Implementation of ddaE neuron growth mechanism in graph grammar replicates biological features
यह अध्ययन प्रदर्शित करता है कि डायनामिकल ग्राफ ग्रामर का उपयोग करने वाला एक कम्प्यूटेशनल मॉडल, जो एकल टेनेউরिन-एम (Teneurin-m) मॉर्फोजेन ग्रेडिएंट के साथ संसाधन बाधाओं और आत्म-परिहार (self-avoidance) नियमों द्वारा संचालित है, ड्रोसोफिला लार्वा में जैविक ddaE न्यूरॉन डेंड्राइट्स के जटिल असममित शाखाकरण पैटर्न और सांख्यिकीय विशेषताओं को सफलतापूर्वक दोहराता है।
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 आपके शरीर के भीतर का हिस्सा एक हलचल भरा शहर है, और आपकी नसें (नर्व्स) उन जटिल सड़कों और बिजली की लाइनों के नेटवर्क की तरह हैं जो सब कुछ चालू रखती हैं। इनमें से कुछ सड़कें सीधी रेखाओं जैसी सरल हैं, लेकिन अन्य जटिल, पेड़ जैसी संरचनाएं हैं जिन्हें डेंड्राइट्स (dendrites) कहा जाता है। ये "पेड़" न्यूरॉन्स के प्राप्त करने वाले सिरे हैं, जो मस्तिष्क के संदेशवाहक हैं। उनका काम बाहरी दुनिया से संकेतों को पकड़ना है—जैसे आपके हाथ के मुड़ने का अहसास या आपकी त्वचा पर किसी कीड़े का बैठना। इन डेंड्रिटिक पेड़ों का आकार अत्यंत महत्वपूर्ण है; यदि शाखाएं गलत दिशा में बढ़ती हैं या उलझ जाती हैं, तो न्यूरॉन अपना काम नहीं कर पाता है। वैज्ञानिक लंबे समय से यह सोच रहे हैं: एक छोटा सा, एकल कोशिका (सेल) यह कैसे जानती है कि उसे बिल्कुल ऐसा जटिल, असममित (asymmetric) पेड़ कैसे बनाना है? यह पूछने जैसा है कि कैसे एक अकेला वास्तुकार बिना किसी ब्लूप्रिंट के, केवल कुछ सरल नियमों और थोड़े से स्थानीय मार्गदर्शन का उपयोग करके, एक गगनचुंबी इमारत को एक पूर्ण, अद्वितीय आकार में डिजाइन कर सकता है।
इसका उत्तर देने के लिए, शोधकर्ता जीव विज्ञान और कंप्यूटर विज्ञान के मिश्रण का उपयोग करते हैं। वे विशिष्ट "आणविक संदेशवाहकों" को देखते हैं जिन्हें मॉर्फोजेन्स (morphogens) कहा जाता है, जो अदृश्य हवा या गुरुत्वाकर्षण की तरह कार्य करते हैं, जो डेंड्राइट्स के बढ़ते सिरों को कुछ निश्चित दिशाओं में धकेलते या खींचते हैं। वे यह भी जानते हैं कि कोशिकाओं के पास सीमित संसाधन होते हैं, जैसे ईंटों और श्रमिकों के सीमित बजट वाला एक निर्माण दल। अंत में, शाखाओं में "स्व-परिरोध" (self-avoidance) का एक नियम होता है, जिसका अर्थ है कि वे खुद को पार करने से इनकार करती हैं, बिल्कुल एक सांप की तरह जो अपनी ही पूंछ के ऊपर से नहीं गुजरता। बड़ा सवाल यह है: क्या एक कंप्यूटर मॉडल, केवल इन सरल नियमों का उपयोग करके, एक डिजिटल पेड़ बना सकता है जो प्रकृति में पाए जाने वाले वास्तविक पेड़ के समान दिखता है और कार्य करता है?
इस अध्ययन में, वैज्ञानिकों की एक टीम ने फल मक्खी (fruit fly) के लार्वा में पाए जाने वाले एक विशिष्ट प्रकार के तंत्रिका कोशिका, ddaE न्यूरॉन पर ध्यान केंद्रित करके इस पहेली को सुलझाने का प्रयास किया। यह न्यूरॉन अपने अनूठे, एकतरफा आकार के लिए प्रसिद्ध है: इसका एक मुख्य तना है जो ऊपर की ओर बढ़ता है, और इसकी पार्श्व शाखाएं मक्खी के पिछले हिस्से (posterior) की ओर भारी रूप से झुकती हैं, जो दिखने में एक कंघी की तरह लगती हैं। शोधकर्ता यह देखना चाहते थे कि क्या वे डायनेमिकल ग्राफ ग्रामर (DGG) नामक एक कंप्यूटर प्रोग्राम का उपयोग करके इस सटीक आकार को फिर से बना सकते हैं। DGG को डिजिटल LEGO निर्देशों के एक सेट के रूप में समझें जो एक आभासी शाखा को बताती है कि कब बढ़ना है, कब विभाजित होना है, कब रुकना है, और कब वापस सिकुड़ जाना है।
टीम ने एक सिमुलेशन बनाया जहाँ आभासी डेंड्राइट तीन मुख्य नियमों के आधार पर विकसित हुआ। पहला, इसने Ten-m नामक एक अणु के ग्रेडिएंट (ढाल) का पालन किया, जो एक सौम्य ढलान की तरह कार्य करता है; शाखाओं के सिरे इस अणु की सांद्रता में परिवर्तन को "महसूस" करते हैं और केवल यह प्रतिक्रिया नहीं देते कि अणु कितना मजबूत है, बल्कि वे ढलान के आधार पर तेजी से या धीरे बढ़ते हैं। दूसरा, मॉडल में एक "बजट" नियम शामिल था: पेड़ के पास सीमित ऊर्जा होती है, इसलिए जैसे-जैसे यह बड़ा होता है, इसकी गति धीमी हो जाती है, और पेड़ का ऊपरी हिस्सा निचले हिस्से की तुलना में थोड़े अधिक संसाधनों को प्राप्त करता है। तीसरा, मॉडल में एक सख्त "नो-क्रॉसिंग" (न пересеने का) नियम था: यदि एक बढ़ता हुआ सिरा दूसरी शाखा से टकराता, तो वह तुरंत मुड़ जाता और पीछे की ओर सिकुड़ जाता, जिससे यह सुनिश्चित होता कि पेड़ कभी उलझे नहीं।
परिणाम आश्चर्यजनक थे। जब शोधकर्ताओं ने सिमुलेशन को 100 बार चलाया, तो जो डिजिटल पेड़ विकसित हुए वे फल मक्खियों में पाए जाने वाले वास्तविक ddaE न्यूरॉन्स के अविश्वसनीय रूप से समान दिखे। कंप्यूटर-जनित पेड़ों में वही लंबा ऊपर की ओर जाने वाला तना, पीछे की ओर इशारा करने वाली शाखाओं वाला वही झुका हुआ "कंघी" जैसा आकार और शाखाओं की संख्या और आकार भी समान था। सिमुलेशन वास्तविक जीव विज्ञान के विवरणों से भी मेल खा गया: शाखाओं की लंबाई सही थी, और उन्होंने वास्तविक न्यूरॉन्स की तरह एक-दूसरे को पार करने से परहेज किया।
हालाँकि, मॉडल एकदम सटीक नहीं था। जबकि इसने "पीछे की ओर झुकने वाली" (posterior) शाखाओं को बखूबी बनाया, यह कभी-कभी पेड़ के ऊपरी हिस्से में सामने की ओर (anterior) इंगित करने वाली बहुत कम शाखाएं उगाता था, वास्तविक न्यूरॉन्स की तुलना में। यह सुझाव देता है कि जबकि Ten-m अणु पेड़ के आकार के लिए मुख्य निर्देशक है, वहां एक दूसरा, छिपा हुआ निर्देशक भी हो सकता है जो सामने की शाखाओं को प्रोत्साहित करने में मदद करता है। यह अध्ययन यह भी सिद्ध करता है कि पेड़ का आकार केवल संयोग या भाग्य नहीं था; जब इसे "डमी" मॉडलों के साथ तुलना की गई जो यादृच्छिक (randomly) रूप से शाखाएं उगाते थे, तो वास्तविक और सिम्युलेटेड पेड़ों में एक बहुत ही विशिष्ट, कुशल संगठन था जो संयोग से नहीं देखा जा सकता।
अंततः, यह शोध पत्र दिखाता है कि आपको एक जटिल, पूर्व-लिखित ब्लूप्रिंट की आवश्यकता नहीं है ताकि एक जटिल न्यूरॉन बनाया जा सके। नियमों का एक सरल सेट—एक रासायनिक संकेत की ढलान का पालन करना, अपने संसाधनों का बुद्धिमानी से प्रबंधन करना, और अपने स्वयं के पथ को न काटना—एक अत्यधिक विशिष्ट, असममित पेड़ उत्पन्न करने के लिए पर्याप्त है। यह खोज वैज्ञानिकों को एक शक्तिशाली नया उपकरण देती है: एक आभासी खेल का मैदान जहाँ वे इन नियमों (जैसे रासायनिक संकेत या संसाधन बजट को बदलना) को बदलने से न्यूरॉन के आकार पर क्या प्रभाव पड़ता है, इसका परीक्षण कर सकते हैं, जिससे हमें यह समझने में मदद मिलती है कि प्रकृति तंत्रिका तंत्र का निर्माण कैसे करती है और जब चीजें गलत होती हैं तो क्या होता है।
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।