PHASOR: An Open-Source Pipeline for Hidden Markov Model Analysis of Stimulus-Locked Retinal Multielectrode-Array Population Activity
यह शोध पत्र PHASOR को प्रस्तुत करता है, जो एक ओपन-सोर्स पाइपलाइन है जो रेटिनल मल्टी-इलेक्ट्रोड-एरे रिकॉर्डिंग में स्टिमुलस-लॉक्ड पॉपुलेशन गतिविधि का विश्लेषण और विज़ुअलाइज़ करने के लिए स्टिमुलस अलाइनमेंट, फूरियर-आधारित वर्गीकरण और हिडन मार्कोव मॉडलिंग को एकीकृत करता है, जो सिंथेटिक डेटा और विविध एक्स विवो रेटिनल प्रयोगों के माध्यम से अपनी प्रभावशीलता को प्रदर्शित करता 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
रेटिना को अक्सर मस्तिष्क के लिए एक साधारण कैमरा लेंस के रूप में देखा जाता है, लेकिन वास्तव में यह एक जटिल तंत्रिका परिपथ (न्यूरल सर्किट) है जो दृश्य जानकारी को आगे भेजने से पहले उसे संसाधित करता है। ऊतक की इस पतली परत के भीतर, हजारों व्यक्तिगत न्यूरॉन्स, जिन्हें रेटिनल गैंग्लियन कोशिकाएं कहा जाता है, प्रकाश के जवाब में विद्युत संकेत उत्पन्न करते हैं। जबकि वैज्ञानिक लंबे समय से अध्ययन कर रहे हैं कि एकल कोशिकाएं प्रकाश के प्रति कैसे प्रतिक्रिया करती हैं, एक बढ़ती समझ यह है कि दृष्टि की वास्तविक कहानी इस बात में निहित है कि ये कोशिकाएं एक समूह के रूप में मिलकर कैसे काम करती हैं। जिस तरह एक ऑर्केस्ट्रा का एक अकेला वाद्य यंत्र एक संपूर्ण सिम्फनी को व्यक्त नहीं कर सकता, उसी तरह एक अकेला न्यूरॉन पूरी तरह से यह नहीं समझा सकता कि मस्तिष्क दुनिया को कैसे देखता है। शोधकर्ताओं के लिए चुनौती इन सैकड़ों कोशिकाओं की बातचीत को एक साथ सुनने और उनके सामूहिक व्यवहार में आवर्ती पैटर्न खोजने की रही है, विशेष रूप से जब वे पैटर्न समय के विशिष्ट क्षणों, जैसे कि प्रकाश के झिलमिलाने (फ्लिकर) से जुड़े हों।
इसे हल करने के लिए, शोधकर्ताओं ने PHASOR नामक एक नया सॉफ्टवेयर टूल विकसित किया है, जिसे रेटिना की सामूहिक बातचीत को सुनने और उसे एक स्पष्ट कहानी में अनुवादित करने के लिए डिज़ाइन किया गया है। शोधकर्ताओं ने चूहों के रेटिना से विद्युत गतिविधि को रिकॉर्ड किया, जिनमें से कुछ स्वस्थ थे और कुछ वे जिनमें एक आनुवंशिक स्थिति थी जो उनकी प्रकाश-संवेदी कोशिकाओं को नुकसान पहुँचाती है। उन्होंने इन रेटिनाओं को एक लयबद्ध, पूर्ण-क्षेत्र झिलमिलाते प्रकाश के संपर्क में रखा, जिसमें चमक को मंद से बहुत तेज़ तक बदला गया। लक्ष्य यह देखना था कि क्या कोशिकाओं का समूह प्रकाश के समय और तीव्रता के अनुरूप विशिष्ट, दोहराव वाले सक्रिय मोड (modes) में स्थिर होता है, न कि केवल यादृच्छिक रूप से फायर होता है।
प्रक्रिया प्रत्येक कोशिका के प्रत्येक विद्युत स्पाइक (spike) को प्रकाश के बदलने के सटीक क्षण के साथ संरेखित करने से शुरू होती है। इसके बाद सॉफ्टवेयर कोशिकाओं को उनकी लय के प्रति प्रतिक्रिया के आधार पर वर्गीकृत करता है: कुछ तब फायर होते हैं जब प्रकाश चालू होता है, कुछ तब जब वह बंद होता है, और अन्य की प्रतिक्रियाएं अधिक जटिल होती हैं। एक बार जब कोशिकाओं को वर्गीकृत कर दिया जाता है, तो सॉफ्टवेयर पूरी आबादी को छिपे हुए अवस्थाओं (hidden states) में समूहित करने के लिए एक सांख्यिकिक पद्धति का उपयोग करता है। कोशिकाओं की आबादी को एक बड़ी भीड़ की कल्पना करें; किसी भी सेकंड में, भीड़ ऐसी स्थिति में हो सकती है जहाँ ज्यादातर एक प्रकार के लोग बोल रहे हों, या दूसरी स्थिति जहाँ विभिन्न मिश्रण सक्रिय हो। सॉफ्टवेयर यह पता लगाने की कोशिश करता है कि कितनी अलग-अलग 'भीड़ अवस्थाएं' मौजूद हैं और प्रत्येक क्षण में रेटिना किस अवस्था में है।
कंप्यूटर-जनित डेटा पर परीक्षण करते समय, जहाँ शोधकर्ताओं को अवस्थाओं की सटीक संख्या पहले से पता थी, यह टूल उल्लेखनीय रूप से सटीक साबित हुआ। यहाँ तक कि जब सॉफ्टवेयर ने डेटा को वास्तव में मौजूद अवस्थाओं से थोड़ी अधिक अवस्थाओं के साथ वर्णित किया, तब भी यह घटनाओं के क्रम को लगभग पूर्ण सटीकता के साथ पुनर्गठित करने में सफल रहा। इन सिमुलेशन में, टूल ने लगभग हर बार छिपी हुई अवस्थाओं के समय और क्रम की सही पहचान की, जिससे पता चला कि यदि अवस्थाओं की सटीक संख्या भी थोड़ी गलत हो, तब भी यह डेटा की अंतर्निहित संरचना को पुनः प्राप्त कर सकता है। यह अंतर महत्वपूर्ण है: टूल को पैटर्न खोजने के लिए डिज़ाइन किया गया है, न कि गणितीय सटीकता के साथ अवस्थाओं को गिनने के लिए।
स्वस्थ चूहे के रेटिना से प्राप्त वास्तविक रिकॉर्डिंग पर लागू करने पर, इस टूल ने गतिविधि के एक समृद्ध ताने-बाने को प्रकट किया। रेटिना केवल यादृच्छिक रूप से फायर नहीं कर रहे थे; वे दस से सैकड़ों मिलीसेकंड तक चलने वाली विशिष्ट अवस्थाओं के बीच बदलते रहे। ये अवस्थाएं एक समान नहीं थीं; कुछ उन कोशिकाओं के प्रभुत्व में थीं जो प्रकाश चालू होने पर प्रतिक्रिया देती थीं, जबकि अन्य उन कोशिकाओं के प्रभुत्व में थीं जो प्रकाश बंद होने पर प्रतिक्रिया देती थीं। टूल ने दिखाया कि जैसे-जैसे प्रकाश का कंट्रास्ट (contrast) बढ़ा, आबादी नई अवस्थाओं में स्थानांतरित हो गई, और सक्रिय कोशिकाओं का विशिष्ट मिश्रण अनुमानित तरीके से बदल गया। उदाहरण के लिए, उच्च कंट्रास्ट स्तरों पर, आबादी उन अवस्थाओं में अधिक समय बिताती है जहाँ "ऑन" कोशिकाएं अत्यधिक सक्रिय होती हैं, और इन अवस्थाओं के बीच का संक्रमण झिलमिलाते प्रकाश की लय के साथ मजबूती से बंधा हुआ था।
इन पैटर्नों को वास्तव में प्रकाश के कारण सुनिश्चित करने के लिए, और न कि केवल यादृच्छिक शोर के कारण, शोधकर्ताओं ने दो नियंत्रण प्रयोग (control experiments) किए। एक में, उन्होंने बिना किसी प्रकाश के उसी टाइमिंग प्रोटोकॉल का उपयोग किया। इस मामले में, कोशिकाएं एक स्थिर, कम दर पर फायर हुईं, और सॉफ्टवेयर को प्रोटोकॉल के साथ संरेखित कोई संगठित अवस्था नहीं मिली। दूसरे नियंत्रण में, उन्होंने उस चूहे का रेटिना उपयोग किया जिसमें एक आनुवंशिक स्थिति थी जो प्रकाश-संवेदी कोशिकाओं को नष्ट कर देती है। भले ही प्रकाश प्रक्षेपित किया गया था, कोशिकाएं स्वस्थ आंखों में देखी गई लयबद्ध पैटर्न में संगठित नहीं हुईं। इन नियंत्रणों ने पुष्टि की कि स्वस्थ रेटिना में पाए गए जटिल, दोहराव वाले पैटर्न दृश्य उत्तेजना के प्रति एक प्रत्यक्ष प्रतिक्रिया थे।
इस टूल ने शोधकर्ताओं को यह परीक्षण करने की अनुमति भी दी कि रेटिना में एक विशिष्ट रासायनिक मार्ग (pathway) को ब्लॉक करने पर वह कैसे प्रतिक्रिया करता है। रेटिना के "ऑन" मार्ग को शांत करने वाली दवा का उपयोग करके, उन्होंने आबादी के व्यवहार में एक नाटकीय परिवर्तन देखा। अवस्थाओं का क्रम दृश्य रूप से बदल गया, और प्रतिक्रियाओं का समय बदल गया, जिससे पुष्टि हुई कि टूल तंत्रिका नेटवर्क की सामूहिक गतिविधि को कैसे अलग-अलग जैविक हेरफेर बदलते हैं, इसे पहचान सकता है। यह संवेदनशीलता बताती है कि इस पद्धति का उपयोग यह समझने के लिए किया जा सकता है कि दृश्य प्रणाली के विभिन्न भाग मस्तिष्क को प्राप्त होने वाली समग्र तस्वीर में कैसे योगदान देते हैं।
इस कार्य का महत्व इसकी क्षमता में निहित है जो अराजक विद्युत संकेतों की धारा को रेटिना के एक टीम के रूप में काम करने के प्रबंधनीय, वर्णनात्मक मॉडल में बदलने में है। शोधकर्ताओं ने किसी नए प्रकार की कोशिका या किसी नए जैविक नियम की खोज नहीं की; इसके बजाय, उन्होंने एक पुन: प्रयोज्य पाइपलाइन बनाई है जो उद्दीपन (stimulus) के समय को आबादी के सामूहिक व्यवहार से जोड़ती है। टूल द्वारा पहचानी गई अवस्थाएं आबादी की गतिविधि का एक वर्णनात्मक मानचित्र प्रदान करती हैं, जो दिखाती हैं कि कोशिकाओं के कौन से समूह एक साथ सक्रिय हैं और कितने समय के लिए। सिमुलेशन में पाई गई अवस्थाओं की सटीक संख्या कभी-कभी वास्तविक संख्या से थोड़ी अधिक थी, फिर भी घटनाओं का क्रम उच्च सटीकता के साथ पुनः प्राप्त किया गया, जो सिद्ध करता है कि विधि तंत्रिका गतिविधि की अंतर्निहित संरचना को खोजने के लिए सुदृढ़ है। यह दृष्टिकोण वैज्ञानिकों को यह निरीक्षण करने का एक नया तरीका प्रदान करता है कि मस्तिष्क का पहला दृश्य स्टेशन सूचना को कैसे संसाधित करता है, जो व्यक्तिगत कोशिकाओं के अध्ययन से आगे बढ़कर उन समूह गतिकी (group dynamics) को समझने की ओर ले जाता है जो दृष्टि को परिभाषित करती हैं।
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।