থিসিস: জ্ঞান এবং এর কার্যকারিতা বোঝার জন্য, স্নায়ুবিজ্ঞানীদের অবশ্যই এর ছন্দ বুঝতে হবে

একটি মাইক্রোস্কোপের নীচে আপনার ফোনের পিক্সেলগুলির দিকে তাকানো খুব তথ্যপূর্ণ হতে পারে, তবে আপনার লক্ষ্য যদি স্ক্রীনে পুরো ভিডিওটি কী দেখাচ্ছে তা বোঝা হয় না।বোধশক্তি মস্তিষ্কের প্রাকৃতিক বৈশিষ্ট্যের সাথে খুব মিল. তিনজন এমআইটি নিউরোসায়েন্টিস্ট বিশ্বাস করেন যে লক্ষ লক্ষ কোষ কীভাবে সমন্বয় করে কাজ করে তা পর্যবেক্ষণ করেই এটি বোঝা যায়।একটি নতুন নিবন্ধে, দোদুল্যমান বৈদ্যুতিক ক্ষেত্র (যাকে মস্তিষ্ক “তরঙ্গ” বা “ছন্দ”ও বলা হয়) দ্বারা চালিত নিউরাল কার্যকলাপের সমন্বয় থেকে চিন্তাভাবনা কীভাবে উদ্ভূত হয় তা বোঝার জন্য তারা একটি কাঠামোর প্রস্তাব করে।

পিকওয়ার প্রফেসর আর্ল মিলার এবং গবেষণা বিজ্ঞানী স্কট ব্রিঙ্ক্যাট এবং জেফারসন রায় আচরণগত বিজ্ঞানে বর্তমান দৃষ্টিভঙ্গি. যদিও স্নায়ুবিজ্ঞানীরা পৃথক মস্তিষ্কের কোষগুলি কীভাবে সংযুক্ত হয় এবং কীভাবে এবং কখন তারা নির্দিষ্ট সার্কিটের মাধ্যমে আবেগ প্রেরণের জন্য “স্পাইক” করে তা অধ্যয়ন করে প্রচুর জ্ঞান অর্জন করেছেন, মস্তিষ্কের ছন্দের স্কেলে নতুন ধারণাগুলি বোঝার এবং প্রয়োগ করারও প্রয়োজন রয়েছে যা বিস্তৃত হতে পারে। একক বা এমনকি একাধিক মস্তিষ্ক অঞ্চল।

“স্পাইকস এবং অ্যানাটমি গুরুত্বপূর্ণ, কিন্তু মস্তিষ্কে এর চেয়ে অনেক বেশি কিছু চলছে,” বলেছেন সিনিয়র লেখক এম. “অনেক ফাংশন উচ্চ স্তরে ঘটে, বিশেষ করে জ্ঞান।”

এই স্কেলে মস্তিষ্কের অধ্যয়ন করার ঝুঁকিগুলির মধ্যে শুধুমাত্র স্বাস্থ্যের উচ্চ-ক্রমের ফাংশনগুলি বোঝার অন্তর্ভুক্ত হতে পারে না, তবে এই ফাংশনগুলি কীভাবে রোগে ব্যাহত হয়, লেখক লিখেছেন।

“অনেক স্নায়বিক এবং মানসিক ব্যাধি, যেমন সিজোফ্রেনিয়া, মৃগীরোগ, এবং পারকিনসন্স রোগ, স্নায়ু সমলয়ের মতো উদ্ভূত বৈশিষ্ট্যে ব্যাঘাতের সাথে যুক্ত,” তারা লিখেছেন “আমরা আশা করি যে এই উদ্ভূত বৈশিষ্ট্যগুলি কীভাবে ব্যাখ্যা করা হয় এবং প্রক্রিয়া করা হয় তা “গুরুত্বপূর্ণ।” কার্যকর চিকিত্সার বিকাশ এবং জ্ঞান বোঝার।”

ধারণার উত্থান

একটি একক নিউরনের স্কেল এবং অনেক কোষের বিস্তৃত সমন্বয়ের মধ্যে সেতুটি বৈদ্যুতিক ক্ষেত্রের উপর ভিত্তি করে, গবেষকরা লিখেছেন। “স্পৃশ্য সংযোগ” নামক একটি ঘটনার মাধ্যমে, নিউরোনাল কার্যকলাপ দ্বারা উত্পন্ন বৈদ্যুতিক ক্ষেত্রগুলি প্রতিবেশী নিউরনের ভোল্টেজগুলিকে প্রভাবিত করতে পারে, তাদের মধ্যে সারিবদ্ধতা তৈরি করে। এইভাবে, বৈদ্যুতিক ক্ষেত্র উভয়ই স্নায়বিক কার্যকলাপকে প্রতিফলিত করে এবং প্রভাবিত করে। 2022 সালের একটি গবেষণাপত্রে, মিলার এবং সহকর্মীরা পরীক্ষা-নিরীক্ষা এবং গণনামূলক মডেলিং ব্যবহার করে দেখিয়েছেন যে নিউরনের গ্রুপ দ্বারা উত্পন্ন বৈদ্যুতিক ক্ষেত্রে এনকোড করা তথ্য পৃথক কোষের স্পাইক দ্বারা এনকোড করা তথ্যের চেয়ে আরও নির্ভরযোগ্যভাবে পড়া যেতে পারে। 2023 সালে, মিলারের ল্যাব প্রমাণ দিয়েছে যে ছন্দবদ্ধ বৈদ্যুতিক ক্ষেত্রগুলি অঞ্চলগুলির মধ্যে মেমরির সমন্বয় করতে পারে।

একটি বৃহত্তর স্কেলে, ছন্দময় বৈদ্যুতিক ক্ষেত্রগুলি মস্তিষ্কের অঞ্চলগুলির মধ্যে তথ্য বহন করে এবং মিলারের ল্যাব অসংখ্য গবেষণা প্রকাশ করেছে যা দেখায় যে তথাকথিত “বিটা” ব্যান্ডের কম-ফ্রিকোয়েন্সি ছন্দগুলি সেরিব্রাল কর্টেক্সের গভীর স্তরগুলিতে উদ্ভূত হয় এবং এটি মডিউল করা হয় বলে মনে হয়। অগভীর স্তরগুলিতে দ্রুততর ফ্রিকোয়েন্সি “গামা” ছন্দের শক্তি। ওয়ার্কিং মেমরি গেমে অংশগ্রহণকারী প্রাণীদের মস্তিষ্কে স্নায়বিক কার্যকলাপ রেকর্ড করে, ল্যাবটি দেখেছে যে বিটা ছন্দগুলি “টপ-ডাউন” সংকেত বহন করে যা নিয়ন্ত্রণ করে কখন এবং কোথায় গামা ছন্দ সংবেদনশীল তথ্য এনকোড করে, যেমন চিত্রগুলি প্রাণীদের মনে রাখা দরকার। খেলা

ল্যাবরেটরি থেকে সাম্প্রতিক কিছু প্রমাণ দেখায় যে বিটা রিদমগুলি কর্টেক্সের শারীরিক প্যাচগুলিতে জ্ঞানীয় প্রক্রিয়াগুলির এই নিয়ন্ত্রণকে প্রয়োগ করে, মূলত টেমপ্লেটের মতো কাজ করে যে প্যাটার্ন যেখানে এবং কখন গামা সংবেদনশীল তথ্য মেমরিতে এনকোড করতে পারে বা এটি পুনরুদ্ধার করতে পারে। এই তত্ত্ব অনুসারে, যাকে মিলার “স্থানিক গণনা” বলে অভিহিত করেছেন, β এর ফলে একটি কাজের জন্য সাধারণ নিয়ম স্থাপন করতে পারে (যেমন, একটি সংমিশ্রণ লক খোলার জন্য সামনে এবং পিছনের বাঁক প্রয়োজন) যদিও নির্দিষ্ট তথ্যের বিষয়বস্তু পরিবর্তিত হতে পারে (যেমন, সংমিশ্রণ পরিবর্তিত হলে নতুন নম্বর)। আরও সাধারণভাবে, এই কাঠামোটি নিউরনকে নমনীয়ভাবে একাধিক ধরণের তথ্যকে একসাথে এনকোড করতে সক্ষম করে, একটি ব্যাপকভাবে পর্যবেক্ষণ করা নিউরাল সম্পত্তি যা “মিশ্র নির্বাচনীতা” নামে পরিচিত, লেখক লিখেছেন। উদাহরণস্বরূপ, একটি নিউরন এনকোডিং একাধিক লক সংমিশ্রণকে সেই সংখ্যার সাথে জড়িত আনলকিং প্রক্রিয়ার নির্দিষ্ট ধাপটি যে বিটা টেমপ্লেট প্যাচটিতে রয়েছে তার উপর ভিত্তি করে বরাদ্দ করা যেতে পারে।

নতুন গবেষণায়, মিলার, ব্রিঙ্ক্যাট এবং রয় বড় আকারের সমন্বিত ছন্দবদ্ধ কার্যকলাপের মিথস্ক্রিয়ার উপর ভিত্তি করে জ্ঞানীয় নিয়ন্ত্রণের সাথে সামঞ্জস্যপূর্ণ আরেকটি সুবিধা প্রস্তাব করেছেন: “সাবস্পেস কোডিং।” ধারণাটি হল যে মস্তিষ্কের ছন্দগুলি বিপুল সংখ্যক সম্ভাব্য ফলাফল সংগঠিত করে, যা স্বাধীন স্পাইকিং কার্যকলাপে জড়িত 1,000 নিউরনের কার্যকলাপের ফলে হতে পারে। ক্রিয়াকলাপের অনেক কম “সাবস্পেস” প্রকৃতপক্ষে সমস্ত সমন্বিত সম্ভাবনার তুলনায় আবির্ভূত হয় কারণ নিউরনগুলি স্বাধীন না হয়ে সমন্বিত হয়। নিউরনগুলি পাখির ঝাঁকের মতো তাদের গতিবিধি সমন্বয় করে। মস্তিষ্কের ছন্দের বিভিন্ন পর্যায় এবং ফ্রিকোয়েন্সি এই সমন্বয় প্রদান করে, একে অপরকে প্রসারিত করতে সারিবদ্ধ করে, বা হস্তক্ষেপ রোধ করতে বাতিল করে। উদাহরণস্বরূপ, যদি সংবেদনশীল তথ্যের একটি অংশ মনে রাখা প্রয়োজন, নতুন সংবেদনশীল তথ্য অনুভূত হলে এটির প্রতিনিধিত্বকারী স্নায়বিক কার্যকলাপ হস্তক্ষেপ থেকে রক্ষা করা যেতে পারে।

“এইভাবে, সাবস্পেসগুলিতে নিউরাল প্রতিক্রিয়া সংগঠিত করা তথ্যকে পৃথক এবং একীভূত করতে পারে,” লেখক লিখেছেন।

মস্তিষ্কের তথ্য প্রক্রিয়াকরণের সমন্বয় এবং সংগঠিত করার জন্য মস্তিষ্কের ছন্দের ক্ষমতা এই স্কেলে কার্যকরী জ্ঞানের উদ্ভব হতে দেয়, লেখকরা লিখেছেন। অতএব, মস্তিষ্কে উপলব্ধি বোঝার জন্য ছন্দ অধ্যয়ন করা প্রয়োজন।

“বিচ্ছিন্নভাবে পৃথক নিউরাল উপাদানগুলি অধ্যয়ন করা – স্বতন্ত্র নিউরন এবং সিন্যাপ্স – মস্তিষ্ক সম্পর্কে আমাদের বোঝার জন্য একটি বিশাল অবদান রেখেছে এবং এটি গুরুত্বপূর্ণ রয়েছে,” লেখকরা উপসংহারে বলেন, “তবে, এটি ক্রমবর্ধমানভাবে স্পষ্ট হয়ে উঠছে যে এর জটিলতাকে সম্পূর্ণরূপে ধরার জন্য মস্তিষ্ক, এই উপাদানগুলিকে তাদের উদীয়মান বৈশিষ্ট্যগুলি সনাক্ত করতে, অধ্যয়ন করতে এবং পারস্পরিক সম্পর্ক স্থাপনের জন্য ধারাবাহিকভাবে বিশ্লেষণ করতে হবে।”