Sunday, September 25, 2022
HomeBioफियर लर्निंग कैसे माउस ब्रेन को रिस्ट्रक्चर करता है

फियर लर्निंग कैसे माउस ब्रेन को रिस्ट्रक्चर करता है

एनयूरोन सिनैप्स के माध्यम से संचार करते हैं – छोटे, बटन जैसे प्रोट्रूशियंस जो एक न्यूरॉन से अंकुरित होते हैं और इसे अगले से जोड़ते हैं। इन छोटी संरचनाओं को सीखने और स्मृति की रीढ़ माना जाता है, जैसा कि हम सीखते हैं, ताकत और संख्या में परिवर्तन होता है। मानव बाल की चौड़ाई के लगभग 1/5,000वें हिस्से पर, सिनैप्स की कल्पना करना कठिन हो सकता है, और शोधकर्ता अभी ऐसा करने के लिए आवश्यक उपकरण विकसित करना शुरू कर रहे हैं।

में प्रकाशित एक अध्ययन में सेल रिपोर्ट 2 अगस्त को, चीनी विज्ञान अकादमी और शंघाई विश्वविद्यालय के शोधकर्ताओं ने गहन शिक्षण एल्गोरिदम और उच्च-रिज़ॉल्यूशन इलेक्ट्रॉन माइक्रोस्कोपी के संयोजन का उपयोग किया ताकि यह पता लगाया जा सके कि कैसे सुखद अनुभव मस्तिष्क कनेक्शन को पुनर्व्यवस्थित करते हैं। उन्होंने पाया कि जब चूहे बजर की आवाज से डरना सीखते हैं, तो उनके हिप्पोकैम्पस में न्यूरॉन्स डाउनस्ट्रीम अन्य न्यूरॉन्स के साथ अधिक संबंध बनाते हैं और सिनैप्टिक साइटों के लिए अधिक माइटोकॉन्ड्रिया को शटल करते हैं। तंत्रिका संपर्क में यह परिवर्तन सिनैप्टिक घनत्व को बढ़ाए बिना मस्तिष्क की सूचना भंडारण क्षमता को बढ़ाता है।

“मुझे लगता है कि यह पेपर दिलचस्प है। . . दोनों एक प्रौद्योगिकी के नजरिए से, और एक जीव विज्ञान के नजरिए से भी, “न्यूरोसाइंटिस्ट कहते हैं शू-सीन शूहावर्ड ह्यूजेस मेडिकल इंस्टीट्यूट के जेनेलिया रिसर्च कैंपस के एक वरिष्ठ वैज्ञानिक, जो अध्ययन में शामिल नहीं थे। “उनका पेपर मौलिक लेकिन अभी भी अनसुलझे प्रश्न को संबोधित करने की कोशिश कर रहा है जो सीखने और स्मृति को कम करता है।”

शोधकर्ताओं ने सीरियल-सेक्शन इलेक्ट्रॉन माइक्रोस्कोपी (एसएसईएम) नामक एक तकनीक का उपयोग करके माउस दिमाग की नकल की, जो अल्ट्रा-हाई-रिज़ॉल्यूशन छवियों को उत्पन्न करने के लिए ऊतक के पतले स्लाइस पर उच्च गति वाले इलेक्ट्रॉनों के बीम को शूट करता है और शोधकर्ताओं को सबसे छोटी संरचनाओं की कल्पना करने की अनुमति देता है।

यह तकनीक परत दर परत छवियों को कैप्चर करती है, जिसके परिणामस्वरूप प्रत्येक पतली स्लाइस में मौजूद सभी चीज़ों की एक विस्तृत तस्वीर मिलती है। विधि आम तौर पर भारी मात्रा में डेटा उत्पन्न करती है। इस मामले में, परिणाम कोशिकाओं, उनके जीवों, गुजरने वाले अक्षतंतु और डेंड्राइट्स और सिनेप्स का एक गन्दा नक्षत्र है।

देखना “स्टेज पर सिनैप्स

“कागज बहुत ही अत्याधुनिक गहन शिक्षण-आधारित छवि विश्लेषण से भरा है,” कहते हैं स्टीफन स्मिथसिएटल में एलन इंस्टीट्यूट फॉर ब्रेन साइंस में एक आणविक न्यूरोसाइंटिस्ट। “और यह गहन शिक्षण के साथ उच्च थ्रूपुट कम्प्यूटेशनल इलेक्ट्रॉन माइक्रोस्कोपी को लागू करने वाले पहले पत्रों में से एक है। . . सीखने की समस्या के लिए। ”

इस डेटा के माध्यम से भटकना बेहद बोझिल हो सकता है। ssEM 2D छवियों का निर्माण करता है, जिन्हें एक 3D क्यूब में इकट्ठा करने की आवश्यकता होती है, जिसमें synapses संरचनाओं की उलझन के बीच आकार लेते हैं जो ssEM छवियां भी कैप्चर करती हैं, जिससे शोधकर्ता उन्हें भीड़ से बाहर निकाल सकते हैं। यह श्रमसाध्य कार्य आमतौर पर हाथ से किया जाता है और इसमें घंटों लग सकते हैं, शू कहते हैं।

ssEM के माध्यम से synapses की पहचान करने की प्रक्रिया को स्वचालित करने के पिछले प्रयासों ने व्यक्तिगत 2D छवियों के विपरीत पूर्ण, पुनर्निर्मित 3D EM छवियों का उपयोग किया है, लेकिन या तो धीमी गति से किया गया है या मनुष्यों की तरह प्रदर्शन नहीं किया गया है। हालांकि, नए पेपर के सह-लेखकों ने एक अलग दृष्टिकोण का इस्तेमाल किया। उन्होंने सिनैप्स के टेल-टेल मार्करों को चुनने के लिए एक एल्गोरिदम को प्रशिक्षित किया- प्रत्येक 2 डी छवि पर सिनैप्टिक पुटिकाओं, सिनैप्टिक फांक और पोस्टसिनेप्टिक घनत्व के भीतर पाए जाने वाले ढांचे। उन्होंने माइटोकॉन्ड्रिया को देखने के लिए एक अलग एल्गोरिथम को भी प्रशिक्षित किया।

फिर, एक बार जब एल्गोरिदम ने प्रत्येक छवि में सिनैप्स या माइटोकॉन्ड्रिया को चुन लिया, तो उन्होंने छवियों को स्वचालित रूप से पंक्तिबद्ध करने के लिए एक और एल्गोरिदम का उपयोग किया। इस प्रक्रिया ने सिनेप्स और माइटोकॉन्ड्रिया को नाटकीय रूप से बाहर निकालने की प्रक्रिया को तेज कर दिया, जिससे शोधकर्ताओं को समानांतर में सैकड़ों हजारों सिनेप्स का अध्ययन करने की अनुमति मिली। एल्गोरिथ्म एक तिहाई समय में कोशिकाओं को निकाल सकता है जब मानव उच्च सटीकता पर कर सकता है। “ईएम डेटा निकालना। . . समय लेने वाली है,” शू कहते हैं। “वे बहुत बड़े पैमाने पर जानकारी निकालने में सक्षम थे। नमूना आकार। . . यदि कोई इसे हाथ से करता है तो उससे अधिक परिमाण के आदेश हैं। ”

दो न्यूरॉन्स के बीच सिनैप्स प्रीसिनेप्टिक बॉटन नामक विशेष साइटों पर बनते हैं, जो एक या कभी-कभी कई डेंड्राइट्स के लिए एक-तरफ़ा कनेक्शन बनाते हैं, न्यूरॉन्स की पेड़ जैसी शाखाएं जो सिनैप्टिक ट्रांसमिशन के प्राप्त अंत को बनाती हैं। आमतौर पर, यह एक-से-एक कनेक्शन होता है, लेकिन चूहों में, बाउटन कई डेंड्राइट्स के साथ कनेक्शन बना सकते हैं, और डेंड्राइट कई बॉउटन के साथ कनेक्शन बना सकते हैं। “ये बहु-संपर्क सिनेप्स संख्या में इतने महान नहीं हैं,” शू कहते हैं।

यह देखने के लिए कि डर सीखने के संदर्भ में ये विशेष सिनेप्स कैसे बदलते हैं, शोधकर्ताओं ने चूहों के सिनेप्स का विश्लेषण किया जिन्होंने अपने पैर में बिजली के झटके के साथ एक स्वर को जोड़ना सीखा था। शोधकर्ताओं ने पाया कि सिनेप्स की संख्या में बदलाव नहीं हुआ, लेकिन अलग-अलग प्रीसानेप्टिक बाउटन डर कंडीशनिंग के बाद अधिक डेंड्राइट्स से जुड़े। टीम ने माइटोकॉन्ड्रिया को बड़ी संख्या में प्रीसानेप्टिक बाउटन में भी पाया, यहां तक ​​​​कि बिना अधिक कनेक्शन के भी। इसका तात्पर्य यह है कि माइटोकॉन्ड्रिया प्रीसानेप्टिक साइट पर तेजी से विभाजित हो रहे हैं। चूंकि माइटोकॉन्ड्रिया सेलुलर गतिविधि के लिए ऊर्जा प्रदान करते हैं और कोशिकाओं को कैल्शियम को विनियमित करने में मदद करते हैं – अणु जो न्यूरोट्रांसमीटर की रिहाई को ट्रिगर करता है – वे सिनैप्टिक ताकत बढ़ाने में महत्वपूर्ण खिलाड़ी हैं।

शोधकर्ताओं ने तब एक मशीन सीखने के दृष्टिकोण और सूचना सिद्धांत का उपयोग किया- जो डिजिटल जानकारी को स्टोर करने और रिले करने के लिए नेटवर्क की क्षमता को मापता है- एक कम्प्यूटेशनल तंत्रिका नेटवर्क द्वारा संग्रहीत जानकारी की मात्रा की गणना करने के लिए नेटवर्क के बाद एसएसईएम के साथ चित्रित किया गया। उन्होंने पाया कि बहु-संपर्क synapses के बड़े अनुपात वाला नेटवर्क केवल एक-से-एक synapses के साथ बनाए गए पारंपरिक नेटवर्क की तुलना में अधिक जानकारी एन्कोड करने में सक्षम था। इसका तात्पर्य यह है कि, हालांकि उनके द्वारा इमेज किए गए ऊतक में सिनेप्स की संख्या में बदलाव नहीं होता है, लेकिन माउस हिप्पोकैम्पस में संभावित रूप से संग्रहीत की जा सकने वाली सूचनाओं की संख्या डर कंडीशनिंग के बाद भी बढ़ जाती है।

शू का कहना है कि, भविष्य में, वह शोधकर्ताओं को इन बहु-संपर्क सिनेप्स को और वर्गीकृत करते हुए देखना चाहेंगे। “साथ [ss]ईएम डेटा। . . आप शायद बता सकते हैं [the difference] निरोधात्मक और उत्तेजक सिनैप्स के बीच, लेकिन आप वास्तव में उनके द्वारा उपयोग किए जाने वाले न्यूरोट्रांसमीटर के प्रकारों को निर्धारित नहीं कर सकते हैं। वह देखना चाहता है कि किस प्रकार के न्यूरोमॉड्यूलेटर, जैसे सेरोटोनिन और डोपामाइन, संशोधित सिनेप्स अपने पोस्टसिनेप्टिक भागीदारों को उत्तेजित करने के लिए उपयोग करते हैं, क्योंकि ये अणु सीखने और स्मृति के लिए बहुत महत्वपूर्ण हैं।

शू और स्मिथ दोनों सोचते हैं कि भविष्य के अध्ययनों से इस दृष्टिकोण से लाभ होने की संभावना है। “मुझे लगता है कि भविष्य में अगर EM. . . अधिक आसानी से किया जा सकता है। . . लोग इस प्रकार का करना शुरू कर देंगे [study] में । . . विभिन्न प्रयोगात्मक स्थितियां, ”शेउ कहते हैं।

LEAVE A REPLY

Please enter your comment!
Please enter your name here

Most Popular

Recent Comments