Predicting Macroscopic Axon Topology from Microscopic Kinematics: An Interactive Tracking and Random Walk Pipeline for Substrate-Dependent Cortical Neurospheres
تقدم هذه الدراسة مساراً تفاعلياً للتتبع والمسير العشوائي يستخدم كرات عصبية قشرية محكومة الحجم لتقدير حركية المحاور المعتمدة على الركيزة، مما يربط بنجاح بين ديناميكيات النمو المجهرية وطوبولوجيا الشبكة العيانية للتنبؤ ببنية الدوائر في المختبر.
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
يُعد الدماغ شبكة واسعة من الاتصالات، مدينة مترامية الأطراف من الخلايا حيث تنتقل المعلومات عبر كابلات طويلة ونحيفة تسمى المحاور العصبية. ولكي يعمل الدماغ، يجب أن تنمو هذه الكابلات من خلية إلى أخرى، لتجد طريقها عبر مسافات مجهرية لبناء الدوائر التي تسمح لنا بالتفكير والتحرك والشعور. لقد عرف العلماء منذ زمن طويل أن المسار الذي يسلكه المحور ليس عشوائياً؛ بل يتم توجيهه بواسطة إشارات كيميائية والملمس الفيزيائي للسطح الذي ينمو عليه. ومع ذلك، فإن مراقبة نمو هذه الكابلات الصغيرة في طبق مختبري كان دائماً لغزاً محبطاً. ففي التجارب القياسية، تتحرك أجسام الخلايا التي تثبت هذه المحاور باستمرار، مثل شخص يحاول قياس طول حبل بينما يمشي إلى الوراء. وهذا التحرك يجعل من المستحيل تقريباً معرفة ما إذا كان الحبل يزداد طولاً بالفعل أم أن الشخص الذي يمسك به يتراجع فحسب. علاوة على ذلك، ولأن هذه الخلايا تحتاج إلى التجمع معاً لتبقى على قيد الحياة، فإن أطرافها النامية غالباً ما تتشابك مع بعضها البعض، مما يجعل من الصعب تتبع مسار واحد. وبدون وسيلة واضحة لقياس كيفية تحرك هذه المحاور وانعطافها بدقة، كافح الباحثون للتنبؤ بكيفية تنظيم مجموعة معينة من الخلايا لنفسها في دائرة عاملة.
ولحل هذه المشكلة، لجأ فريق من الباحثين في جامعة كارنيجي ميلون إلى نوع مختلف من الإعدادات المختبرية. فبدلاً من نثر خلايا فردية عبر طبق، قاموا بتنميتها في مجموعات كروية ضيقة تسمى "الأجسام العصبية" (neurospheres). تخيل كرة صغيرة كثيفة من الخلايا، بحجم حبة رمل تقريباً، حيث يكون لكل محور نقطة انطلاق ثابتة في المركز. هذا التغيير البسيط أزال الارتباك الناتج عن تحرك أجسام الخلايا، مما سمح للفريق بمراقبة نمو المحاور نحو الخارج بوضوح تام. وضعوا هذه الكرات على نوعين مختلفين من الأسطح: أحدهما مغطى ببروتين لاصق أساسي يسمى "بولي دي ليسين" (poly-D-lysine)، والآخر مغطى بنفس البروتين بالإضافة إلى "اللامينين" (laminin)، وهي مادة توجد طبيعياً في الجسم وتساعد الخلايا على التشبث. ومن خلال تصوير النمو على مدار عدة أيام، استطاع الباحثون تتبع رحلة المحاور الفردية بدقة عالية، وقياس المسافة التي تحركتها ومدى حدة انعطافاتها بدقة.
اكتشف الفريق أن السطح الذي تنمو عليه المحاور كان مهماً بشكل كبير، ولكن فقط بعد مرور فترة زمنية معينة. ففي اليوم الأول أو ما يليه من الأيام بعد وضع الكرات على الأسطح، كانت المحاور على كلا النوعين من الطلاء تتصرف بشكل متطابق تقريباً، حيث تنمو بسرعات متشابهة وتنعطف بتردد متشابه. ومع ذلك، ومع نضوج المزرعة، ظهر فرق واضح. فعلى السطح الذي يحتوي على اللامينين، بدأت المحاور تنمو بشكل أسرع وتتحرك في خطوط أكثر استقامة. وفي المرحلة الثانية من التجربة، كانت المحاور على سطح اللامينين تتقدم بمتوسط سرعة قدره 0.436 ميكرومتر في الدقيقة، وهو أسرع بشكل ملحوظ من السرعة البالغة 0.339 ميكرومتر في الدقيقة التي لوحظت على السطح اللاصق الأساسي. والأهم من ذلك، أن المحاور على سطح اللامينين كانت تنعطف بشكل أقل، مما يشير إلى أنها كانت أكثر ثقة في اتجاهها. وقد قسم الباحثون هذه الحركة إلى ثلاثة سلوكيات متميزة: التحرك للأمام، والتراجع للخلف، والتسكع جانبياً. ووجدوا أنه بينما تقضي جميع المحاور معظم وقتها في التحرك للأمام، فإن تلك الموجودة على سطح اللامينين تقضي وقتاً أطول في الاستكشاف الجانبي، وهي علامة على أنها تختبر بيئتها بنشاط قبل الالتزام بمسار معين.
ولفهم ما إذا كانت هذه التحركات المجهرية يمكن أن تفسر الصورة الكبيرة، بنى الباحثون نموذجاً حاسوبياً يحاكي كيفية نمو آلاف المحاور بناءً على البيانات الحقيقية التي جمعوها. لم يقوموا بمجرد التخمين، بل برمجوا الكمبيوتر ليحاكي الأنماط الإحصائية الدقيقة للسرعة والانعطاف التي قاسوها في المختبر. وعندما قاموا بتشغيل المحاكاة، كانت النتيجة مذهلة. نمت المحاور الافتراضية من كراتها المركزية وشكلت شبكة تبدو مطابقة تقريباً للشبكات الحقيقية التي شوهدت في الأطباق المختبرية. نجح النموذج في التنبؤ بأن سطح اللامينين سيؤدي إلى انتشار أوسع وأكثر امتداداً للمحاور مقارنة بالسطح الأساسي. وقد أكد هذا أن الخطوات الصغيرة والعشوائية التي يتخذها محور واحد — أي سرعة حركته وتكرار انعطافه — هي التي تحدد بشكل مباشر الشكل واسع النطاق للشبكة العصبية بأكملها.
يوفر هذا العمل طريقة جديدة للنظر في كيفية بناء الدوائر الدماغية. فمن خلال الجمع بين تجربة نظيفة ومنضبطة ونموذج حاسوبي مفصل، أظهر الباحثون أنه من الممكن التنبؤ ببنية الشبكة العصبية بمجرد فهم قواعد النمو الفردي. وتشير الدراسة إلى أن البيئة الفيزيائية تلعب دوراً حاسماً في تشكيل الأسلاك الدماغية، ولكن هذا التأثير يستغرق وقتاً ليصبح مرئياً. وتقدم هذه النتائج أداة قوية للبحوث المستقبلية، مما يسمح للعلماء بتصميم دوائر عصبية اصطناعية ذات أشكال واتصالات محددة، أو اختبار كيف قد تغير الأمراض طريقة نمو الخلايا الدماغية. فبدلاً من التخمين حول كيفية تشكل الشبكة، يمكن للباحثين الآن استخدام هذه القياسات للتنبؤ بالنتائج، وتحويل لغز تطور الدماغ المعقد إلى عملية قابلة للتنبؤ وصديقة للهندسة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.