BRAINCELL modelling platform for stochastic nanoscale organisation and dynamic extracellular signalling among neurons and glia

मस्तिष्क कोशिकाओं का एक विशाल, गीला शहर है, जहाँ सूचना केवल तारों के माध्यम से नहीं, बल्कि उनके चारों ओर फैले एक जटिल, बदलते हुए सूप (द्रव मिश्रण) के माध्यम से यात्रा करती है। दशकों से, वैज्ञानिकों ने यह समझने के लिए कंप्यूटर मॉडल बनाए हैं कि ये कोशिकाएं, जिन्हें न्यूरॉन्स कहा जाता है, एक-दूसरे से कैसे बात करती हैं। ये मॉडल अविश्वसनीय रूप से उपयोगी रहे हैं, जिससे शोधकर्ताओं को यह सिम्युलेट करने में मदद मिली कि एक एकल तंत्रिका कोशिका के जटिल शाखाओं के माध्यम से विद्युत संकेत कैसे चलते हैं। हालाँकि, पारंपरिक मॉडलों ने अक्सर मस्तिष्क को एक स्थिर स्थान के रूप में माना है। उन्होंने यह मान लिया था कि कोशिकाओं के बीच का स्थान खाली और अपरिवर्तनीय था, और उन्होंने न्यूरॉन्स की सतह पर मौजूद सूक्ष्म, जटिल संरचनाओं को सरल बना दिया, या कंप्यूटर की शक्ति बचाने के लिए उन्हें पूरी तरह से अनदेखा कर दिया। इस सरलीकरण का अर्थ था कि जबकि मॉडल यह दिखा सकते थे कि एक संकेत कैसे यात्रा करता है, वे यह समझने में चूक सकते थे कि वातावरण स्वयं संकेत को कैसे बदल देता है, या कोशिका के आकार का सूक्ष्म विवरण उसके व्यवहार को कैसे बदल देता है।

BRAINCELL नामक एक नया सिमुलेशन प्लेटफॉर्म इन कमियों को दूर करने के लिए एक बहुत अधिक वास्तविक डिजिटल दुनिया बनाने का लक्ष्य रखता है। कोशिकाओं के बीच के स्थान को एक शून्य मानने के बजाय, यह प्रणाली इसे एक गतिशील तरल (डायनेमिक फ्लूइड) के रूप में मॉडल करती है जहाँ आयन और रासायनिक संदेशवाहक वास्तविक समय में चलते हैं, जमा होते हैं और साफ होते हैं। यह न्यूरॉन्स की सतहों को हजारों छोटे, वास्तविक उभारों और शाखाओं से भी भर देता है जो वास्तविक मस्तिष्क में तो मौजूद हैं लेकिन पहले इन्हें सिम्युलेट करना बहुत कठिन था। इन दो विशेषताओं को जोड़कर—एक गतिशील वातावरण और एक विस्तृत, ऊबड़-खाबड़ कोशिका संरचना—शोधकर्ता अब देख सकते हैं कि मस्तिष्क की कोशिकाएं जीवन के करीब की स्थितियों में कैसे व्यवहार करती हैं, जिससे यह पता चलता है कि पुराने, सरल मॉडल अक्सर नए, विस्तृत मॉडलों की तुलना में एक अलग कहानी बताते थे।

शोधकर्ताओं ने डेंड्राइटिक स्पाइन्स (dendritic spines) की समस्या को हल करने से शुरुआत की। ये न्यूरॉन्स की शाखाओं पर मौजूद छोटे, मशरूम के आकार के उभार हैं, जो अन्य कोशिकाओं से संकेतों को प्राप्त करने वाले प्राथमिक स्टेशन के रूप में कार्य करते हैं। वास्तविक मस्तिष्क में, एक एकल न्यूरॉन में हजारों ऐसे स्पाइन्स हो सकते हैं, लेकिन वे इतने छोटे और संख्या में अधिक हैं कि अधिकांश कंप्यूटर मॉडल उन्हें बस छोड़ देते हैं। BRAINCELL का उपयोग करते हुए, टीम ने जीवित ऊतकों से लिए गए वास्तविक मापों के आधार पर इन स्पाइन्स की एक आबादी तैयार की, और एक हिप्पोकैम्पल न्यूरॉन के मॉडल में सैकड़ों स्पाइन्स को स्थापित किया। इसके बाद, उन्होंने परीक्षण किया कि इस न्यूरॉन ने बिना स्पाइन्स वाले उसी सेल की तुलना में विद्युत संकेतों के प्रति कैसी प्रतिक्रिया दी। परिणाम चौंकाने वाले थे। स्पाइन्स की उपस्थिति ने केवल थोड़ा विवरण ही नहीं जोड़ा; इसने मौलिक रूप से बदल दिया कि कोशिका सूचना को कैसे संसाधित करती है। स्पाइन्स वाले न्यूरॉन में संकेतों की गति की एक बहुत व्यापक रेंज को संभालने की क्षमता थी, जिससे प्रभावी रूप से इनपुट की आवृत्ति (फ्रीक्वेंसी) दोगुनी हो गई जिसे वह बिना अभिभूत हुए प्रबंधित कर सकता था। यह सुझाव देता है कि एक वास्तविक न्यूरॉन की छोटी, ऊबड़-खाबड़ सतह केवल सजावट नहीं है, बल्कि एक महत्वपूर्ण विशेषता है जो यह निर्धारित करती है कि मस्तिष्क हर सेकंड प्राप्त होने वाली सूचनाओं की बाढ़ को कैसे संसाधित करता है।

टीम ने यह भी खोजा कि संकेतों का स्थान उनकी शक्ति जितने ही महत्व का होता है। पिछले मॉडलों में, वैज्ञानिक अक्सर यह मान लेते थे कि एक न्यूरॉन की शाखा के साथ एक कोशिका से दूसरी कोशिका तक संकेत भेजे जाने की संभावना हर जगह समान होती है। BRAINCELL ने शोधकर्ताओं को यह परीक्षण करने की अनुमति दी कि क्या होता है जब यह संभावना भिन्न होती है, जिससे एक ऐसा ग्रेडिएंट (ढाल) बनाया गया जहाँ संकेत शाखाओं के केंद्र के पास की तुलना में दूर के सिरों पर अधिक संभावित रूप से रिलीज होते हैं। जब उन्होंने इस असमान वितरण का सिमुलेशन किया, तो न्यूरion की संकेतों को एकीकृत करने की क्षमता काफी बदल गई। मॉडल ने दिखाया कि संकेतों के रिलीज होने का विशिष्ट पैटर्न सर्किट के लिए एक 'ट्यूनिंग नॉब' की तरह कार्य करता है, जिससे मस्तिष्क कनेक्शनों की कुल संख्या बदले बिना सूचना को संसाधित करने के तरीके को समायोजित कर सकता है। यह निष्कर्ष बताता है कि मस्तिष्क इन सूक्ष्म स्थानिक पैटर्न का उपयोग अपने संचालन को सूक्ष्म रूप से ट्यून करने के लिए कर सकता है, जो सरल मॉडलों में अदृश्य था।

कोशिकाओं के आकार के अलावा, यह नया प्लेटफॉर्म उनके चारों ओर के तरल पदार्थ पर भी प्रकाश डालता है। वास्तविक मस्तिष्क में, जब न्यूरॉन्स फायर करते हैं, तो वे पोटेशियम छोड़ते हैं, जो एक आवेशित कण है जो कोशिकाओं के बीच के छोटे अंतराल में जमा हो जाता है। पारंपरिक मॉडल अक्सर इस संचय को अनदेखा करते थे या इसे एक स्थिर बैकग्राउंड स्तर मानते थे। BRAINCELL, हालांकि, इन आयनों की गति को ट्रैक करता है जैसे-जैसे वे विसरित (डिफ्यूज) होते हैं और साफ किए जाते हैं। सिमुलेशन ने दिखाया कि पोटेशियम सांद्रता में मामूली, अस्थायी वृद्धि भी एक न्यूरॉन को बहुत अधिक उत्तेजक बना सकती है, जिससे वह अधिक आसानी से फायर करता है। यह गतिशील वातावरण इस बात का प्रमाण है कि एक न्यूरॉन की संवेदनशीलता स्थिर नहीं है; यह उसके तत्काल परिवेश के रासायनिक इतिहास के आधार पर क्षण-क्षण बदलती रहती है। शोधकर्ताओं ने पाया कि यह प्रभाव गतिविधि की कम आवृत्तियों पर विशेष रूप से मजबूत था, जो यह सुझाव देता है कि मस्तिष्क की प्रतिक्रियाशीलता कोशिकाओं के बीच के स्थान में आयनों के उतार-चढ़ाव से गहराई से जुड़ी हुई है।

पर्यावरण के इस गतिशील दृष्टिकोण ने टीम की विभिन्न प्रकार की कोशिकाओं के बीच संचार को समझने के तरीके को भी बदल दिया। उन्होंने एक परिदृश्य का मॉडल बनाया जहाँ एक निरोधात्मक (इनहिबिटरी) न्यूरॉन, जो मस्तिष्क की गतिविधि पर ब्रेक की तरह कार्य करता है, GABA नामक एक रसायन छोड़ता है। वास्तविक मस्तिष्क में, यह रसायन अपने रिलीज पॉइंट से दूर जा सकता है, जिससे एक धीमी गति वाली लहर पैदा होती है जो एक साथ कई पड़ोसी कोशिकाओं को बाधित करती है, जिसे 'वॉल्यूम ट्रांसमिशन' कहा जाता है। बाह्य कोशिकीय स्थान (एक्स्ट्रासेलुलर स्पेस) में GABA के प्रसार का सिमुलेशन करके, शोधकर्ताओं ने दिखाया कि एक सक्रिय न्यूरॉन एक निषेध की लहर उत्पन्न कर सकता है जो पास के मुख्य न्यूरॉन की फायरिंग दर को लगभग आधा कर देती है। यह प्रभाव उस तुलना में बहुत अधिक था जो केवल दो कोशिकाओं के बीच सीधे, वायर्ड कनेक्शन को देखकर अनुमानित किया गया था। सिमुलेशन ने खुलासा किया कि मस्तिष्क गतिविधि को नियंत्रित करने के लिए इस रासायनिक "कोहरे" पर बहुत अधिक निर्भर करता है, एक ऐसी प्रक्रिया जो तब खो जाती है जब वातावरण को खाली स्थान माना जाता है।

यह प्लेटफॉर्म शोधकर्ताओं को एस्ट्रोसाइट्स (astrocytes) की भूमिका का पता लगाने की भी अनुमति देता है, जो एक प्रकार की सहायक कोशिका है जो न्यूरॉन्स के चारोंกัน लिपटी होती है और मस्तिष्क के रासायनिक संतुलन को बनाए रखने में मदद करती है। इन कोशिकाओं की अविश्वसनीय रूप से महीन, बाल जैसी शाखाएँ होती हैं जो न्यूरॉन्स के बीच के सबसे छोटे अंतराल तक पहुँचती हैं। शोधकर्ताओं ने ऐसे मॉडल बनाए जिनमें इन नैनोस्कोपिक शाखाओं को शामिल किया गया और पाया कि उनका विशिष्ट आकार और घनत्व एस्ट्रोसाइट के भीतर कैल्शियम संकेतों के संचलन को नियंत्रित करता है। इसके अलावा, उन्होंने दिखाया कि ये कोशिकाएं पोटेशियम के लिए एक बफर के रूप में कार्य करती हैं। जब उन्होंने एक फायरिंग न्यूरॉन के चारों ओर एस्ट्रोसाइट्स के एक समूह का सिमुलेशन किया, तो कोशिकाओं ने न्यूरॉन द्वारा छोड़े गए अतिरिक्त पोटेशियम को अवशोषित कर लिया, जिसने बदले में न्यूरॉन की फायरिंग दर को कम कर दिया। इसने प्रदर्शित किया कि सहायक कोशिकाओं का एक छोटा समूह केवल अपने आसपास के रासायनिक सूप का प्रबंधन करके एक न्यूरॉन की गतिविधि को सक्रिय रूप से कम कर सकता है, जो संचार का एक ऐसा रूप है जो बिना किसी प्रत्यक्ष विद्युत कनेक्शन के होता है।

शायद इस नए दृष्टिकोण का सबसे आश्चर्यजनक अनुप्रयोग माइलिन शीथ (myelin sheath) से संबंधित था, जो तंत्रिका तंतुओं के चारों ओर लिपटी वसायुक्त इन्सुलेशन है जो संकेतों की गति को बढ़ाती है। लंबे समय तक, वैज्ञानिकों ने माइलिन को एक निष्क्रिय विद्युत इंसुलेटर के रूप में मॉडल किया है, जैसे तार पर प्लास्टिक की कोटिंग। BRAINCELL ने माइलिन को एक जीवित कोशिका के रूप में माना, जिसमें पोटेशियम का सक्रिय रूप से प्रबंधन करने वाले अपने स्वयं के आयन चैनल शामिल हैं। जब शोधकर्ताओं ने उच्च गति से फायर करने वाले तंत्रिका तंतु का सिमुलेशन किया, तो उन्होंने पाया कि यदि इन चैनलों को हटा दिया जाए, तो तंत्रिका द्वारा छोड़ा गया पोटेशियम माइलिन शीथ के नीचे जमा हो जाएगा। इस संचय ने अंततः सिग्नल को विफल कर दिया, जिससे तंत्रिका आवेग का चलना रुक गया। सिमुलेशन ने सुझाव दिया कि माइलिन शीथ केवल एक निष्क्रिय आवरण नहीं है, बल्कि तंत्रिका संकेतों को सुचारू रूप से चलाने में एक सक्रिय भागीदार है, और आयनों के प्रबंधन में इसकी विफलता तंत्रिका संकेतों के टूटने का एक प्रमुख कारक हो सकती है।

अंत में, शोधकर्ताओं ने दिखाया कि कैसे इस प्लेटफॉर्म का उपयोग मस्तिष्क में प्रतिरक्षा कोशिकाओं, जिन्हें माइक्रोग्लिया (microglia) कहा जाता है, को मॉडल करने के लिए किया जा सकता है। उन्होंने एक माइक्रोग्लियल कोशिका का मॉडल बनाया और पास में ATP नामक एक रासायनिक संकेत का स्रोत पेश किया। सिमुलेशन ने दिखाया कि कैसे वह रसायन विसरित हुआ और कोशिका में एक प्रतिक्रिया को ट्रिगर किया, जिसमें प्रतिक्रिया की तीव्रता इस बात पर निर्भर करती थी कि कोशिका के विभिन्न हिस्से स्रोत के कितने करीब थे। इसने इस बात पर प्रकाश डाला कि कैसे कोशिका का आकार और आसपास के स्थान में रसायनों की गति मिलकर कोशिका की सतह पर एक जटिल, असमान प्रतिक्रिया पैदा करती है।

इस शोध पत्र में प्रस्तुत कार्य यह दावा नहीं करता है कि इसने मस्तिष्क के हर रहस्य को सुलझा लिया है, लेकिन यह इसे देखने के लिए एक शक्तिशाली नया लेंस प्रदान करता है। मस्तिष्क के स्थिर, सरलीकृत मॉडलों से दूर हटकर और मस्तिष्क के वातावरण और संरचना की अस्त-व्यस्त, गतिशील वास्तविकता को अपनाकर, शोधकर्ताओं ने दिखाया है कि मस्तिष्क गतिविधि को नियंत्रित करने वाले कई नियम पहले की तुलना में कहीं अधिक जटिल हैं। निष्कर्ष बताते हैं कि कोशिका के आकार का सूक्ष्म विवरण और कोशिकाओं के बीच के स्थान में निरंतर रासायनिक परिवर्तन केवल मामूली बातें नहीं हैं, बल्कि वे केंद्रीय खिलाड़ी हैं जिनसे मस्तिष्क सोचता है, सीखता है और दुनिया के प्रति प्रतिक्रिया करता है। यह प्लेटफॉर्म अब अन्य वैज्ञानिकों के उपयोग के लिए उपलब्ध है, जो इन नए विचारों का परीक्षण करने और मस्तिष्क की खोज करने का एक तरीका प्रदान करता है जो पहले असंभव था।