مطالعه نشان می‌دهد که یادگیری سیناپس‌های بازدارنده را به‌طور متفاوتی در یک سلول عصبی تغییر شکل می‌دهد

توسط اولریکه پاپاژوسکی، موسسه نوروبیولوژی لایبنیتس

ویرایش شده توسط Swati Mestri، بررسی توسط Robert Egan

این مقاله با توجه به روند و سیاست های ویرایشی Science X بررسی شده است. ویراستاران ضمن اطمینان از اعتبار محتوا، ویژگی های زیر را برجسته کرده اند:

مغز ما باید بتواند چیزهای جدیدی را بدون از دست دادن اطلاعات ذخیره شده قبلی یا ثبات شبکه های خود بیاموزد. محققان موسسه نوروبیولوژی لایب‌نیتس (LIN) در ماگدبورگ، همراه با شرکای خود در بیله‌فلد و زوریخ، چگونگی دستیابی به این تعادل را بررسی کرده‌اند.

آنها نشان می‌دهند که یادگیری، ثبات سیناپس‌های بازدارنده را بسته به موقعیت آن‌ها در همان سلول عصبی به روش‌های متفاوتی تغییر می‌دهد.

در دندریت ها - سمت ورودی سلول عصبی - سیناپس های بازدارنده اغلب پس از یادگیری دوباره سازماندهی می شوند. در تپه آکسون، جایی که سلول سیگنال الکتریکی خود را تولید می کند، آنها پایدارتر می شوند. این تقسیم فضایی کار می تواند به پردازش اطلاعات جدید کمک کند و در عین حال اطمینان حاصل کند که اطلاعات آموخته شده به طور قابل اعتمادی قابل دسترسی است.

این مطالعه در Nature Communications منتشر شده است.

سلول‌های عصبی سیگنال‌های سلول‌های دیگر را از طریق پسوندهای شاخه‌دارشان، دندریت‌ها، دریافت و پردازش می‌کنند. در شروع آکسون، مشخص می شود که آیا این منجر به تولید و ارسال سیگنال الکتریکی توسط سلول عصبی می شود یا خیر. سیناپس های بازدارنده این جریان اطلاعات را تنظیم می کنند و بنابراین بسته به موقعیت خود می توانند در پردازش در نقاط مختلف مداخله کنند.

محققان مشاهده کردند که یادگیری این سیناپس ها را بسته به موقعیت آنها به طور متفاوتی تغییر می دهد: روی دندریت ها، آنها بیشتر سازماندهی می شوند، در حالی که در شروع آکسون پایدارتر باقی می مانند. تعداد کل آنها به سختی تغییر کرد.

بنابراین این مطالعه به تقسیم فضایی کار در همان سلول عصبی اشاره می‌کند: در حالی که اتصالات بازدارنده در سمت ورودی انعطاف‌پذیرتر می‌شوند، در سمت خروجی پایدارتر می‌مانند.

آلسیو آتاردو از LIN می‌گوید: «تعجب آور است که سیناپس‌های بازدارنده در یک سلول عصبی یکسان به یادگیری پاسخ نمی‌دهند. "به نظر می رسد موقعیت دقیق آنها به تعیین اینکه آیا آنها بازسازی شده اند یا تثبیت شده اند کمک می کند. این به ما بینشی جدید در مورد اینکه چگونه یک شبکه عصبی می تواند همزمان پلاستیک و پایدار بماند، می دهد."

برای این مطالعه، محققان سیناپس های مهاری را در هیپوکامپ 23 موش طی 13 روز مشاهده کردند. آنها با استفاده از میکروسکوپ دو فوتونی توانستند به طور مکرر به همان سلول های عصبی و تماس های سیناپسی برگردند. این به آن‌ها اجازه داد مستقیما دنبال کنند که کدام سیناپس‌ها ادامه دارند، کدام‌یک ناپدید شده‌اند و کجا سیناپس‌های جدید تشکیل می‌شوند.

در مجموع، این تیم بیش از 1100 سیناپس بازدارنده را بر روی دندریت ها و اجسام سلولی و در بخش اولیه آکسون ثبت کردند. در طول دوره مطالعه، حیوانات یک کار یادگیری را تکمیل کردند: آنها یاد گرفتند که یک صدا و یک محیط خاص را با یک محرک بد که بعدا دنبال شد، مرتبط کنند. هیپوکامپ نقش کلیدی در این شکل از یادگیری دارد.

اسکن‌های مکرر نشان داد که چگونه سیناپس‌های بازدارنده قبل و بعد از یادگیری تغییر می‌کنند. عامل کلیدی تغییر قابل توجهی در تعداد کل آنها نبود، بلکه ثبات متغیر آنها در مکان های مختلف سلول عصبی بود.

این مطالعه ترکیبی از رویکردهای تجربی و نظری است. آزمایش‌های یادگیری، ضبط‌های بلندمدت و تجزیه و تحلیل داده‌ها با همکاری نزدیک بین گروه‌های تحقیقاتی به رهبری آتاردو و استفان ریمی در LIN انجام شد. محققان دانشگاه‌های بیله‌فلد و زوریخ با مدل‌سازی ریاضی و تجزیه و تحلیل تصویر تخصصی به این پروژه کمک کردند.

مدل ریاضی یک شبکه عصبی همان الگوی اولیه داده‌های تجربی را نشان داد: سازماندهی مجدد بیشتر در دندریت‌ها و پایداری بیشتر در شروع آکسون.

علاوه بر این، به محدود کردن گروه‌هایی از نورون‌های بازدارنده کمک می‌کند که تغییرات در مناطق مختلف نورون را واسطه کنند. بنابراین نقطه شروع مشخصی برای آزمایش های بیشتر فراهم می کند.

این مطالعه مکانیسم های اساسی یادگیری در موش ها را بررسی می کند. تحقیقات بیشتری برای روشن شدن اینکه آیا فرآیندهای قابل مقایسه در انسان نیز نقش دارند، مورد نیاز است.

هانا کلیمت و همکاران، یادگیری، سیناپس‌های بازدارنده بخش اولیه آکسون را سازمان‌دهی مجدد می‌کند و در نورون‌های هرمی CA1، Nature Communications (2026) تثبیت می‌کند. DOI: 10.1038/s41467-026-77800-w

ارائه شده توسط موسسه نوروبیولوژی لایبنیتس

سواتی مستری دارای مدرک لیسانس در مهندسی الکترونیک است و از سال 2019 به عنوان ویرایشگر محتوا کار کرده است. او ویرایش اسناد تحقیقاتی در زمینه فناوری، مراقبت های بهداشتی و علم مواد را تجربه کرده است و علاقه خاصی به فناوری و فضا دارد. نمایه کامل →

لیسانس زیست شناسی ریاضی، کارشناسی ارشد در نوشتن خلاق. خوش سفر با دیدگاه های منحصر به فرد در علم و زبان. نمایه کامل →