How much of a nervous-system model does behaviour identify?
यह अध्ययन प्रदर्शित करता है कि जबकि व्यवहार संबंधी डेटा पूरे-जीव तंत्रिका तंत्र के मॉडलों के पैरामीटर स्पेस में विशिष्ट दिशाओं को सीमित कर सकता है, कनेक्टोम-स्केल के अधिकांश पैरामीटर अनिर्धारित रहते हैं, और पहचान योग्यता की सीमा उद्दीप्त व्यवहारों की विविधता और कार्यात्मक मांगों पर निर्भर करती 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
वैज्ञानिक लंबे समय से जीवित प्राणियों के डिजिटल जुड़वां (डिजिटल ट्विन्स) बनाने की कोशिश कर रहे हैं, यानी ऐसे कंप्यूटर प्रोग्राम जो एक कृमि (वॉर्म) के रेंगने या एक मक्खी के चलने के तरीके की नकल कर सकें। ये सिमुलेशन हजारों सूक्ष्म हिस्सों से बने होते हैं: तंत्रिका कोशिकाओं के बीच संबंधों की मजबूती, विद्युत संकेतों के यात्रा करने की गति, और वे रासायनिक प्रतिक्रियाएं जो कोशिकाओं को जीवित रखती हैं। उम्मीद यह रही है कि यदि एक कंप्यूटर मॉडल किसी जानवर की गति का सटीक रूप से पुनरुत्पादन कर सकता है, तो उस मॉडल के भीतर के नंबर उस जानवर के वास्तविक जीव विज्ञान (बायोलॉजी) से मेल खाने चाहिए। तर्क यह है कि यदि आभासी कृमि (वर्चुअल वॉर्म) वास्तविक कृमि की तरह ही चलता है, तो वह आभासी कृमि भी वास्तविक जीव के समान ही सेटिंग्स के साथ बना होगा। लेकिन बढ़ते हुए शोध कार्य संकेत देते हैं कि यह सच नहीं हो सकता है। यह संभव है कि कई अलग-अलग नंबरों के समूह बिल्कुल एक ही तरह की गति उत्पन्न करें, जिसका अर्थ है कि केवल एक जानवर को चलते हुए देखकर उसके तंत्रिका तंत्र (नर्वस सिस्टम) की वायरिंग के बारे में सटीक जानकारी प्राप्त करना पर्याप्त नहीं हो सकता है।
कैम्ब्रिज विश्वविद्यालय में चेनक्सी हे द्वारा किया गया एक नया अध्ययन इस प्रश्न को बड़े पैमाने पर परखता है। एक एकल तंत्रिका कोशिका या उनके एक छोटे समूह को देखने के बजाय, शोधकर्ता ने एक नेमाटोड कृमि और एक फल मक्खी के संपूर्ण-जीव सिम्युलेटर (whole-organism simulators) का परीक्षण किया। इन मॉडलों में हजारों पैरामीटर होते हैं जो यह परिभाषित करते हैं कि तंत्रिका तंत्र कैसे कार्य करता है। प्रत्येक मॉडल के हर एक नंबर को व्यवस्थित रूप से बदलकर और यह देखकर कि व्यवहार कैसे बदलता है, इस अध्ययन ने यह मानचित्रित किया कि मॉडल के कौन से हिस्से जानवर की क्रियाओं द्वारा निर्धारित (लॉक इन) हैं और कौन से हिस्से परिवर्तन के लिए स्वतंत्र हैं। परिणाम बताते हैं कि व्यवहार, तंत्रिका तंत्र के पूर्ण विवरण को समझने के लिए एक बहुत ही खराब मार्गदर्शक है। हालांकि जानवर की गतिविधियां सेटिंग्स के कुछ विशिष्ट संयोजनों को निर्धारित करती हैं, वे मॉडल के अधिकांश आंतरिक नंबरों को पूरी तरह से अनियंत्रित छोड़ देती हैं।
यह अध्ययन पहले नेमाटोड C. elegans के एक विस्तृत मॉडल पर केंद्रित था, जिसका संपूर्ण तंत्रिका तंत्र वायरिंग आरेख ज्ञात है। इस मॉडल में इसकी तंत्रिका कोशिकाओं के बीच 3,076 अलग-अलग कनेक्शन स्ट्रेंथ (जुड़ाव की मजबूती) होती हैं। शोधकर्ता ने हजारों सिमुलेशन चलाए, जिसमें एक बार में एक कनेक्शन को बदलकर यह देखा कि क्या कृमि का रेंगने का पैटर्न बदलता है। निष्कर्ष चौंकाने वाले थे: उन 3,076 कनेक्शनों में से, कृमि के व्यवहार ने सभी संभावित सेटिंग्स के स्थान में केवल आठ विशिष्ट दिशाओं को निर्धारित किया। यहाँ तक कि जब शोधकर्ता ने माप के थोड़े ढीले मानक को देखा, तो यह संख्या बढ़कर केवल 47 हो गई। इसका अर्थ है कि मॉडल की 99% कनेक्शन स्ट्रेंथ को बिना किसी अंतर के बदला जा सकता था, जिससे कृमि को पता भी नहीं चलता कि वह कैसे चल रहा है। कृमि का व्यवहार एक संकीर्ण स्पॉटलाइट की तरह काम करता है, जो मॉडल के एक बहुत ही छोटे, विशिष्ट हिस्से को प्रकाशित करता है और बाकी को अंधेरे में छोड़ देता है।
यह पैटर्न तब भी सत्य रहा जब अध्ययन ने एक अलग जानवर और तंत्रिका तंत्र के एक अलग हिस्से को देखा। फल मक्खी के दृश्य तंत्र (विजुअल सिस्टम) के एक मॉडल में, जो मक्खी द्वारा देखे जाने वाले दृश्यों को प्रोसेस करता है, शोधकर्ता ने पाया कि 330 समायोज्य (एडजस्टेबल) सेटिंग्स में से, व्यवहार ने केवल 14 को ही बाधित (कन्स्ट्रेंड) किया। कृमि और मक्खी दोनों में, मॉडल के वे हिस्से जो व्यवहार द्वारा कड़ाई से नियंत्रित थे, वे कनेक्शन थे जो मुख्य संकेतों (सिग्नल्स) को ले जाते हैं। वे हिस्से जो परिवर्तन के लिए स्वतंत्र छोड़े गए थे, अक्सर कोशिकाओं के भीतर विशिष्ट रासायनिक धाराएं (केमिकल करेंट्स) थीं। उदाहरण के लिए, कृमि मॉडल में, व्यवहार दो विशिष्ट प्रकार के कैल्शियम चैनलों के प्रति काफी हदful (इन्सेंसिटिव) था, जिसका अर्थ है कि उनकी मजबूती को बिना कृमि के चलने के तरीके को बदले महत्वपूर्ण रूप से बदला जा सकता था। यह सुझाव देता है कि तंत्रिका तंत्र में बहुत अधिक लचीलापन होता है; यह कई अलग-अलग आंतरिक सेटिंग्स के साथ एक ही परिणाम प्राप्त कर सकता है।
शोध ने यह भी पता लगाया कि क्या किसी जानवर को अधिक चीजें करते हुए देखना अधिक विवरण जानने में मदद करेगा। टीम ने कृमि मॉडल का विभिन्न प्रकार की गतिविधियों के साथ परीक्षण किया, जैसे कि एक सीधी रेखा में रेंगना बनाम भोजन की ओर बढ़ना। उन्होंने पाया कि एक ही प्रकार की गतिविधि को अधिक करने से, जैसे कि तेज या धीमा चलना, बहुत अधिक नई जानकारी नहीं मिली। मॉडल की सेटिंग्स जो इन समान क्रियाओं को नियंत्रित करती थीं, वे पहली गति द्वारा ही लॉक हो चुकी थीं। हालांकि, जब जानवर ने एक कार्यात्मक रूप से भिन्न कार्य किया, जैसे कि केवल चलने के बजाय एक गंध की ओर जाना, तो मॉडल ने सेटिंग्स का एक नया समूह प्रकट किया। एक रासायनिक ढाल (केमिकल ग्रेडिएंट) में कृमि का व्यवहार एक साधारण चाल की तुलना में अलग कनेक्शनों को निर्धारित करता है। फिर भी, इन विभिन्न कार्यों के साथ भी, मॉडल का एक बड़ा हिस्सा स्वतंत्र रहा। अध्ययन ने दिखाया कि तंत्रिका तंत्र के बारे में अधिक जानने के लिए, आपको विविध प्रकार के विशिष्ट व्यवहारों को देखना होगा, न कि केवल एक ही क्रिया की लंबी रिकॉर्डिंग को।
यह सुनिश्चित करने के लिए कि ये निष्कर्ष केवल कंप्यूटर मॉडलों की कोई विचित्रता (quirk) नहीं हैं, शोधकर्ता ने सरल सेल मॉडलों पर भी समान विधियों का परीक्षण किया जहाँ सही उत्तर पहले से ज्ञात थे। इन मामलों में, विधि पूरी तरह से काम करती थी: जब मॉडल छोटा था और व्यवहार सरल था, तो सही सेटिंग्स प्राप्त हुईं। लेकिन जब मॉडल जटिल था, जैसे कि प्रसिद्ध MAPK सिग्नलिंग पाथवे, तो सिमुलेशन व्यवहार से बिल्कुल मेल खा सकता था जबकि आंतरिक भागों के लिए पूरी तरह से गलत नंबरों का उपयोग कर रहा था। इसने पुष्टि की कि व्यवहार के साथ एक सटीक मिलान यह गारंटी नहीं देता कि अंतर्निहित जीव विज्ञान को सही ढंग से पहचान लिया गया है। अध्ययन ने अपने परिणामों की तुलना अन्य वैज्ञानिकों के वास्तविक जैविक डेटा से भी की, जैसे कि एक ही प्रजाति के व्यक्तियों के बीच तंत्रिका कोशिकाओं में कितनी भिन्नता होती है। वास्तविक कृमियों और मक्खियों में जो घटता और बढ़ता है, उसके पैटर्न कंप्यूटर मॉडलों में पाए गए पैटर्न से मेल खाते हैं, जो यह सुझाव देते हैं कि यह "स्लोपीनेस" (sloppiness) जीव विज्ञान की एक वास्तविक विशेषता है, न कि केवल सिमुलेशन की कोई खामी।
अंतिम निष्कर्ष यह है कि व्यवहार तंत्रिका तंत्र मॉडल के भीतर एक विशिष्ट, लो-डायमेंशनल स्पेस की पहचान करता है, लेकिन वह उस मॉडल के विशाल भाग को खुला छोड़ देता है। जो हिस्से नियंत्रित हैं, वे वे हैं जो उस विशिष्ट कार्य के लिए आवश्यक हैं, जबकि मुक्त हिस्से वे दिशाएं हैं जिनमें जीव विज्ञान बिना किसी परिणाम के भिन्न हो सकता है। इसका अर्थ है कि एक ऐसा डिजिटल जीव बनाना जो वास्तविक जीव की तरह व्यवहार करता है, इसका मतलब यह नहीं है कि हमने वास्तविक जीव की सटीक सेटिंग्स की खोज कर ली है। इसके बजाय, हमने सेटिंग्स का एक ऐसा कामकाजी संयोजन खोज लिया है जो संयोग से सही गति उत्पन्न करता है। अध्ययन इस अनिश्चितता को माप की विफलता के रूप में नहीं, बल्कि जीवन की एक विशेषता के रूप में पुनर्परिभाषित करता है: तंत्रिका तंत्र इतना मजबूत है कि वह आंतरिक परिवर्तनों की एक विस्तृत श्रृंखला को सहन कर सके, जब तक कि अंतिम आउटपुट, यानी व्यवहार, प्रभावी बना रहे। शोधकर्ता का निष्कर्ष है कि तंत्रिका तंत्र को वास्तव में समझने के लिए, हमें केवल उसके द्वारा उत्पन्न व्यवहार से परे देखना होगा और यह पहचानना होगा कि उस व्यवहार तक पहुँचने का मार्ग कई संभावित रास्तों से बना है।
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।