| | یک نقشه‌ی راهنمایِ تحلیلی برای یافتن ساختار پنهان شبکه‌های عصبی
تهران، پژوهشگاه دانش‌های بنیادی،
تصویر رایج از شبکه‌ی عصبی شامل تعداد زیادی (در مورد انسان، حدودِ ۱۰۰ میلیارد) سلول عصبی است که هرکدام از آنها با ده‌ها، و گاهی صدها سلول دیگر ارتباط دارند. تصور اولیه، شبکه‌ای شبیه به رایانه‌های متصل به اینترنت است، جایی که مشخص است هر سلولِ عصبی از کدام سلول‌های دیگر اطلاعات می‌گیرد، و به کدام سلول‌ها اطلاعات می‌دهد. این تصور اما، به‌شدت غیر واقعی است.
ساختار پیچیده و درهم تنیده‌ی نورون‌ها (یعنی همان سلول‌های عصبی)، ابعاد بسیار ریز اکسون‌ها و دندریت‌ها که در حکم سیم‌های رابط میان نورون‌ها هستند، و ... آن‌قدر پیچیده است، که حتی برای قطعه‌ا‌ی از مغز در ابعاد یک میکرومتر مکعب هم، تعیین ارتباط میان سلول‌های عصبی عملا غیرممکن است. مشخصا، وقتی با سلول‌های زنده سروکار داشته‌باشیم، و قرار باشد آسیبی نیز به موجود زنده نرسد، پیدا کردن مدار نورونیِ میان حتی چند سلول عصبی دشوار، و در مواردی کاملا غیر ممکن می‌شود. با این که روش‌هایی بر مبنای ثبت همزمان نورون‌ها و اپتو-ژنتیک کمک می‌کنند تا ارتباط بین نورون‌های مشاهده شده را بیابیم، اما ثبت همزمان سلولی از یک نورون و تمامی ورودی‌های آن - برای تعیین ورودی‌های موثر - تا امروز ممکن نبوده‌است. چنین روش‌هایی فقط ارتباط بین نورون‌های ثبت شده (مشاهده شده) را تعیین می‌کنند؛ در حالی‌که سهم قابل توجهی از ورودی مربوط به نورون‌های مشاهده نشده و پنهان از چشم آزمایشگران است. پژوهشگرانِ پژوهشگاه دانش‌های بنیادی (IPM) مشترکا با دانشگاه‌های کیوتو و تهران روشی پیشنهاد داده‌اند که با بررسی فعالیت همزمان نورون ها، به ساختار مدارهای پنهانِ نورونی که به آنها اطلاعات مشترک می‌دهند، پی برده، و مساله را به طور معکوس حل کنند.
سیدنادر رسولی، پژوهش‌گر پژوهشکده‌ی فیزیکِ IPM می‌گوید: «بشر آموخته‌است که شباهت در رفتار انسان‌ها، نمونه‌های آزمایش‌گاهی، ... و نیز نورون‌ها، می‌تواند به نوعی به اشتراک در سرگذشت و فرایند شکل‌گیری آنها اشاره‌کند. در این مورد، رفتار همان فعالیت سلول‌های عصبی است، و سرگذشت مشترک نیز ورودی‌های مشترک میان نورون‌ها هستند که به چند نورون یک بسته‌ی اطلاعاتی واحد را تحویل می‌دهند».
هیداکی شیمازاکی، استاد دانشکده انفورماتیک دانشگاه کیوتو توضیح می‌دهد: «هدف از این پژوهش ایجاد نظریه‌ای بود که بتوان ساختار شبکه‌ی عصبی و فعالیت نورون‌ها را در یک قالب واحد کنار هم قرار داد؛ سپس از آن مانند ابزاری استفاده کرد، تا با ثبت فعالیت نورون‌ها، بتوان ساختار شبکه را پیدا کرد». صفورا رشیدشمالی، پژوهش‌گر پژوهشکده علوم شناختی IPM ادامه می‌دهد "برای حل این مساله، ما از حل تحلیلی که در پژوهش قبلی به‌دست آوردیم که پتانسیل ورودی با دامنه دلخواه را به طور غیر خطی به فعالیت نورون در مغز مربوط می‌کند، استفاده کردیم. به کمک این حل تحلیلی، ما توانستیم ساختار ریز شبکه های ورودی مشترک میان چند نورون را به فعالیت همزمان آنها مربوط کنیم."
ساختار ریزشبکه¬های محلی در مغز که بر اساس نوع نورون¬ها و ارتباطات میانِ آنها شکل می¬گیرد، دلیلِ اصلیِ قدرت بالقوه بسیار بالای مغز برای پردازش اطلاعات و یادگیری است. تعیین ساختار این ریز شبکه¬ها فهم ما از کارکرد مغز را تغییر می¬دهد. دکتر مجید نیلی احمد آبادی، استاد دانشکده برق و کامپیوتر دانشگاه تهران می گوید: " این پژوهش علاوه بر ایجاد امکان تعیین ساختار ریزشبکه¬ها بر اساس اطلاعات رفتار نورون¬ها، از منظر متدلوژی نیز روشی جدید برای این امر را پایه گذاری کرده است. این متدولوژی برگرفته از یک نگاه میان رشته¬ای است که در آن ترکیب دانش، دیدگاه‌ها و ابزارهای حوزه علوم اعصاب، فیزیک، و مهندسی بکارگرفته شده است."
دست‌آورد اصلی این کار یک نقشه‌ی راهنمای تحلیلی است. ابزاری که برمبنای محاسبات دقیق ریاضی به‌دست آمده‌است، و به هر آزمایشگری که فعالیت همزمان سلول‌های عصبی را ثبت می‌کند، اجازه می‌دهد با محاسبه‌ی هم‌بستگی میان فعالیت نورون ها، و قرار دادن نتایجش روی این نقشه‌ی راهنما، به ساختار و نوع مدارهای عصبی موثرکه به آن سلول‌ها ورودیِ مشترک می‌دهند، دست یابد. رسولی در ادامه می‌افزاید «ما این ابزار را برای دو مجموعه از آزمایش‌های موجود در میمون و موش به‌کار بردیم، و نتایج‌مان مدارهای موثر پنهان عصبی که هیچ راه دیگری برای مشخص‌کردن آنها نبود، را تعیین هویت کرد. این نمونه دیگری است که نظریه نتایجی را آشکار می کند که آزمایش به تنهایی توان دستیابی به آنها را ندارد."
البته، این روش تا کنون برای یافتن ورودی مشترک بر مبنای هم‌بستگی‌های دو و سه‌تایی میان نورون‌ها بدست آمده‌است، و برغم کارهایی که برای گسترش آن به تعداد بالاتر از سلول‌های عصبی انجام شده‌است، هنوز چالش‌های مفهومی و ریاضی در آن باقی مانده‌اند. رشیدشمالی نویسنده مسئول مقاله توضیح می‌دهد: "هنوز راه طولانی مانده است تا مساله را به طور کلی حل کنیم، ولی امیدواریم تا این قسمت از کار نیز آزمایشگران با تطابق نقشه راهنما با هم‌بستگی‌هایی که میان فعالیت نورون‌ها مشاهده‌کرده‌اند، ساختارهای موثری که به آن ها ورودی مشترک می‌دهند را پیدا کنند."
این پژوهش در مجله‌ی (Nature) Communications Biology منتشر شده‌است، و به‌عنوان پژوهش برگزیده تصویر این‌هفته‌ی روی جلد مجله را به‌خود اختصاص داده‌است.
مرجع:
Shomali, S.R., Rasuli, S.N., Ahmadabadi, M.N. et al. Uncovering hidden network architecture from spiking activities using an exact statistical input-output relation of neurons. Commun Biol 6, 169 (2023). https://doi.org/10.1038/s42003-023-04511-z
| |
|
