قسمتی از مغز ما هنگام بیداری چرت می‌زند!

ایسنا نوشت؛ خواب و بیداری حالت‌های کاملاً متمایزی هستند که مرزهای زندگی روزمره ما را مشخص می‌کنند. برای سالها، دانشمندان تفاوت بین این فرآیندهای غریزی مغز را با مشاهده امواج مغزی اندازه‌گیری می‌کردند و خواب مشخصاً با امواج آهسته و طولانی‌مدت اندازه‌گیری شده در دهم ثانیه اندازه‌گیری می‌شد که در کل اندام حرکت می‌کند.

اکنون برای اولین بار دانشمندان دریافته‌اند که خواب را می‌توان با الگوهای فعالیت عصبی در سطح میلی‌ثانیه، یعنی ۱۰۰۰ برابر کوتاه‌تر از یک ثانیه تشخیص داد که روش جدیدی را برای مطالعه و درک الگوهای اصلی امواج مغزی که بر هوشیاری حاکم است، نشان می‌دهد. آنها همچنین نشان داده‌اند که مناطق کوچکی از مغز می‌توانند به شکل لحظه‌ای بیدار شوند، در حالی که بقیه مغز در خواب است و برعکس، در حالی که بقیه مغز بیدار است، آن منطق به خواب کوتاهی بروند.

این یافته‌ها که در یک مطالعه جدید منتشر شده در مجله Nature Neuroscience شرح داده شده‌، حاصل همکاری بین آزمایشگاه‌های زیست‌شناسی کیت هنگن در دانشگاه واشنگتن در سنت لوئیس و پروفسور برجسته مهندسی بیومولکولی دیوید هاوسلر در دانشگاه کالیفرنیا سانتا کروز است. این پژوهش توسط دو دانشجوی دکترا به نام‌های دیوید پارکز و آیدان اشنایدر انجام شده است.

پارکس و اشنایدر در طول چهار سال کار، یک شبکه عصبی را آموزش دادند تا الگوهای موجود در مقادیر عظیمی از داده‌های امواج مغزی را مطالعه کند و الگوهایی را که در فرکانس‌های بسیار بالا رخ می‌دهند که قبلاً هرگز شرح داده نشده بودند و مفاهیم بنیادی و دیرپای عصب‌شناسی اساسی خواب و بیداری را به چالش می‌کشند، آموزش دادند.

هنگن گفت: با ابزارهای قدرتمند و روش‌های محاسباتی جدید، با به چالش کشیدن ابتدایی‌ترین مفروضات ما و بررسی مجدد سؤال «حالت چیست؟» چیزهای زیادی می‌توان به دست آورد. خواب یا بیداری بزرگترین عامل تعیین کننده رفتار شماست و سپس همه چیز از آن نشات می‌گیرد. بنابراین اگر نفهمیم خواب و بیداری در واقع چیست، به نظر می‌رسد که راه را اشتباه رفته‌ایم.

وی افزود: برای ما به عنوان دانشمند شگفت‌انگیز بود که متوجه شدیم قسمت‌های مختلف مغز ما در واقع زمانی که بقیه مغز بیدار است، چرت‌های کوتاهی می‌زنند.

درک خواب

دانشمندان علوم اعصاب، مغز را از طریق ضبط سیگنال‌های الکتریکی فعالیت مغز که به نام داده‌های الکتروفیزیولوژی شناخته می‌شوند، مطالعه می‌کنند و امواج ولتاژ را در هنگام اوج گرفتن و سقوط با سرعت‌های مختلف مشاهده می‌کنند. در این امواج، الگوهای اوج‌گیری نورون‌های منفرد مخلوط شده‌اند.

محققان با داده‌های حاصل از موش‌های آزمایشگاهی هنگن در سنت لوئیس کار کردند. این موش‌ها به یک هدست بسیار سبک مجهز بودند که فعالیت مغز آنها را از ۱۰ منطقه مختلف مغز برای ماه‌ها ثبت می‌کرد و ولتاژ گروه‌های کوچکی از نورون‌ها را با دقت میکروثانیه ردیابی می‌کرد.

این کار موجب تولید یک پتابایت داده(یک میلیون برابر یک گیگابایت) شد. دیوید پارکس تلاش کرد تا این داده‌های خام را به یک شبکه عصبی مصنوعی وارد کند که بتواند الگوهای بسیار پیچیده را پیدا کند و داده‌های خواب و بیداری را متمایز کند و الگوهایی را پیدا کند که در مشاهدات انسانی ممکن است از قلم افتاده باشند.

همکاری و استفاده مشترک از زیرساخت‌های محاسباتی دانشگاهی این تیم را قادر ساخت که با این داده‌ها در مقیاسی که شرکت‌های بزرگی مانند گوگل یا فیس‌بوک استفاده می‌کنند، کار کند.

پارکس با علم به اینکه خواب به طور سنتی با امواج آهسته تعریف می‌شود، شروع به تغذیه تکه‌های کوچک‌تر و کوچک‌تر داده به شبکه عصبی کرد و از آن خواست تا پیش‌بینی کند که مغز خواب است یا بیدار.

آنها دریافتند که این مدل می‌تواند بین خواب و بیداری تنها از چند میلی‌ثانیه داده‌های مربوط به فعالیت مغز تمایز قائل شود. این برای تیم تحقیقاتی شوکه کننده بود، چرا که نشان داد که این مدل نمی‌تواند برای یادگیری تفاوت بین خواب و بیداری به امواج آهسته متکی باشد.

به گفته محققان، همانطور که گوش دادن به یک هزارم ثانیه از یک آهنگ نمی‌تواند تمام آن را توصیف کند، برای این مدل نیز غیرممکن است که ریتمی را که طی چند ثانیه اتفاق می‌افتد، با نگاه کردن به اطلاعات تصادفی جدا شده چند میلی‌ثانیه‌ای یاد بگیرد.

هاسلر گفت: ما اطلاعاتی را در سطحی از جزئیات می‌بینیم که بی‌سابقه است. احساس قبلی این بود که چیزی در آنجا پیدا نمی‌شود و همه اطلاعات مربوطه در امواج فرکانس کندتر نهفته است.

پژوهشگران در این مقاله می‌گویند اگر اندازه‌گیری‌های مرسوم را نادیده بگیرید و فقط به جزییات اندازه‌گیری فرکانس بالا فقط در یک هزارم ثانیه نگاه کنید، به اندازه کافی اطلاعات وجود دارد که بفهمید آیا بافت مغز خواب است یا نه. این به ما می‌گوید که چیزی در مقیاس بسیار سریع در حال انجام است و یک اشاره جدید به آن چیزی است که ممکن است در خواب اتفاق بیفتد.

هنگن به نوبه خود متقاعد شده بود که پارکس و اشنایدر چیزی را نادیده گرفته‌اند، زیرا نتایج آنها با مفاهیم پایه‌ای که طی سال‌ها آموزش علوم اعصاب در ذهن او ایجاد شده بود، متناقض بود. او از پارکس خواست تا شواهد بیشتری مبنی بر واقعی بودن این پدیده ارائه دهد.

وی گفت: این من را به چالش کشید تا از خودم بپرسم «باورهای من تا چه حد مبتنی بر شواهد هستند و چه مدرکی باید ببینم تا آن باورها را زیر پا بگذارم؟» این واقعاً شبیه به یک بازی موش و گربه بود، زیرا من بارها و بارها از دیوید خواستم تا شواهد بیشتری ارائه دهد و چیزهایی را به من ثابت کند. به ‌عنوان یک دانشمند، این فرآیند واقعاً جالب بود که دانشجویانم این دیوار باور مرا آجر به آجر خراب کنند و من مجبور باشم با آن مشکلی نداشته باشم.

الگوهای منطقه‌ای

از آنجایی که یک شبکه عصبی مصنوعی اساسا یک جعبه سیاه است و چیزی را که می‌آموزد، گزارش نمی‌دهد، پارکس شروع به حذف لایه‌های اطلاعات زمانی و مکانی کرد تا بفهمد مدل از چه الگوهایی می‌تواند یاد بگیرد.

در نهایت، آنها به نقطه‌ای رسیدند که به تکه‌هایی از داده‌های مغزی فقط یک میلی‌ثانیه و در بالاترین فرکانس نوسانات ولتاژ مغز نگاه می‌کردند.

پارکس گفت: ما تمام اطلاعاتی را که علوم اعصاب برای درک، تعریف و تجزیه و تحلیل خواب در قرن گذشته استفاده کرده بود، جمع‌آوری کردیم و پرسیدیم که آیا این مدل هنوز می‌تواند تحت این شرایط یاد بگیرد؟ این کار به ما امکان داد تا سیگنال‌هایی را که قبلاً درک نکرده بودیم، بررسی کنیم.

آنها با مشاهده این داده‌ها توانستند تشخیص دهند که الگوی فعالیت بسیار سریع بین تنها چند نورون، عنصر اساسی خواب است که مدل شناسایی می‌کند. بسیار مهم است که چنین الگوهایی را نمی‌توان با امواج سنتی توضیح داد.

محققان فرض می‌کنند که امواج آهسته ممکن است برای هماهنگ کردن الگوهای سریع و محلی فعالیت مغز عمل کنند، اما در نهایت به این نتیجه رسیدند که الگوهای سریع به ماهیت واقعی خواب بسیار نزدیک‌تر هستند.

اگر امواج آهسته که به طور سنتی برای تعریف خواب استفاده می‌شود با هزاران نفر در یک استادیوم که موج مکزیکی می‌روند، مقایسه ‌شود، این الگوهای حرکت سریع همان مکالمه بین چند نفری است که تصمیم به شرکت در موج می‌گیرند. این مکالمات برای وقوع موج بزرگ‌تر ضروری است و مستقیماً با حال و هوای استادیوم مرتبط است و موج نتیجه ثانویه آن است.

مشاهده سوسو زنی

محققان در مطالعه بیشتر الگوهای فعالیت منطقه‌ای مغز متوجه پدیده شگفت انگیز دیگری شدند.

هنگامی که آنها مدلی را که خواب یا بیداری را پیش‌بینی می‌کرد، مشاهده کردند، متوجه اشتباهاتی شدند که در ابتدا خطا به نظر می‌رسیدند که در آن مدل برای کسری از ثانیه بیداری را در یک ناحیه از مغز تشخیص می‌داد، در حالی که بقیه مغز در خواب باقی می‌ماند. آنها همین موضوع را در حالت بیداری نیز دیدند. اینکه برای کسری از ثانیه، یک منطقه از مغز به خواب می‌رفت در حالی که بقیه مناطق بیدار بودند. آنها این موارد را «سوسو زدن» نامیدند.

اشنایدر گفت: ما می‌توانیم به زمانی که این نورون‌ها شلیک می‌کنند، نگاه کنیم و کاملاً واضح بود که نورون‌ها در حال انتقال به حالت دیگری هستند. در برخی موارد، این سوسو زدن‌ها ممکن است فقط به یک ناحیه از مغز و شاید حتی کوچکتر از یک ناحیه محدود شود.

این امر محققان را وادار کرد تا معنی سوسو زدن را در مورد عملکرد خواب و چگونگی تأثیر آنها بر رفتار در هنگام خواب و بیداری بررسی کنند.

اشنایدر افزود: یک فرضیه طبیعی در اینجا وجود دارد. فرض کنید قسمت کوچکی از مغز شما در حالی که بیدار هستید به خواب می‌رود. آیا این بدان معناست که رفتار شما ناگهان اینگونه به نظر می‌رسد که در خواب هستید؟ ما متوجه شدیم که اغلب چنین است.

محققان با مشاهده رفتار موش‌ها مشاهده کردند که وقتی یک ناحیه مغز در حالی که بقیه مغز بیدار است به خواب می‌رود، موش برای یک ثانیه مکث می‌کند.

سوسو زدن‌ها به‌ شکل ویژه شگفت‌انگیز هستند، زیرا از قوانین ثابتی پیروی نمی‌کنند که چرخه دقیق مغز را به ‌طور متوالی بین خواب و بیداری تعریف می‌کند.