم اعصاب باز کرده است. با تمرکز بر سیگنال های الکتریکی و الگوهای شلیک نورون ها، دانشمندان اکنون می توانند تصویری دقیق تر از نحوه مدیریت اطلاعات پیچیده در قشر پیش پیشانی ترسیم کنند که نه تنها دانش ما را از مغز سالم ارتقا می دهد، بلکه مسیرهای تازه ای برای درمان بیماری های روانی فراهم می آورد.
New maps of brain activity challenge century-old anatomical boundaries
