محققان به رهبری یوشیهو ایکوچی از دانشگاه توکیو موفق به ایجاد شبکه‌ای از سه مغز مینیاتوری انسان در آزمایشگاه شدند و از این طریق توانستند به نتایج جالبی در زمینه یادگیری و پردازش اطلاعات دست یابند.
مغز انسان به عنوان یک ماشین پیچیده پردازش اطلاعات، محدودیت‌های زیادی در تحقیقات علمی دارد. به همین دلیل، پژوهشگران به جای مطالعه مستقیم بر روی مغزهای زنده، از ارگانوییدهای مغزی استفاده می‌کنند؛ توده‌های کوچک بافت عصبی که می‌توانند ویژگی‌های ساختاری و فعالیت الکتریکی مغز را شبیه‌سازی کنند.
تجربه جدید با ارگانوییدها
در این تحقیق، تیم ایکوچی چندین ارگانویید مغزی را در یک شبکه به هم متصل کردند و مشاهده کردند که این ارگانوییدها توانسته‌اند به طور مستقل یاد بگیرند که کدام یک از آن‌ها سیگنال‌هایی را ارسال می‌کند. محققان با استفاده از الگوریتم‌های یادگیری ماشین، فعالیت‌های مغزی را پس از تحریک الکتریکی مورد بررسی قرار دادند.
نتایج جالب
در ابتدای آزمایش، محققان نقاط تحریک را به گونه‌ای انتخاب کردند که تشخیص پاسخ‌ها دشوار بود. اما پس از تحریک‌های مکرر، در شبکه‌های سه ارگانوییدی، سیگنال‌ها به تدریج قابل تشخیص‌تر شدند و پاسخ‌ها سریع‌تر و پایدارتر گردید. این تغییرات نشان می‌دهد که تحریک‌های مکرر باعث سازماندهی مجدد شبکه‌های عصبی شده است.
اهمیت تحقیق
این تحقیق نشان می‌دهد که سازماندهی بافت عصبی در ماژول‌های متصل با نقش‌های متفاوت می‌تواند به توسعه توانایی تشخیص سیگنال‌های مختلف کمک کند. این یافته‌ها می‌تواند به محققان در درک بهتر فرآیندهای پیچیده‌تر پردازش اطلاعات در مغز کمک کند.
محققان بر این باورند که آزمایش ارگانوییدها با سیگنال‌های پیچیده‌تر و وظایف پیشرفته‌تر برای تحقیقات آینده ضروری است. آن‌ها همچنین به شناسایی سلول‌های گره‌ای یا نورون‌های هاب که اتصالات را درون و بین ارگانوییدها تسهیل می‌کنند، اشاره کردند.
اگر این روایت برایتان جالب بود، کشف بعدی را از پیشنهادهای پایین انتخاب کنید.