دانشمندان کشف کردند: «شجره‌نامه سلولی» نقشه موقعیتی است که مغز در حال رشد انسان را سازماندهی می‌کند

مغز انسان به عنوان یک سلول بارورشده واحد آغاز می‌شود. در طول فرآیند رشد، این تخمک تنها تقسیم شده و تکثیر می‌یابد تا به یک اندام فوق‌العاده پیچیده حاوی تقریباً ۱۷۰ میلیارد سلول تبدیل شود. برای چندین دهه، یکی از عمیق‌ترین اسرار در عصب‌شناسی رشدی این بوده است که چگونه تمام این سلول‌ها دقیقاً در مکان‌های صحیح قرار می‌گیرند تا یک شبکه هوشمند و کارآمد را تشکیل دهند.[1][3]

توضیح سنتی به شدت بر سیگنال‌دهی شیمیایی متکی بوده است. بر اساس مدل‌های کلاسیک، سلول‌ها مولکول‌های سیگنال‌دهی به نام مورفوژن‌ها را ترشح می‌کنند که در بافت اطراف پخش می‌شوند. با گسترش این مواد شیمیایی، شیب‌های غلظتی ایجاد می‌کنند. یک سلول در حال رشد، غلظت محلی این مواد شیمیایی را «می‌خواند» تا مختصات خود را تعیین کند—یک سیستم GPS بیولوژیکی که به سلول می‌گوید کجاست و به چه چیزی باید تبدیل شود.[2][5]

با این حال، این مدل مبتنی بر انتشار، یک مشکل اساسی در مقیاس‌بندی دارد. سیگنال‌های شیمیایی تنها می‌توانند تا مسافت محدودی حرکت کنند قبل از اینکه در نویز پس‌زمینه بافت در حال رشد محو شوند. در حالی که شیب‌های شیمیایی برای سازماندهی خوشه‌های کوچک سلولی کاملاً کارآمد هستند، اما در توضیح اینکه چگونه اطلاعات موقعیتی در فواصل عظیم مورد نیاز برای ساخت یک مغز مهره‌دار کامل مقیاس می‌یابد، دچار مشکل می‌شوند.[2][4]

اکنون، یک مطالعه برجسته که در مجله Neuron توسط محققان آزمایشگاه کولد اسپرینگ هاربر (CSHL)، دانشگاه هاروارد و ای‌تی‌اچ زوریخ منتشر شده است، یک جایگزین اساساً ساده را پیشنهاد می‌کند. این تحقیق نشان می‌دهد که سلول‌های مغزی برای یافتن مسیر خود تنها به سیگنال‌های شیمیایی دوربرد متکی نیستند. در عوض، آنها از تبار خود—شجره‌نامه سلولی‌شان—به عنوان یک نقشه موقعیتی استفاده می‌کنند.[2][3]

این سازوکار بر اساس اصل مجاورت عمل می‌کند. هنگامی که یک سلول پیش‌ساز تقسیم می‌شود، فرزندان آن تمایل دارند در نزدیکی یکدیگر باقی بمانند. از آنجایی که سلول‌ها هویت و وضعیت موقعیتی خود را از سلول‌های والد خود به ارث می‌برند، این خوشه‌بندی محلی به طور طبیعی ساختارهای جغرافیایی در مقیاس بزرگ ایجاد می‌کند. مغز خود را از پایین به بالا سازماندهی می‌کند، صرفاً با نگه داشتن خانواده‌ها در کنار هم.[1][4]

«در نظر بگیرید که چگونه جمعیت‌های انسانی در طول نسل‌ها در یک کشور گسترش می‌یابند،» استن کرستینز، محقق فوق دکتری در CSHL و نویسنده اصلی این مطالعه، توضیح داد. «فرزندان در نزدیکی والدین خود ساکن می‌شوند، بنابراین افرادی که اجداد مشترکی دارند، در مناطق همسایه قرار می‌گیرند و ساختارهای جغرافیایی در مقیاس بزرگ را بدون نیاز به ارتباطات دوربرد ایجاد می‌کنند.»[3][4]

برای آزمایش این فرضیه، تیم تحقیقاتی یک «مدل مبتنی بر تبار برای اطلاعات موقعیتی مقیاس‌پذیر» ساخت. آنها با محاسبات نظری شروع کردند تا مشخص کنند آیا یک سیستم کاملاً مبتنی بر تبار می‌تواند از نظر ریاضی پیچیدگی مغز یک مهره‌دار را پشتیبانی کند. مدل‌ها تأیید کردند که با رشد بافت، گروه‌های محلی سلول‌ها به زیرواحدهای کوچک‌تری تقسیم می‌شوند که هویت سلول‌های پیش‌ساز خود را حفظ می‌کنند و عملاً نیاز به GPS شیمیایی دوربرد را از بین می‌برند.[2][3][4]

سپس تیم از مدل‌های نظری به شواهد بیولوژیکی روی آورد. آنها بیان ژن رشدی در سراسر مغز جنین موش را تجزیه و تحلیل کردند و هم سلول‌های منفرد و هم گروه‌های سلولی بزرگ‌تر را مورد بررسی قرار دادند. آنها کشف کردند که پروفایل‌های ژنتیکی این سلول‌ها کاملاً با پیش‌بینی‌های مدل مبتنی بر تبار آنها مطابقت دارد، به طوری که سلول‌های مرتبط در الگوهای فضایی قابل پیش‌بینی خوشه‌بندی شده‌اند.[2][5]

برای اطمینان از اینکه این موضوع صرفاً یک ویژگی خاص در رشد پستانداران نیست، محققان تحلیل خود را به لارو ماهی زبرا گسترش دادند. با وجود فاصله تکاملی زیاد و تفاوت اندازه بین مغز موش و مغز ماهی زبرا، همان قوانین نقشه‌برداری مبتنی بر تبار اعمال شد. این تأیید بین‌گونه‌ای نشان می‌دهد که نقشه‌برداری تبار یک قاعده جهانی و بنیادی در رشد مغز مهره‌داران است.[1][4][5]

یک جزء کلیدی این کشف، شناسایی «ژن‌های ویژه» (eigengenes) است—الگوهای هم‌بیانی در هزاران ژن که در طول رشد پایدار باقی می‌مانند. محققان دریافتند که این ژن‌های ویژه چندین مقیاس فضایی را در بر می‌گیرند و در گونه‌های مختلف حفظ شده‌اند. آنها به عنوان یک امضای ژنتیکی از تبار سلول عمل می‌کنند و مختصات فضایی را مستقیماً در برنامه‌ریزی داخلی سلول جاسازی می‌کنند.[1][2][5]

نکته قابل توجه این است که این مطالعه نشان داد که یک سلول برای درک موقعیت خود نیازی به خواندن کل ژنوم خود ندارد. زیرمجموعه‌های کوچکی از ژن‌ها می‌توانند این ژن‌های ویژه را رمزگشایی کنند و اطلاعات موقعیتی چند مقیاسی را ارائه دهند که سلول می‌تواند به صورت محلی آن را پردازش کند. این سیستم بسیار کارآمد، دستورالعمل‌های ژنتیکی مورد نیاز برای ساخت و بهره‌برداری از شبکه‌های عصبی را کاهش می‌دهد.[2][7]

محققان با دقت خاطرنشان می‌کنند که این مدل جدید نقش سیگنال‌دهی شیمیایی را از بین نمی‌برد. در عوض، این دو سازوکار مکمل یکدیگر هستند. تبار، نقشه مقیاس‌پذیر و بزرگ‌مقیاسی را فراهم می‌کند که سلول‌ها را به محله عمومی صحیح می‌رساند، در حالی که مورفوژن‌های شیمیایی تنظیم دقیق محلی لازم برای اتصالات سیناپسی دقیق را فراهم می‌کنند.[2][3][4]

پیامدهای این کشف فراتر از عصب‌شناسی پایه است. در حوزه سرطان‌شناسی، تومورها اساساً بافت‌هایی در حال رشد هستند که مکانیسم‌های رشد بدن را ربوده‌اند. درک اینکه چگونه سلول‌های سالم از تبار برای سازماندهی خود استفاده می‌کنند، می‌تواند نشان دهد که چگونه سلول‌های سرطانی از همین قوانین برای گسترش و متاستاز استفاده می‌کنند و به طور بالقوه مسیرهای جدیدی را برای درمان‌های هدفمند باز می‌کند.[1][4]

این یافته‌ها توجه محققان هوش مصنوعی را نیز به خود جلب کرده است. سیستم‌های هوش مصنوعی کنونی معمولاً با استفاده از معماری‌های سخت و «از بالا به پایین» ساخته می‌شوند که برای مقیاس‌بندی به سربار محاسباتی عظیمی نیاز دارند. این طرح بیولوژیکی برای خودسازماندهی «از پایین به بالا»—که در آن شبکه‌های پیچیده خود را از طریق قوانین محلی و مبتنی بر تبار می‌سازند—می‌تواند الهام‌بخش نسل جدیدی از شبکه‌های عصبی کارآمدتر و مقیاس‌پذیرتر باشد.[1][4][7]

در آینده، محققان قصد دارند این نقشه‌های تبار را با ترانسکریپتومیکس فضایی پیشرفته ادغام کنند تا مسیرهای دقیق رشد نورون‌های منفرد انسان را ردیابی کنند. با جاسازی وضعیت‌های مولکولی سلول در تبار رشدی آنها، دانشمندان امیدوارند یک چارچوب مرجع جامع برای مغز انسان ایجاد کنند.[1][6]

برای دهه‌ها، علم مغز در حال رشد را به عنوان یک سایت ساخت و ساز می‌دید که برای هماهنگی سازندگان به یک طرح اصلی و ارتباطات دوربرد نیاز دارد. این شواهد جدید یک واقعیت بسیار ظریف‌تر را آشکار می‌کند: مغز به صورت ارگانیک خود را می‌سازد و برای پیمایش پیچیدگی عظیم حیات، بر پیوندهای ساده و ناگسستنی تاریخچه خانواده سلولی تکیه دارد.[1][3][4]