Systematic Spike Sorting Errors Revealed by Juxtacellular Ground Truth in the Awake Brain
تكشف هذه الدراسة، باستخدام مجموعة بيانات مرجعية من فئران مستيقظة، أن أداء فرز النبضات العصبية يتأثر سلباً بشكل كبير بسبب التزامن بين الاندفاعات والتقاطعات في النبضات، مما يؤدي إلى معدلات مرتفعة من السلبيات الكاذبة التي تشوه ديناميكيات المجموعات العصبية بشكل غير متناسب وتستوجب تقييماً قوياً لعدم اليقين في مخرجات الفرز.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل
لفهم كيفية تفكير الدماغ، يستمع العلماء غالباً إلى الهمسات الكهربائية للخلايا العصبية الفردية. فعندما تطلق خلية عصبية نبضة، فإنها ترسل ومضة كهربائية ضئيلة يمكن التقاطها بواسطة مسبار حساس يوضع خارج الخلية مباشرة. وتكمن المشكلة في أنه في الدماغ الحي، تطلق مئات الخلايا العصبية نبضاتها في وقت واحد، وتتداخل إشاراتها على سلك التسجيل، مما يخلق فوضى متشابكة من الكهرباء. ولتفسير ذلك، يستخدم الباحثون عملية تسمى "فرز النبضات" (spike sorting)، وهي في الأساس محاولة رقمية لفك تشابك الأسلاك وتعيين كل نبضة للخلية العصبية المحددة التي أوجدتها. هذه المهمة جوهرية للغاية لدرجة أن كل ما نعرفه تقريباً عن كيفية تواصل خلايا الدماغ، وكيفية تشكل الذكريات، وكيفية عمل شبكات الخلايا معاً، يعتمد على دقة هذا الفرز. لسنوات طويلة، تم اختبار الأدوات المستخدمة في هذا الفرز والوثوق بها بناءً على بيانات من حيوانات نائمة أو خلايا في أطباق مخبرية، حيث يكون الدماغ هادئاً والإشارات نقية. لكن الدماغ في حيوان مستيقظ ومفكر هو مكان مختلف تماماً، مليء بالاندفاعات السريعة من النشاط والإشارات المزدحمة التي قد تكسر القواعد التي بُنيت عليها هذه الأدوات.
لقد وضع فريق من الباحثين هدفاً لمعرفة ما إذا كانت الأدوات القياسية لفرز هذه الإشارات تعمل بالفعل عندما يكون الدماغ مستيقظاً ونشطاً. قاموا بتسجيل نشاط ست عشرة خلية عصبية فردية في أدمغة فئران كانت مستيقظة وتتحرك على جهاز المشي. وللتأكد من معرفة أي النبضات تنتمي إلى أي خلية عصبية، استخدموا تقنية خاصة حيث وُضع قطب كهربائي زجاجي صغير بجانب خلية واحدة مباشرة لالتقاط إشارتها مباشرة، بينما سجل مسبار منفصل متعدد الأسلاك إشارة الخلية نفسها من مسافة قصيرة. وقد منحهم هذا "حقيقة أرضية" (ground truth)، وهي إجابة معروفة يمكنهم من خلالها اختبار أداء أربعة من أكثر البرامج الحاسوبية شيوعاً المستخدمة لدى العلماء لفرز النبضات. وما وجدوه كان فجوة كبيرة بين التوقعات والواقع. فبينما كان أداء برامج الفرز جيداً بشكل معقول بشكل عام، إلا أنها أغفلت عدداً كبيراً من النبضات، لا سيما عندما كانت الخلية العصبية تطلق نبضات سريعة في شكل اندفاعة (burst). والأكثر إثارة للدهشة هو أن الأخطاء لم تكن عشوائية؛ بل حدثت في أنماط محددة ومتوقعة يمكن أن تشوه فهمنا لكيفية تواصل خلايا الدماغ مع بعضها البعض.
اكتشف الباحثون أن المشكلة الكبرى لهذه البرامج هي مزيج من أمرين: إطلاق الخلية العصبية لاندفاعة سريعة، وتداخل الإشارات من خلايا عصبية أخرى في الوقت نفسه. فعندما تطلق خلية عصبية نبضة واحدة معزولة، تكون برامج الفرز جيدة جداً في العثور عليها. ولكن عندما تطلق نفس الخلية سلسلة سريعة من النبضات، يتغير شكل الإشارة الكهربائية، وغالباً ما تصبح أصغر ويصعب تمييزها. وبرامج الفرز، المدربة على البحث عن شكل ثابت، غالباً ما تفشل في التعرف على هذه الإشارات المتغيرة كإشارات قادمة من نفس الخلية. ويزداد الوضع سوءاً عندما تطلق خلية عصبية أخرى نبضة في اللحظة ذاتها، مما يخلق تداخلاً فوضوياً للإشارات. ووجد الباحثون أنه عندما كانت الخلية العصبية في حالة اندفاع وتداخلت إشارتها مع خلية أخرى، كانت برامج الفرز تخطئ في رصد النبضة بمعدل سبعة أضعاف مقارنة بالنبضات العادية المعزولة. ورغم أن هذه اللحظات الصعبة لم تشكل سوى حوالي خمس إجمالي النبضات، إلا أنها كانت مسؤولة عن نصف جميع الإشارات المفقودة تقريباً.
اكتشاف رئيسي آخر هو أن البرامج لم تكن تخطئ في هذه النبضات الصعبة عبر تجاهلها تماماً فحسب، بل كانت تخطئ في تحديد هويتها أيضاً؛ حيث يكتشف الحاسوب الإشارة ولكنه ينسبها إلى الخلية العصبية الخطأ، ظناً منه أنها تنتمي إلى خلية أخرى قريبة. وعندما حاول الباحثون إصلاح ذلك عن طريق دمج مجموعات النبضات المختلفة يدوياً، لم يساعد ذلك الأمر، بل أدت محاولة دمج المجموعات إلى جعل البيانات أسوأ، حيث أدخلت الكثير من الأخطاء الجديدة لدرجة أن الفائدة من العثور على النبضات المفقودة قد ضاعت. يشير هذا إلى أن طرق الفرز الحالية، التي تعتمد على فكرة أن إشارة الخلية العصبية تبدو دائماً كما هي، تعاني بشكل أساسي من التعامل مع التباين الطبيعي للدماغ المستيقظ. كما أن البرامج متحمسة جداً لإيجاد التداخلات، حيث تخمن غالباً أن الإشارة الفوضوية هي ناتجة عن خليتين عصبيتين تطلقان نبضات في آن واحد بينما هي في الواقع مجرد خلية عصبية واحدة تطلق اندفاعة صعبة. هذا الحماس يؤدي إلى إنذارات كاذبة، حيث يبتدع الحاسوب نبضات لم تحدث أبداً.
يخلص البحث إلى أن الأخطاء التي ترتكبها برامج الفرز هذه ليست مجرد ضجيج عشوائي، بل هي منظمة بطريقة يمكن أن تضلل الاستنتاجات العلمية بشكل خطير. وبما أن الأخطاء تحدث غالباً أثناء الاندفاعات والتداخلات - وهي لحظات غالباً ما تكون الأكثر أهمية للعلماء الذين يدرسون كيفية معالجة الدماغ للمعلومات - فإن البيانات الناتجة قد تخلق روابط وهمية بين الخلايا العصبية أو تخفي روابط حقيقية. ويجادل الباحثون بأن الحل لا يكمن فقط في بناء أدوات فرز أفضل، بل في تغيير كيفية الثقة في مخرجاتها. فبدلاً من معاملة البيانات المفروزة كقائمة حقائق مثالية، يحتاج العلماء إلى الاعتراف بعدم اليقين في هذه العملية، خاصة خلال تلك اللحظات الفوضوية من الاندفاعات وتداخل الإشارات. ومن خلال فهم أين ولماذا تفشل هذه الأدوات بدقة، يمكن للمجتمع العلمي البدء في تطوير طرق أفضل تأخذ في الاعتبار الواقع الفوضوي والديناميكي للدماغ المستيقظ، مما يضمن أن القصص التي نرويها عن كيفية عمل الدماغ مبنية على أساس متين.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.