🧠 neuroscience

Collapse of local circuit integrated information {Phi} during NREM sleep

यह अध्ययन यह प्रदर्शित करके इंटीग्रेटेड इंफॉर्मेशन थ्योरी (Integrated Information Theory) का समर्थन करने वाले अनुभवजन्य साक्ष्य प्रदान करता है कि स्थानीय न्यूरोनल सर्किट के भीतर एकीकृत सूचना ({Phi}), फायरिंग दर या कॉर्टिकल संरचना से स्वतंत्र रूप से, विशेष रूप से ऑफ-पीरियड्स के दौरान, एनआरईएम (NREM) नींद के दौरान काफी कम हो जाती है, जिससे {Phi} के पतन को चेतना की हानि से जोड़ा जा सकता है।

मूल लेखक: Onoda, K.

प्रकाशित 2026-04-03

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Onoda, K.

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

बड़ा सवाल: हम "हम" क्यों हैं?

कल्पना कीजिए कि आपका मस्तिष्क एक विशाल, हलचल भरा शहर है। जब आप जाग रहे होते हैं, तो शहर जीवंत होता है: लाइटें जल रही हैं, लोग बातें कर रहे हैं, ट्रैफिक चल रहा है, और हर कोई एक-दूसरे से जुड़ा हुआ है। यही चेतना (Consciousness) है।

लेकिन जब आप सो जाते हैं तो क्या होता है? शहर बस बंद नहीं हो जाता; वह बदल जाता है। कभी-कभी यह एक शांत सपने जैसा होता है (REM नींद), जहाँ लाइटें तो जल रही होती हैं लेकिन ट्रैफिक के पैटर्न अजीब होते हैं। अन्य समय में, यह गहरी, बिना सपनों वाली नींद (NREM नींद) होती है, जहाँ ऐसा लगता है जैसे शहर लहरों में बंद हो रहा है।

वैज्ञानिकों के पास एक सिद्धांत है जिसे इंटीग्रेटेड इंफॉर्मेशन थ्योरी (IIT) कहा जाता है। IIT को एक नियम पुस्तिका की तरह समझें जो कहती है: "चेतना केवल इस बारे में नहीं है कि कितनी लाइटें जल रही हैं (न्यूरॉन्स का सक्रिय होना); यह इस बारे में है कि वे एक एकल, एकीकृत चित्र बनाने के लिए आपस में कितनी अच्छी तरह बात कर रही हैं।"

यह शोधपत्र पहली बार इस नियम पुस्तिका का परीक्षण करने का प्रयास है, जिसमें शोधकर्ताओं ने केवल हेलीकॉप्टर से (बड़े ब्रेन स्कैन का उपयोग करके) शहर को देखने के बजाय, चूहों के वास्तविक "वायरिंग" (न्यूरॉन्स) को देखा है।

प्रयोग: "कनेक्शन" की गिनती करना

शोधकर्ता $\Phi$ (फाई) को मापना चाहते थे।

उपमा: कल्पना कीजिए कि $\Phi$ $Φ$ एक स्कोर है कि दोस्तों का एक समूह कितना "जुड़ा हुआ" है।
- यदि आपके 4 दोस्त एक घेरे में खड़े हैं, और वे सभी एक गुप्त संदेश को एक-दूसरे तक तुरंत पहुँचा सकते हैं, तो उनका $\Phi$ उच्च (High) है। वे एक घनिष्ठ समूह हैं।
- यदि वे वही 4 दोस्त एक कमरे में हैं लेकिन सभी अपने फोन देख रहे हैं और एक-दूसरे को अनदेखा कर रहे हैं, तो उनका $\Phi$ कम (Low) है। वे केवल व्यक्तियों का एक समूह हैं, एक एकीकृत टीम नहीं।

शोधकर्ताओं ने चूहों की मस्तिष्क गतिविधि को रिकॉर्ड किया जब वे थे:

जागृत (Awake) (शहर हलचल भरा है)।
REM नींद (शहर सपना देख रहा है, लाइटें जल रही हैं, लेकिन पैटर्न अलग हैं)।
NREM नींद (गहरी नींद जहाँ शहर शांत हो जाता है)।

बड़ी खोज: "पावर आउटेज"

उन्होंने क्या पाया, इसे हमारे शहर की उपमा में समझते हैं:

1. नींद के "ऑन" और "ऑफ" स्विच
गहरी NREM नींद के दौरान, मस्तिष्क केवल शांत नहीं होता; यह एक अजीब चक्र से गुजरता है। यह एक ऐसे शहर की तरह है जहाँ बिजली का ग्रिड झपकी लेता है।

On-पीरियड्स: एक पल के लिए, न्यूरॉन्स एक साथ सक्रिय होते हैं (लाइटें जल उठती हैं)।
Off-पीरियड्स: फिर, अचानक, एक क्षण के लिए सब कुछ शांत हो जाता है (बिजली कट जाती है)।

2. स्कोर का पतन (Collapse)
शोधकर्ताओं ने इन समयों के दौरान $\Phi$ स्कोर (कनेक्शन स्कोर) की गणना की।

जागृत (Awake): उच्च स्कोर। शहर एकीकृत है।
REM नींद: अभी भी एक अच्छा स्कोर। सपनों वाला शहर अभी भी जुड़ा हुआ है।
NREM नींद (On-पीरियड्स): स्कोर गिर जाता है।
NREM नींद (Off-पीरियड्स): स्कोर क्रैश (बिल्कुल गिर) हो जाता है।

रूपक (Metaphor): एक गायक दल (Choir) की कल्पना करें जो गाना गा रहा है।

जागरूक: हर कोई मिलकर एक जटिल, सामंजस्यपूर्ण गीत गा रहा है।
NREM Off-पीरियड: यह ऐसा है जैसे कंडक्टर अचानक चिल्लाकर कहता है "रुको!" और एक सेकंड के लिए सब शांत हो जाता है। भले ही वे एक पल बाद फिर से गाना शुरू कर दें, लेकिन वह मौन का क्षण सामंजस्य को तोड़ देता है। गीत की "एकता" खो जाती है।

यह क्यों मायने रखता है?

यह शोधपत्र दो बड़ी चीजों को सिद्ध करता है:

1. यह केवल न्यूरॉन्स के "कितने तेज़" होने के बारे में नहीं है
आप सोच सकते हैं, "ओह, स्कोर इसलिए गिरा क्योंकि न्यूरॉन्स ने काम करना बंद कर दिया।"

ट्विस्ट: शोधकर्ताओं ने इसका परीक्षण किया। उन्होंने "तेज़" जागृत मस्तिष्क को कृत्रिम रूप से धीमा (firing rates कम) किया ताकि वह शांत नींद वाले मस्तिष्क के समान हो जाए। उतनी ही "आवाज़" (firing rate) होने के बावजूद, नींद के दौरान कनेक्शन स्कोर ( $\Phi$ ) अभी भी कम था।
सबक: चेतना केवल बहुत अधिक ऊर्जा होने के बारे में नहीं है; यह कनेक्शनों की संरचना के बारे में है। नींद के दौरान, मस्तिष्क को एक साथ थामे रखने वाली "वायरिंग" अस्थायी रूप से बिखर जाती है।

2. समय का "स्वीट स्पॉट" (Sweet Spot)
शोधकर्ताओं ने पाया कि मस्तिष्क का कनेक्शन स्कोर तब उच्चतम होता है जब आप इसे एक विशिष्ट समय सीमा (लगभग 40-50 मिलीसेकंड) के दौरान देखते हैं।

उपमा: यह एक फिल्म देखने जैसा है। यदि आप स्क्रीन को बहुत तेज़ी से देखते हैं (1 फ्रेम), तो आपको कुछ नहीं दिखता। यदि आप बहुत धीरे देखते हैं (पूरा एक घंटा), तो आप कहानी मिस कर देते हैं। कहानी देखने के लिए आपको "गोल्डिलॉक्स" (सही) गति की आवश्यकता होती है।
मस्तिष्क की एक विशिष्ट "स्पीड लिमिट" है कि उसे सचेत रहने के लिए खुद से कितनी तेज़ी से बात करने की आवश्यकता है। गहरी नींद के दौरान, मस्तिष्क इस गति से बात करना बंद कर देता है, इसलिए चेतना की "कहानी" टूट जाती है।

निष्कर्ष

यह शोधपत्र इस बात का प्रमाण है कि चेतना कैसे काम करती है।

यह दिखाता है कि जब हम गहरी नींद के दौरान चेतना खो देते हैं, तो हमारा मस्तिष्क केवल "सो" नहीं जाता है। इसके बजाय, एकीकृत सूचना संरचना (Integrated Information Structure) ढह जाती है। मस्तिष्क एक एकीकृत संपूर्ण इकाई के बजाय अलग-थलग, शांत टुकड़ों में टूट जाता है।

सरल शब्दों में:
चेतना एक जटिल नृत्य की तरह है जहाँ सभी एक-दूसरे का हाथ पकड़कर नाचते हैं। जब आप गहरी नींद में जाते हैं, तो डांसर एक-दूसरे का हाथ छोड़ देते हैं और एक पल के लिए स्थिर खड़े हो जाते हैं। नृत्य (चेतना) इसलिए नहीं रुकता क्योंकि डांसर थक गए हैं, बल्कि इसलिए रुकता है क्योंकि वे अब एक-दूसरे का हाथ नहीं पकड़े हुए हैं। जब वे जागते हैं, तो वे फिर से हाथ पकड़ लेते हैं, और नृत्य फिर से शुरू हो जाता है।

यहाँ केइची ओनोडा के शोध पत्र "Collapse of local circuit $\Phi$ during NREM sleep" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या का विवरण (Problem Statement)

चेतना का उदय तंत्रिका विज्ञान (neuroscience) में एक मौलिक अनसुलझी समस्या बनी हुई है। इंटीग्रेटेड इंफॉर्मेशन थ्योरी (IIT) यह प्रतिपादित करती है कि चेतना किसी प्रणाली की आंतरिक कारण-प्रभाव सूचना संरचना (intrinsic cause-effect information structure) के समान है, जिसे मीट्रिक इंटीग्रेटेड इंफॉर्मेशन ( $\Phi$ ) द्वारा मापा जाता है। IIT भविष्यवाणी करता है कि चेतना की लुप्त अवस्थाओं (जैसे NREM नींद, एनेस्थीसिया) के दौरान $\Phi$ कम हो जाना चाहिए।

हालाँकि, IIT के पिछले अनुभवजन्य सत्यापन (empirical validations) निम्नलिखित पर निर्भर रहे हैं:

मैक्रो-लेवल प्रॉक्सी (Macro-level proxies): fMRI या EEG/LFP डेटा का उपयोग करना, जो सूचनात्मक समृद्धि (informational richness) को कारण संबंधी एकीकरण (causal integration) के साथ भ्रमित कर सकते हैं।
माइक्रो-लेवल सत्यापन का अभाव: बहुत कम अध्ययनों ने उच्च-रिज़ॉल्यूशन स्पाइक डेटा का उपयोग करके स्थानीय तंत्रिका सर्किट (local neural circuits) के स्तर पर IIT की भविष्यवाणियों का परीक्षण किया है।
सैद्धांतिक अंतराल (Theoretical gap): IIT 4.0 सुझाव देता है कि कारण संबंधी एकीकरण एक विशिष्ट मैक्रो-स्केल (coarse-grained) स्तर पर उभरता है, लेकिन यह स्पष्ट नहीं है कि न्यूरोनल स्पाइक्स से इन "आंतरिक इकाइयों" (intrinsic units) का निर्माण कैसे किया जाए और नींद के संक्रमण के दौरान स्थानीय सर्किटों में $\Phi$ का व्यवहार कैसा होता है।

इस अध्ययन का उद्देश्य उच्च-रिज़ॉल्यूशन सिंगल-यूनिट रिकॉर्डिंग का उपयोग करके इस IIT भविष्यवाणी का अनुभवजन्य परीक्षण करना है कि NREM नींद के दौरान स्थानीय सर्किट $\Phi$ का पतन (collapse) होता है।

2. कार्यप्रणाली (Methodology)

डेटासेट (Datasets)

अध्ययन ने दो सार्वजनिक रूप से उपलब्ध डेटासेट का उपयोग किया जिनमें वेक (Wake), NREM और REM अवस्थाओं के दौरान समवर्ती मल्टी-यूनिट रिकॉर्डिंग शामिल थी:

V1 डेटासेट: प्राथमिक दृश्य वल्कुट (primary visual cortex - V1) में 64-चैनल सिलिकॉन प्रोब्स वाले 19 चूहे। इसने कॉर्टिकल डेप्थ जानकारी (लेयर्स L2/3, L4, L5a, L5b) प्रदान की।
FC डेटासेट: फ्रंटल कॉर्टिकल क्षेत्रों (mPFC, ACC, M2, OFC) में प्रोब्स वाले 11 चूहे।

सिस्टम निर्माण (कोर्स-ग्रेनिंग - System Construction)

$\Phi$ की गणना करने के लिए, लेखकों ने कच्चे स्पाइक डेटा से बने तत्वों से निर्मित "प्रणालियों" का निर्माण किया:

तत्व परिभाषा (Element Definition): $\Phi$ गणना की घातीय कम्प्यूटेशनल लागत के कारण सिस्टम को 4 तत्वों पर स्थिर रखा गया।
लेयर-आधारित सिस्टम (केवल V1 के लिए): तत्वों को कॉर्टिकल लेयर्स (L2/3, L4, L5a, L5b) द्वारा परिभाषित किया गया।
यादृच्छिक सिस्टम (Randomized Systems): यह परीक्षण करने के लिए कि क्या लैमिनार संरचना पर $\Phi$ की निर्भरता मौजूद है, इकाइयों को 100 पुनरावृत्तियों (iterations) में यादृच्छिक रूप से 4 क्लस्टरों में विभाजित किया गया।
स्टेट डिस्क्रीटाइजेशन (State Discretization): प्रत्येक तत्व के भीतर स्पाइक ट्रेनों को एक टाइम विंडो ( $\tau$ ) के भीतर बाइनरी संकेतों (यदि $\ge$ 1 स्पाइक है, तो 1; अन्यथा 0) में एकत्रित किया गया।
टाइम विंडो ( $\tau$ ): उस टेम्पोरल ग्रेन (temporal grain) की पहचान करने के लिए जहाँ $\Phi$ अधिकतम होता है ("एक्सक्लूजन पोस्टुलेट"), इसे 10 ms से 200 ms तक बदला गया।

विश्लेषण पाइपलाइन (Analysis Pipeline)

ट्रांजिशन प्रोबेबिलिटी मैट्रिक्स (TPM): 4 तत्वों के बाइनरी स्टेट अनुक्रमों से निर्मित किया गया।
$\Phi$ गणना: TPM की प्रत्येक स्थिति के लिए PyPhi (IIT 4.0 टूलबॉक्स) का उपयोग करके गणना की गई।
कंडीशन तुलना: वेक, NREM और REM अवस्थाओं के बीच औसत $\Phi$ मानों की तुलना की गई।
नियंत्रण विश्लेषण (Control Analyses):
- फायरिंग रेट कंट्रोल: $\Phi$ परिवर्तनों के एकमात्र चालक के रूप में फायरिंग रेट को खारिज करने के लिए स्पाइक्स का रैंडम डाउनसैंपलिंग किया गया।
- ऑन/ऑफ अवधि (On/Off Periods): NREM को और अधिक गहराई से समझने के लिए "ऑन-पीरियड्स" (सक्रिय) और "ऑफ-पीरियड्स" (शांत) में विभाजित किया गया।

3. मुख्य परिणाम (Key Results)

A. टाइम विंडो ( $\tau$ ) निर्भरता

V1 डेटासेट में, $\Phi$ ने $\tau \approx 40–50$ ms पर एक विशिष्ट शिखर (peak) प्रदर्शित किया।
इस इष्टतम टेम्पोरल ग्रेन पर, NREM नींद ने वेक और REM दोनों अवस्थाओं की तुलना में काफी कम $\Phi$ दिखाया।
यह पैटर्न लेयर-आधारित और यादृच्छिक दोनों सिस्टमों के लिए सत्य था, जो दर्शाता है कि प्रभाव मजबूत है और विशिष्ट शारीरिक लेयरिंग पर निर्भर नहीं है।

B. फायरिंग रेट से स्वतंत्रता

जबकि NREM में वेक की तुलना में फायरिंग रेट काफी कम थी, डाउनसैंपलिंग के माध्यम से फायरिंग रेट को नियंत्रित करने से $\Phi$ में कमी समाप्त नहीं हुई।
फायरिंग रेट को समान रखने के बावजूद, NREM में $\Phi$ काफी कम रहा।
फायरिंग रेट की गिरावट की तीव्रता और $\Phi$ की गिरावट की तीव्रता के बीच एक मजबूत सकारात्मक सहसंबंध पाया गया, जो यह सुझाव देता है कि हालांकि फायरिंग रेट $\Phi$ को प्रभावित करते हैं, लेकिन एकीकरण के संरचनात्मक पतन (structural collapse) का एक अलग घटना है।

C. ऑन-पीरियड्स बनाम ऑफ-पीरियड्स

ऑफ-पीरियड्स (NREM में शांत अवधि) ने $\Phi$ का भारी पतन दिखाया, जो NREM ऑन-पीरियड्स की तुलना में भी काफी कम था।
ऑन-पीरियड्स ने भी वेक की तुलना में कम $\Phi$ दिखाया, लेकिन यह कमी कम गंभीर थी।
$\Phi$ डायनेमिक्स ने ऑन/ऑफ ट्रांजिशन को तेजी से ट्रैक किया: ऑफ-पीरियड में प्रवेश करते ही $\Phi$ गिर गया और ऑन-पीरियड में प्रवेश करने पर वापस आ गया।

D. क्षेत्रीय अंतर (V1 बनाम FC)

V1 (विजुअल कॉर्टेक्स): छोटे $\tau$ (40–50 ms) पर सुसंगत $\Phi$ शिखर दिखाए।
FC (फ्रंटल कॉर्टेक्स): एक द्वि-मोडल (bimodal) वितरण दिखाया।
- लो $\tau$ समूह: कम न्यूरॉन काउंट/फायरिंग रेट के कारण अस्थिर $\Phi$ पैटर्न।
- हाई $\tau$ समूह: लंबे टाइम विंडोज ( $\ge 60$ ms, कुछ >200 ms) पर $\Phi$ शिखर दिखाए। इस समूह में, NREM $\Phi$ , वेक की तुलना में काफी कम था, जो V1 के निष्कर्षों को दोहराता है।
- यह सुझाव देता है कि उच्च-क्रम के क्षेत्रों (PFC) को अधिकतम कारण शक्ति (causal power) के लिए लंबे टेम्पोरल इंटीग्रेशन विंडोज की आवश्यकता हो सकती है।

4. मुख्य योगदान (Key Contributions)

IIT का प्रथम माइक्रो-लेवल सत्यापन: यह पहला अनुभवजन्य प्रमाण प्रदान करता है कि स्थानीय तंत्रिका सर्किट (स्पाइक डेटा से प्राप्त) NREM नींद के दौरान एकीकृत सूचना ( $\Phi$ ) के पतन को प्रदर्शित करते हैं, जो IIT की मूल भविष्यवाणी का समर्थन करता है।
कारण ग्रेन का प्रदर्शन: यह पुष्टि करता है कि चेतना से संबंधित एकीकरण एक विशिष्ट स्पैटियोटेम्पोरल स्केल (कोर्स-ग्रेन्ड तत्व और विशिष्ट $\tau$ ) पर उभरता है, जो कच्चे फायरिंग रेट से अलग है।
चेतना की लुप्त होने की प्रक्रिया: यह पहचानता है कि NREM में चेतना का पतन केवल तंत्रिका गतिविधि में वैश्विक कमी के कारण नहीं, बल्कि कारण श्रृंखलाओं (causal chains) के व्यवधान (विशेष रूप से ऑफ-पीरियड्स के दौरान) के कारण होता है।
क्षेत्रीय पदानुक्रम (Regional Hierarchy): यह सुझाव देता है कि एकीकरण के लिए इष्टतम टेम्पोरल ग्रेन विभिन्न कॉर्टिकल क्षेत्रों के अनुसार भिन्न होता है (V1 में छोटा, PFC में लंबा), जो प्रोसेसिंग टाइमस्केल्स के कॉर्टिकल पदानुक्रम के अनुरूप है।

5. महत्व (Significance)

सैद्धांतिक समर्थन: ये निष्कर्ष IIT 4.0 को मजबूत अनुभवजन्य आधार प्रदान करते हैं, यह प्रमाणित करते हुए कि $\Phi$ जैविक प्रणालियों में चेतना के स्तर के लिए एक वैध मीट्रिक है और इसकी कमी का अनुभवजन्य संबंध चेतना के अनुभव के नुकसान से है।
तंत्रिका तंत्र (Neural Mechanism): यह अध्ययन स्पष्ट करता है कि NREM नींद के दौरान "चेतना की हानि" केवल गतिविधि का "मंद होना" नहीं है, बल्कि प्रणाली की आंतरिक कारण-प्रभाव संरचना का मौलिक टूटना है। "ऑफ-पीरियड्स" भौतिक रूप से कारण अंतःक्रियाओं को काट देते हैं, जिससे तंत्रिका आधार स्वतंत्र भागों में विभाजित हो जाता है।
पद्धतिगत प्रगति: यह उच्च-रिज़ॉल्यूशन इलेक्ट्रोफिजियोलॉजिकल डेटा पर कठोर IIT गणनाओं को लागू करने के लिए एक पाइपलाइन प्रदर्शित करता है, जो अमूर्त गणितीय सिद्धांत और न्यूरोफिजियोलॉजी के बीच के अंतर को पाटता है।
नैदानिक निहितार्थ: स्थानीय सर्किट एकीकरण के विशिष्ट पतन को समझना चेतना के विकारों (जैसे कोमा, वेजिटेटिव स्टेट) के लिए बेहतर बायोमार्कर विकसित करने में मदद कर सकता है।

सीमाएँ: कम्प्यूटेशनल बाधाओं के कारण अध्ययन 4-तत्व प्रणालियों तक सीमित था, जिसका अर्थ है कि यह पूर्ण-मस्तिष्क एकीकरण के बजाय स्थानीय सर्किट डायनेमिक्स को कैप्चर करता है। इसके अतिरिक्त, इसने कॉर्टिकल क्षेत्रों पर ध्यान केंद्रित किया, जिसमें थैलेमोकोर्टिकल लूप्स (thalamocortical loops) को शामिल नहीं किया गया जो चेतना के लिए महत्वपूर्ण हैं।