Συνεισφορά στην κατανόηση των μηχανισμών αναγνώρισης και κωδικοποίησης μνημών στον εγκέφαλο με την χρήση υπολογιστικών μοντέλων | Νέα

Επιστημονικά Νέα

Συνεισφορά_στην_κατανόηση_
17.12.2010

Συνεισφορά στην κατανόηση των μηχανισμών αναγνώρισης και κωδικοποίησης μνημών στον εγκέφαλο με την χρήση υπολογιστικών μοντέλων

Οι ερευνητικές δραστηριότητες της ομάδας Υπολογιστικής Βιολογίας του ΙΜΒΒ-ΙΤΕ με επικεφαλής την Δρ Παναγιώτα Ποϊράζη έδειξαν, χρησιμοποιώντας υπολογιστικά μοντέλα, ότι ένα νευρικό κύτταρο του εγκεφάλου έχει την δυνατότητα να αναγνωρίσει χωρικές και χρονικές διαφορές σε εισερχόμενα ερεθίσματα και να τις κωδικοποιήσει στην απόκρισή του.

Τα ευρήματα αυτά που δημοσιεύoνται σήμερα στο περιοδικό PLoS Computational Biology είναι ιδιαίτερα σημαντικά καθώς προβλέπουν ότι ένα και μόνο κύτταρο είναι ικανό να αναγνωρίσει χαρακτηριστικά της προέλευσης ενός μνημονικού ερεθίσματος, να κωδικοποιήσει τα χαρακτηριστικά αυτά στην απόκρισή του μέσω ριπών, χρησιμοποιώντας δηλαδή ένα χρονικό κώδικα, και να τα αναμεταδώσει σε πιο σύνθετες περιοχές του εγκεφάλου, κάτι που μέχρι στιγμής θεωρείται ιδιότητα ενός μεγάλου κυκλώματος νευρικών κυττάρων. Η δουλεία αυτή αποκαλύπτει για πρώτη φορά τις ικανότητες ενός πυραμιδικού κυττάρου στον εγκέφαλο για επεξεργασία και κωδικοποίηση σύνθετων πληροφοριών, το εύρος των οποίων δεν είχε εκτιμηθεί στο παρελθόν.

Ο ιππόκαμπος είναι μια εγκεφαλική περιοχή η οποία χαίρει ιδιαίτερου ερευνητικού ενδιαφέροντος λόγω της εμπλοκής της σε διεργασίες μνήμης και μάθησης. Η περιοχή Cornus Ammonis 1 (CA1) αποτελεί την έξοδο του ιππόκαμπου και οι πυραμιδικοί νευρώνες σε αυτή την περιοχή είναι οι κύριες μονάδες επεξεργασίας και αναμετάδοσης πληροφορίας προς ανώτερες περιοχές του φλοιού. Η Δρ Ποϊράζη σε συνεργασία με την Δρ Ελευθερία Πισσαδάκη (πρώην διδακτορική φοιτήτρια και τώρα επισκέπτη ερευνήτρια στο Πανεπιστήμιο της Οξφόρδης) ανέπτυξαν ένα λεπτομερές μοντέλο ενός CA1 πυραμιδικού νευρώνα και χρησιμοποίησαν το μοντέλο για να διερευνήσουν κατά πόσο η χωρική τοποθέτηση των εισερχόμενων ερεθισμάτων καθώς και η χρονική τους συσχέτιση μεταφέρονται στα επόμενα κύτταρα. Συγκεκριμένα, οι Δρς Ποϊράζη και Πισσαδάκη έδειξαν ότι η χρονική διαφοροποίηση δύο εισερχομένων ερεθισμάτων λειτουργεί ως διακόπτης, μεταβάλλοντας την απόκριση του κυττάρου από αργή ρυθμική σε έντονη παλμική (με ρίπους): ερεθίσματα με μεγάλες χρονικές διαφορές οδηγούν σε μείωση της απόκρισης του κυττάρου ενώ συγχρονισμένα ή χρονικά συσχετισμένα ερεθίσματα ενισχύουν την απόκριση οδηγώντας στην εμφάνιση ριπών.

Η σπουδαιότητα της ανακάλυψης αυτής έγκειται στο ότι ο χρονικός αυτός διακόπτης πιθανά να λειτουργεί ως αισθητήρας αναγνώρισης μνημών: αισθητηριακή πληροφορία στην οποία ο οργανισμός έχει εκτεθεί στο παρελθόν, όπως π.χ. η εικόνα ενός γνωστού αντικείμενου, εντοπίζεται γρήγορα από την CA1 περιοχή (τα ερεθίσματα φτάνουν συγχρονισμένα) και οδηγεί σε ενίσχυση της απόκρισης του κυττάρου, σηματοδοτώντας την αναγνώριση προϋπάρχουσας μνήμης. Αντιθέτως, άγνωστα αισθητηριακά ερεθίσματα δεν αναγνωρίζονται από την CA1 περιοχή (η χρονική καθυστέρηση υπεισέρχεται ως συνέπεια της διαδικασίας αναζήτησης αντίστοιχων μνημών) και σηματοδοτούν την μείωση της απόκρισης του κυττάρου ώστε κάποια άλλη περιοχή να ενεργοποιηθεί για τη κατοχύρωση της νέας μνήμης. Η υπόθεση αυτή, η οποία πηγάζει από τις προβλέψεις του μοντέλου, είναι σε συμφωνία με συναφή βιβλιογραφία και αναμένει πειραματική επιβεβαίωση.

Ένα σημαντικό εύρημα της δουλειάς αυτής αφορά τον τρόπο με τον οποίο αυτού του είδους πληροφορίες κωδικοποιούνται στον εγκέφαλο. Σύμφωνα με το υπολογιστικό μοντέλο, ένας CA1 πυραμιδικός νευρώνας χρησιμοποιεί ένα χρονικό κώδικα αποτελούμενο από τις χρονικές καθυστερήσεις μέχρι την έναρξη της απόκρισης του και ανάμεσα στα δυναμικά ενεργείας των ριπών για να μεταφέρει πληροφορία για την χρονική συσχέτιση αλλά και την χωρική τοποθέτηση των εισερχόμενων ερεθισμάτων του κατά μήκος των δενδριτών του.

Η έρευνα αυτή συνεισφέρει σημαντικά στην κατανόηση των μηχανισμών λειτουργίας του ιππόκαμπου, μιας περιοχής που εμπλέκεται σε πολλά είδη μνήμης. Επιπλέον, βοηθάει στην κατανόηση των συμπτωμάτων απώλειας μνήμης που εμφανίζονται λόγω γήρανσης ή νευροεκφυλιστικών ασθενειών όπως οι Alzheimer’s και Parkinson’s. Τα αποτελέσματα και οι προβλέψεις της μελέτης μπορούν να βρουν χρήσιμη εφαρμογή στον ευρύτερο τομέα της νευρομορφικής μηχανικής (neuromorphic engineering) και της νευροπροσθετικής (neuroprosthetics) για την κατασκευή συνεπτυγμένων ψηφιακών δικτύων τα οποία μιμούνται και αναπαράγουν την εγκεφαλική μικροανατομία.

Για περισσότερες πληροφορίες:
Δρ. Παναγιώτα Ποϊραζή
Εργαστήριο Υπολογιστικής Βιολογίας
Ινστιτούτο Μοριακής Βιολογίας και Βιοτεχνολογίας του ΙΤΕ
Τηλ.: 2810 391139, e-mail: poirazi@imbb.forth.gr
http://www.imbb.forth.gr/people/poirazi/index.html

Σχετική Αναφορά:
Pissadaki E.Κ., Sidiropoulou K., Reczko M., and Poirazi P. Encoding of Spatio-temporal Input Characteristics by a CA1 Pyramidal Neuron Model, PloS Computational Neuroscience, December 2010 (http://www.ploscompbiol.org/doi/pcbi.1001038).