A Mechanical Theory for the Formation of Short Association Fibers in the Brain

अपने मस्तिष्क की कल्पना एक हलचल भरे शहर के रूप में करें, लेकिन गगनचुंबी इमारतों के बजाय, यह ग्रे मैटर (gray matter) की एक झुर्रियों वाली, मुड़ी हुई परत यानी कॉर्टेक्स (cortex) से ढका हुआ है। ये मोड़, जिनके शिखर (gyri) और घाटियाँ (sulci) हैं, वही हैं जो हमारे मस्तिष्क को इतना शक्तिशाली बनाते हैं, जो एक छोटे से स्थान में भारी मात्रा में कंप्यूटिंग शक्ति को समाहित कर लेते हैं। लेकिन इस शहर को कार्य करने के लिए, इमारतों को एक-दूसरे से बात करने के लिए सड़कों की आवश्यकता होती है। मस्तिष्क में, ये सड़कें एक्सॉन (axons) नामक तार हैं। कुछ लंबी राजमार्गों की तरह हैं जो दूर के शहरों (lobes) को जोड़ते हैं, लेकिन इस कहानी के लिए सबसे दिलचस्प वे छोटी, स्थानीय सड़कें हैं जो पड़ोसी मोहल्लों को जोड़ती हैं। इन्हें "शॉर्ट एसोसिएशन फाइबर्स" (short association fibers) कहा जाता है, और सबसे प्रसिद्ध "यू-फाइबर्स" (U-fibers) हैं जो दो आसन्न शिखरों को जोड़ने के लिए सतह के ठीक नीचे मेहराब बनाते हैं।

लंबे समय तक, वैज्ञानिक आश्चर्य करते थे: ये नन्हे तार ठीक से जानते हैं कि उन्हें कहाँ जाना है? क्या वे रसायनों से बने किसी पूर्व-लिखित जीपीएस (GPS) मानचित्र का अनुसरण करते हैं, या कोई और चीज़ उन्हें निर्देशित कर रही है? मुख्य प्रश्न यह है कि क्या मस्तिष्क का भौतिक आकार ही—मुड़ने की प्रक्रिया—वास्तव में इन सड़कों के निर्माण में मदद करती है। इसे एक बगीचे के पाइप (garden hose) की तरह सोचें: यदि आप पाइप को एक कुंडली में घुमाते हैं, तो क्या उसके अंदर का पानी बस बेतरतीब ढंग से बहता है, या कुंडली का आकार पानी को एक विशिष्ट पथ पर जाने के लिए मजबूर करता है? यह शोध पत्र इस यांत्रिक रहस्य में गहराई से उतरता है, यह सुझाव देते हुए कि मस्तिष्क केवल दबे हुए स्पंज की तरह निष्क्रिय नहीं है; यह एक सक्रिय निर्माण स्थल है जहाँ मुड़ने की प्रक्रिया स्वयं तारों को बिछाने के लिए फोरमैन (foreman) का काम करती है।

---

द ग्रेट ब्रेन फोल्ड-ऑफ: भौतिकी मस्तिष्क की स्थानीय सड़कों का निर्माण कैसे करती है

तो, वे छोटे, यू-आकार के तार कैसे बनते हैं? वर्षों तक, प्रमुख विचार यह था कि एक्सॉन (तार) मस्तिष्क के ऊतकों को मोड़ बनाने के लिए खींचते हैं, जैसे कि एक रस्सी पर चलने वाला कलाकार रस्सी को खींचता है। लेकिन यह नया अध्ययन बताता है कि कहानी वास्तव में इसके विपरीत है। लेखक "स्ट्रेस-डिपेंडेंट एक्सॉन रीओरिएंटेशन" (stress-dependent axon reorientation) सिद्धांत का प्रस्ताव करते हैं। सरल शब्दों में, इसका अर्थ है कि जैसे-जैसे मस्तिष्क बढ़ता है और झुर्रियां पड़ने लगती है, यह यांत्रिक तनाव (mechanical stress) के अदृश्य "पवन पैटर्न" बनाता है। बढ़ते हुए एक्सॉन छोटे सर्फर्स की तरह हैं; वे केवल एक सीधी रेखा में नहीं बढ़ते, बल्कि वे इन तनाव की हवाओं को महसूस करते हैं और सबसे मजबूत खिंचाव के साथ चलने के लिए खुद को मोड़ लेते हैं।

शोधकर्ताओं ने इस विचार का परीक्षण करने के लिए एक कंप्यूटर सिमुलेशन बनाया। उन्होंने केवल मस्तिष्क को मुड़ते हुए नहीं देखा; उन्होंने देखा कि जब मस्तिष्क मुड़ रहा था तब तार कैसे बढ़ रहे थे। उन्होंने पाया कि जब मस्तिष्क झुर्रियां बनाना शुरू करता है, तो यह एक विशिष्ट तनाव मानचित्र (stress map) बनाता है। शिखरों (gyri) के नीचे, तनाव बाहर की ओर (radially) खींचता है, लेकिन घाटियों (sulci) के नीचे, तनाव बगल की ओर (tangentially) खींचता है।

यही जादू का हिस्सा है: एक्सॉन इसके प्रति संवेदनशील होते हैं। जब वे एक घाटी में पहुँचते हैं, तो पार्श्व तनाव उन्हें मुड़ने और वक्र के साथ दौड़ने के लिए मजबूर करता है, जिससे वे एक शिखर को दूसरे से जोड़ते हैं। यही कारण है कि हम घाटियों के नीचे मेहराब बनाते कई यू-आकार के रेशों को देखते हैं। सिमुलेशन ने दिखाया कि यदि तार मस्तिष्क के मुड़ने से पहले बढ़ने लगते हैं, तो वे तनाव को अनदेखा कर देते हैं और सीधे गहरे मस्तिष्क की ओर चले जाते हैं (लंबे प्रोजेक्शन फाइबर बन जाते हैं)। लेकिन यदि वे मुड़ने की प्रक्रिया शुरू होने के दौरान या बाद में बढ़ना शुरू करते हैं, तो यांत्रिक तनाव एक गाइड रेल की तरह कार्य करता है, जो उन्हें मुड़ने और उन छोटे, स्थानीय यू-आकारों को बनाने के लिए मजबूर करता है।

यह शोध पत्र पुराने विचार को स्पष्ट रूप से खारिज करता है कि एक्सॉन फोल्डिंग का मुख्य कारण हैं। इसके बजाय, यह सुझाव देता है कि फोल्डिंग उस वातावरण का निर्माण करती है जो एक्सॉन को आकार देती है। यह इस विचार के भी विरुद्ध तर्क देता है कि ये तार शुरुआत से ही पूरी तरह से रासायनिक मानचित्र द्वारा निर्देशित होते हैं। जबकि रसायन निश्चित रूप से शामिल हैं, यह अध्ययन सुझाव देता है कि फोल्डिंग मस्तिष्क का भौतिक "दबाव" एक महत्वपूर्ण, लापता कड़ी है।

समय ही सब कुछ है

सबसे दिलचस्प खोजों में से एक यह है कि तार कब बढ़ना शुरू करते हैं, यह आपकी सोच से कहीं अधिक मायने रखता है। लेखकों ने फोल्डिंग के सापेक्ष चार अलग-अलग "प्रारंभिक समयों" के साथ अपना सिमुलेशन चलाया:

1. अर्ली बर्ड (प्री-फोल्डिंग): यदि तार मस्तिष्क के झुर्रियां पड़ने से पहले बढ़ना शुरू करते हैं, तो वे ज्यादातर तनाव को अनदेखा करते हैं। वे सीधे नीचे चले जाते हैं, जिससे वे लंबे दूरी के यात्री बन जाते हैं जो कॉर्टेक्स को गहरे मस्तिष्क संरचनाओं से जोड़ते हैं। वे बहुत कम यू-आकार बनाते हैं।
2. ट्रांज़िशन (पेरी-फोल्डिंग): यदि वे ठीक उसी समय शुरू होते हैं जब फोल्डिंग शुरू होती है, तो उन्हें मिश्रण मिलता है। कुछ गहरे जाते हैं, कुछ मुड़ना शुरू करते हैं।
3. एक्टिव बिल्डर (एक्टिव-फोल्डिंग): यदि वे ठीक उसी समय बढ़ना शुरू करते हैं जब मस्तिष्क सक्रिय रूप से झुर्रियां बना रहा होता है, तो वे तनाव क्षेत्र में फंस जाते हैं। वे तेजी से मुड़ते हैं, और उन पूर्ण यू-आकारों को बनाते हैं जो पड़ोसी शिखरों को जोड़ते हैं। शॉर्ट एसोसिएशन फाइबर्स के लिए यह "स्वीट स्पॉट" है।
4. लेटकमर (लेट-फोल्डिंग): यदि वे फोल्डिंग पूरी होने के बाद बढ़ना शुरू करते हैं, तो वे स्थापित तनाव पैटर्न में फंस जाते हैं। उन्हें स्थानीय रहने के लिए मजबूर किया जाता है, जो पास के गाइरा (gyri) को जोड़ते हैं, लेकिन उनमें सक्रिय बिल्डर्स की तरह गतिशील पुनर्रचना नहीं होती है।

सिमुलेशन सुझाव देता है कि हमारे पास इतने सारे यू-फाइबर्स होने का कारण यह है कि वे ज्यादातर सक्रिय फोल्डिंग चरण के दौरान बढ़ना शुरू करते हैं। मस्तिष्क का यांत्रिक तनाव क्षेत्र एक सांचे (mold) की तरह कार्य करता है, जो तारों को उनके अंतिम यू-आकार में ढालता है।

काम की जाँच करना: क्या कंप्यूटर वास्तविकता से मेल खाता है?

लेखक केवल कंप्यूटर स्क्रीन तक ही सीमित नहीं रहे। वे यह देखना चाहते थे कि क्या उनका "स्ट्रेस-सर्फर" सिद्धांत वास्तविक जीवन से मेल खाता है। उन्होंने दो प्रकार के वास्तविक डेटा को देखा:

• फेरेट मस्तिष्क (Ferret Brains): उन्होंने फेरेट मस्तिष्क के चित्रों की जांच की (जिनमें चूहों के विपरीत झुर्रियां होती हैं)। डेटा ने दिखाया कि जन्म के समय गहरे तार मौजूद होते हैं, लेकिन सतही यू-फाइबर्स जन्म के समय गायब होते हैं और केवल बाद में दिखाई देते हैं, जैसे-जैसे मस्तिष्क परिपक्व होता है और अधिक झुर्रियां पड़ती हैं। यह सिमुलेशन के साथ पूरी तरह मेल खाता है: यू-फाइबर्स वे "देर से आने वाले" (late bloomers) हैं जो तनाव क्षेत्र स्थापित होने के बाद बनते हैं।
• मानव स्कैन: उन्होंने मानव भ्रूण के एमआरआई (MRI) स्कैन भी देखे। गर्भावस्था के शुरुआती चरणों में, मस्तिष्क मुख्य रूप से रेडियल (सीधी रेखाएं) होता है। जैसे-जैसे गर्भावस्था आगे बढ़ती है और मस्तिष्क मुड़ता है, वे छोटे, घुमावदार कनेक्शन उभरने लगते हैं। फिर से, समय का तालमेल सिमुलेशन के साथ सटीक बैठता है।

उन्होंने अपने कंप्यूटर-जनित "कनेक्टिविटी मैप्स" (कौन किससे जुड़ता है) की तुलना मानव मस्तिष्क के वास्तविक एमआरआई मानचित्रों से भी की। दोनों ने दिखाया कि सबसे मजबूत संबंध पड़ोसी शिखरों (gyrus-to-gyrus) के बीच होते हैं, जैसा कि स्ट्रेस-फील्ड थ्योरी भविष्यवाणी करती है।

आकार को क्या बदलता है?

शोध पत्र ने यह देखने के लिए अपने सिमुलेशन के "नॉब्स" (knobs) के साथ भी प्रयोग किया कि यदि मस्तिष्क के गुण बदल जाते हैं तो क्या होगा।

• विकास की गति: यदि एक्सॉन बहुत तेजी से बढ़ते हैं (या कॉर्टेक्स बहुत धीरे बढ़ता है), तो वे मुड़ने से पहले ही तनाव क्षेत्र से निकल जाते हैं। इससे कम यू-फाइबर्स और अधिक लंबे, सीधे तार बनते हैं।
• कठोरता (Stiffness): यदि मस्तिष्क का ऊतक बहुत नरम है या परतों के बीच कठोरता का अंतर सही नहीं है, तो फोल्डिंग अलग तरह से होती है, जो यह बदल देती है कि तार कहाँ जाएंगे।
• तारों की कठोरता: अध्ययन सुझाव देता है कि यदि तार स्वयं आसपास के ऊतकों की तुलना में अधिक सख्त हैं, तो वे वास्तव में यह तय करने में मदद कर सकते हैं कि फोल्ड कहाँ बनेंगे, जिससे एक फीडबैक लूप बनता है।

निष्कर्ष

यह शोध पत्र सुझाव देता है कि मस्तिष्क की वायरिंग केवल एक पूर्व-निर्धारित सर्किट बोर्ड नहीं है। इसके बजाय, यह एक गतिशील निर्माण परियोजना है जहाँ मस्तिष्क के मुड़ने की भौतिक क्रिया एक यांत्रिक "पवन" बनाती है जो तारों को उनके अंतिम, यू-आकार के पथों में निर्देशित करती है। यह एक सुंदर उदाहरण है कि कैसे भौतिकी और जीव विज्ञान एक साथ नृत्य करते हैं: मस्तिष्क मुड़ता है, तनाव धक्का देता है, और तार मुड़ते हैं, जिससे वह जटिल स्थानीय नेटवर्क बनता है जो हमें सोचने, महसूस करने और चलने में मदद करता है। हालांकि लेखक सावधानी बरतते हैं कि यह एक सिमुलेशन है जिसे इमेजिंग डेटा का समर्थन प्राप्त है—न कि ब्रह्मांड का एक अंतिम, सिद्ध कानून—यह इस बारे में देखने का एक सम्मोहक नया तरीका प्रदान करता है कि हमारे मस्तिष्क अपने स्वयं के मार्ग कैसे बनाते हैं।