به گزارش بولتن نیوز به نقل از تیمی از دانشمندان هاروارد و گوگل یک نقشه سه‌بعدی و با تفکیک‌پذیری نانو از یک میلیمتر مکعب از مغز انسان تهیه کرده‌اند. گرچه این نقشه تنها بخش کوچکی از مغز را نشان می‌دهد _ مغز کامل یک میلیون بار بزرگ‌تر است _ این مکعب شامل تقریباً ۵۷٬۰۰۰ سلول، ۲۳۰ میلیمتر رگ خونی و تقریباً ۱۵۰ میلیون سیناپس است. این نقشه در حال حاضر بالاترین تفکیک‌پذیری را در بین تصاویر موجود از مغز انسان دارد.

دانشمندان برای ساخت این نقشه پرجزئیات مجبور شدند نمونه بافت مغز را به ۵٬۰۱۹ برش با ضخامت ۳۳٫۹ نانومتر تقسیم و آن را با یک میکروسکوپ الکترونی پرسرعت اسکن کنند. آن‌ها از یک مدل یادگیری ماشین استفاده کردند تا این تصاویر را به یکدیگر متصل و اجزاء آن را برچسب‌گذاری کنند.

داده‌های خام این تصویر به‌تنهایی ۱٫۴ پتابایت (۱٬۴۰۰ ترابایت) حجم داشتند. این احتمالاً بزرگ‌ترین کار کامپیوتری در حوزه علوم اعصاب است.

اطلس‌های دیگری از مغز انسان انسان وجود دارند، اما بسیاری از آن‌ها تفکیک‌پذیری بسیار پایین‌تری دارند. در مقیاس نانو، دانشمندان می‌توانند تک‌تک نورون‌ها را تا سیناپس‌ها، محل اتصال نورون‌ها با یکدیگر، دنبال کنند. برای فهم کارکرد مغز، چگونگی پردازش اطلاعات و ذخیره خاطرات، چنین نقشه‌ای لازم است.

اطلس‌های مغز انواع مختلفی دارند. برخی به چگونگی نظم بین سلول‌ها می‌پردازند، برخی به بیان ژن‌ها. این نقشه روی اتصالات سلول‌ها متمرکز است، حوزه‌ای که «کانکتومیکس» (connectomics) نام دارد.

بیرونی‌ترین لایه مغز حاوی حدوداً ۱٫۶ میلیارد نورون است که تریلیون‌ها اتصال را با یکدیگر برقرار می‌کنند. یک نورون به‌تنهایی می‌تواند از صدها یا هزاران نورون دیگر اطلاعات دریافت کند یا اطلاعاتی را به آن‌ها بفرستد. به همین علت است که ردگیری این اتصالات حتی در یک ناحیه بسیار کوچک از مغز این‌چنین دشوار است.

تهیه دقیق‌ترین نقشه مغز انسان

دانشمندان برای ساخت این نقشه با موانع زیادی روبرو بودند. اولین مسئله یافتن یک نمونه بافت مغز بود. مغز بلافاصله بعد از مرگ فاسد می‌شود، پس بافت مرده‌ها مناسب این کار نبود. دانشمندان تکه‌ای کوچک از مغز یک زن مبتلا به صرع را در حین عمل جراحی برداشتند.

آن‌ها بلافاصله این نمونه را در رزین قرار دادند تا تحلیل نرود. سپس آن را به ورق‌های بسیار نازک برش دادند و با یک میکروسکوپ الکترونی پرسرعت اسکن کردند. این میکروسکوپ به‌طور خاص برای این پروژه طراحی شده بود.

چالش بعدی مربوط به عملیات کامپیوتری بود. دانشمندان از یک مدل یادگیری ماشین گوگل استفاده کردند تا برش‌ها را به یکدیگر بچسبانند، هر کدام را نسبت به دیگری تنظیم کنند، اجزاء آن‌ها را با رنگ‌های مختلف متمایز کنند و اتصالات را بیابند. این کار بسیار دشوارتر از چیزی است که به‌نظر می‌رسد، زیرا یک اشتباه می‌تواند باعث شود تمام اتصالات یک سلول غلط شوند.

مقاله مربوط به این مطالعه را می‌توانید در ResearchGate یا ژورنال Science مشاهده کنید. همچنین این نقشه به‌صورت رایگان در وبسایتی به‌نام Neuroglancer در دسترس است. دانشمندان توانسته‌اند مواردی را در این نقشه پیدا کنند که دانسته‌های قبلی را به چالش می‌کشند؛ مثلاً آکسون‌های بلندی که دور خود می‌پیچند، یا آکسون‌هایی که اتصالات تکراری می‌سازند