Opposite and complementary roles of the two calcium thresholds for inducing LTP and LTD in models of striatal projection neurons
यह अध्ययन प्रदर्शित करता है कि स्ट्रिएटल प्रोजेक्शन न्यूरॉन्स में LTP और LTD के लिए दो विशिष्ट कैल्शियम थ्रेशोल्ड (सीमाओं) में मेटाप्लास्टिसिटी विपरीत और पूरक भूमिकाएँ निभाती है, जिससे सिनैप्स जटिल सीखने की समस्याओं को हल करने और प्लास्टिसिटी-स्थिरता द्वंद्व को संबोधित करने के लिए या तो सुदृढ़ीकरण या क्षीणन को चुनिंदा रूप से व्यक्त करने में सक्षम होते हैं।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आपका मस्तिष्क एक हलचल भरे शहर की तरह है जहाँ अरबों नन्हे संदेशवाहक, जिन्हें न्यूरॉन्स कहा जाता है, लगातार एक-दूसरे को नोट्स भेज रहे हैं। ये नोट्स सिनैप्स (synapses) नामक अंतराल के माध्यम से यात्रा करते हैं। कभी-कभी, एक नोट इतना महत्वपूर्ण होता है कि शहर दो पड़ोसों के बीच एक सुपर-हाइवे बनाने का निर्णय लेता है, जिससे वह संबंध हमेशा के लिए मजबूत हो जाता है। हम इसी तरह सीखते हैं और याद रखते हैं। लेकिन पेचीदा हिस्सा यह है कि मस्तिष्क को यह भी जानना चाहिए कि कब एक सड़क को तोड़ना है या उसे कमजोर करना है, ताकि वह पुराने, बेकार सूचनाओं से जाम न हो जाए। इस संतुलन को सिनैप्टिक प्लास्टिसिटी (synaptic plasticity) कहा जाता है।
लंबे समय तक, वैज्ञानिकों ने सोचा था कि इन कनेक्शनों के लिए एक सरल "वॉल्यूम नॉब" (volume knob) होता है। यदि सिग्नल पर्याप्त तेज़ था, तो कनेक्शन मजबूत हो जाता; यदि बहुत धीमा था, तो वह कमजोर हो जाता। हालिया खोजों से पता चलता है कि यह एक जटिल ट्रैफिक कंट्रोल सिस्टम की तरह है जिसमें दो अलग-अलग सेट के लाइटें हैं: एक सड़कें बनाने (मजबूत करने) के लिए और दूसरी उन्हें बंद करने (कमजोर करने) के लिए। बड़ा सवाल यह है कि मस्तिष्क यह कैसे तय करता है कि कब कौन सी लाइट चालू करनी है जब एक ही जानकारी एक साथ दोनों काम करने की कोशिश कर रही हो? यहीं पर "मेटाप्लास्टिसिटी" (metapasticity) की अवधारणा आती है। मेटाप्लास्टिसिटी को ट्रैफिक लाइट के रूप में नहीं, बल्कि उस स्मार्ट सॉफ्टवेयर के रूप में सोचें जो पिछले ट्रैफिक के आधार पर लाइटों की संवेदनशीलता को समायोजित करता है। यदि सिस्टम बहुत संवेदनशील है, तो यह एक बार की घटना के लिए हाईवे बना सकता है; यदि यह पर्याप्त संवेदनशील नहीं है, तो यह एक महत्वपूर्ण आपातकालीन मार्ग को मिस कर सकता है। इस सॉफ्टवेयर के काम करने के तरीके को समझना यह जानने के लिए महत्वपूर्ण है कि हम पुरानी चीजों को भूले बिना नई चीजें कैसे सीख सकते हैं, और हम अपना मन कैसे बदल सकते हैं जब खेल के नियम बदल जाते हैं।
इस अध्ययन में, शोधकर्ताओं ने स्ट्रिएटम (striatum) में पाए जाने वाले एक विशिष्ट प्रकार के मस्तिष्क कोशिका का कंप्यूटर सिमुलेशन उपयोग किया, जो मस्तिष्क के गहरे हिस्से में स्थित होता है और हमें निर्णय लेने और आदतें सीखने में मदद करता है। वे यह देखना चाहते थे कि यह "ट्रैफिक कंट्रोल सॉफ्टवेयर" कैसे काम करता है जब मस्तिष्क एक ऐसी पहेली का सामना करता है जहाँ एक ही विशेषताएं "अच्छी" और "बुरी" दोनों स्थितियों में दिखाई देती हैं। कल्पना कीजिए कि आप यह सीखने की कोशिश कर रहे हैं कि "लाल स्ट्रॉबेरी" एक ट्रीट (treat) है, लेकिन "पीली स्ट्रॉबेरी" नहीं है। "स्ट्रॉबेरी" वाला हिस्सा दोनों में समान है, इसलिए "स्ट्रॉबेरी" के लिए मस्तिष्क का कनेक्शन भ्रमित हो जाता है: इसे एक साथ मजबूत (क्योंकि यह ट्रीट का हिस्सा है) और कमजोर (क्योंकि यह नॉन-ट्रीट का हिस्सा है) होने का निर्देश मिल रहा है।
शोधकर्ताओं ने पाया कि मस्तिष्क इस भ्रम को सुलझाने के लिए दो अलग-अलग "थ्रेशोल्ड" (thresholds)—जैसे दो अलग-अलग ट्रिपवायर्स (tripwires)—का उपयोग करता है। एक ट्रिपवायर यह पता लगाता है कि कब कनेक्शन को मजबूत करना है, और दूसरा यह पता लगाता है कि कब कमजोर करना है। जादू तब होता है क्योंकि इन दोनों ट्रिपवायर्स के काम विपरीत होते हैं। "कमजोर करने वाला" ट्रिपवायर वास्तव में "मजबूत करने वाली" प्रक्रिया में मदद करता है। जब एक कनेक्शन को मजबूत किया जा रहा होता है, तो "कमजोर करने वाला" ट्रिपवायर ऊपर की ओर बढ़कर एक उच्च स्तर पर चला जाता है, जिससे बाधा बढ़ जाती है ताकि भ्रमित करने वाले "बुरे" संकेतों द्वारा कनेक्शन को गलती से कमजोर न किया जा सके। यह एक क्लब के बाउंसर की तरह है जो, एक वीआईपी मेहमान को देखते हुए, उस विशिष्ट व्यक्ति के लिए "प्रवेश निषेध" के संकेतों को अनदेखा करने का निर्णय लेता है, यह सुनिश्चित करते हुए कि वह अंदर आ सके। इसके विपरीत, "मजबूत करने वाला" ट्रिपवायर कमजोर करने की प्रक्रिया में मदद करता है, ऊपर उठकर उन "अच्छे" संकेतों को रोकने के लिए जो उस कनेक्शन को मजबूत करने की कोशिश करते हैं जिसे भुला दिया जाना चाहिए।
अध्ययन ने इन परिदृश्यों का अनुकरण किया और दिखाया कि इस प्रकार के ट्रिपवायर्स (मेटाप्लास्टिसिटी) के बिना, मस्तिष्क फंस जाता है। साझा विशेषताओं (जैसे "स्ट्रॉबेरी") के लिए कनेक्शन बेतहाशा ऊपर-नीचे होते रहते, कभी भी निर्णय पर नहीं पहुँच पाते, और मस्तिष्क पैटर्न सीखने में विफल रहता। हालांकि, जब ट्रिपवायर्स को हिलने-डुलने की अनुमति दी गई, तो मस्तिष्क सफलतापूर्वक "लाल स्ट्रॉबेरी" के लिए फायर करने और "पीली स्ट्रॉबेरी" के लिए शांत रहने के पैटर्न को सीख गया, भले ही वे एक विशेषता साझा करते थे।
शोधकर्ताओं ने एक अधिक कठिन संस्करण का भी परीक्षण किया, जहाँ मस्तिष्क को दो अलग-अलग "अच्छे" पैटर्न सीखने थे जो एक-दूसरे से कोई विशेषता साझा नहीं करते थे, लेकिन "बुरे" पैटर्न के साथ विशेषताएं साझा करते थे। इस मामले में, उन्होंने पाया कि सफलता के लिए दोनों ट्रिपवायर्स को एक साथ समायोजित किया जाना आवश्यक था। यदि उन्होंने केवल एक को समायोजित किया, तो मस्तिष्क भ्रमित हो गया और विफल रहा।
दिलचस्प बात यह है कि अध्ययन ने यह भी देखा कि क्या होता है जब नियम बदलते हैं, जिसे "रिवर्सल लर्निंग" (reversal learning) कहा जाता है। कल्पना कीजिए कि आपने सीखा है कि "लाल स्ट्रॉबेरी" एक ट्रीट है, लेकिन अचानक नियम बदल जाते हैं, और अब "पीली स्ट्रॉबेरी" ट्रीट है। शोधकर्ताओं ने पाया कि यदि ट्रिपवायर्स अपनी उच्च स्थितियों में फंस जाते हैं (लॉक हो जाते हैं), तो मस्तिष्क अपना मन नहीं बदल सकता; वह बहुत कठोर हो जाता है। लेकिन यदि सिस्टम इन ट्रिपवायर्स को फिर से नीचे लाने की अनुमति देता है (शायद परिवर्तन का पता लगाने वाले मस्तिष्क के दूसरे हिस्से से मिलने वाले संकेत द्वारा), तो मस्तिष्क अपनी पुरानी यादों को "अनलॉक" कर सकता है और नए नियमों को सीख सकता है। यह बताता है कि इन थ्रेशोल्ड को रीसेट करने की क्षमता नई स्थितियों के अनुकूल होने के लिए महत्वपूर्ण है।
अंत में, टीम ने पूछा कि क्या मस्तिष्क को वास्तव में दो अलग-अलग ट्रिपवायर्स की आवश्यकता है या क्या एक बड़ा, समायोज्य एक ही काफी होगा। उनके सिमुलेशन ने दिखाया कि जबकि एक एकल ट्रिपवायर तकनीकी रूप से पहेलियों को हल कर सकता था, लेकिन यह दो-ट्रिपवायर सिस्टम द्वारा प्रदान किए जाने वाले बारीक, अलग नियंत्रण के बिना संभव नहीं होता। दो-ट्रिपवायर सिस्टम वॉल्यूम और बास (bass) के दो अलग-अलग डायल होने जैसा है, जो मस्तिष्क को एक एकल मास्टर वॉल्यूम नॉब की तुलना में सीखने पर बहुत अधिक सटीक नियंत्रण देता है।
संक्षेप में, यह पेपर सुझाव देता है कि जटिल पैटर्न सीखने और मन बदलने की मस्तिष्क की क्षमता दो समायोजने योग्य थ्रेशोल्ड के एक परिष्कृत सिस्टम पर निर्भर करती है। ये थ्रेशोल्ड केवल संकेतों पर प्रतिक्रिया नहीं करते हैं; वे सक्रिय रूप से विपरीत प्रकार के परिवर्तन के खिलाफ बाधा बढ़ाकर अपने निर्णयों की रक्षा करते हैं, यह सुनिश्चित करते हुए कि जो हमने सीखा है वह तब तक सीखा हुआ रहे जब तक कि उसे छोड़ने का समय न आ जाए।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।