Emergent locomotion from anatomy alone: a whole-connectome, conductance-based neuromechanical model of Caenorhabditis elegans

जीवित प्राणी कैसे चलता है, इसे समझने के लिए वैज्ञानिक अक्सर दो अलग-अलग चीजों को देखते हैं: इसके मस्तिष्क का वायरिंग आरेख (wiring diagram) और इसके शरीर की भौतिक यांत्रिकी (mechanics)। वायरिंग आरेख, जिसे कनेक्टोम (connectome) कहा जाता है, न्यूरॉन्स के बीच के हर एक संबंध को मैप करता है, ठीक वैसे ही जैसे किसी शहर की सड़कों का विस्तृत नक्शा होता है। यांत्रिकी यह बताती है कि मांसपेशियां गति पैदा करने के लिए शरीर पर कैसे खिंचाव डालती हैं। दशकों से, शोधकर्ता इन दोनों मानचित्रों को एक एकल, कार्यशील मॉडल में संयोजित करने के लिए संघर्ष कर रहे हैं, जो यह समझा सके कि एक छोटा सा जीव आगे बढ़ने, पीछे जाने या रुकने का निर्णय कैसे लेता है। बड़ा सवाल यह रहा है कि क्या तंत्रिका तंत्र का कच्चा ब्लूप्रिंट (blueprint), जब इसे यथार्थवादी विद्युत गुणों के साथ दिया जाता है, तो क्या वह अपने आप जटिल व्यवहार उत्पन्न करने के लिए पर्याप्त है, या क्या मस्तिष्क को चलने के लिए कहने हेतु एक अलग, पूर्व-निर्धारित लय (rhythm) की आवश्यकता होती है। यह प्रश्न जीव विज्ञान के एक गहरे रहस्य को छूता है जिसे 'डिजेनेरेसी' (degeneracy) कहा जाता है, जो इस विचार को दर्शाता है कि कई अलग-अलग आंतरिक सेटिंग्स बिल्कुल एक ही बाहरी परिणाम उत्पन्न कर सकती हैं। यदि यह सच है, तो एक तंत्रिका तंत्र अविश्वसनीय रूप से सुदृढ़ हो सकता है, जो व्यक्तिगत हिस्सों के बदलने या विफल होने पर भी काम करना जारी रख सकता है।

हुआन ली द्वारा शंघाई लियांगटा बायोटेक कंपनी लिमिटेड में किया गया एक नया अध्ययन Caenorhabditis elegans नामक गोल कृमि (roundworm) का उपयोग करके इस समस्या का समाधान करता है, जो इतना सरल जीव है कि इसके संपूर्ण तंत्रिका तंत्र का पूर्ण मानचित्रण किया जा चुका है। इस कृमि में ठीक 302 न्यूरॉन्स होते हैं, और वैज्ञानिक पहले से ही इस बात का पूरा चित्र बना चुके हैं कि वे कैसे जुड़ते हैं। ली ने एक विशाल कंप्यूटर सिमुलेशन बनाया जो इस पूरे तंत्रिका तंत्र में जान फूंक देता है। न्यूरॉन्स को बुनियादी ऑन-ऑफ स्विच के रूप में सरल बनाने के बजाय, यह मॉडल कृमि के प्रत्येक 292 न्यूरॉन्स को सत्रह विभिन्न प्रकार के आयन चैनलों (ion channels) वाले एक जटिल विद्युत इकाई के रूप में मानता है। ये चैनल सूक्ष्म द्वारों की तरह कार्य करते हैं जो कोशिका के भीतर बिजली और रसायनों के प्रवाह को नियंत्रित करते हैं। मॉडल में कृमि का शरीर भी शामिल है, जिसे एक लचीली छड़ के रूप में सिम्युलेट किया गया है जो मुड़ सकती है, और यह मस्तिष्क को शरीर से जोड़ता है ताकि मांसपेशियां महसूस कर सकें कि शरीर कब मुड़ रहा है और वह जानकारी वापस मस्तिष्क को भेज सकें। महत्वपूर्ण रूप से, शोधकर्ताओं ने मॉडल को चलना नहीं सिखाया। उन्होंने मॉडल को सही ढंग से चलने के लिए संख्याओं को समायोजित नहीं किया। उन्होंने बस ज्ञात भौतिक संबंधों और कोशिकाओं के ज्ञात विद्युत गुणों को प्लग इन किया, और फिर उसे चालू कर दिया।

परिणाम चौंकाने वाला था। बिना किसी प्रशिक्षण या पूर्व-निर्धारित लय के, सिमुलेशन अपने आप चलने लगा। न्यूरॉन्स के नेटवर्क ने, जो केवल एक स्थिर, कोमल विद्युत संकेत द्वारा संचालित था, सिर से पूंछ तक जाने वाली एक मुड़ने वाली लहर (bending wave) उत्पन्न की। इस लहर ने आभासी कृमि को स्क्रीन पर 0.210 मिलीमीटर प्रति सेकंड की गति से आगे बढ़ाया, जिसकी डगमगाहट की आवृत्ति (frequency) 0.58 हर्ट्ज़ थी। ये संख्याएं वास्तविक कृमियों की गति से लगभग पूरी तरह मेल खाती हैं। अध्ययन दर्शाता है कि केवल शरीर रचना (anatomy) ही—न्यूरॉन्स के जुड़ने का विशिष्ट तरीका और उनके प्राकृतिक विद्युत व्यवहार के साथ मिलकर—संगठित, यथार्थवादी गति उत्पन्न करने के लिए पर्याप्त है। गति की लय मस्तिष्क में किसी केंद्रीय घड़ी से नहीं आई थी; यह मस्तिष्क, मांसपेशियों और शरीर की अपनी स्थिति को महसूस करने की क्षमता के बीच के लूप से स्वाभाविक रूप से उभरी। यह पुष्टि करता है कि कृमि के तंत्रिका तंत्र को चलने के लिए किसी छिपे हुए निर्देश मैनुअल की आवश्यकता नहीं है; निर्देश पहले से ही कनेक्शनों की भौतिक संरचना में निहित हैं।

शोधकर्ताओं ने फिर यह परीक्षण किया कि यह प्रणाली वास्तव में कितनी नाजुक है। उन्होंने कई आभासी प्रयोग किए जहाँ उन्होंने हर न्यूरॉन में एक साथ विशिष्ट प्रकार के आयन चैनलों को बंद कर दिया, जो एक आनुवंशिक उत्परिवर्तन (genetic mutation) की नकल करता है। कुछ मामलों में, इन परिवर्तनों ने न्यूरॉन्स की आंतरिक विद्युत स्थिति को नाटकीय रूप रूप से बदल दिया, जिससे उनकी विश्राम वोल्टेज (resting voltage) में 12 मिलीवोल्ट तक का बदलाव आया और उनके सक्रिय होने की शक्ति में लगभग 50 प्रतिशत का परिवर्तन हुआ। इन भारी आंतरिक परिवर्तनों के बावजूद, कृमि की गति में बहुत कम बदलाव आया। डगमगाहट की गति और आवृत्ति 0.3 प्रतिशत से भी कम बदली। यह निष्कर्ष पूरे जीव के स्तर पर डिजेनेरेसी की अवधारणा के लिए मजबूत प्रमाण प्रदान करता है। यह सुझाव देता है कि तंत्रिका तंत्र में इतनी अधिक अतिरेकता (redundancy) होती है कि वह अपने कार्य को खोए बिना बड़े आंतरिक उतार-चढ़ाव को आत्मसात कर सकता है। व्यवहार की सुरक्षा किसी एक चैनल द्वारा नहीं, बल्कि पूरे नेटवर्क की परिवर्तनों की भरपाई करने की सामूहिक क्षमता द्वारा की जाती है।

हालाँकि, प्रारंभिक मॉडल में एक छोटी सी खामी थी: कृमि के शरीर का मोड़ वास्तविक कृमियों की तुलना में थोड़ा कम गहरा था। इसे ठीक करने के लिए, शोधकर्ताओं ने रासायनिक संकेतन (chemical signaling) की एक एकल परत जोड़ी जिसे हाल के वर्षों में खोजा गया था लेकिन पिछले मॉडलों में गायब था। इस प्रणाली में DVA नामक एक विशिष्ट न्यूरॉन शामिल है, जो एक रासायनिक संदेशवाहक छोड़ता है जो मांसपेशियों के लिए 'वॉल्यूम नॉब' की तरह कार्य करता है। जब शरीर मुड़ता है, तो यह न्यूरॉन खिंचाव को महसूस करता है और मांसपेशियों को भेजे जाने वाले संकेत को बढ़ाता है, जिससे मोड़ अधिक गहरे हो जाते हैं। जब इस एकल तंत्र को जोड़ा गया, तो सिमुलेशन का मुड़ने का आयाम (amplitude) जैविक सीमा के अनुरूप बढ़ गया। इस समायोजन ने मॉडल को इस प्रणाली में आनुवंशिक उत्परिवर्तन वाले वास्तविक कृमियों के व्यवहार को भी सही ढंग से पुनरुत्पादित करने की अनुमति दी, जो कि अधिक धीमी गति से और कम गहरे मोड़ के साथ चलते हैं। इसके अलावा, मॉडल ने एक विशिष्ट दवा, एल्डिकार्ब (aldicarb) के प्रति उसी तरह प्रतिक्रिया दी जैसे वास्तविक कृमि देते हैं। जब दवा डाली गई, तो बरकरार रासायनिक प्रणाली वाले सिम्युलेटेड कृमि तेजी से बढ़े, जबकि टूटी हुई प्रणाली वाले कृमि नहीं बढ़े, जो वास्तविक दुनिया के प्रयोगों की नकल करता है।

अंत में, टीम ने मॉडल का उन विशिष्ट प्रयोगों के विरुद्ध परीक्षण किया जहाँ वैज्ञानिक व्यक्तिगत न्यूरॉन्स को चालू और बंद करने के लिए प्रकाश का उपयोग करते हैं। जब उन्होंने AVA नामक न्यूरॉन को चालू करने का अनुकरण किया, तो आभासी कृमि ने तुरंत दिशा बदल ली और पीछे की ओर रेंगना शुरू कर दिया, जैसा कि वास्तविक कृमि करते हैं। जब उन्होंने नींद से जुड़े RIS नामक न्यूरॉन को चालू करने का अनुकरण किया, तो कृमि हिलना-डुलना बंद कर दिया और तब तक स्थिर रहा जब तक कि प्रकाश बंद नहीं हो गया। इन परिणामों ने दिखाया कि मॉडल कृमि के व्यवहार के मौलिक तर्क को पकड़ता है। अध्ययन निष्कर्ष निकालता है कि एक पूर्ण वायरिंग आरेख, जब इसे यथार्थवादी विद्युत गुणों के साथ दिया जाता है, तो जटिल व्यवहार उत्पन्न करने के लिए पर्याप्त है। यह यह भी रेखांकित करता है कि जबकि वायरिंग आधार है, एक जीवित प्राणी की सटीकता से मेल खाने के लिए सूक्ष्म ट्यूनिंग हेतु एक विशिष्ट रासायनिक मॉड्यूलेशन (chemical modulation) की आवश्यकता होती है। यह कार्य मस्तिष्क कैसे काम करता है, इसे समझने का एक नया तरीका प्रदान करता है, जो एक ऐसा उपकरण पेश करता है जहाँ वैज्ञानिक किसी जीवित जीव को छुए बिना यह परीक्षण कर सकते हैं कि जीन या दवाओं में परिवर्तन व्यवहार को कैसे प्रभावित कर सकते हैं।