به گزارش مجله خبری نگار، دانشمندان آمریکایی از موسسه فناوری ماساچوست (MIT) فرضیهای انقلابی ارائه دادهاند که توضیح میدهد چرا مغز انسان ظرفیت حافظه بسیار بیشتری نسبت به آنچه که تنها بر اساس عملکرد نورونی انتظار میرود، دارد. این مطالعه در مجله علمی Proceedings of the National Academy of Sciences (PNAS) منتشر شده است.
این تیم معتقد است که سلولهای مغزی ستارهای شکل به نام آستروسیتها نقش مهمی در ذخیره اطلاعات دارند و از نزدیک با نورونها همکاری میکنند.
برای مدت طولانی، آستروسیتها صرفاً سلولهای پشتیبان در نظر گرفته میشدند که عملکردهای «پاکسازی» را انجام میدادند - تأمین مواد مغذی برای نورونها، تنظیم جریان خون و حذف مواد زائد. با این حال، تحقیقات اخیر نشان داده است که این سلولها به طور فعال در فرآیندهای شناختی، از جمله حافظه، نقش دارند.
هر آستروسیت هزاران زائده تولید میکند که دور سیناپسها - نقاط تماس بین نورونها - میپیچند. این امر سیناپسهای به اصطلاح سه جزئی را ایجاد میکند، جایی که آستروسیتها میتوانند بر انتقال سیگنال تأثیر بگذارند. قبلاً نشان داده شده است که اختلال در ارتباط بین آستروسیتها و نورونها در هیپوکامپ (ناحیه مسئول حافظه در مغز) هم حافظه و هم بازیابی را مختل میکند.
اگرچه آستروسیتها مانند نورونها تکانههای الکتریکی تولید نمیکنند، اما از نوسانات سطح کلسیم برای هماهنگ کردن فعالیت خود استفاده میکنند. این سیگنالها به آنها اجازه میدهد تا فعالیت عصبی را "حس" کرده و با آزاد کردن گلیوترانسمیترها - مولکولهایی شبیه به انتقالدهندههای عصبی - به آن پاسخ دهند.
برای آزمایش فرضیه خود، این تیم یک مدل ریاضی ایجاد کرد که نورونها و آستروسیتها را در یک مدل آنالوگ از شبکه هاپفیلد - یک مدل کلاسیک از حافظه تداعیگر - ترکیب میکند. با این حال، شبکههای سنتی از این نوع نمیتوانند ظرفیت عظیم حافظه انسان را توضیح دهند.
راه حل در مفهوم «حافظهی تداعیگر متراکم» یافت شد، که در آن اطلاعات از طریق تعاملات پیچیده بین چندین سلول رمزگذاری میشوند. از آنجایی که یک آستروسیت واحد به صدها هزار سیناپس متصل است، میتواند به عنوان یک «پل» عمل کند و به نورونها اجازه میدهد تا ارتباطات سطح بالایی را تشکیل دهند.
این مدل پیشبینی میکند که حافظه در مغز از طریق تغییرات تدریجی در الگوهای کلسیم در آستروسیتها رمزگذاری میشود، که سپس اطلاعات را به نورونها منتقل میکنند. این سیستم نه تنها بسیار کارآمد است، بلکه از نظر انرژی نیز کارآمد است.
این کشف میتواند پیامدهای گستردهای داشته باشد. اولاً، این کشف یک هدف تحقیقاتی جدید را برای دانشمندان علوم اعصاب فراهم میکند: با دستکاری اتصالات آستروسیتها، آنها میتوانند مکانیسمهای حافظه را مطالعه کنند. ثانیاً، اصول عملیاتی شبکههای عصبی-آستروسیتی میتواند در هوش مصنوعی برای ایجاد الگوریتمهای قدرتمندتر و با بهرهوری انرژی بالاتر مورد استفاده قرار گیرد.