🧠 तंत्रिका विज्ञान

Sensory recurrence and convergent integration in the C. elegans connectome

यह अध्ययन प्रकट करता है कि *C. elegans* कनेक्टोम रैंडम नेटवर्क की तुलना में काफी अधिक संवेदी-संचालित पुनरावृत्ति (sensory-driven recurrence) और कम अभिसरण (convergence) प्रदर्शित करता है, जो संवेदी न्यूरॉन्स से एकीकृत इंटरन्यूरॉन्स तक एक फीडबैक ग्रेडिएंट के माध्यम से नॉन-फीड-फॉरवर्ड सिग्नलिंग के लिए एक संरचनात्मक आधार का सुझाव देता है।

मूल लेखक: Moutuou, E., Benali, H.

प्रकाशित 2026-11-03

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Moutuou, E., Benali, H.

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

नन्हे गोल कृमि (राउंडवॉर्म) Caenorhabditis elegans के तंत्रिका तंत्र ने लंबे समय से यह समझने के लिए एक मानचित्र के रूप में कार्य किया है कि मस्तिष्क कैसे काम करता है। वैज्ञानिक दशकों से जानते हैं कि इस कृमि का हर एक तंत्रिका सेल दूसरे से किस प्रकार जुड़ा होता है, जो कि एक पूर्ण वायरिंग आरेख है जिसे 'कनेक्टोम' कहा जाता है। लंबे समय तक, प्रचलित दृष्टिकोण यह था कि यह वायरिंग एक सरल, एकतरफा सड़क का अनुसरण करती है: सतह पर स्थित संवेदी न्यूरॉन्स (sensory neurons) दुनिया का पता लगाते हैं, संदेश को मध्यवर्ती न्यूरॉन्स जिन्हें इंटरन्यूरॉन्स कहा जाता है, उन तक पहुँचाते हैं, जो फिर उस संकेत को मोटर न्यूरॉन्स को सौंप देते हैं जो गति को संचालित करते हैं। यह एक साफ, आगे की ओर बढ़ने वाले सूचना प्रवाह जैसा प्रतीत होता था। हालाँकि, विशिष्ट न्यूरॉन्स को सक्रिय करने के लिए प्रकाश का उपयोग करने वाले हालिया प्रयोगों ने दिखाया कि संकेत हमेशा एक सीधी रेखा में नहीं चलते हैं। वास्तव में, संवेदी न्यूरॉन्स अक्सर मस्तिष्क के कई अन्य हिस्सों से मिलने वाले संकेतों के प्रति प्रतिक्रिया करते हैं, न कि केवल उन्हीं के प्रति जिन्हें उन्हें सुनना चाहिए। इसने एक पहेली खड़ी कर दी: यदि वायरिंग आरेख एक एकतरफा सड़क की तरह दिखता है, तो वास्तविक यातायात एक व्यस्त चौराहे की तरह क्यों व्यवहार करता है जहाँ कारें वापस मुड़ रही हैं?

इस समस्या को हल करने के लिए, शोधकर्ताओं एल्काइकम एम. मोंटू (Elkaïoum M. Moutuou) और हबीब बेनाली (Habib Benali) ने कृमि के वायरिंग आरेख को गहराई से देखा, न कि केवल कोशिकाओं के बीच सीधे कनेक्शनों को गिनकर, बल्कि उन रास्तों का पता लगाकर जिनसे संकेत एक न्यूरॉन से दूसरे न्यूरॉन में उछलकर अंततः वहीं वापस लौट सकते हैं जहाँ से वे शुरू हुए थे। उन्होंने कृमि के मस्तिष्क के एक विशिष्ट भाग पर ध्यान केंद्रित किया जो तापमान को महसूस करने के लिए जिम्मेदार है, जिसे थर्मोटैक्सिस (thermotaxis) नामक सर्किट कहा जाता है। एक गणितीय दृष्टिकोण का उपयोग करते हुए, जो नेटवर्क को बहते हुए पथों की एक प्रणाली के रूप में मानता है, उन्होंने गणना की कि एक न्यूरॉन तक पहुँचने वाली गतिविधि का कितना हिस्सा वास्तव में उसी न्यूरॉन से उत्पन्न हुआ था। उन्होंने इस वास्तविक वायरिंग की तुलना हजारों यादृच्छिक (random) नेटवर्कों से की जिनमें उन्हीं कनेक्शनों की संख्या थी लेकिन जिन्हें बिना किसी जैविक संरचना के आपस में मिला दिया गया था। लक्ष्य यह देखना था कि क्या कृमि के मस्तिष्क में संकेतों को वापस घुमाने के लिए एक विशेष डिज़ाइन है, या क्या ये लूप (loops) कई कनेक्शनों के कारण उत्पन्न हुए केवल यादृच्छिक परिणाम थे।

शोधकर्ताओं ने पाया कि कृमि का मस्तिष्क यादृच्छिक तारों की व्यवस्था की तुलना में लूपों से कहीं अधिक भरा हुआ है। वास्तव में, वास्तविक नेटवर्क में इन लौटने वाले पथों की संख्या यादृच्छिक मॉडलों की तुलना में लगभग तीन गुना अधिक है। सबसे आश्चर्यजनक बात यह थी कि ये लूप कहाँ स्थित थे। एक यादृच्छिक नेटवर्क में, सबसे अधिक लूपिंग गतिविधि सबसे व्यस्त, सबसे अधिक जुड़े हुए केंद्रों (hubs) पर होती है। लेकिन कृमि में, सबसे तीव्र लूपिंग बिल्कुल शुरुआत में होती है, उन संवेदी न्यूरॉन्स में जो बाहरी दुनिया को सबसे पहले छूते हैं। जैसे ही संकेत मस्तिष्क में गहराई तक सूचनाओं को एकीकृत करने वाले न्यूरॉन्स की ओर बढ़ता है जो गति को नियंत्रित करते हैं, यह लूपिंग प्रभाव कम होता जाता है। यह एक प्रवणता (gradient) बनाता है: संवेदी परिधि वह स्थान है जहाँ संकेत स्वयं पर वापस मुड़ जाते हैं, जबकि गहरे प्रसंस्करण केंद्र विविध स्रोतों से इनपुट प्राप्त करते हैं लेकिन बहुत कम वापस भेजते हैं।

यह पैटर्न कृमि के वायरिंग मैप के पाँच अलग-अलग संस्करणों में भी सही पाया गया, जिसमें शून्य से शुरू करके पुनर्गठित किए गए दो पूरी तरह से अलग वयस्क कृमियों के मानचित्र भी शामिल थे। शोधकर्ताओं ने यह भी जाँच की कि क्या यह केवल न्यूरॉन्स के एक-दूसरे के साथ दो-तरफा संबंध रखने का परिणाम था। उन्होंने पाया कि भले ही उन्होंने प्रत्यक्ष दो-तरफा लिंक हटा दिए हों, फिर भी संवेदी न्यूरॉन्स में संकेतों के वापस लौटने की प्रवृत्ति संयोग से कहीं अधिक अधिक थी। ये लूप छोटे थे, जिनमें अक्सर केवल एक या दो चरणों में पड़ोसी के माध्यम से वापस आना शामिल था, लेकिन वे विशेष रूप से संवेदी परत में केंद्रित थे। इस बीच, आगे की पंक्ति में मौजूद न्यूरॉन्स, जो इंटीग्रेटर (integrators) के रूप में कार्य करते हैं, विभिन्न स्रोतों से संकेत प्राप्त करते हैं, लेकिन वे स्रोत उन्हें वापस नहीं भेजते हैं। इसका अर्थ है कि संवेदी न्यूरॉन्स अद्वितीय रूप से फीडबैक के जाल में फंसे हुए हैं, जबकि इंटीग्रेटर वास्तविक अभिसरण बिंदु (convergence points) के रूप में कार्य करते हैं।

अध्ययन ने यह भी देखा कि यह संरचनात्मक निष्कर्ष इस बात से कैसे मेल खाता है कि जब कृमि वास्तव में जीवित होता है और उत्तेजनाओं के प्रति प्रतिक्रिया करता है तो क्या होता है। पिछले प्रयोगों ने दिखाया था कि संवेदी न्यूरॉन्स अक्सर उत्तेजित होने पर प्रतिक्रिया करते हैं, जिससे पता चलता है कि वे एक फीडबैक लूप का हिस्सा हैं। नया विश्लेषण पुष्टि करता है कि भौतिक वायरिंग इस व्यवहार का समर्थन करती है, लेकिन यह वर्तमान मानचित्रों को यह बताने की सीमा भी प्रकट करता है कि वे क्या बता सकते हैं। जबकि संरचना संवेदी किनारे से भीतर की ओर लूपिंग की एक स्पष्ट प्रवणता दिखाती है, जीवित कृमियों से प्राप्त कार्यात्मक डेटा व्यक्तिगत कोशिकाओं में इस समान स्पष्ट पैटर्न को देखने के लिए बहुत शोर युक्त (noisy) है। शोधकर्ता सुझाव देते हैं कि अंतर इसलिए हो सकता है क्योंकि जीवित प्रयोग केवल बहुत तेज़, एकल-प्रहार प्रतिक्रियाओं को देखते हैं, जबकि जो संरचनात्मक लूप उन्होंने पाए हैं, उन्हें प्रभाव डालने के लिए कुछ चरणों में बंद होने और थोड़े लंबे समय तक कार्य करने की आवश्यकता हो सकती है।

अंततः, यह कार्य कृमि के मस्तिष्क के बारे में हमारी दृष्टि को नया आकार देता है। यह केवल एक साधारण पाइपलाइन नहीं है जो सूचना को बाहर से भीतर की ओर ले जाती है। इसके बजाय, दुनिया को महसूस करने वाले पहले न्यूरॉन्स लौटने वाले संकेतों के एक घने जाल में फंसे हुए हैं, जो अनुभव को निर्णय लेने वाले केंद्रों तक पहुँचने से पहले ही स्वयं पर वापस मोड़ देते हैं। इसके विपरीत, मस्तिष्क के गहरे हिस्से कई अलग-अलग स्थानों से सूचना एकत्र करते हैं और बहुत कम वापस भेजते हैं, जिससे वे विविध इनपुट के लिए एक वास्तविक सिंक (sink) के रूप में कार्य करते हैं। यह संरचनात्मक व्यवस्था, जहाँ संवेदी किनारा पुनरावृत्ति (recurrence) से समृद्ध है और केंद्र अभिसरण (convergence) से समृद्ध है, इस बात का भौतिक स्पष्टीकरण प्रदान करती है कि कृमि के मस्तिष्क में संकेत एक सीधी रेखा में क्यों नहीं चलते हैं। यह सुझाव देता है कि मस्तिष्क की दुनिया को संसाधित करने की क्षमता एक विशिष्ट वास्तुकला पर निर्भर करती जहाँ इंद्रियाँ लगातार खुद से बात करती हैं, जबकि बाकी मस्तिष्क पूरी दुनिया को सुनता है।

तकनीकी सारांश: C. elegans कनेक्टोम में संवेदी पुनरावृत्ति (Sensory Recurrence) और अभिसारी एकीकरण (Convergent Integration)

समस्या विवरण
यद्यपि Caenorhabditis elegans तंत्रिका तंत्र की वैश्विक सिनैप्टिक संरचना को पारंपरिक रूप से फीड-फॉरवर्ड (संवेदी $\to$ इंटरन्यूरॉन $\to$ मोटर) के रूप में वर्णित किया जाता है, हालिया होल-ब्रेन ऑप्टोजेनेटिक मैपिंग से पता चलता है कि सिग्नल प्रसार (signal propagation) कड़ाई से इस दिशा का पालन नहीं करता है। कार्यात्मक कनेक्टिविटी (Functional connectivity) दर्शाती है कि संवेदी न्यूरॉन्स द्वारा भेजे जाने वाले कनेक्शनों की तुलना में उन्हें प्राप्त होने वाले कार्यात्मक कनेक्शन अधिक हैं, और सिग्नल अक्सर संरचनात्मक मॉडलों के अनुमान के अनुसार आगे बढ़ने में विफल रहते हैं। एक प्रमुख अनसुलझा प्रश्न यह है कि क्या स्वयं सिनैप्टिक नेटवर्क में महत्वपूर्ण पुनरावर्ती पथ (recurrent pathways) मौजूद हैं जो गतिविधि को संवेदी परिधि (sensory periphery) की ओर वापस लाते हैं, और यदि ऐसा है, तो यह पुनरावृत्ति इनपुट के अभिसरण (convergence) के सापेक्ष कैसे वितरित है? सरल लूप गणना अपर्याप्त है, क्योंकि अत्यधिक जुड़े हुए न्यूरॉन्स यादृच्छिक नेटवर्क में भी स्वाभाविक रूप से अधिक लूप संचित करते हैं, जिससे विशिष्ट संरचनात्मक रूपांकनों (motifs) को पहचानना कठिन हो जाता है।

कार्यप्रणाली (Methodology)
लेखक C. elegans हर्मैफ्रोडाइट (280 न्यूरॉन्स, 12,071 संपर्क) के मर्ज किए गए सोमैटिक कनेक्टोम और पांच स्वतंत्र पुनर्निर्माणों (दो स्वतंत्र वयस्क जीवों सहित) का विश्लेषण करते हैं। वे निर्देशित नेटवर्क (directed networks) के लिए कुबो-मार्टिन-श्विंगर (KMS) ढांचे का उपयोग करके एक फीडबैक गुणांक ( $f_b$ ) को परिभाषित करते हैं।

मीट्रिक (The Metric): यह विधि रेज़ोलवेंट मैट्रिक्स $R_\beta = (I - e^{-\beta A})^{-1}$ का उपयोग करती है, जहाँ $A$ एडजेसेंसी मैट्रिक्स है और $\beta$ एक इन्वर्स टेम्परेचर पैरामीटर है जिसे क्रिटिकल वैल्यू $\beta_c = \log r(A)$ से थोड़ा ऊपर सेट किया गया है (विशेष रूप से $\beta_f = 1.05\beta_c$ )।
परिभाषा: फीडबैक गुणांक $f_b$ किसी न्यूरॉन $u$ के लिए, $u$ तक पहुँचने वाले कुल 'वॉक मास' (walk mass) का वह हिस्सा है जो स्वयं $u$ से उत्पन्न होता है। गणितीय रूप से, $f_b = \frac{(R_\beta)_{uu} - 1}{\sum_w (R_\beta)_{uw} - 1}$ । यह बंद वॉक (closed walks/recurrence) को कुल इनकमिंग वॉक मास (convergence) के सापेक्ष सामान्यीकृत (normalize) करता है, जो इसे कैट्ज़ सेंट्रैलिटी (Katz centrality) जैसे मानक मापों या सरल लूप गणनाओं से अलग करता है।
नुल मॉडल (Null Models): सांख्यिकीय सार्थकता निर्धारित करने के लिए, लेखक स्ट्रेंथ-प्रिजर्विंग नुल नेटवर्क (इन/आउट-स्ट्रेंथ को बनाए रखते हुए लक्ष्य बदलना) और रेसिप्रोसिटी-प्रिजर्विंग नुल नेटवर्क उत्पन्न करते हैं।
पूरक माप: अध्ययन अभिसरण (convergence) को मापने के लिए इंटीग्रेशन कैपेसिटी (IC) और रिसेप्टेंस एंट्रॉपी ( $H_{rec}$ ) की भी गणना करता है (जो एक न्यूरॉन के इनपुट में योगदान देने वाले स्रोतों की विविधता को दर्शाता है)।
वैधीकरण (Validation): परिणामों की तुलना "सिग्नल प्रोपेगेशन एटलस" (रैंडी एट अल.) से की जाती है, जो ऑप्टोजेनेटिक उत्तेजना (optogenetic stimulation) के प्रति कार्यात्मक प्रतिक्रियाओं को मैप करता है।

मुख्य योगदान और परिणाम

संवेदी न्यूरॉन्स में अतिरिक्त पुनरावृत्ति (Excess Recurrence):
C. elegans कनेक्टोम में स्ट्रेंथ-मैच्ड रैंडम नेटवर्क की तुलना में लगभग तीन गुना अधिक पुनरावृत्ति देखी गई है। महत्वपूर्ण बात यह है कि यह अतिरिक्त पुनरावृत्ति कनेक्टिविटी डिग्री के अनुसार वितरित नहीं है। रैंडम नेटवर्क में, पुनरावृत्ति अत्यधिक जुड़े हुए न्यूरॉन्स पर केंद्रित होती है; C. elegans कनेक्टोम में, अतिरिक्त पुनरावृत्ति संवेदी न्यूरॉन्स और कमजोर रूप से जुड़े न्यूरॉन्स में केंद्रित है। संवेदी न्यूरॉन्स में नुल अपेक्षाओं की तुलना में 4.4 गुना अधिक अतिरिक्त पुनरावृत्ति है, जो इंटरन्यूरॉन्स (2.8-गुना) या मोटर न्यूरॉन्स (2.6-गुना) की तुलना में काफी अधिक है।
पुनरावृत्ति-अभिसरण प्रवणता (The Recurrence-Convergence Gradient):
थर्मोटैक्सिस पाथवे (AFD/AWC/ASI जैसे संवेदी न्यूरॉन्स से लेकर RIA जैसे एकीकृत इंटरन्यूरॉन्स तक) के साथ एक स्पष्ट प्रवणता (gradient) मौजूद है।

पुनरावृत्ति (Recurrence): संवेदी परिधि पर उच्चतम और एकीकृत इंटरन्यूरॉन्स की ओर घटती हुई।
अभिसरण (Convergence): संवे "कम स्रोतों से इनपुट प्राप्त करते हैं (नुल के सापेक्ष कम रिसेप्टेंस एंट्रॉपी और कम इंटीग्रेशन कैपेसिटी), जबकि इंटरन्यूरॉन्स कई विविध स्रोतों से इनपुट प्राप्त करते हैं।
सहसंबंध: अतिरिक्त पुनरावृत्ति और इनपुट स्रोतों की विविधता के बीच एक मजबूत नकारात्मक सहसंबंध है; जिन न्यूरॉन्स में उच्चतम पुनरावृत्ति होती है, उन्हें उनका गैर-स्वयं (non-self) इनपुट सबसे कम स्रोतों से प्राप्त होता है।

मजबूती और विशिष्टता (Robustness and Specificity):

यह पैटर्न पांच अलग-अलग कनेक्टोम पुनर्निर्माणों में बना रहता है, जिसमें दो स्वतंत्र रूप से पुनर्निर्मित वयस्क जीव शामिल हैं।
यह प्रवणता तब भी बनी रहती है जब गैप जंक्शनों को हटा दिया जाता है (केवल रासायनिक सिनैप्स) और जब नुल मॉडलों में पारस्परिक संपर्कों (reciprocal contacts) को संरक्षित रखा जाता है, जो यह दर्शाता है कि यह घटना केवल साधारण रेसिप्रोकल पेयर्स से परे लूप्स पर निर्भर करती है।
यह व्यवस्था पथ स्केल (path scale) पर निर्भर है: यह $\beta_c$ के पास सबसे मजबूत है (जहाँ लंबे वॉक योगदान देते हैं) और गायब हो जाती है जब केवल छोटे पथों (1-2 स्टेप्स) पर विचार किया जाता है।

कार्यात्मक डेटा के साथ तुलना:
सिग्नल प्रोपेगेशन एटलस के साथ तुलना करने पर, संवेदी न्यूरॉन्स में इनकमिंग प्रतिक्रियाओं के प्रति एक कमजोर पूर्वाग्रह (bias) दिखता है, जो संरचनात्मक निष्कर्ष के अनुरूप है। हालांकि, कार्यात्मक एटलस एकल-न्यूरॉन स्तर पर संरचनात्मक पुनरावृत्ति प्रवणता को हल नहीं कर पाता है। कार्यात्मक इन/आउट संतुलन संपर्कों की संख्या के साथ अधिक सहसंबंध रखता है बजाय संरचनात्मक अतिरिक्त पुनरावृत्ति के, और कार्यात्मक रेसिप्रोसिटी (functional reciprocity) संरचनात्मक रेसिप्रोसिटी के काफी करीब है।

महत्व और दावे
यह शोध पत्र एक विशिष्ट संरचनात्मक आधार की पहचान करने का दावा करता है जो कार्यात्मक अध्ययनों में देखी गई नॉन-फीड-फॉरवर्ड सिग्नलिंग को स्पष्ट करता है। निष्कर्ष बताते हैं कि C. elegans की वायरिंग इस तरह व्यवस्थित है कि संवेदी परिधि अपने आप में "फोल्ड बैक" (folded back) होती है, जिससे इनपुट के अभिसरण के सापेक्ष एक सघन स्थानीय पुनरावृत्ति (local recurrence) उत्पन्न होती है। इसके विपरीत, एकीकृत इंटरन्यूरॉन्स हब के रूप में कार्य करते हैं जो बिना किसी महत्वपूर्ण फीडबैक के कई विविध स्रोतों से संकेतों को एकत्रित करते हैं।

लेखक निष्कर्ष निकालते हैं कि यह संरचनात्मक संगठन—जहाँ संवेदी न्यूरॉन्स में उनके अभिसरण के सापेक्ष उच्च पुनरावृत्ति होती है, और इंटरन्यूरॉन्स में उच्च अभिसरण के सापेक्ष कम पुनरावृत्ति होती है—इस बात का संभावित तंत्र प्रदान करता है कि कैसे सिग्नल केवल सिनैप्स के माध्यम से संवेदी परिधि की ओर वापस आ सकते हैं। वे नोट करते हैं कि हालांकि संरचनात्मक डेटा फीड-फॉरवर्ड प्रवाह से विचलन का समर्थन करता है, वर्तमान कार्यात्मक एटलस अभी तक एकल-न्यूरोन पैमाने पर इसका सत्यापन नहीं कर पाया है, जो संभवतः मल्टी-स्टेप लूप्स को सक्रिय करने में संक्षिप्त, एकल-न्यूरॉन उत्तेजना की सीमाओं या एक्स्ट्रासिनैप्टिक ट्रांसमिशन के प्रभाव के कारण है। अध्ययन इस बात पर जोर देता है कि पुनरावृत्ति को अभिसरण के सापेक्ष विशेष रूप से सामान्यीकृत करना (KMS ढांचे के माध्यम से) इस संगठन का पता लगाने के लिए आवश्यक है, क्योंकि मानक लूप गणनाएं इसे प्रकट करने में विफल रहती हैं।

इसी तरह के और पेपर