Next generation Human Neocortical Neurosolver model with biophysically realistic somatic, dendritic and synaptic dynamics

मानव मस्तिष्क विद्युत गतिविधि का एक विशाल, जटिल परिदृश्य है, लेकिन वैज्ञानिकों के लिए जो यह समझने की कोशिश कर रहे हैं कि हम कैसे सोचते हैं, महसूस करते हैं या दुनिया को देखते हैं, इस गतिविधि का बहुत सा हिस्सा छिपा हुआ रहता है। हम स्कैल्प (खोपड़ी) पर सेंसर लगा सकते हैं ताकि मस्तिष्क की विद्युत चुम्बकीय फुसफुसाहट को रिकॉर्ड किया जा सके, जिसे इलेक्ट्रोएन्सेफलोग्राफी (EEG) या मैग्नेटोएन्सेफलोग्राफी (MEG) के रूप में जाना जाता है। ये उपकरण अरबों न्यूरॉन्स के एक साथ मिलकर काम करने से उत्पन्न होने वाली सामूहिक गूँज को पकड़ते हैं, फिर भी उनके द्वारा रिकॉर्ड किए गए संकेत एक स्टेडियम में भीड़ के शोर को सुनने जैसा है, बिना यह देखे कि व्यक्तिगत प्रशंसक कौन हैं। इस शोर के पीछे की कहानी को समझने के लिए, शोधकर्ताओं को इन बड़े पैमाने के संकेतों और मस्तिष्क के भीतर के सूक्ष्म, कोशिकीय सर्किटों के बीच के अंतर को पाटना होगा। इसके लिए एक ऐसे तरीके की आवश्यकता है जो मस्तिष्क की व्यापक तरंगों को व्यक्तिगत कोशिकाओं के विशिष्ट व्यवहार में अनुवादित कर सके, एक ऐसा कार्य जो लंबे समय से कठिन रहा है क्योंकि जानवरों की तुलना में मानव न्यूरॉन्स के विद्युत गुणों को कम समझा गया था।

शोधकर्ताओं की एक टीम ने अब इस समस्या को हल करने के लिए एक काफी बेहतर डिजिटल मॉडल बनाया है, जो यह समझने के लिए एक स्पष्ट खिड़की प्रदान करता है कि मानव मस्तिष्क अपने विद्युत हस्ताक्षरों को कैसे उत्पन्न करता है। उन्होंने एक परिष्कृत कंप्यूटर सिमुलेशन बनाया जिसे 'ह्यूमन नियोकोर्टिकल न्यूरोसॉल्वर' (Human Neocortical Neurosolver) कहा जाता है, जो कोशिकाओं की सूक्ष्म दुनिया और मस्तिष्क स्कैन की स्थूल दुनिया के बीच एक अनुवादक के रूप में कार्य करता है। इस मॉडल का नया संस्करण विशेष है क्योंकि यह अब मुख्य रूप से चूहों या बंदरों के डेटा पर आधारित नहीं है। इसके बजाय, शोधकर्ताओं ने आभासी न्यूरॉन्स को मानव मस्तिष्क के ऊतकों के वास्तविक विद्युत व्यवहार से मेल खाने के लिए ट्यून किया है, जिसके लिए मानव दाताओं से प्राप्त ताज़ा डेटा का उपयोग किया गया है। ऐसा करके, उन्होंने एक ऐसा उपकरण बनाया है जो न केवल न्यूरॉन्स के बुनियादी फायरिंग को, बल्कि मस्तिष्क कोशिकाओं की लंबी शाखाओं के भीतर होने वाली जटिल, छिपी हुई घटनाओं को भी सिम्युलेट कर सकता है, ऐसी घटनाएँ जो पहले मानव संदर्भ में ट्रैक करना असंभव थीं।

इस कार्य का मूल आधार मस्तिष्क की बाहरी परत, नियोकोर्टेक्स (neocortex) के डिजिटल आर्किटेक्चर को फिर से बनाना है, जिसमें दो मुख्य प्रकार की कोशिकाओं पर ध्यान केंद्रित किया गया है: पाइरेमिडल न्यूरॉन्स (pyramidal neurons), जो प्राथमिक संदेशवाहक हैं, और निरोधात्मक इंटरन्यूरॉन्स (inhibitory interneurons), जो नेटवर्क को संतुलित रखने के लिए ब्रेक के रूप में कार्य करते हैं। पिछले संस्करणों में, इन कोशिकाओं को सरल बनाया गया था ताकि कंप्यूटर सिमुलेशन तेजी से चल सकें, लेकिन उनमें वास्तविक मानव ऊतकों में पाए जाने वाले विशिष्ट विद्युत गुण नहीं थे। शोधकर्ताओं ने इन आभासी कोशिकाओं के आंतरिक चालकों और स्विचों को समायोजित करके मॉडल को अपडेट किया ताकि वे मानव न्यूरॉन्स की रिकॉर्डिंग से मेल खा सकें। उन्होंने पाया कि मानव न्यूरॉन्स अपने पशु समकक्षों की तुलना में अलग तरह से व्यवहार करते हैं, विशेष रूप से इस मामले में कि वे कोशिका शरीर से बाहर उनकी लंबी, पेड़ जैसी शाखाओं जिन्हें डेंड्राइट्स (dendrites) कहा जाता है, में यात्रा करने वाले विद्युत संकेतों को कैसे संभालते हैं।

इस नए मॉडल की सबसे महत्वपूर्ण खोजों में से एक कैल्शियम स्पाइक्स (calcium spikes) को सिम्युलेट करने की क्षमता है, जो कुछ न्यूरॉन्स के डेंड्राइट्स के गहरे हिस्सों में होने वाली विद्युत गतिविधि के विस्फोट हैं। मानव मस्तिष्क की गहरी परतों में, विशेष रूप से पांचवीं परत में, ये न्यूरॉन्स विशिष्ट इनपुट पैटर्न प्राप्त करने पर शक्तिशाली कैल्शियम स्पाइक्स उत्पन्न कर सकते हैं। ये स्पाइक्स केवल यादृच्छिक शोर नहीं हैं; ये जटिल घटनाएँ हैं जो मस्तिष्क के विभिन्न हिस्सों से सूचनाओं को एकीकृत करती हैं और कोशिका को शेष शरीर को संकेत भेजने के लिए ट्रिगर कर सकती हैं। शोधकर्ताओं ने प्रदर्शित किया कि उनका नया मॉडल इन कैल्शियम स्पाइक्स को पुनरुत्पादित कर सकता है, यह दिखाते हुए कि ये तब होते हैं जब न्यूरॉन संकेतों की एक तीव्र श्रृंखला प्राप्त करता है या जब उसे एक ही समय में दो अलग-अलग दिशाओं से इनपुट मिलता है। यह एक महत्वपूर्ण जुड़ाव है क्योंकि अब यह माना जा रहा है कि ये डेंड्राइटिक घटनाएँ उन बड़े विद्युत संकेतों में योगदान देती हैं जिन्हें हम स्कैल्प पर माप सकते हैं, जिसका अर्थ है कि जो हम ब्रेन स्कैन में देखते हैं वह आंशिक रूप से इन छिपी हुई, गहरी-मस्तिष्क की घटनाओं द्वारा संचालित हो सकता है।

टीम ने यह भी परिष्कृत किया कि ये आभासी कोशिकाएं एक-दूसरे से कैसे जुड़ती हैं। मस्तिष्क में, न्यूरॉन्स केवल यादृच्छिक रूप से फायर नहीं होते; वे सटीक पैटर्न में जुड़े होते हैं जहाँ कनेक्शन की ताकत इस बात पर निर्भर करती है कि कोशिकाएं एक-दूसरे से कितनी दूर हैं। नया मॉडल इन दूरी-निर्भर नियमों को शामिल करता है, यह सुनिश्चित करते हुए कि पास की कोशिकाएं दूर की कोशिकाओं की तुलना में एक-दूसरे को अधिक मजबूती से प्रभावित करती हैं। उन्होंने कोशिकाओं के बीच गुजरने वाले रासायनिक संकेतों, जिन्हें न्यूरोट्रांसमीटर कहा जाता है, को मानव ऊतकों में देखे गए वेग और शक्ति से मेल खाने के लिए समायोजित किया। इसमें उन निषेधात्मक कोशिकाओं को अपडेट करना भी शामिल था जो अपने पड़ोसियों को शांत करती हैं, यह सुनिश्चित करना कि इन "ब्रेक" की टाइमिंग कृंतकों (rodents) की तेज़ गति के बजाय मानव मस्तिष्क स्लाइस में पाई जाने वाली धीमी, विचारशील गति से मेल खाती हो।

इस अपडेटेड मॉडल के साथ, शोधकर्ताओं ने वास्तविक दुनिया के मस्तिष्क पैटर्न को पुन: बनाने की अपनी क्षमता का परीक्षण किया। उन्होंने अचानक स्पर्श के प्रति मस्तिष्क की प्रतिक्रिया का अनुकरण किया, जो एक सामान्य प्रयोग है जहाँ एक व्यक्ति अपनी त्वचा पर एक थपकी महसूस करता है और उसका मस्तिष्क एक विशिष्ट विद्युत तरंग के साथ प्रतिक्रिया करता है। नया मॉडल इन तरंगों के आकार और समय को सफलतापूर्वक पुन: उत्पन्न करने में सफल रहा, जो मानव प्रतिभागियों से रिकॉर्ड किए गए डेटा से मेल खाता है। इसने मस्तिष्क की प्राकृतिक लय का भी अनुकरण किया, जैसे कि अल्फा और बीटा तरंगें जो मस्तिष्क के विश्राम की स्थिति या गति के दौरान दिखाई देती हैं। इन सिमुलेशन में, मॉडल ने दिखाया कि कैसे उत्तेजक (excitatory) और निरोधात्मक (inhibitory) कोशिकाओं का परस्पर खेल इन लयबद्ध गतिविधियों के निर्माण को जन्म देता है, और कैसे नए, अधिक यथार्थवादी मानव सेल गुणों ने पुराने मॉडलों की तुलना में इन लयों के उत्पादन के तरीके को बदल दिया।

शोधकर्ताओं ने यह भी पता लगाया कि मस्तिष्क के ये विभिन्न भाग अंतिम सिग्नल में कैसे योगदान देते हैं। उन्होंने पाया कि गहरी परत वाले न्यूरॉन्स, अपनी लंबी शाखाओं और कैल्शियम स्पाइक्स उत्पन्न करने की क्षमता के साथ, EEG और MEG द्वारा मापे जाने वाले बड़े विद्युत प्रवाहों को बनाने में प्रमुख भूमिका निभाते हैं। मॉडल ने खुलासा किया कि इन गहरी कोशिकाओं में कैल्शियम स्पाइक्स एक निरंतर विद्युत खिंचाव पैदा करते हैं जो ऊपरी परतों की त्वरित गतिविधि की तुलना में अधिक समय तक रहता है। यह सुझाव देता है कि ब्रेन स्कैन में देखी जाने वाली बड़ी तरंगें केवल सभी न्यूरॉन्स के फायरिंग का साधारण योग नहीं हैं, बल्कि वे इन विशिष्ट, जटिल घटनाओं से गहराई से आकार लेती हैं जो गहरी परतों में होती हैं। व्यक्तिगत न्यूरॉन्स के भीतर बिजली के प्रवाह और कैल्शियम आयनों की गति को विज़ुअलाइज़ करके, शोधकर्ता यह देख सके कि कैसे सूक्ष्म क्रियाएं बड़े पैमाने के संकेतों में जुड़ती हैं।

यह कार्य मानव मस्तिष्क को समझने की दिशा में एक बड़ा कदम है क्योंकि यह पशु डेटा के आधार पर अनुमान लगाने से आगे बढ़ता है। नया मॉडल, जिसे शोधकर्ता duecker_ET_model कहते हैं, मानव न्यूरॉन्स के वास्तविक फिजियोलॉजी पर आधारित है, जो इसे ब्रेन स्कैन की व्याख्या करने के लिए एक अधिक विश्वसनीय उपकरण बनाता है। यह वैज्ञानिकों को यह परीक्षण करने की अनुमति देता है कि जब हम सोचते हैं, महसूस करते हैं, या न्यूरोलॉजिकल स्थितियों से पीड़ित होते हैं, तो मस्तिष्क के भीतर क्या हो रहा है। उदाहरण के लिए, यदि किसी रोगी में असामान्य मस्तिष्क तरंग पैटर्न है, तो शोधकर्ता अब इस मॉडल का उपयोग यह देखने के लिए कर सकते हैं कि क्या समस्या गहरी परतों में कैल्शियम स्पाइक्स की समस्या या निरोधात्मक संकेतों के समय में बेमेल होने के कारण हो सकती है। यह मॉडल अन्य वैज्ञानिकों के उपयोग के लिए खुला है, जो मानव मन के रहस्यों को एक विस्तृत स्तर के साथ खोजने के लिए एक साझा मंच प्रदान करता है जो पहले पहुंच से बाहर था।

शोधकर्ताओं ने सावधानीपूर्वक उल्लेख किया कि उनका मॉडल एक सरलीकरण है, जिसे कम्प्यूटेशनल रूप से कुशल बनाने के लिए डिज़ाइन किया गया है, जबकि मस्तिष्क के आवश्यक व्यवहारों को कैप्चर किया गया है। उन्होंने हर प्रकार के न्यूरॉन या कोशिका की संरचना के हर छोटे विवरण को शामिल नहीं किया, क्योंकि ऐसा करने से सिमुलेशन उपयोगी होने के लिए बहुत धीमा हो जाता। इसके बजाय, उन्होंने उन विशेषताओं पर ध्यान केंद्रित किया जो मस्तिष्क के विद्युत संकेतों को उत्पन्न करने के लिए महत्वपूर्ण हैं। उन्होंने स्वीकार किया कि हालांकि उनका मॉडल मानव न्यूरॉन्स की कई विशेषताओं को पुन: उत्पन्न करता है, फिर भी मॉडल और वास्तविकता के बीच कुछ अंतर हैं, विशेष रूप से इस संबंध में कि सिग्नल कोशिकाओं की लंबी शाखाओं के साथ कैसे यात्रा करते हैं। हालांकि, मॉडल को मानव डेटा पर आधारित करके, उन्होंने एक ऐसा आधार तैयार किया है जो पिछले प्रयासों की तुलना में कहीं अधिक सटीक है।

अंततः, यह शोध पत्र मानव मस्तिष्क को देखने के लिए एक नया लेंस प्रदान करता है। यह EEG और MEG की अमूर्त तरंगों को विशिष्ट कोशिकाओं, विशिष्ट कनेक्शनों और विशिष्ट विद्युत घटनाओं की एक कहानी में बदल देता है। यह दिखाकर कि मानव न्यूरॉन्स में अद्वितीय गुण होते हैं, जैसे कि कैल्शियम स्पाइक्स उत्पन्न करने की क्षमता जो हमारी मस्तिष्क तरंगों को आकार देती है, शोधकर्ताओं ने यह समझने के लिए नए रास्ते खोल दिए हैं कि मस्तिष्क कैसे कार्य करता है। यह मॉडल एक सेतु के रूप में कार्य करता है, जो कोशिकीय जीव विज्ञान की अदृश्य दुनिया को मस्तिष्क इमेजिंग की दृश्य दुनिया से जोड़ता है, जिससे हमें पहले की तुलना में अधिक स्पष्टता के साथ मन के पीछे की मशीनरी को देखने की अनुमति मिलती है।