ในการทำแผนที่ผิดพลาด หน้าต่างสู่จิตใจภายใน

SF_final_Myriam_Wares_May25.jpg?auto=for

เมื่อหลายปีก่อน ฉันได้เข้าร่วมในการศึกษาวิจัยที่ฉันต้องเล่นเกมคอมพิวเตอร์ที่ยากขึ้นเรื่อยๆ นักวิทยาศาสตร์ที่ทำการศึกษานี้บอกฉันว่าฉันทำงานได้ดีขึ้นในเวอร์ชันที่ยากกว่าของเกม เขาบอกว่านั่นไม่ใช่เรื่องแปลก — บางคนยังคงมีส่วนร่วมเมื่อเกมมีความท้าทายมากขึ้น แต่จะรู้สึกเบื่อระหว่างการทดลองที่ง่ายกว่าและเสียสมาธิ

ข้อผิดพลาดเช่นนี้เป็นที่รู้จักกันในวรรณคดีว่าเป็นความผิดพลาด กรณีที่คุณมีข้อมูลทั้งหมดที่จะตัดสินใจแต่ยังคงเลือกผิด คำอธิบายของความผิดพลาดทำให้เสียพื้นที่การตัดสินใจ ซึ่งเกิดขึ้นในหลากหลายสายพันธุ์และสถานการณ์ ผู้คนขอให้รายงานแสงวาบที่เห็นได้ชัดในบางครั้งอาจพลาด แม้ว่าพวกเขาจะตรวจจับสัญญาณที่ละเอียดอ่อนกว่าได้มากก็ตาม หนูมักทำผิดพลาดในการทดลองเพื่อการตัดสินใจ 10 ถึง 20 เปอร์เซ็นต์ แม้ว่าบางครั้งจะทำได้อย่างแม่นยำเกือบ 100 เปอร์เซ็นต์ก็ตาม

นักวิทยาศาสตร์ได้ใส่คำอธิบายจำนวนหนึ่งสำหรับการพลาดพลั้ง ตั้งแต่ขาดความสนใจไปจนถึงความผิดพลาดของเครื่องยนต์ เช่น การกดปุ่มผิดโดยไม่ได้ตั้งใจ แต่ทฤษฎีที่มีอยู่ไม่สามารถอธิบายรูปแบบต่างๆ ของความล้มเหลวได้อย่างน่าพอใจ เช่น เหตุใดจึงอาจเกิดขึ้นในการชกหรือบางครั้งส่งผลต่อการทดลองที่ง่ายกว่าหรือคลุมเครือมากขึ้น เป็นต้น ความพยายามใหม่ในการศึกษาการตัดสินใจที่ก้าวไปไกลกว่าแนวทางอินพุต-เอาท์พุตมาตรฐาน เสนอทางเลือกอื่นสำหรับการศึกษาความล้มเหลว ความพยายามเหล่านี้จะติดตามสถานะภายในของสมองและผลกระทบต่อวิธีที่สัตว์ใช้สัญญาณประสาทสัมผัสในการตัดสินใจ

Anne Churchland นักประสาทวิทยาแห่งมหาวิทยาลัยแคลิฟอร์เนีย ลอสแองเจลิส และผู้ตรวจสอบกับ Simons Collaboration on the Global Brain กล่าวว่า “การตัดสินใจที่น่าสนใจอยู่เสมอคือสัญญาณที่เข้ามาไม่ได้ทำงานในลักษณะที่สะท้อนกลับ เช้าวันหนึ่งคุณอาจเบรกที่ไฟเหลือง เช่น เช้าวันรุ่งขึ้นคุณอาจเหยียบคันเร่ง “สิ่งเร้าเดียวกันจะทำสิ่งต่าง ๆ ขึ้นอยู่กับว่าสมองอยู่ในสถานะใด และเราเพิ่งเริ่มที่จะสามารถระบุลักษณะเหล่านั้นได้”

สัญญาณไฟจราจรสีเหลืองพื้นหลังสีฟ้า สภาพภายในของสมองมีอิทธิพลต่อพฤติกรรมของเรา เช่น การที่เราเร่งความเร็วหรือหยุดที่แสงสีเหลือง

การศึกษาเกี่ยวกับการตัดสินใจส่วนใหญ่สันนิษฐานว่าสัตว์อยู่ในสถานะเดียวกัน โดยใช้กลยุทธ์การตัดสินใจเดียวกัน ตลอดการทดลอง Ilana Witten นักประสาทวิทยาจากมหาวิทยาลัยพรินซ์ตันและผู้ตรวจสอบ SCGB กล่าวว่า “การนึกถึงสมองในสภาวะเดียวกันเมื่อเวลาผ่านไปเป็นสิ่งที่ผิด แต่นั่นคือสิ่งที่ทุกคนทำมาตลอด” งานวิจัยใหม่จาก Churchland, Witten และคณะอื่นๆ แสดงให้เห็นว่าสภาพดังกล่าวสามารถเปลี่ยนแปลงได้ตลอดเวลา โดยสลับไปมาระหว่างกลยุทธ์ต่างๆ และเน้นย้ำถึงผลกระทบอย่างลึกซึ้งที่สภาวะภายในของสัตว์อาจมีต่อพฤติกรรมของสัตว์

ค้นหาสถานะที่ซ่อนอยู่

เมื่อมองแวบแรก แมลงวันผลไม้ตัวผู้อาจมีพฤติกรรมที่คาดเดาไม่ได้เมื่อพยายามจีบคู่ครอง บางครั้งพวกมันก็ไล่ตามผู้หญิงที่อยู่ใกล้ๆ ในขณะที่บางครั้งดูเหมือนไม่สนใจเธอ ในงานวิจัยที่ตีพิมพ์ในปี 2019 จากนั้น Adam Calhoun ซึ่งเป็นเพื่อน SCGB, Mala Murthy และ Jonathan Pillow นักวิจัยของ SCGB ได้พิจารณา ความแปรปรวนนี้อย่างเป็นทางการ มากขึ้น พวกเขาพบว่าความสามารถในการทำนายพฤติกรรมการติดพันของแมลงวันจากสัญญาณประสาทสัมผัสของมันนั้นหลากหลาย และพวกเขาตั้งสมมติฐานว่าแมลงวันตัวผู้ที่ร้องเพลงเพื่อจีบตัวเมีย อาจเปลี่ยนกลยุทธ์การร้องเพลงของพวกมันเมื่อเวลาผ่านไป ในการสำรวจการเปลี่ยนแปลงเหล่านี้ พวกเขาวิเคราะห์พฤติกรรมของผู้ชายโดยใช้แบบจำลอง Markov ที่ซ่อนอยู่ซึ่งสามารถช่วยค้นหารูปแบบในข้อมูลที่มีเสียงดัง ผลการศึกษาพบว่า แมลงวันตัวผู้อาจอยู่ในสถานะใดสถานะหนึ่งจากสามสถานะที่แตกต่างกัน — ใกล้กับตัวเมีย แต่เคลื่อนไหวช้า ไล่ตามตัวเมียอย่างกระตือรือร้น หรือไม่สนใจตัวเมีย วิธีการที่แมลงวันใช้ข้อมูลทางประสาทสัมผัสเพื่อนำทางเพลงของเขาขึ้นอยู่กับสภาพของเขา “เราไม่มีเครื่องมือในการระบุสถานะภายใน แต่วิธีการนี้ช่วยให้เราสามารถระบุการเปลี่ยนแปลงในสถานะได้จากพื้นฐานของพฤติกรรมเพียงอย่างเดียว” Pillow นักประสาทวิทยาด้านคอมพิวเตอร์แห่งมหาวิทยาลัยพรินซ์ตันกล่าว (ดูข้อมูลเพิ่มเติมได้ที่ “ How Fruit Flies Woo a Mate ”)

หนูที่ได้รับการฝึกฝนเกี่ยวกับงานตัดสินใจแสดงรูปแบบพฤติกรรมที่น่าสนใจเช่นเดียวกัน บางครั้งพวกเขาสามารถทำงานได้อย่างถูกต้องสูง แต่บางครั้งพวกเขาก็ทำผิดพลาด ซึ่งไม่จำเป็นต้องสัมพันธ์กับความยากง่ายของงาน อันที่จริง นักวิจัยที่ศึกษาหนูทราบว่าสัตว์เหล่านี้มักล้มเหลวในการทดลอง 10 ถึง 20 เปอร์เซ็นต์ ข้อมูลการตัดสินใจที่ได้มาตรฐานจำนวนมากที่ผลิตโดย International Brain Lab (IBL) ซึ่งเป็นความร่วมมือระหว่างห้องปฏิบัติการ 22 แห่งที่ดำเนินงานเดียวกันทั้งหมด ได้เปิดโอกาสให้เจาะลึกลงไปในข้อสังเกตนี้ “IBL และการตัดสินใจเกี่ยวกับเมาส์ที่เพิ่มขึ้นโดยทั่วไปเป็นแรงบันดาลใจให้เราพิจารณาการตัดสินใจในแบบที่เราไม่เคยทำมาก่อน” Pillow กล่าว (สำหรับข้อมูลเพิ่มเติมเกี่ยวกับ IBL โปรดดูที่ ” การสร้างแบบจำลองใหม่สำหรับการวิจัยทางประสาทวิทยา “)

ในงาน IBL หนูหมุนวงล้อเพื่อระบุว่าตะแกรงที่มีความคมชัดระดับต่างๆ ปรากฏขึ้นทางด้านซ้ายหรือขวาหรือไม่ ในรูปแบบคลาสสิกของการสูญเสีย สัตว์มีส่วนร่วมหรือหลุดออกจากกัน โดยส่วนใหญ่จะเกิดขึ้นในสถานะหลัง แต่ในการวิเคราะห์ประสิทธิภาพของสัตว์ด้วย HMM หมอน นักศึกษาระดับบัณฑิตศึกษา โซอี้ แอชวูด และผู้ทำงานร่วมกันพบว่าสามรัฐอธิบายข้อมูลได้ดีที่สุด — สถานะมีส่วนร่วม ซึ่งสัตว์ดำเนินการได้เกือบสมบูรณ์ และสองสถานะที่แยกจากกัน ซึ่งสัตว์มักจะติดอยู่ ทางเลือกซ้ายหรือขวาโดยไม่คำนึงถึงข้อมูลทางประสาทสัมผัส รัฐต่างๆ ยังคงยืนกรานในการทดลองหลายสิบครั้งและเกิดขึ้นในสัตว์ส่วนใหญ่ “บทความนี้สะท้อนใจเพราะมันเป็นวิธีการหาปริมาณของผลกระทบที่นักวิจัยทราบ แต่ยังไม่สามารถหาจำนวนได้” Pillow กล่าว

เพื่อให้แน่ใจว่าสิ่งที่ค้นพบไม่เฉพาะเจาะจงกับงาน IBL นักวิจัยได้วิเคราะห์ชุดข้อมูลอื่นอีกสองชุด ในการศึกษาเกี่ยวกับเมาส์ที่สัตว์ต้องรายงานว่าได้ยินเสียงความถี่ต่ำหรือสูง แบบจำลองระบุสี่สถานะ ได้แก่ มีส่วนร่วม เอนเอียงซ้าย เอนเอียงขวา และ ‘ชนะอยู่’ ซึ่งสัตว์ยึดติดกับตัวเลือกที่ได้รับก่อนหน้านี้ . ในการศึกษาของมนุษย์เกี่ยวกับการเลือกปฏิบัติทางสายตา ซึ่งผู้คนต้องตัดสินใจว่ากลุ่มของจุดเคลื่อนที่มีความสอดคล้องกันมากหรือน้อยกว่าสิ่งเร้าก่อนหน้านี้ แบบจำลองสองและสามสถานะจะอธิบายข้อมูลได้ดีกว่าแบบจำลองการเหลื่อมแบบคลาสสิก ผลการวิจัยได้รับการ ตีพิมพ์ใน Nature Neuroscience ในเดือนกุมภาพันธ์

นักวิทยาศาสตร์ยังไม่ทราบว่าอะไรทำให้เกิดการสลับไปมาระหว่างรัฐ HMMs คาดการณ์ความน่าจะเป็นที่สัตว์จะย้ายจากสถานะหนึ่งไปอีกสถานะหนึ่ง แต่ไม่สามารถจับปัจจัยที่ขับเคลื่อนการเปลี่ยนแปลงได้ นักวิจัยวางแผนที่จะสำรวจคำถามนี้โดยใช้แบบจำลองการถดถอยเชิงเส้นเพื่อระบุว่าความอิ่ม ความเหนื่อยล้า รางวัลล่าสุด และตัวแปรอื่นๆ สามารถช่วยทำนายว่าสัตว์จะเปลี่ยนไปอยู่ในสถานะอื่นหรือไม่

สถานะของวงจร

การสังเกตที่ชัดเจนของสภาวะการตัดสินใจต่างๆ ทำให้เกิดคำถามว่า เกิดอะไรขึ้นในสมองระหว่างการต่อสู้ครั้งนี้ Witten, Pillow และผู้ทำงานร่วมกันใช้การผสมผสานระหว่างความเป็นจริงเสมือน การบันทึกประสาท และการรบกวนทางออปโตเจเนติกส์ — การปิดเสียงเซลล์ประสาทเฉพาะด้วยแสง — เพื่อสำรวจว่าวงจรประสาทที่แตกต่างกันส่งผลต่อสถานะต่างๆ อย่างไร

ในการศึกษาที่ ตีพิมพ์ใน Nature Neuroscience เมื่อเดือนมีนาคม นักวิจัยได้บันทึกกิจกรรมของระบบประสาทใน striatum ขณะที่สัตว์ต่างๆ สำรวจเขาวงกตเสมือนจริง โดยตัดสินใจว่าจะหันไปทางใดโดยอิงจากการมองเห็น Witten กล่าวว่า “เราสังเกตในเชิงคุณภาพว่าหนูไม่ได้ใช้กลยุทธ์เดียวกันตลอดเวลา แต่ไม่มีวิธีหาปริมาณ” Witten กล่าว ทีมงานของเธอยังสังเกตเห็นด้วยว่าสัตว์ต่างๆ มักไม่ตอบสนองต่อการรบกวนทางสายตาในลักษณะเดียวกัน การปิดเสียงชุดของเซลล์ประสาทอาจส่งผลต่อการตัดสินใจของสัตว์ในบางสถานการณ์ แต่ไม่ใช่กับอย่างอื่น หรือในการทดลองบางอย่าง แต่ไม่ใช่ทั้งหมด “แต่เราไม่มีทางดูมันได้” เธอกล่าว

ทีมงานใช้แบบจำลอง HMM เดียวกันกับข้อมูลของพวกเขา โดยให้ผลลัพธ์ที่น่าประหลาดใจ สัตว์อาจอยู่ในสถานะใดสถานะหนึ่งจากสามสถานะที่แตกต่างกันขณะสำรวจเขาวงกต — สภาพที่ไม่มีส่วนร่วมซึ่งพวกมันมักจะทำซ้ำตัวเลือกก่อนหน้า หรือสถานะการมีส่วนร่วมอย่างใดอย่างหนึ่งจากสองสถานะที่ภายนอกดูเหมือนกันแต่ตอบสนองต่อการรบกวนต่างกัน ในสถานะหนึ่ง การปิดเสียงเซลล์ประสาทในส่วนของ striatum ส่งผลต่อการเลือกสัตว์ ในอีกกรณีหนึ่ง ความเงียบไม่มีผล “เราไม่ได้คาดหวังผลกระทบมหาศาลเช่นนี้” วิทเทนกล่าว “ผู้ตรวจทานมีความสงสัยมากเพราะมันน่าประหลาดใจมาก เราต้องทำการควบคุมหลายอย่างเพื่อให้ผู้คนเชื่อ”

ผลการวิจัยชี้ให้เห็นว่าสัตว์ใช้เส้นทางประสาทที่แตกต่างกันเพื่อแก้ปัญหา “คุณอาจจินตนาการได้ว่าเมื่อสัตว์หมั้นกัน วงจรการตัดสินใจเดียวกันก็เกี่ยวข้องด้วย แต่บทความนี้เผยให้เห็นว่าไม่เป็นเช่นนั้น” หมอนกล่าว “แม้ว่าสัตว์จะหมั้นหมาย แต่ก็มีสถานะหนึ่งที่มันอาศัย striatum และอีกสถานะหนึ่งที่มันไม่ได้” กลยุทธ์ที่แตกต่างกันเหล่านี้ไม่ปรากฏให้เห็นจากพฤติกรรมเพียงอย่างเดียว “ฉันคิดว่ามันบ่งบอกถึงความซ้ำซ้อน” Witten กล่าว “มันแสดงให้เห็นว่าวงจรสมองคู่ขนานสามารถทำหน้าที่คล้ายคลึงกันได้”

เช่นเดียวกับกรณีศึกษา IBL นักวิจัยยังไม่ทราบว่าอะไรเป็นตัวกระตุ้นให้เกิดการเปลี่ยนแปลงระหว่างกลยุทธ์ต่างๆ ทีมงานของวิตเทนกำลังสำรวจแนวคิดที่ว่าเครื่องควบคุมระบบประสาทซึ่งมีการฉายภาพขนาดใหญ่ทั่วสมองและมีส่วนเกี่ยวข้องกับสภาวะภายในมีบทบาท ตัวอย่างเช่น ระดับสูงของ norepinephrine อาจทำให้สมองเข้าสู่สภาวะที่ขึ้นกับ striatum ในการสำรวจคำถามนี้ นักวิจัยกำลังวัดระดับของสารสื่อประสาทต่างๆ เพื่อดูว่ากิจกรรมของพวกเขาทำนายการเปลี่ยนแปลงของรัฐหรือไม่

คำถามสำคัญอีกข้อหนึ่งคือ เหตุใดสัตว์จึงสลับไปมาระหว่างกลยุทธ์ที่ส่งผลภายนอกแบบเดียวกัน สัตว์จึงเลือกแบบเดียวกัน แต่ภายในต้องอาศัยวงจรที่แตกต่างกัน “มันเป็นทิศทางที่น่าตื่นเต้น” หมอนกล่าว “รัฐเหล่านี้ดีสำหรับอะไร? มีความสำคัญต่อการเรียนรู้หรือไม่? มันช่วยให้สัตว์ติดตามสถิติต่างๆ ของสิ่งแวดล้อมหรือติดตามพฤติกรรมได้หรือไม่” นักวิจัยยังวางแผนที่จะตรวจสอบว่าบริเวณสมองส่วนปลายน้ำมีความแตกต่างกันหรือไม่ “ฉันไม่คิดว่าการพึ่งพาอาศัยกันของรัฐจะขึ้นอยู่กับ striatum” Witten กล่าว “ฉันคิดว่ามันเป็นสภาวะของสมองที่เปลี่ยนแปลง”

ขณะนี้กลุ่มของ Pillow กำลังร่วมมือกับคนอื่นๆ เพื่อนำแนวทางของตนไปใช้กับข้อมูลประเภทต่างๆ พวกเขากำลังทำงานร่วมกับผู้ตรวจสอบของ SCGB Carlos Brody และผู้อำนวยการของ SCGB David Tank ทั้งที่ Princeton เพื่อปิดการใช้งานส่วนต่าง ๆ ของสมองเช่นฮิบโปแคมปัส เพื่อค้นหาสภาวะที่อ่อนแอหรือยืดหยุ่นต่อการปิดใช้งานและขึ้นอยู่กับวงจรสมองที่แตกต่างกัน

รหัสที่นักวิจัยใช้นั้นเปิดเผยต่อสาธารณะและใช้ได้กับชุดข้อมูลส่วนใหญ่ Witten กล่าว “ฉันคิดว่าถ้าผู้คนทำการวิเคราะห์ข้อมูลของพวกเขาแบบเดียวกัน พวกเขาจะได้รับปรากฏการณ์ที่คล้ายกัน” เธอคาดหวังว่าผู้คนจำนวนมากขึ้นจะใช้แนวทางนี้ “มันอธิบายได้มาก”

เข้าสู่การสำรวจ

แม้ว่าความพลาดพลั้งบางอย่างจะได้รับการอธิบายอย่างดีจากการไม่ตั้งใจ แต่ส่วนอื่นๆ อาจสะท้อนถึงกระบวนการที่กระฉับกระเฉงมากขึ้น เช่น สมองกำลังสำรวจกลยุทธ์ใหม่ๆ เป็นต้น ห้องทดลองของเชิร์ชแลนด์ได้รับแรงบันดาลใจให้ตรวจสอบความเป็นไปได้นี้หลังจากสังเกตเห็นแนวโน้มในการศึกษาการตัดสินใจแบบหลายประสาทสัมผัส ทั้งคนและสัตว์ฟันแทะมีแนวโน้มที่จะทำผิดพลาดมากกว่าเมื่อได้รับข้อมูลทางภาพหรือทางหูเพื่อตัดสินใจ มากกว่าที่จะให้ทั้งสองอย่างพร้อมกัน “เรากังวลเรื่องนี้มากและไม่มีคำอธิบาย” เชิร์ชแลนด์กล่าว การขาดความสนใจธรรมดาไม่ใช่คำอธิบายที่น่าพอใจ “ทำไมสัตว์ถึงมีแนวโน้มที่จะงีบหลับในการทดลองที่ไม่ได้รับความรู้สึก?” เธอพูดว่า.

สัตว์ต้องเลือกพอร์ตซ้ายหรือขวาขึ้นอยู่กับความถี่ของเสียงหรือแสงกะพริบหรือทั้งสองอย่างรวมกัน เครดิต: Pisupati et al. อีไลฟ์, 2021.

Sashank Pisupati นักเรียนคนหนึ่งของ Churchland ได้เสนอคำอธิบายทางเลือก — บางทีการพลาดพลั้งอาจเชื่อมโยงกับความไม่แน่นอนและการสำรวจ ตัวอย่างเช่น เมื่อคุณกำลังเรียนรู้เกมใหม่ คุณอาจลองใช้กลยุทธ์ที่แตกต่างกัน บางทีอาจเลือกเสี่ยงเพื่อดูว่าจะให้รางวัลใหญ่หรือไม่ “บ่อยครั้งที่กลยุทธ์ที่เหมาะสมที่สุดคือการสร้างสมดุลระหว่างการสำรวจและการแสวงหาผลประโยชน์” เชิร์ชแลนด์กล่าว “คุณไม่คิดว่าคุณรู้จักเกมอย่างสมบูรณ์ ดังนั้นคุณจึงทำการเลือกแบบสำรวจในการทดลองสองสามครั้งเพื่อทดสอบทฤษฎี” แม้ว่าแนวคิดนี้จะเป็นเรื่องปกติในโลกของการตัดสินใจเชิงความน่าจะเป็น ซึ่งไม่มีการรับประกันทางเลือกที่ถูกหรือผิด นักวิจัยที่ศึกษาการตัดสินใจด้วยการรับรู้มักจะไม่นำแนวคิดเรื่องการสำรวจมารวมไว้ด้วย “เราคิดว่าสัตว์รู้กฎเกณฑ์” เชิร์ชแลนด์กล่าว “หากพวกเขาทำผิดพลาด เราคิดว่าเกิดจากความไม่แน่นอนในการรับรู้”

การสำรวจอาจมีความเสี่ยง ดังนั้นกลยุทธ์หนึ่งในการสร้างสมดุลระหว่างความเสี่ยงและผลประโยชน์คือการเลือกตัวเลือกการให้รางวัลเมื่อได้รับผลตอบแทนที่แน่นอน แต่ให้สำรวจเมื่อโอกาสได้รับรางวัลลดลง สิ่งนี้จะอธิบายได้ว่าทำไมสัตว์จึงมีโอกาสน้อยที่จะสูญพันธุ์ – สำรวจ – เมื่อพวกเขามีทั้งข้อมูลการได้ยินและภาพเพื่อสนับสนุนการเลือกของพวกเขา “การสำรวจเกิดจากความไม่แน่นอนของข้อมูล” เชิร์ชแลนด์กล่าว

ในงานวิจัยที่ตีพิมพ์ใน eLife เมื่อปีที่แล้ว Churchland, Pisupati นักศึกษาระดับบัณฑิตศึกษา Lital Chartarifsky-Lynn และผู้ทำงานร่วมกันได้ทดสอบสมมติฐานนี้โดยเปลี่ยนความน่าจะเป็นของรางวัลสำหรับตัวเลือกด้านซ้ายและขวาเพื่อให้สัตว์มีอคติต่อสถานะการสำรวจหรือแสวงประโยชน์ จากนั้นจึงวิเคราะห์อัตราการพลาดพลั้งที่เกิดขึ้น ตามที่พวกเขาคาดการณ์ไว้ สัตว์ต่างๆ มี โอกาสน้อยที่จะสูญ เสียเมื่อพวกเขาคาดหวังผลตอบแทนสูง “การศึกษาการบูรณาการหลายประสาทสัมผัสทำให้เราสะดุดกับคำอธิบายใหม่เกี่ยวกับความผิดพลาดที่เราคิดว่าเกี่ยวข้องกับการตัดสินใจโดยทั่วไป” เชิร์ชแลนด์กล่าว

แนวทางทั้งสองแบบ — แบบจำลองรัฐ HMM และการสำรวจด้วยความไม่แน่นอน – ไม่ได้แยกจากกันและกล่าวถึงความล้มเหลวสองประการที่แตกต่างกัน Churchland กล่าว “ทั้งสองสิ่งรวมกันเป็นแรงผลักดันให้สัตว์และมนุษย์หลุดพ้น และมีแนวโน้มว่าจะมีคำอธิบายอื่นๆ เช่นกัน” ในทั้งสองกรณี โอกาสที่สัตว์จะจะหายไปนั้นสะท้อนถึงการแสดงแทนภายใน — การประมาณความไม่แน่นอนของสมองหรือระดับการมีส่วนร่วมของสมอง — ซึ่งกำหนดรูปแบบการตีความข้อมูลทางประสาทสัมผัสและแนะนำวิธีการใช้ข้อมูล ขณะนี้ Pillow และ Churchland กำลังคิดหาวิธีผสมผสานสองแนวทางเพื่อแก้ปัญหาความล้มเหลวเพื่อสำรวจ เช่น ว่ามีขอบเขตของการสำรวจและการแสวงประโยชน์ที่ขยายออกไปหรือไม่ ตามที่พวกเขาพบว่ามีสถานะที่มีส่วนร่วมและถูกปลดออกจากตำแหน่ง

ฉายแสงบนฟิสิกส์คลื่นในวัสดุเมตาไดนามิก

Emanuele Galiffi เป็นจูเนียร์เฟลโลว์กับ Simons Society of Fellows

เมื่อคุณโยนกรวดลงไปในสระน้ำ คลื่นจะกระเพื่อมไปตามผิวน้ำ พวกเขาอาจกระเด้งกลับ (สะท้อน) เปลี่ยนรูปร่าง (แยกย้ายกันไป) และรบกวนซึ่งกันและกัน ก่อนที่จะสลายไปในที่สุดเมื่อพลังงานของพวกมันจางหายไปตามกาลเวลา คลื่นเหล่านี้ เช่นเดียวกับคลื่นทั้งหมด เป็นการรบกวนโดยพื้นฐานที่สื่อโฮสต์ – ในกรณีนี้คือน้ำ – ข้ามอวกาศและเวลา และในขณะที่คลื่นเหล่านี้มองเห็นได้ด้วยตาเปล่า แต่คลื่นหลายประเภทกลับมองไม่เห็น

ในช่วงสองศตวรรษที่ผ่านมา นักฟิสิกส์ได้พิสูจน์แล้วว่าแสงและสสารมีพฤติกรรมคล้ายคลื่น ฟิสิกส์ควอนตัมที่สนับสนุนพฤติกรรมของเซมิคอนดักเตอร์ซึ่งกระตุ้นการปฏิวัติทางดิจิทัลในปัจจุบันของเรา อธิบายว่าอิเล็กตรอนเป็นคลื่นไดนามิก ไม่ใช่อนุภาคที่มีจุดเหมือน ในทำนองเดียวกัน ระบบการสื่อสารด้วยแสง (เช่น สายเคเบิลไฟเบอร์ที่ให้การเชื่อมต่ออินเทอร์เน็ตที่รวดเร็วอย่างน่าอัศจรรย์) ถูกควบคุมโดยพฤติกรรมที่คล้ายคลื่นของแสง ฟิสิกส์ของคลื่นส่วนใหญ่ที่ควบคุมระบบกลไกควอนตัมพบความคล้ายคลึงกันในปรากฏการณ์คลื่นที่เป็นที่รู้จักมากขึ้น เช่น คลื่นแม่เหล็กไฟฟ้าที่เราสัมผัสเป็นแสง คลื่นไหวสะเทือนที่เราเรียกว่าแผ่นดินไหว และคลื่นน้ำที่ก่อตัวเป็นสึนามิ แต่ยังมีอีกมากที่เรายังไม่เข้าใจเกี่ยวกับไดนามิกของคลื่น

Simons Junior Fellow Emanuele Galiffi นักศึกษา ดุษฎีบัณฑิตในห้องทดลองของ Andrea Alù ที่ศูนย์วิจัยวิทยาศาสตร์ขั้นสูงของมหาวิทยาลัย City University of New York ศึกษาวัสดุสังเคราะห์และวัสดุที่ซับซ้อนที่เรียกว่า ” metamaterials” งานวิจัยปัจจุบันของเขามุ่งเน้นไปที่วิธีที่การมอดูเลตไดนามิกที่เร็วมากในวัสดุดังกล่าวอาจถูกนำไปใช้เพื่อสร้างเอฟเฟกต์คลื่นลูกใหม่ นอกเหนือความเป็นไปได้อื่น ๆ ที่สามารถช่วยให้เราควบคุมสเปกตรัมแม่เหล็กไฟฟ้าส่วนที่ยากต่อการเข้าถึงสำหรับการสื่อสารโทรคมนาคม และจัดการคลื่นในรูปแบบใหม่ทั้งหมด วิธี

Galiffi ได้รับปริญญาเอกจากกลุ่มของศาสตราจารย์ Sir John Pendry ที่ Imperial College London การสนทนาของเราได้รับการแก้ไขเพื่อความชัดเจน

 

“ metamaterial” คืออะไร?

เมื่อคลื่น เช่น คลื่นแสง กระทบวัสดุ ปฏิกิริยากับอิเล็กตรอนและไอออนของวัสดุจะควบคุมปริมาณแสงที่สะท้อนในสเปกตรัมสี ในทิศทางใด และอื่นๆ

ในวัสดุทั่วไปที่เกิดขึ้นตามธรรมชาติ เช่น ทอง เงิน หรือซิลิกอน สาเหตุหลักเกิดขึ้นเนื่องจากองค์ประกอบทางเคมีของวัสดุ อะตอมที่ทำขึ้นอย่างไร และองค์ประกอบเหล่านี้ถูกจัดเรียงอย่างไรเพื่อสร้างโครงสร้างผลึกเป็นระยะๆ เมื่อแสงสะท้อนหรือแพร่กระจายผ่านวัสดุเหล่านี้ ความยาวคลื่นของแสงจะยาวนานกว่าระยะห่างระหว่างอะตอมที่ก่อตัวเป็นผลึกหลายร้อยเท่า ดังนั้นปฏิสัมพันธ์ของแสงกับวัสดุจึงไม่สามารถตรวจสอบอะตอมหรือโมเลกุลเดี่ยวๆ ได้ ในทางกลับกัน การตอบสนองทางสายตาเป็นแบบส่วนรวม หรือ “ฉุกเฉิน”

ในทางตรงกันข้าม แทนที่จะพึ่งพาเคมีเพียงอย่างเดียว metamaterials เป็นวัสดุประดิษฐ์ที่ประดิษฐ์ขึ้นโดยการจัดเรียงโครงสร้างนาโนเป็นระยะ ๆ ซึ่งมักเรียกว่า “meta-atoms” ซึ่งสามารถตอบสนองโดยรวมได้เพื่อให้เกิดปฏิกิริยาระหว่างคลื่นที่แตกต่างจากที่พบในธรรมชาติอย่างมาก . ตัวอย่างจุดสังเกตของสิ่งนี้คือดัชนีการหักเหของแสงเชิงลบ ดัชนีการหักเหของแสงอธิบายว่าเฟสของคลื่นเคลื่อนที่ในวัสดุได้เร็วเพียงใด ในวัสดุธรรมชาติ วิวัฒนาการของเฟสนี้มักจะเป็นไปตามทิศทางของการแพร่กระจายของพัลส์คลื่นทั้งหมด ในวัสดุดัชนีลบ เฟสของคลื่นจะวิวัฒนาการไปข้างหลัง แม้ว่าชีพจรจะเคลื่อนที่ไปข้างหน้า ปรากฏการณ์ที่แปลกใหม่นี้ไม่ได้รับการสนับสนุนจากวัสดุธรรมชาติใด ๆ ที่รู้จักในปัจจุบัน แต่ metamaterials ได้บรรลุสิ่งนี้ในอาณาจักรคลื่นที่แตกต่างกันหลายแห่ง การประยุกต์ใช้วัสดุดัชนีลบที่สำคัญอย่างหนึ่งคือความเป็นไปได้ที่จะใช้พวกมันเพื่อสร้างเลนส์ที่สมบูรณ์แบบ กล่าวคือ เลนส์ที่มีความละเอียดที่ไร้ขอบเขต ดังที่เซอร์ จอห์น เพนดรี้ค้นพบเมื่อปลายศตวรรษที่ผ่านมา สิ่งนี้เป็นไปไม่ได้ด้วยเลนส์ทั่วไป

ในความเห็นของฉัน ความนิยมที่เพิ่มขึ้นของ metamaterials ซึ่งเกิดขึ้นเมื่อ 20 ปีที่แล้วโดยการแสวงหาการหักเหของแสงเชิงลบ ทำให้ชุมชนคลื่นฟิสิกส์รวมกันเป็นหนึ่งเดียว Metamaterials เป็นพื้นฐานทั่วไปสำหรับเขตข้อมูลที่เกี่ยวข้องกับคลื่นที่แตกต่างกัน ตั้งแต่กลศาสตร์ควอนตัมไปจนถึงความยืดหยุ่น โฟโตนิกส์ อะคูสติก และสาขาอื่นๆ ซึ่งสามารถแปลแนวคิดใหม่อย่างราบรื่นทั่วทั้งอาณาจักรคลื่นต่างๆ สิ่งนี้ให้โอกาสไม่เพียงแต่สำหรับความก้าวหน้าขั้นพื้นฐานในทฤษฎีคลื่นและการทดลองพิสูจน์แนวคิด แต่ยังเป็นหนทางสู่ผลกระทบทางเทคโนโลยีสำหรับแนวคิดใหม่เหล่านี้ วิสัยทัศน์ที่เป็นสากลของฟิสิกส์คลื่นคือสิ่งที่ดึงฉันมาสู่สาขาการวิจัยนี้

 

บอกฉันเพิ่มเติมเกี่ยวกับการวิจัยระดับปริญญาเอกของคุณ

ระหว่างเรียนระดับบัณฑิตศึกษา ฉันได้ศึกษาพฤติกรรมของคลื่นอิเลคตรอน-โฟตอนแบบลูกผสมที่เรียกว่า ฉันสนใจที่จะค้นหาว่าเกิดอะไรขึ้นเมื่อความหนาแน่นของอิเล็กตรอนที่นำคลื่นเหล่านี้ถูกระงับเป็นระยะโดยสนามไฟฟ้าสถิตภายนอก เราเรียกจุดปราบปรามเหล่านี้ว่า “ภาวะเอกฐาน” การสังเกตของเราเปิดเผยว่าเมื่อสิ่งนี้เกิดขึ้น พลังงานจำนวนมหาศาลจะติดอยู่ใกล้กับภาวะเอกฐานเหล่านี้ แต่ทำไม

เพื่อไขปริศนานี้ ฉันได้ปรับใช้เทคนิคทางคณิตศาสตร์ที่สวยงามซึ่งเรียกว่า “เลนส์ทรานส์ฟอร์เมชั่น” ด้วยการใช้สมการของแมกซ์เวลล์ ซึ่งอธิบายปรากฏการณ์ทางแม่เหล็กไฟฟ้า เราสามารถแปลงพื้นที่ทางคณิตศาสตร์เพื่อทำแผนที่รูปแบบคลื่นที่เกิดจากโครงสร้างที่เรียบง่ายและเข้าใจง่าย ไปสู่โครงสร้างที่ซับซ้อนมากขึ้น เช่น วัสดุเมตากราฟีน “เอกพจน์” เหล่านี้ หากเราปฏิบัติตามกฎเกณฑ์บางประการในการออกแบบการเปลี่ยนแปลงเหล่านี้ ความสมมาตรพื้นฐานในสมการของแมกซ์เวลล์จะรับประกันว่าโครงสร้างที่มีความแตกต่างทางเรขาคณิตอย่างมากจะยังคงใช้สเปกตรัมเรโซแนนซ์เดียวกัน

ในการทำเช่นนั้น เราค้นพบว่ารูปแบบคลื่นที่สังเกตได้ใน metamaterials ของกราฟีนที่แปลกประหลาดเหล่านี้เทียบเท่ากับรูปแบบที่จะพบได้ในที่ที่มีมิติเชิงพื้นที่ “ที่ซ่อนอยู่” เพิ่มเติม

ดังนั้นเราจึงแสดงให้เห็นว่าเราสามารถใช้ความเป็นเอกฐานทางเรขาคณิตเหล่านี้ได้อย่างไร ซึ่งโดยหลักการแล้วยังสามารถทำวิศวกรรมในโลหะทั่วไป เช่น เงิน เพื่อเลียนแบบไดนามิกของคลื่น ในมิติที่สูงขึ้น ซ่อนมิติพิเศษนั้นจากการมองเห็นได้อย่างมีประสิทธิภาพ ในขณะที่ยังคงผลทางกายภาพต่อการแพร่กระจายของ คลื่น แนวคิดนี้มีความสำคัญ เนื่องจากอาจทำให้เราใช้การทดลองบนโต๊ะที่ค่อนข้างง่ายกับโครงสร้างนาโนโฟโตนิกเพื่อเลียนแบบวิธีที่มิติ “ซ่อนเร้น” พิเศษสามารถส่งผลต่อฟิสิกส์ของระบบมิติที่ดูเหมือนต่ำลงได้ สิ่งนี้มีความเกี่ยวข้องในบริบทของการทดสอบการทำนายของทฤษฎีสนามมิติที่สูงกว่า ซึ่งสันนิษฐานว่ามีมิติพิเศษที่โค้งงอหรือ “บีบอัด” ในส่วนเล็ก ๆ ที่ตรวจจับไม่ได้

 

งานนั้นนำไปสู่การคบหาสมาคมหลังปริญญาเอกของคุณอย่างไร?

ส่วนแรกของปริญญาเอกของฉันมุ่งเน้นไปที่การปรับแต่งไดนามิกของคลื่นที่รุนแรงในอวกาศ เมื่อเรียนจบบัณฑิตวิทยาลัย ฉันเริ่มสนใจที่จะทำความเข้าใจว่าจะเกิดอะไรขึ้นเมื่อคลื่นแพร่กระจายผ่านเนื้อหาที่เปลี่ยนแปลงไปตามกาลเวลา คำถามนี้เป็นศูนย์กลางของงานปัจจุบันของฉัน

ลองนึกภาพคลื่นเสียงที่เกิดจากสองพัลส์: อันแรกอาจดูเหมือน ขีด อันที่สองเหมือน ต็อก หากคลื่นสองพัลส์กระเด็นออกจากกำแพง คุณจะได้ยินเสียง ติ๊ก แรกนั้นอีกครั้ง ตามด้วย ต๊อก อย่างไรก็ตาม ลองนึกภาพว่าแทนที่จะไปเจอกำแพงสะท้อนเสียงปกติ คุณสมบัติของตัวกลางที่เป็นโฮสต์ทั้งหมด (เช่น ความหนาแน่นของอากาศรอบๆ ตัวคุณ) ถูกเปลี่ยนค่าอย่างรวดเร็วมาก — เร็วกว่าคลื่นเสียงช่วงเดียว (สำหรับ เสียง 440-Hz โน้ต “A” ที่คุณปรับแต่งวงออเคสตราด้วย ซึ่งจะต้องเกิดขึ้นภายในเวลาไม่ถึงมิลลิวินาที) กระบวนการนี้ซึ่งบุกเบิกโดยศาสตราจารย์ Mathias Fink จาก ESPCI ในปารีส บางครั้งเรียกว่า “เวลาชั่วขณะ” -กระจกเงา” และมีผลสะท้อนกลับการแพร่กระจายของคลื่นบางส่วน แทนที่จะพุ่งไปข้างหน้าแล้วกระเด็นออกจากกำแพง ตอนนี้พวกเขากลับหันหลังกลับ ถ้าตอนนี้เราฟังคลื่นที่ย้อนเวลา ตอนนี้เราจะได้ยินก่อนแล้ว จึง ติ๊ก

นอกจากนี้ หากเราต้องวัดความถี่ของคลื่นสุดท้ายในสถานการณ์นี้ และพลังงานทั้งหมดที่มีอยู่ในพัลส์ เราจะพบว่าคลื่นเหล่านั้นเปลี่ยนไป สิ่งนี้ตรงกันข้ามกับการทดลองกระเจิงแบบธรรมดาซึ่งจะต้องอนุรักษ์ความถี่และพลังงานทั้งหมดไว้ในอวกาศ การแบ่งแยกช่วงเวลาปกติของคลื่นมีนัยยะที่ยั่วยุมากมาย แม้ว่าสิ่งนี้จะเป็นปรากฏการณ์ที่รู้จักกันดี แต่งานของฉันเกี่ยวข้องกับการสำรวจแผนการมอดูเลตเวลาที่ซับซ้อนมากขึ้นเพื่อให้ได้เอฟเฟกต์ที่โดดเด่นเหมือนกัน

 

การใช้งานบางอย่างของงานนี้คืออะไร?

ด้านหนึ่งมีสเปกตรัมแม่เหล็กไฟฟ้าบางส่วนที่ยากต่อการใช้ประโยชน์ในขณะนี้ ตัวอย่างหนึ่งคือความถี่ THz ซึ่งอยู่ระหว่างแถบความถี่อินฟราเรดและไมโครเวฟที่มักใช้สำหรับการสื่อสารไร้สาย เช่น 5G ระบบที่ขึ้นกับเวลา เช่นเดียวกับที่ฉันเพิ่งอธิบาย เปิดใช้งานการขยับและผสมความถี่ การควบคุมพวกมันอาจเป็นเครื่องมือใหม่ในอนาคตสำหรับการจัดการความถี่เพื่อสร้างและตรวจจับการแผ่รังสี THz ที่สามารถนำมาใช้เพื่อขยายแบนด์วิดท์ที่ใช้งานได้ของเราสำหรับการสื่อสารโทรคมนาคม

แอปพลิเคชั่นอื่นเกี่ยวข้องกับความจริงที่ว่าระบบขึ้นอยู่กับเวลาสามารถขยายคลื่นได้ อันที่จริง สองโครงการที่ฉันนำไปสู่ตอนปลายปริญญาเอกของฉัน กับที่ปรึกษาของฉัน Sir John Pendry และ Paloma Arroyo Huidobro ได้สำรวจกลไกใหม่ในการขยายคลื่นแม่เหล็กไฟฟ้าโดยการใช้ประโยชน์จากการแพร่กระจายคลื่นในวัสดุที่แปรผันตามเวลา สิ่งเหล่านี้เป็นระบบที่ไม่สมดุลโดยเนื้อแท้ซึ่งต้องใช้กลไก “การปั๊ม” ภายนอกเพื่อปรับคุณสมบัติของมันในขณะที่คลื่นที่น่าสนใจกำลัง “ตรวจสอบ” การเปลี่ยนแปลงเหล่านี้ในเวลาและกำลังขยาย ในการทดลอง นี่เป็นสาขาที่อายุน้อยและท้าทายมาก และงานบางส่วนของฉันเกี่ยวข้องกับความร่วมมือกับกลุ่มทดลองที่พยายามสาธิตครั้งแรกของวัสดุที่มอดูเลตแบบไดนามิกและทดสอบไดนามิกของคลื่นที่แปลกใหม่ อีกด้านของการใช้งานคือการแพร่กระจายคลื่นแบบไม่กลับกัน ซึ่งก็คือการออกแบบวัสดุที่ช่วยให้สามารถแพร่กระจายคลื่นได้อย่างมีประสิทธิภาพในทิศทางเดียวแต่ไม่ใช่ในอีกทิศทางหนึ่ง

 

สุดท้ายนี้ คุณคิดอย่างไรกับ Simons Junior Fellowship?

การมีเงินสนับสนุนแบบไม่จำกัดเป็นเวลา 3 ปีถือเป็นสิทธิพิเศษอย่างแท้จริง เนื่องจากช่วยให้ฉันสามารถประดิษฐ์และดำเนินการตามทิศทางการวิจัยในระยะยาวได้ โดยปรับเปลี่ยนหลักสูตรในขณะที่สาขาวิชามีวิวัฒนาการ โดยไม่จำเป็นต้องรีบเร่งโดยเป้าหมายระยะสั้น ฉันรู้สึกขอบคุณมูลนิธิ Simons อย่างแท้จริงสำหรับโอกาสนี้ นอกจากนี้ Simons Society of Fellows ยังเป็นสวรรค์สำหรับนักวิทยาศาสตร์ทุกสาขาอีกด้วย การมีปฏิสัมพันธ์กับนักวิทยาศาสตร์รุ่นเยาว์และมากประสบการณ์จำนวนมากในพื้นที่การวิจัยที่หลากหลายนั้นเป็นแรงบันดาลใจและเป็นการเปิดใจ สุดท้าย การเข้าร่วมกิจกรรมที่จัดโดยมูลนิธิช่วยให้ฉันปรับตัวจากเวลาของฉันในลอนดอนและตั้งรกรากในนิวยอร์กซิตี้ ซึ่งเป็นขั้นตอนที่รู้สึกกังวลใจเป็นพิเศษหลังจากสองปีแห่งความโดดเดี่ยวและความไม่แน่นอนระหว่างการระบาดใหญ่

แผนที่ใหม่ของหลอดเลือดสมองเผยความหลากหลายที่ไม่คาดคิด

หลอดเลือดที่ไปเลี้ยงสมอง การสแกนด้วยภาพสามมิติด้วยคลื่นสนามแม่เหล็ก (MRI) ที่ปรับปรุงแบบดิจิทัลและการสแกนด้วยภาพสามมิติด้วยการลบแบบดิจิทัล (DSA) ซึ่งแสดงหลอดเลือดที่ส่งไปเลี้ยงสมองของมนุษย์

สมองเป็นอวัยวะที่กระหายออกซิเจน ประกอบด้วยเซลล์ที่ทำงานด้วยไฟฟ้าเป็นส่วนใหญ่ซึ่งต้องการการเพิ่มพลังงานเพื่อส่งสัญญาณไปยังเพื่อนบ้าน โดยใช้พลังงาน 20 เปอร์เซ็นต์ของปริมาณออกซิเจนในร่างกาย เนื่องจากไม่มีแหล่งเก็บพลังงานในตัวเอง จึงอาศัยเครือข่ายหลอดเลือดที่ทำงานอย่างแม่นยำเพื่อส่งออกซิเจนและกลูโคสไปยังเซลล์ประสาทที่ทำงานในเวลาที่เหมาะสม

การรักษาระบบขนส่งที่ซับซ้อนนี้ ซึ่งทำหน้าที่เป็นเกราะป้องกันเลือดและสมองถึง 2 เท่าซึ่งกันสารพิษและเชื้อโรคออกจากสมอง มีความสำคัญต่อทั้งการทำงานของสมองและสุขภาพโดยรวม การวิจัยแสดงให้เห็นว่าหลอดเลือดในสมองเสื่อมตามอายุ ทำให้เรามีความเสี่ยงมากขึ้น ไม่เพียงต่อภาวะหลอดเลือดเช่นโรคหลอดเลือดสมอง แต่ยังรวมถึงความเสื่อมของระบบประสาทและความรู้ความเข้าใจลดลงด้วย

แม้จะมีบทบาทสำคัญ แต่หลอดเลือดที่ส่งไปยังสมองยังคงเป็นพื้นที่ส่วนใหญ่ที่ยังไม่ได้สำรวจ เซลล์ของหลอดเลือดสมองยังไม่ได้รับความสนใจจากเซลล์ประสาทหรือเซลล์ภูมิคุ้มกันของระบบประสาท เช่น เกลีย เซลล์ที่ประกอบขึ้นเป็นอินเทอร์เฟซที่สำคัญระหว่างร่างกายและสมองนั้นตกอยู่ในดินแดนที่ไม่มีมนุษย์ซึ่งไม่ใช่ส่วนหนึ่งของโดเมนของนักประสาทวิทยา แต่ไม่ค่อยมีการสำรวจโดยนักวิจัยที่เน้นการพัฒนาและการทำงานของหลอดเลือด Lee Rubin กล่าว นักประสาทวิทยาจากมหาวิทยาลัยฮาร์วาร์ดและนักวิจัยจากความร่วมมือของไซมอนส์เรื่อง Plasticity and the Aging Brain แต่นั่นเริ่มเปลี่ยนไปแล้ว

ในช่วงต้นปี พ.ศ. 2565 กลุ่มวิจัยสามกลุ่มได้อธิบายถึง Atlases โมเลกุลแรกของเซลล์ ที่ประกอบขึ้นเป็น หลอดเลือดในสมองมนุษย์ อย่างอิสระ โดย การทำโปรไฟล์เซลล์การแสดงออกของยีนทีละเซลล์ พวกมันได้ระบุชนิดย่อยของเซลล์ใหม่และตรวจพบรูปแบบการแสดงออกของยีนที่เกี่ยวข้องกับโรคที่รู้จัก ซึ่งบ่งชี้ว่าการเปลี่ยนแปลงของหลอดเลือดอาจเป็นกุญแจสำคัญในพยาธิสภาพของโรคอัลไซเมอร์และฮันติงตัน การสำรวจสำมะโนของเซลล์ใหม่นี้คาดว่าจะช่วยนักวิจัยในการสำรวจว่าการเปลี่ยนแปลงของโมเลกุลต่อหลอดเลือดรบกวนการทำงานของสมองอย่างไร และวิธีที่เซลล์เป้าหมายของหลอดเลือดอาจช่วยป้องกันการเสื่อมถอยของความรู้ความเข้าใจและความผิดปกติของสมองอื่นๆ

การค้นพบนี้เป็นที่สนใจเป็นพิเศษสำหรับนักวิจัยที่กำลังศึกษาอายุของสมอง ระบบหลอดเลือดของสมองเสื่อมลงเมื่อเราอายุมากขึ้น มีความหนาแน่นน้อยลงและทำงานน้อยลง ทำให้เลือดไหลเวียนไปยังเซลล์สมองลดลง นอกจากนี้ การวิจัยที่เพิ่มขึ้นเรื่อยๆ แสดงให้เห็นว่าปัจจัยในเลือดสามารถชุบตัวสมองที่แก่ชราได้ แต่นักวิจัยไม่ทราบแน่ชัดว่าจะทำอย่างไร แผนที่โดยละเอียดของหลอดเลือดในสมองจะช่วยให้นักวิจัยมีข้อมูลพื้นฐานที่ดียิ่งขึ้นในการตรวจสอบว่าหลอดเลือดเปลี่ยนแปลงอย่างไรตามอายุ นอกจากนี้ยังอาจช่วยอธิบายว่าปัจจัยต่างๆ ที่ไหลเวียนอยู่ในเลือดสามารถชุบตัวสมองที่ชราภาพได้อย่างไร และบางทีอาจบอกเป็นนัยถึงวิธีที่จะปรับปรุงสิ่งเหล่านี้ (ดูข้อมูลเพิ่มเติมได้ใน “ การค้นหาความลับว่าเลือดของคนหนุ่มสาวจะฟื้นฟูสมอง อย่างไร”)

Tony Wyss-Coray นักประสาทวิทยาแห่งมหาวิทยาลัยสแตนฟอร์ดและผู้วิจัยของ SCPAB ซึ่งเป็นผู้นำการพัฒนาหนึ่งในสมุดแผนที่ใหม่ หวังว่าการค้นพบนี้จะเปิดพรมแดนใหม่ในการวิจัยด้านประสาทวิทยา “ผมแปลกใจเสมอที่ผู้คนเริ่มสนใจแต่เซลล์ประสาทในตอนแรก” เขากล่าว “ไม่มีความสนใจในเซลล์ประเภทอื่น ๆ ” เป็นเวลานาน การกลายพันธุ์ทางพันธุกรรมที่เชื่อมโยงกับโรคทางระบบประสาทถูกสันนิษฐานว่ามีส่วนรับผิดชอบต่อความผิดปกติของเส้นประสาทโดยตรง เขากล่าว สิ่งนี้เปลี่ยนแปลงไปเมื่อไม่กี่ปีมานี้ เนื่องจากเซลล์ภูมิคุ้มกันในสมองที่เรียกว่า glia ได้ลุกขึ้นมาโดดเด่น แต่มุมมองนั้นยังแคบเกินไป Wyss-Coray กล่าว “เราหวังว่าบทความนี้จะบอกผู้คนว่า … จริงๆ แล้วยังมีเซลล์อื่นๆ ในสมองอีกมาก”

ลูซี่ เรดดิ้ง-อิกันดา

ชุมชนเซลลูล่าร์ที่ร่วมมือกัน

การรักษาให้สมองได้รับสารอาหารในเลือดในขณะที่ปกป้องจากโมเลกุลที่เป็นอันตรายนั้นต้องการกิจกรรมที่ประสานกันของเซลล์ชุดต่างๆ หลายเซลล์เหล่านี้คล้ายกับเซลล์ที่ประกอบด้วยหลอดเลือดในส่วนอื่นๆ ของร่างกาย แต่เนื่องจากความสัมพันธ์เฉพาะตัวกับเซลล์ประสาทที่พวกเขาสนับสนุน พวกมันจึงมีอัตลักษณ์ของตนเองทั้งหมด เซลล์บุผนังหลอดเลือดในสมองมีความสัมพันธ์อย่างใกล้ชิดกับไฟโบรบลาสต์ที่สร้างโครงสร้าง เซลล์กล้ามเนื้อที่ควบคุมการไหลเวียนของเลือด เยื่อหุ้มเซลล์ที่เป็นสื่อกลางในการปฏิสัมพันธ์กับเซลล์ประสาท แอสโตรไซต์และเซลล์ภูมิคุ้มกันอื่นๆ ที่ช่วยรักษาเกราะกั้นเลือดและสมอง

แม้ว่าอุปสรรคของเลือดและสมองมักจะถูกมองว่าเป็นพาร์ติชั่นที่เจาะเข้าไปแทบไม่ได้ แต่ Wyss-Coray พบว่าโปรตีนจำนวนมากผ่านผนังหลอดเลือดและเข้าสู่สมอง ในงานวิจัยที่ตีพิมพ์ในปี 2020 ทีมงานของเขาพบว่า มีการดูดซึมโปรตีนจำนวนมากในสมองของหนู การดูดซึมโปรตีนจากเลือดลดลงครึ่งหนึ่งในสัตว์ที่มีอายุมากกว่า ซึ่งสะท้อนถึงการเปลี่ยนแปลงที่เกี่ยวข้องกับอายุในวิธีการขนส่งโมเลกุลผ่านผนังหลอดเลือด เมื่ออายุของสัตว์ โปรตีนจำเป็นต้องส่งโปรตีนจำเพาะเข้าสู่สมองเสื่อมลง ในเวลาเดียวกัน รูปแบบการขนส่งที่เลือกสรรน้อยลงกลายเป็นเรื่องธรรมดามากขึ้นเรื่อย ๆ ทำให้โมเลกุลที่ก่อนหน้านี้ถูกแยกออกจากสมองสามารถข้ามสิ่งกีดขวางได้

การสูญเสียคุณสมบัติของสิ่งกีดขวางของหลอดเลือดตามอายุนั้นมีแนวโน้มว่าจะรุนแรงขึ้นด้วยปัจจัยหลายประการ เช่น การสูญเสียโปรตีนที่มีลักษณะคล้ายลิ้นที่ปิดช่องว่างระหว่างเซลล์บุผนังหลอดเลือดที่อยู่ติดกัน ความเสื่อมของสิ่งกีดขวางมาพร้อม กับการเปลี่ยนแปลงอื่นๆ ที่เกี่ยวข้องกับอายุของหลอดเลือดสมอง การเปลี่ยนแปลงโครงสร้างที่พบในสัตว์ที่มีอายุมากขึ้น ได้แก่ การสูญเสียความหนาแน่นของเส้นเลือดฝอย ผนังหลอดเลือดแดงแข็งตัว และความบิดเบี้ยวที่เพิ่มขึ้นในหลอดเลือดขนาดเล็ก การไหลเวียนของเลือดอาจประสานกันน้อยลงกับการทำงานของระบบประสาทตามอายุเช่นกัน

นักประสาทวิทยาหลายคนสงสัยว่าการเปลี่ยนแปลงเช่นนี้ ไม่ว่าจะเนื่องมาจากการชราภาพตามปกติหรือผ่านช่วงแรกของโรคความเสื่อมของระบบประสาท ล้วนเป็นจุดเริ่มต้นของการสูญเสียการทำงานที่รุนแรงในสมอง “ลักษณะทั่วไปในโรคอัลไซเมอร์ โรคฮันติงตัน โรค ALS และโรคเกี่ยวกับระบบประสาทที่เกี่ยวกับอายุอื่นๆ ก็คือ ความผิดปกติของการกั้นเลือดและสมองและหลอดเลือดในสมองมักเกิดขึ้นก่อนอาการที่เปิดเผยเฉพาะโรค ซึ่งมักจะเกิดขึ้นในช่วงหลายทศวรรษ” Myriam Heiman นักประสาทวิทยาที่ เอ็มไอที “ถ้าเราสามารถเข้าใจพื้นฐานของสิ่งนี้ นี่อาจเป็นวิธีชะลอหรือยับยั้งกระบวนการของโรคโดยทั่วไป ข้ามโรคที่เกี่ยวข้องกับอายุ”

การทำแผนที่ชายแดน

งานวิจัยส่วนใหญ่เกี่ยวกับหลอดเลือดในสมองมุ่งเน้นไปที่หนู แม้ว่างานดังกล่าวจะเป็นข้อมูล แต่มีความแตกต่างที่สำคัญระหว่างหนูและมนุษย์ Heiman กล่าวว่า “ความซับซ้อนของหลอดเลือด – ความหนาแน่น ปริมาณการห่อหุ้มเซลล์เกลีย เซลล์เสริม – ปรับขนาดตามความซับซ้อนของระบบประสาท ที่มีผลที่ตามมาในการทำความเข้าใจความชราและโรคของมนุษย์ตลอดจนสำหรับการรักษา: สารประกอบทดลองจำนวนมากที่ทดสอบในแบบจำลองสัตว์ล้มเหลวในทางคลินิกเนื่องจากไม่สามารถข้ามอุปสรรคเลือดและสมองในผู้ป่วยได้ เป็นต้น

การสร้างแผนที่ความละเอียดระดับเซลล์ของหลอดเลือดสมองของมนุษย์เป็นสิ่งที่ท้าทายด้วยเหตุผลหลายประการ เซลล์หลอดเลือดมีจำนวนมากกว่าโดยเซลล์ประสาทและ glia ซึ่งส่วนใหญ่มองข้ามไปในการวิเคราะห์ในสมอง พวกมันยังถูกรวมเข้ากับเมทริกซ์ที่เหนียวแน่นซึ่งทำให้แยกพวกมันออกจากกันได้ยาก และในขณะที่นิวเคลียสของเซลล์หลอดเลือดบางชนิดอาจถูกรักษาไว้เมื่อเตรียมเนื้อเยื่อสมองที่ไม่เสียหายสำหรับการจัดลำดับ RNA เซลล์เดียว แต่ส่วนอื่นๆ มีแนวโน้มที่จะถูกทำลายหรือทิ้งไว้เบื้องหลัง Wyss-Coray กล่าว

เพื่อเอาชนะอุปสรรคเหล่านี้ กลุ่มของ Wyss-Coray และกลุ่มที่นำโดย Heiman และ MIT นักชีววิทยาด้านคอมพิวเตอร์ Manolis Kellis ได้คิดค้นวิธีการแยกนิวเคลียสออกจากการผสมผสานที่ซับซ้อนของเซลล์ที่ประกอบขึ้นเป็นหลอดเลือดจากตัวอย่างสมองหลังชันสูตรพลิกศพอันมีค่า Heiman และ Kellis ยังรวมเนื้อเยื่อที่นำออกจากสมองของผู้ป่วยในระหว่างการผ่าตัดประสาทที่โรงพยาบาลเด็กบอสตัน โดยรีบนำตัวอย่างกลับไปที่ห้องปฏิบัติการและดำเนินการภายในหนึ่งชั่วโมง ทั้งหมดบอกว่าทั้งสองกลุ่มรวบรวมนิวเคลียสมากกว่า 150,000 นิวเคลียสสำหรับการวิเคราะห์เซลล์เดียวจากทั้งสมองที่แข็งแรงและสมองที่ได้รับผลกระทบจากโรคทางระบบประสาท

ทีมงานสร้างโปรไฟล์การแสดงออกของยีนที่สมบูรณ์สำหรับแต่ละเซลล์โดยใช้การจัดลำดับ RNA Heiman และ Kellis เปรียบเทียบสมองของบุคคลที่มีสุขภาพดีกับผู้ที่เป็นโรคฮันติงตัน ขณะที่ Wyss-Coray มองหาความแตกต่างระหว่างสมองที่แข็งแรงและสมองที่ได้รับผลกระทบจากโรคอัลไซเมอร์ การศึกษาทั้งสองเผยแพร่ใน Nature ในเดือนกุมภาพันธ์ กลุ่มที่สาม นำโดยนักประสาทวิทยา โทมัส ซ์ โนวาโควสกี จากมหาวิทยาลัยแคลิฟอร์เนีย ซานฟรานซิสโก ได้ทำการวิเคราะห์ที่คล้ายคลึงกัน โดยใช้ทรานสคริปโตมเซลล์เดียวเพื่อเปรียบเทียบองค์ประกอบเซลล์ของหลอดเลือดสมองของมนุษย์ที่มีสุขภาพดี กับที่พบในเส้นเลือดพันกันที่ผิดปกติที่เรียกว่าการผิดรูปของหลอดเลือดแดง ภาวะที่หายากซึ่งเพิ่มความเสี่ยงของโรคหลอดเลือดสมอง การวิเคราะห์สมองที่แข็งแรงของทีมงานได้เปิดเผยความหลากหลายของเซลล์ที่คาดไม่ถึง ซึ่งรวมถึงเซอร์ไพรส์ที่น่าประหลาดใจหลายประการ

ทั้งสองกลุ่มของ Wyss-Coray และ Heiman และ Kellis พบว่าตามรูปแบบการแสดงออกของยีนที่แตกต่างกัน เยื่อหุ้มสมองของสมอง ซึ่งเป็นส่วนเชื่อมต่อระหว่างเลือดกับสมองส่วนใหญ่ สามารถแบ่งออกเป็นสองประเภทย่อย Wyss-Coray กล่าวว่ากลุ่มหนึ่งดูเหมือนจะเชี่ยวชาญในการขนส่งวัสดุข้ามสิ่งกีดขวางเลือดและสมองในขณะที่อีกกลุ่มหนึ่งอาจทุ่มเทให้กับการสร้างและบำรุงรักษาเมทริกซ์ที่ล้อมรอบเซลล์และประกอบขึ้นเป็นส่วนใหญ่ของผนังหลอดเลือด ในทำนองเดียวกัน Atlases ใหม่จะแสดงลักษณะเฉพาะของไฟโบรบลาสต์ ซึ่งเป็นเซลล์ประเภทหนึ่งที่สร้างเมทริกซ์นอกเซลล์ภายในสมองของมนุษย์ จากข้อมูลของ Heiman และ Kellis กิจกรรมทางพันธุกรรมภายในเส้นทางของชะตากรรมของเซลล์แสดงให้เห็นว่าไฟโบรบลาสต์ของสมองบางตัวอาจแยกความแตกต่างออกเป็น pericytes ซึ่งสะท้อน ข้อสังเกตที่คนอื่นทำในสมองของปลาม้าลาย

รูปแบบของการแสดงออกของยีนในหลอดเลือดสมองแตกต่างกันไปในคนและหนู ทางด้านซ้าย โปรตีน ANO2 ที่ติดฉลากเป็นสีเขียว จะมองเห็นได้ภายในเซลล์บุผนังหลอดเลือดในเยื่อหุ้มสมองของมนุษย์ โดยจะจัดตำแหน่งร่วมกับเลคตินที่เป็นเครื่องหมายของเซลล์บุผนังหลอดเลือดที่ติดฉลากเป็นสีแดง ในคอร์เทกซ์ของเมาส์ทางด้านขวา โปรตีน ANO2 ไม่มีอยู่ในเซลล์บุผนังหลอดเลือด การ์เซียและคณะ ธรรมชาติ 2022

บทเรียนสำคัญประการหนึ่งที่เกิดขึ้นจากการวิเคราะห์เหล่านี้คือความแตกต่างที่สำคัญระหว่างหนูกับมนุษย์ ซึ่งอาจมีความสำคัญในขณะที่นักวิจัยพยายามทำความเข้าใจโรค Wyss-Coray กล่าวว่า “การแสดงออกของยีนไม่ได้รับการอนุรักษ์ไว้เป็นอย่างดีระหว่างสมองของหนูกับสมองของมนุษย์อย่างที่เราคาดไว้ เขาตั้งข้อสังเกตว่ายีนบางตัวที่ได้รับการศึกษาในระบบหลอดเลือดของหนูเมาส์ และแม้กระทั่งใช้เป็นเครื่องหมายระบุประเภทเซลล์ ก็มีการทำงานในเซลล์ประเภทต่างๆ และในบางกรณีไม่มีการทำงานเลยในหลอดเลือดของมนุษย์ “นั่นเป็นข้อกังวลใหญ่หากคุณกำลังพยายามทำความเข้าใจการทำงานของหลอดเลือดหรือทำการอนุมานเกี่ยวกับบทบาทที่เป็นไปได้ของยีนในโรค” เขากล่าว นักวิจัยยังพบว่ายีนที่มีรูปแบบการแสดงออกแตกต่างกันไปตามส่วนต่างๆ ของหลอดเลือด ซึ่งเป็นปรากฏการณ์ที่เรียกว่า “การแบ่งเขต” ต่างกันระหว่างหนูกับมนุษย์ เนื่องจากความแตกต่างเหล่านี้ Wyss-Coray, Heiman และ Kellis ตกลงว่าเซลล์และเนื้อเยื่อของมนุษย์ที่เพาะเลี้ยง ซึ่งรวมถึงแบบจำลองที่ได้จากเซลล์ต้นกำเนิด มักจะจำเป็นต่อการทำความเข้าใจบทบาทของหลอดเลือดในการสูงวัยและโรคของมนุษย์

สำรวจความชราและโรค

นักวิจัยหวังว่าการค้นพบนี้จะดึงความสนใจไปที่ความหลากหลายของเซลล์ที่ประกอบด้วยหลอดเลือดสมอง และวิธีที่เซลล์เหล่านี้มีส่วนช่วยในการทำงานของสมอง ทั้งการศึกษาของ Wyss-Coray และ Heiman และ Kellis พบว่ายีนที่เชื่อมโยงกับโรคก่อนหน้านี้มีบทบาทในเซลล์เหล่านี้ และรูปแบบการแสดงออกนั้นแตกต่างกันระหว่างบุคคลที่มีสุขภาพดีกับผู้ที่เป็นโรคอัลไซเมอร์หรือโรคฮันติงตัน การทำความเข้าใจบทบาทของหลอดเลือดในสมองในโรคจะมีความสำคัญทั้งสำหรับการทำความเข้าใจต้นกำเนิดของโรคเกี่ยวกับระบบประสาทและการพัฒนาวิธีการรักษาใหม่ ๆ Heiman กล่าวเนื่องจากหลอดเลือดสามารถเข้าถึงได้มากกว่าเซลล์ประสาทที่สนับสนุนและปกป้อง “การบำบัดที่ส่งไปยังเลือดสามารถเข้าถึงเซลล์บุผนังหลอดเลือดของสมองได้” เธอกล่าว “ตอนนี้เรามีรายการสิ่งที่ดูเหมือนจะไม่เป็นระเบียบในโรคฮันติงตัน มีแนวทางที่น่าสนใจมากมาย ตั้งแต่การบำบัดด้วยยีนไปจนถึงการศึกษาทางเภสัชวิทยา”

ในทำนองเดียวกัน ด้วยองค์ประกอบระดับโมเลกุลของหลอดเลือดสมองของสมองที่แข็งแรง ซึ่งขณะนี้มีการทำแผนที่อย่างรอบคอบแล้ว นักวิจัยสามารถเริ่มตรวจสอบการเปลี่ยนแปลงที่เกี่ยวข้องกับอายุที่มาพร้อมกับการลดลงของความรู้ความเข้าใจ แผนที่โดยละเอียดของประเภทเซลล์ต่างๆ ของหลอดเลือดสมองจะทำให้ง่ายต่อการติดตามว่าการแสดงออกของยีนและการทำงานของเซลล์เปลี่ยนแปลงไปตามอายุอย่างไร และเพื่อค้นหาวิธีที่จะย้อนกลับการเปลี่ยนแปลงเหล่านี้

ตัวอย่างเช่น ในห้องทดลองของ Rubin ที่ Harvard นักวิจัยกำลังสำรวจวิธีการฟื้นฟูการทำงานทั้งหมดและศักยภาพในการเจริญเติบโตของหลอดเลือดในวัยชรา ซึ่งจะต้องอาศัยความเข้าใจและกำหนดเป้าหมายประเภทเซลล์ที่เหมาะสม แม้ว่าเซลล์บุผนังหลอดเลือดมักจะไม่ขยายตัวในสมองของผู้ใหญ่ แต่ก็สามารถทำได้: การเจริญเติบโตของเซลล์เหล่านี้มีความสำคัญต่อการสร้างหลอดเลือดใหม่หลังจากโรคหลอดเลือดสมองหรือบาดแผลที่สมอง Rubin อธิบายว่าการวิเคราะห์ด้วยเซลล์เดียวของกลุ่มของเขาเองได้ ระบุกลุ่มประชากรย่อยของเซลล์บุผนังหลอดเลือดที่แสดงยีนที่เกี่ยวข้องกับการแบ่งเซลล์และการเพิ่มจำนวน “พวกมันไม่ได้ถูกระดมกำลัง แต่มันแสดงให้เห็นศักยภาพในการกำหนดเป้าหมายประชากรย่อยของเซลล์บุผนังหลอดเลือด” เขากล่าว “เพิ่งเริ่มต้น แต่ดูเหมือนว่าน่าสนใจสำหรับฉันที่เซลล์นี้น่าสนใจและมีความสำคัญในการทำงาน”

คณิตศาสตร์และการเต้นรำปะทะกันที่ ‘Dance of the Diagram’

HeroImageDance.png?auto=format&q=90

หากคุณไม่ถนัดคณิตศาสตร์ “cohomology” เป็นคำที่คุณอาจไม่เคยได้ยินมาก่อน คำอธิบายที่เข้าใจง่ายเกินไป (แต่ยังเข้าใจยาก) คือ cohomology เป็นเครื่องมือในการแยกโครงสร้างเกี่ยวกับพีชคณิตออกจากช่องว่างทางเรขาคณิตที่ซับซ้อน

Cohomology เป็นแนวคิดที่สำคัญ โดยมีการใช้งานตั้งแต่คณิตศาสตร์บริสุทธิ์ไปจนถึงฟิสิกส์ควอนตัม ทฤษฎีสตริง และวิทยาการหุ่นยนต์ แต่ความซับซ้อนของมันนั้นซับซ้อนเกินกว่าที่ผู้เชี่ยวชาญจะไม่เข้าใจ อย่างไรก็ตาม เมื่อเร็ว ๆ นี้ การผลิตเชิงนวัตกรรมได้ให้ผู้ชมได้สัมผัสกับโคโฮโมโลยีผ่านสื่อที่มีความเหมาะสมอย่างยิ่งในการถ่ายทอดนามธรรม: การเต้น

ในการสู้รบสองคืนในวันที่ 29 และ 30 เมษายน คณะนักแสดง 11 คนจากบริษัทการเต้นรำร่วมสมัยของ Barkin/Selissen Project ได้ทำการแสดง “Differential Cohomology; Dance of the Diagram” ที่โรงละครเจอรัลด์ ดับเบิลยู. ลินช์ แห่งวิทยาลัยจอห์น เจย์ แห่งกระบวนการยุติธรรมทางอาญา ในนิวยอร์กซิตี้ การแสดงเน้นความคล้ายคลึงกันระหว่างคณิตศาสตร์กับการเต้น

“คณิตศาสตร์และการเต้นรำ — [ทั้งคู่] ​​เป็นการสื่อสารแบบนามธรรมและไม่ใช้ภาษาศาสตร์” Heather Berlin นักประสาทวิทยา ซึ่งเป็นผู้ดูแลการอภิปรายหลังการแสดงวันที่ 30 เมษายน กล่าว “คุณกำลังนำบางอย่างจากโลกแห่งจิตใจและจำลองมันเข้าสู่ร่างกาย เข้าสู่อาณาจักรทางกายภาพ”

ลูกศร-ซ้าย

ภาพถ่ายระหว่างการแสดงล่าสุดของ “Differential Cohomology; Dance of the Diagram” ในนครนิวยอร์ก ภาพถ่ายโดย Christopher Duggan

ภาพถ่ายระหว่างการแสดงล่าสุดของ “Differential Cohomology; Dance of the Diagram” ในนครนิวยอร์ก ภาพถ่ายโดย Christopher Duggan

ภาพถ่ายระหว่างการแสดงล่าสุดของ “Differential Cohomology; Dance of the Diagram” ในนครนิวยอร์ก ภาพถ่ายโดย Christopher Duggan

ภาพถ่ายระหว่างการแสดงล่าสุดของ “Differential Cohomology; Dance of the Diagram” ในนครนิวยอร์ก ภาพถ่ายโดย Christopher Duggan

ภาพถ่ายระหว่างการแสดงล่าสุดของ “Differential Cohomology; Dance of the Diagram” ในนครนิวยอร์ก ภาพถ่ายโดย Christopher Duggan

ภาพถ่ายระหว่างการแสดงล่าสุดของ “Differential Cohomology; Dance of the Diagram” ในนครนิวยอร์ก ภาพถ่ายโดย Christopher Duggan

ภาพถ่ายระหว่างการแสดงล่าสุดของ “Differential Cohomology; Dance of the Diagram” ในนครนิวยอร์ก ภาพถ่ายโดย Christopher Duggan

“Dance of the Diagram” ออกแบบท่าเต้นโดย Kyla Barkin และ Aaron Selissen เปิดตัวในปี 2011 ไอเดียสำหรับการแสดงนี้มาจากนักคณิตศาสตร์ Jim Simons ซึ่งรับหน้าที่ดูแลงานชิ้นนี้ด้วยในระหว่างการเดินเล่นกับ Barkin

“ฉันเพิ่งทำงานบนกระดาษ และมีแผนภาพที่สวยงามมากในกระดาษที่มีลูกศรชี้ไปทางนี้และไปทางนั้น” ไซมอนส์ ผู้ร่วมก่อตั้งและประธานร่วมของมูลนิธิไซมอนส์กล่าว “ฉันคิดว่ามันอาจจะเป็นการเต้นที่ดี มีลูกศรชี้ทางที่นักเต้นควรจะไป และอื่นๆ”

“หุ่นสวย” จากบทความของนักคณิตศาสตร์ จิม ไซมอนส์ และเดนนิส ซัลลิแวน ที่เป็นแรงบันดาลใจให้กับ “Differential Cohomology; การเต้นรำของไดอะแกรม” arXiv.org

ไซมอนส์เขียนบทความในปี 2550 ว่า “ลักษณะเชิงสัจพจน์ของโคโฮโมโลยีความแตกต่างแบบสามัญ” ร่วมกับเดนนิส ซัลลิแวน ประธานของอัลเบิร์ต ไอน์สไตน์ที่ศูนย์บัณฑิตวิทยาลัยเมืองนิวยอร์ก และศาสตราจารย์พิเศษที่มหาวิทยาลัยสโตนีบรู๊ค รูปที่ Simons พบว่าสวยงามเรียกว่าแผนภาพอักขระ ซึ่งเป็นส่วนสำคัญของ cohomology เชิงอนุพันธ์ ซึ่ง Simons ก่อตั้งร่วมกับ Jeff Cheeger นักคณิตศาสตร์คนอื่นๆ ในทศวรรษ 1980

แผนภาพอักขระกลายเป็นจุดกระโดดสำหรับการออกแบบท่าเต้นของ Barkin และ Selissen โดยมีการสนทนากับ Simons แหล่งที่มาของแรงบันดาลใจอีกแหล่งหนึ่ง “ในขณะที่เขากำลังสอนเราเรื่องนี้ เขาได้เพิ่มลักษณะบุคลิกภาพและเรื่องราวเข้าไป” เซลิสเซ่นกล่าว “อาจเป็นเพราะเขาเคยเป็นครูมาก่อน หรืออาจเป็นเพราะเขาคิดเลข”

การสนทนาของพวกเขาทำให้ Selissen ค้นพบความคล้ายคลึงกันระหว่างคณิตศาสตร์กับการเต้น “ผมพบว่ามีโลกแห่งความคิดสร้างสรรค์ที่ต้องคำนึงถึงคณิตศาสตร์ระดับสูงเหล่านี้ ซึ่งผมไม่รู้จริงๆ” เขากล่าว “มันเป็นแบบเดียวกับที่ฉันใช้ในการเต้น”

การบรรยายขนาดเล็กแบบเดียวกันนั้นเป็นพื้นฐานของสิ่งที่ Barkin เรียกว่า “คำศัพท์การเคลื่อนไหว” ของรายการ เธอและเซลิสเซ่นระบุคำศัพท์แปดคำที่ใช้โดยไซมอนส์ และแปลเป็นสำนวน “ฉันคิดว่า ‘สิ่งเหล่านี้ล้วนมีคำพูดของมัน’” เธอกล่าว “ ‘มันดูเหมือนอะไรบางอย่าง มันมีรูปร่าง มันมีเสียง และจิมมีท่าทางที่เป็นรูปเป็นร่างบางอย่างในร่างกายของเขาเมื่อเขาพูดในแต่ละเทอม ดังนั้นฉันจะทำอย่างนั้น’ Barkin และ Selissen แยกคำศัพท์ออกเป็นวลี: “เหมือนกับการนำคำมารวมกันเป็นประโยค” เธออธิบาย

ภาพขนาดย่อของวิดีโอ


การคลิกเพื่อดูวิดีโอนี้แสดงว่าคุณยอมรับ นโยบายความเป็นส่วนตัว ของเรา

ข้อความที่ตัดตอนมาจาก “Differential Cohomology; Dance of the Diagram” บันทึกในเทศกาลคณิตศาสตร์แห่งชาติ 2019 โครงการ Barkin/Selissen

แม้แต่แสงของการแสดงก็ยังสะท้อนคณิตศาสตร์ด้วยเส้นแสงที่ก่อตัวเป็นรูปทรงหกเหลี่ยมที่พบในแผนภาพโคโฮโมโลยี รูปทรงเหล่านั้นช่วยกำหนดการเคลื่อนไหวของนักเต้นบนเวทีขณะที่พวกเขาบิด กระโดด เอื้อม และชนกับเสียงเพลงโดย Sirius Quartet บางครั้งนักแสดงก็เคลื่อนไหวตาม บางครั้งพวกเขาอยู่ในความขัดแย้งหรือความโกลาหล

“เมื่อคืนนี้ ฉันได้รับการเตือนว่าเรามีความเชื่อมโยงกันอย่างไร นักคณิตศาสตร์มักพูดถึงแนวคิดเกี่ยวกับความคิดสร้างสรรค์และความงาม ความสง่างาม พื้นที่ และจำนวนที่แน่นอนได้อย่างไร” Christine Jowers หัวหน้าบรรณาธิการของ The Dance Enthusiast กล่าวซึ่งระลึกถึงวันที่ 29 เมษายน ประสิทธิภาพ. “แล้วฉันก็นึกขึ้นมาได้ว่านักเต้นมักจะพูดถึงโครงสร้าง ดีเอ็นเอของงาน การแก้ปัญหา ช่องว่างและตัวเลข ความร่วมมือของเรามีความสำคัญ คณิตศาสตร์มีอยู่ทุกที่ และมันก็เต้น”

การแสดง “Dance of the Diagram” ในเดือนเมษายนเกิดขึ้นได้ด้วยการสนับสนุนจากมูลนิธิ Alfred P. Sloan, สภาวัฒนธรรมแมนฮัตตันตอนล่าง, กรมวัฒนธรรมและมูลนิธิไซมอนส์

คอมพิวเตอร์ก็มีความทรงจำ

Sebastian Wolff เป็นจูเนียร์เฟลโลว์กับ Simons Society of Fellows

เมื่อเป็นวัยรุ่น เซบาสเตียน วูลฟ์ ใฝ่ฝันที่จะเป็นสถาปนิก เพียงเพื่อหันมาใช้วิทยาการคอมพิวเตอร์เมื่อเขาค้นพบพรสวรรค์ในการเขียนโค้ด เขาเข้าเรียนในวิทยาลัยโดยหวังว่าจะเป็นโปรแกรมเมอร์คอมพิวเตอร์ในแผนกไอทีขององค์กร ในขณะที่เขาสนใจความท้าทายในการสร้างรหัสคอมพิวเตอร์ที่สวยงาม ความสนใจของ Wolff กลับกลายเป็นอีกครั้ง คราวนี้เป็นพื้นฐานทางทฤษฎีของวิทยาการคอมพิวเตอร์

Wolff ได้รับปริญญาเอกที่ Technical University of Braunschweig ในประเทศเยอรมนี และปัจจุบันเป็น postdoc ที่ Courant Institute ของ New York University ภายใต้การดูแลของ Thomas Wies จูเนียร์ Fellow ปีแรกกับ สมาคม Simons Society of Fellows วูลฟ์ใช้ทฤษฎีในการแก้ปัญหาคอมพิวเตอร์เชิงปฏิบัติที่เกิดจากการถือกำเนิดของระบบคอมพิวเตอร์พร้อมกัน ซึ่งคอมพิวเตอร์หรือชุดคอมพิวเตอร์ทำงานหลายอย่างพร้อมกัน

วูลฟ์กับฉันเพิ่งคุยกันเรื่องงานของเขา การสนทนาของเราได้รับการแก้ไขเพื่อความชัดเจน

 

ระบบคอมพิวเตอร์ ‘พร้อมกัน’ คืออะไร

ในช่วงแรกๆ ของการเขียนโปรแกรมคอมพิวเตอร์ ทุกอย่างเป็นไปตามลำดับ: งานหนึ่งเสร็จสิ้นก่อนงานต่อไปจะเริ่มขึ้น แต่วันนี้สิ่งต่าง ๆ มีความซับซ้อนมากขึ้น คอมพิวเตอร์เป็นแบบ ‘พร้อมกัน’ ซึ่งหมายความว่าสามารถทำงานหลายอย่างพร้อมกันได้ การเปลี่ยนแปลงนี้เกิดขึ้นส่วนหนึ่งเนื่องจากเราถึงขีดจำกัดความเร็วของการคำนวณตามลำดับ แต่การทำงานพร้อมกันนั้นเกิดขึ้นตามธรรมชาติในการตอบสนองต่อการเพิ่มขึ้นอย่างต่อเนื่องของบริการเว็บที่มีอยู่ทั่วโลก ตัวอย่างเช่น ผู้คนต้องการให้ทุกเว็บไซต์ที่เคยเข้าชมโหลดได้ทันทีและไม่มีข้อผิดพลาด สิ่งนี้ไม่สามารถเกิดขึ้นได้หากไม่มีภาวะพร้อมกัน

การคำนวณพร้อมกันสามารถทำได้บนเซิร์ฟเวอร์เดียวหรือหลายเซิร์ฟเวอร์ที่เชื่อมโยงกัน สมมติว่าคุณและฉันต่างก็ต้องการซื้อสินค้าชิ้นเดียวกันใน Amazon และเหลือเพียงชิ้นเดียวในโลก ฉันอาจกำลังค้นหาบนเซิร์ฟเวอร์ในยุโรปในขณะที่คุณใส่รายการเดียวกันในรถเข็นของคุณบนเซิร์ฟเวอร์ของสหรัฐอเมริกา บางทีฉันอาจสั่งสินค้าก่อนคุณไม่กี่นาที แต่สินค้าอยู่ในคลังสินค้าของสหรัฐฯ และสามารถจัดส่งถึงคุณได้เร็วกว่าที่ส่งถึงฉัน โดยมีค่าใช้จ่ายน้อยกว่าสำหรับ Amazon

ฉันจะได้รับสินค้าตามหลักการมาก่อนได้ก่อน หรือได้รับสินค้าตามความสะดวกด้านลอจิสติกส์หรือไม่? Amazon ขายสิ่งเดียวกันให้กับเราทั้งคู่และคืนเงินให้พวกเราคนใดคนหนึ่ง หรือปฏิเสธที่จะขายให้เราคนใดคนหนึ่งและหวังว่าจะมีเพียงคนเดียวที่มองหาในภายหลัง แต่ละตัวเลือกเหล่านี้เป็นการตัดสินใจที่ฝังอยู่ในรหัสคอมพิวเตอร์ ความซับซ้อนเกิดขึ้นเนื่องจากการตัดสินใจเหล่านี้เกิดขึ้นพร้อมกัน ในโลกลำดับเก่า คำสั่งของฉันจะชนะโดยไม่มีคำถามใด ๆ เพราะฉันวางไว้ก่อน ตอนจบของเรื่อง. แต่นั่นแทบจะไม่เคยเป็นอย่างนั้นในวันนี้

 

ในสถานการณ์ที่คุณเพิ่งอธิบายไป ดูเหมือนว่าโปรแกรมจะเหมาะสมอย่างยิ่งที่จะอนุญาตให้ขายสินค้าได้เพียงรายการเดียวหากมีสินค้าเพียงรายการเดียว โดยไม่คำนึงถึงตำแหน่งของรายการ ทฤษฎีคอมพิวเตอร์เข้ามาได้อย่างไร?

อย่างที่คุณเห็น การตัดสินใจในโครงการที่เกิดขึ้นพร้อมกันนั้นค่อนข้างเกี่ยวข้อง สิ่งนี้สะท้อนให้เห็นในรหัสซึ่งซับซ้อนเช่นกัน อันที่จริง แม้แต่โปรแกรมเมอร์ที่ดีที่สุดก็สามารถทำผิดพลาดในโค้ดที่พวกเขาเขียนได้ และความผิดพลาดเหล่านั้นนำไปสู่พฤติกรรมที่ไม่พึงประสงค์และไม่คาดคิด เช่น ขายสินค้าหนึ่งชิ้นสองครั้ง

ทฤษฎีคอมพิวเตอร์ — หรือวิธีการที่เป็นทางการ ตามที่เราต้องการจะเรียกว่า — ให้เครื่องจักรสำหรับตรวจสอบรหัสที่คุณเขียนและช่วยให้คุณดูว่าโปรแกรมของคุณทำงานตามที่คาดไว้หรือไม่ สิ่งที่จุดประกายความสนใจของฉันคือวิธีการที่เป็นทางการสามารถนำไปใช้กับโค้ดหรือโปรแกรมใดก็ได้ ด้วยความเป็นไปได้ที่ไม่สิ้นสุดเหล่านี้ ความท้าทายที่เกิดขึ้นก็คือการหาเครื่องจักรทางทฤษฎีที่มีประโยชน์ ในงานของฉัน ผู้ทำงานร่วมกันและฉันมักจะเริ่มต้นด้วยการศึกษาวิธีที่โปรแกรมเมอร์เขียนโค้ด กลั่นกรองจากหลักการพื้นฐานนั้น จากนั้นจึงเปลี่ยนหลักการเหล่านั้นให้เป็นทฤษฎี

คุณใช้ทฤษฎีเพื่อทดสอบว่าโค้ดทำงานอย่างไร

มีสองด้านในเรื่องนี้: การทดสอบผลลัพธ์ของโค้ดในเงื่อนไขต่างๆ และจากนั้นตรวจสอบโค้ดนั้นภายใต้เงื่อนไขที่เป็นไปได้ทั้งหมด

การทดสอบเป็นสิ่งที่ดูเหมือนจริง: เราเรียกใช้โค้ดกับสถานการณ์ต่างๆ มากมายและดูว่าโค้ดดังกล่าวทำงานตามที่คาดไว้หรือไม่ ในตัวอย่างการช็อปปิ้งของเรา เราสามารถป้อนรายการต่างๆ และทำให้แน่ใจว่าจะขายเฉพาะรายการที่มีอยู่ในคลังสินค้าเท่านั้น อาจเป็นไปได้ที่จะได้รับการทดสอบที่แสดงความมั่นใจ 99% ว่ารหัสดังกล่าวจะใช้งานได้ แม้ว่าไม่น่าจะเป็นไปได้สำหรับระบบที่ทำงานพร้อมกัน ในทางทฤษฎี การทดสอบไม่สามารถทำให้เกิดความแน่นอนได้ 100% เนื่องจากมีพารามิเตอร์มากกว่าหนึ่งตัวที่คุณสามารถทดสอบได้เสมอ ความเป็นไปได้ไม่มีที่สิ้นสุด ตรวจสอบให้แน่ใจว่ารหัสที่อยู่ภายใต้โปรแกรมใช้งานได้เสมอคือจุดเริ่มต้นของการตรวจสอบ

บอกฉันเพิ่มเติมเกี่ยวกับการตรวจสอบ

การยืนยันมีสามประเภท การตรวจสอบด้วยตนเองเป็นข้อพิสูจน์ทางคณิตศาสตร์ด้วยดินสอและกระดาษว่าโค้ดที่ระบุจะใช้งานได้เสมอหากมีเงื่อนไขบางประการ นี่เป็นการตรวจสอบประเภทที่ง่ายที่สุดในการสร้างและทำความเข้าใจ แต่มักมีความเสี่ยงที่สมมติฐานที่ไม่ถูกต้องจะทำให้การพิสูจน์ไม่ถูกต้อง เนื่องจากผู้คนได้เผยแพร่หลักฐานการตรวจสอบด้วยตนเองซึ่งต่อมากลายเป็นข้อผิดพลาด แนวทางนี้จึงไม่ได้รับความนิยมเท่าที่เคยเป็นมา

การตรวจสอบด้วยกลไกจะใช้การตรวจสอบด้วยตนเองที่มนุษย์สร้างขึ้น จากนั้นจึงเรียกใช้ ‘ผู้ช่วยพิสูจน์’ ซึ่งก็คือโปรแกรมคอมพิวเตอร์ที่ตรวจสอบความถูกต้องของหลักฐาน มีความน่าเชื่อถือมากกว่าการตรวจสอบด้วยตนเอง แต่ยังต้องดำเนินการล่วงหน้าเป็นจำนวนมากในการป้อนพารามิเตอร์ที่เครื่องมือตรวจสอบยืนยันด้วยเครื่องจักรพยายามตรวจสอบ

นั่นนำเราไปสู่การตรวจสอบอัตโนมัติ ซึ่งเป็นความสนใจเฉพาะของฉันและเป็นจุดสนใจของงานปริญญาเอกของฉัน การตรวจสอบประเภทนี้เกี่ยวข้องกับการเขียนอัลกอริธึมเพื่อสร้างหลักฐานว่าโปรแกรมจะทำงานตลอดเวลาหรือไม่ เป็นประโยชน์เพราะไม่เกี่ยวข้องกับการอุทิศเวลาล่วงหน้าในขณะที่ผู้ที่ไม่มีผู้เชี่ยวชาญสามารถเข้าถึงได้

 

คุณตรวจสอบอะไรระหว่างการทำงานระดับปริญญาเอกของคุณ?

รากฐานที่สำคัญในการวิจัยของฉันคือแนวคิดของโครงสร้างข้อมูล โครงสร้างข้อมูลโดยทั่วไปจะรักษาคอลเลกชันของวัตถุที่เชื่อมโยงถึงกัน โดยมีกฎที่ควบคุมความสัมพันธ์ระหว่างวัตถุเหล่านั้น การรวบรวมคำในพจนานุกรมเป็นโครงสร้างข้อมูล เช่น การรวบรวมสินค้าในตลาดซื้อขายออนไลน์

โครงร่างการพิสูจน์ด้วยตนเองของโครงสร้างข้อมูลที่ไม่ปิดกั้น ซึ่งเรียกว่ารายการของแฮร์ริส รหัส (สีดำ) มีคำอธิบายประกอบพร้อมอาร์กิวเมนต์พิสูจน์ (นกเป็ดน้ำ) โดยใช้ตรรกะการแยก เครดิต: เมเยอร์ และคณะ , ลอจิกของโปรแกรมที่เกิดขึ้นพร้อมกันกับอนาคตและประวัติศาสตร์ ภายใต้การส่ง

สิ่งที่ฉันสนใจระหว่างเรียนจบคือการเรียกคืนหน่วยความจำ หรือสิ่งที่เกิดขึ้นกับรายการที่ถูกลบออกจากโครงสร้างข้อมูลและไม่ได้ใช้อีกต่อไป ตัวอย่างเช่น จะเกิดอะไรขึ้นกับหน้าเว็บของคอนเสิร์ตที่ปิดการขายตั๋วไปแล้ว คุณออกจากไซต์ขายตั๋วตลอดไปหลังจากคอนเสิร์ตเกิดขึ้นนานไหม? คุณลบหน้าอย่างสมบูรณ์หรือไม่ ถ้าใช่จะลบเมื่อไหร่?

โครงสร้างข้อมูลจำนวนมากจะปล่อยให้รายการเป็นไปตามที่เป็นอยู่และจะสแกนรายการทั้งหมดเป็นระยะๆ เพื่อลบรายการที่ไม่มีลิงก์เข้ามาอีก ต้องใช้เวลาและทรัพยากร บางครั้งแนะนำให้ลบรายการด้วยตนเอง แต่ยังไม่สมบูรณ์ เป็นการยากที่จะทำในลักษณะที่รายการที่ถูกลบจะไม่สามารถเข้าถึงได้อีกครั้ง

ในการวิจัยของฉัน ฉันเสนอชุดเงื่อนไขเกี่ยวกับโครงสร้างข้อมูลที่รับประกันว่าการใช้การลบด้วยตนเองดังกล่าวและกระบวนการสแกนและลบเป็นระยะนั้นแยกไม่ออก วิธีการนี้ช่วยลดการหยุดทำงานของระบบโดยป้องกันการเข้าถึงรายการที่ถูกลบ ที่สำคัญกว่านั้น การละทิ้งกระบวนการลบด้วยตนเองระหว่างการตรวจสอบยังทำให้กระบวนการทั้งหมดง่ายขึ้นมาก เราเป็นกลุ่มแรกที่เสนอการตรวจสอบอัตโนมัติสำหรับโครงสร้างข้อมูลประเภทนี้ โปรแกรมเมอร์สามารถใช้งานของเราได้ในลักษณะนี้ ทำให้การสลับระหว่างกระบวนการลบทั้งสองทำได้ง่ายขึ้น

ภาพขนาดย่อของวิดีโอ


การคลิกเพื่อดูวิดีโอนี้แสดงว่าคุณยอมรับ นโยบายความเป็นส่วนตัว ของเรา

เรียกใช้เครื่องมืออัตโนมัติเต็มรูปแบบ แพลงก์ตอน ในรายการของแฮร์ริส (ฟุตเทจถูกเร่งขึ้น) เครื่องมือจะทำหน้าที่ป้อนรหัสโปรแกรมแล้วสร้างหลักฐานความถูกต้อง ไม่จำเป็นต้องดำเนินการใดๆ เครดิต: เมเยอร์ และคณะ , ลอจิกของโปรแกรมที่เกิดขึ้นพร้อมกันกับอนาคตและประวัติศาสตร์ ภายใต้การส่ง

น่าตื่นเต้นแค่ไหน! ตอนนี้คุณทำงานอะไร

งานระดับปริญญาเอกของฉันมุ่งเน้นไปที่การแก้ปัญหาภายในโครงสร้างข้อมูลชั้นเดียว แม้ว่าทฤษฎีของเราเป็นเรื่องทั่วไป แต่สำหรับผลลัพธ์ในทางปฏิบัติ เราต้องจำกัดโครงสร้างข้อมูลด้านหนึ่ง นั่นคือ การเชื่อมโยงรายการเข้าด้วยกันอย่างไร ระหว่างการแต่งตั้งดุษฎีบัณฑิตที่ NYU ฉันต้องการสร้างบนหลักการจากประสบการณ์นั้นเพื่อทำให้โซลูชันอัตโนมัติสำหรับความท้าทายที่คล้ายคลึงกันซึ่งเผชิญกับชุดโครงสร้างข้อมูลขนาดใหญ่กว่ามาก

 

สุดท้าย คุณคิดอย่างไรเกี่ยวกับการคบหาสมาคมของ Simons?

ในวิทยาการคอมพิวเตอร์ เอาต์พุตสามารถเป็นคลื่นได้ บางครั้งไม่มีอะไรเกิดขึ้น บางครั้งทุกอย่างเกิดขึ้นพร้อมกัน ดังนั้น การสนับสนุนอย่างไม่มีข้อจำกัดจากมูลนิธิไซมอนส์เป็นเวลาสามปีจึงเป็นพรอย่างแท้จริง Junior Fellowship นี้ให้ทรัพยากรและเวลาแก่ฉันในการติดตามเส้นทางการวิจัยของฉันไม่ว่าจะนำไปสู่ที่ใด

ชม: Andrea Alù เกี่ยวกับการสร้างอุปกรณ์ปิดบังในโลกแห่งความเป็นจริง

ภาพขนาดย่อของวิดีโอ


การคลิกเพื่อดูวิดีโอนี้แสดงว่าคุณยอมรับ นโยบายความเป็นส่วนตัว ของเรา

Andrea Alù เป็นศาสตราจารย์ด้านฟิสิกส์ของ Einstein และศาสตราจารย์ด้านวิศวกรรมไฟฟ้าที่ศูนย์บัณฑิต City University of New York (CUNY) นอกจากนี้ เขายังเป็นผู้ก่อตั้ง Photonics Initiative ที่ CUNY Advanced Science Research Center ผู้อำนวยการ Simons Collaboration on Extreme Wave Phenomena Based on Symmetry และ Simons Investigator in Physics Alù สังกัด Wireless Networking and Communications Group และ Applied Research Laboratories ซึ่งทั้งสองแห่งตั้งอยู่ที่มหาวิทยาลัยเท็กซัสในออสติน ซึ่งเขาเป็นนักวิทยาศาสตร์การวิจัยอาวุโสและผู้ช่วยศาสตราจารย์

งานของ Alù เกี่ยวกับการจัดการแสงในวัสดุประดิษฐ์และ metamaterials ได้แสดงให้เห็นว่าการออกแบบที่ชาญฉลาดอาจเกินสิ่งที่เคยคิดว่าเป็นข้อจำกัดในการแพร่กระจายคลื่นในวัสดุ เขาได้พัฒนาแนวคิดใหม่สำหรับการปิดบัง การแพร่กระจายคลื่นทางเดียวในวัสดุ การเพิ่มประสิทธิภาพอย่างมากของความไม่เชิงเส้นในโครงสร้างนาโน และอุปกรณ์ออปติคัลบางเฉียบโดยอิงจาก metasurfaces และ metamaterials ที่บิดเบี้ยว

ถอดรหัสรหัสประสาทในมนุษย์

ในห้องผ่าตัดปลอดเชื้อที่โรงพยาบาลแมสซาชูเซตส์ เจเนอรัล ศัลยแพทย์ประสาท ซิฟ วิลเลียมส์ ยืนทรงตัวเหนือคนไข้ของเขา วิลเลียมส์กำลังจะฝังอุปกรณ์กระตุ้นสมองส่วนลึก ซึ่งเป็นอิเล็กโทรดพิเศษที่ออกแบบมาเพื่อรักษาความผิดปกติของการเคลื่อนไหว ผ่านรูเล็กๆ ที่เจาะในกะโหลกศีรษะ แต่ก่อนอื่นเขาจะทำขั้นตอนที่แปลกกว่านั้นมาก ผู้ป่วยตกลงที่จะเป็นส่วนหนึ่งของการศึกษาทดสอบอุปกรณ์ที่เรียกว่า Neuropixels ซึ่งเป็นอาร์เรย์อิเล็กโทรดซิลิคอนที่สามารถติดตามการทำงานของสมองในระดับและความละเอียดที่ไม่เคยมีมาก่อน นักวิจัยจะบันทึกจากสมองของผู้ป่วยเป็นเวลาหลายนาทีก่อนที่จะไปยังขั้นตอน DBS

ตำแหน่งที่ต้องการสำหรับอาร์เรย์ Neuropixels ที่ฝังไว้ชั่วคราวระหว่างขั้นตอน DBS เครดิต: Paulk et al.

อุปกรณ์ Neuropixels ซึ่งสามารถติดตามกิจกรรมทางไฟฟ้าของเซลล์ประสาทหลายพันเซลล์พร้อมกันได้ มีผลกระทบมหาศาลต่อการฝึกประสาทวิทยาตั้งแต่เปิดตัวในปี 2018 แต่จนถึงปัจจุบัน การใช้งานยังจำกัดเฉพาะการศึกษาในสัตว์ฟันแทะและลิง วิลเลียมส์, ซิดนีย์ แคช , นักประสาทวิทยาและแพทย์โรคลมชักที่ MGH และผู้ทำงานร่วมกันเป็นหนึ่งในคนกลุ่มแรกๆ ที่ใช้อุปกรณ์ดังกล่าวในมนุษย์ โดยได้ตีพิมพ์ผลงานของพวกเขาในวารสาร Nature Neuroscience ฉบับเดือนกุมภาพันธ์ แม้ว่าการศึกษามีวัตถุประสงค์หลักเพื่อแสดงให้เห็นถึง ความเป็นไปได้ของการใช้ Neuropixels ในคน เป็นหลัก แต่ผลลัพธ์ในระยะแรกบ่งบอกถึงศักยภาพของมัน นักวิจัยได้บันทึกรูปคลื่นของสไปค์ที่หลากหลาย ตัวอย่างเช่น ซึ่งบางอันไม่เคยเห็นในหนู Angelique Paulk นักประสาทวิทยาจากมหาวิทยาลัยฮาร์วาร์ดและผู้เขียนนำการศึกษากล่าว “นี่เป็นการเปิดหน้าต่างใหม่ที่น่าตื่นเต้นในด้านสรีรวิทยาและการรับรู้ของเยื่อหุ้มสมองของมนุษย์” วิลเลียมส์กล่าว

Neuropixels เป็นคลังแสงล่าสุดในคลังแสงของเครื่องมือที่ใช้ศึกษากิจกรรมของระบบประสาทในมนุษย์ ในการทดลองที่มีพื้นฐานมาจากการทำงานร่วมกันอย่างลึกซึ้งระหว่างการวิจัยทางคลินิกและการวิจัยขั้นพื้นฐาน เนื่องจากความเสี่ยงด้านความปลอดภัยในการเข้าถึงสมองโดยตรง การบันทึกทางประสาทจะดำเนินการเฉพาะกับผู้ป่วยที่ได้รับการผ่าตัดประสาทหรือผู้ป่วยที่เป็นอัมพาตที่ลงทะเบียนในการทดลองทางคลินิกของส่วนติดต่อระหว่างสมองกับคอมพิวเตอร์ (BCIs) เช่นที่ผลิตโดย BrainGate เป้าหมายหลักของการศึกษาเหล่านี้คือการพัฒนาวิธีการรักษาที่ดีขึ้นสำหรับความผิดปกติทางระบบประสาท Chethan Pandarinath นักประสาทวิทยาจาก Emory University ในแอตแลนตากล่าวว่า “แต่ก็ยังเป็นโอกาสที่ไม่เคยมีมาก่อนในการศึกษาสมองของมนุษย์ด้วยความละเอียดที่เรามักไม่มี” ข้อมูลเชิงลึกเหล่านั้นจะป้อนกลับเข้าสู่ BCI ที่ดีขึ้น “มีการเชื่อมโยงที่ชัดเจนระหว่างวิทยาศาสตร์พื้นฐานที่ล้ำสมัยและการประยุกต์ใช้”

ด้วยความก้าวหน้าในช่วงไม่กี่ปีที่ผ่านมาทั้งในด้านเทคโนโลยีการบันทึกและเครื่องมือในการวิเคราะห์กิจกรรมของระบบประสาทในวงกว้าง นักวิจัยที่ศึกษาสมองของมนุษย์น่าจะสามารถตอบคำถามพื้นฐานบางประการเกี่ยวกับการเข้ารหัสและไดนามิกของระบบประสาทได้ในไม่ช้า เขตข้อมูลมีการโต้เถียงกัน เช่น งานที่นักวิจัยใช้กับหนูและลิงนั้นซับซ้อนพอที่จะจับภาพรูปแบบกิจกรรมที่ประชากรประสาทจำนวนมากสามารถผลิตได้ทั้งหมดหรือไม่ ความสามารถในการศึกษากิจกรรมที่ซับซ้อนของมนุษย์ เช่น การพูดและการเขียน เปิดโอกาสให้สำรวจคำถามนี้ในแบบที่สัตว์ทำไม่ได้ Krishna Shenoy นักประสาทวิทยาจากมหาวิทยาลัยสแตนฟอร์ดและผู้ตรวจสอบกับ Simons Collaboration on the Global Brain กล่าวว่า “ในการผลักดันความรู้เกี่ยวกับวิธีการคำนวณจำนวนเซลล์ประสาท คุณต้องมีพฤติกรรมง่ายๆ ที่รวดเร็วและคล่องแคล่วสูง ทีมของ Shenoy กำลังศึกษาพฤติกรรมประเภทนี้ในผู้ป่วยที่มีการปลูกถ่ายประสาทในระยะยาว และกำลังร่วมมือกับ Cash, Williams, Paulk และคนอื่นๆ ในการบันทึก Neuropixels

อาร์เรย์ Utah (ซ้าย) และอาร์เรย์ Neuropixels (ขวา) แสดงสัมพันธ์กับขนาดของเซลล์เสี้ยมของมนุษย์ (สีน้ำเงิน) และเซลล์ภายในที่ยับยั้ง (สีเขียว) เครดิต: Paulk et al.

ประตูสู่สมอง

การทดลองบันทึกของมนุษย์โดยทั่วไปจะใช้ขั้นตอนการผ่าตัดทางระบบประสาท เช่น สำหรับโรคลมบ้าหมูหรือการกระตุ้นสมองส่วนลึก แต่การศึกษาที่ดำเนินมายาวนานที่สุดมาจากความพยายามที่จะพัฒนาอุปกรณ์ช่วยเหลือที่ออกแบบมาเพื่อช่วยเหลือผู้ที่เป็นอัมพาตโดยการแปลกิจกรรมของระบบประสาทเป็นการกระทำที่ผู้ใช้ต้องการ

หัวใจของ BCI ประเภทนี้คืออัลกอริธึมที่เรียนรู้ความสัมพันธ์ระหว่างอินพุต – กิจกรรมประสาทที่เกิดขึ้นเมื่อผู้ใช้คิดถึงสิ่งที่พวกเขาต้องการทำ – และเอาต์พุต – การเคลื่อนไหวของแขนหุ่นยนต์หรือเคอร์เซอร์ของคอมพิวเตอร์เป็นต้น BCI สามารถใช้เทคโนโลยีประเภทต่างๆ เพื่อตรวจสอบสมอง แต่ยิ่งสามารถบันทึกและตีความกิจกรรมของระบบประสาทได้แม่นยำมากเท่าใด พวกมันก็จะสามารถเปลี่ยนสัญญาณเหล่านั้นให้เป็นการกระทำได้อย่างมีประสิทธิภาพมากขึ้น การศึกษาของ BrainGate ซึ่งเปิดตัวครั้งแรกในปี 2547 ใช้ อาร์เรย์ Utah ซึ่งเป็นอาร์เรย์ไมโครอิเล็กโทรดที่มีสายไฟมากกว่า 100 เส้น อาร์เรย์ของ Utah ถือเป็นมาตรฐานทองคำสำหรับการบันทึกระยะยาว โดยมีการใช้มานานกว่าสองทศวรรษและใช้ในการบันทึกเป็นเวลาหกปีในคนเดียว พวกเขาบันทึกกิจกรรมของระบบประสาทที่ความละเอียดสูงกว่าอาร์เรย์อิเล็กโทรดอื่น ๆ ที่ใช้กันทั่วไปในมนุษย์ซึ่งตรวจจับศักย์สนามในท้องถิ่นมากกว่ากิจกรรมจากเซลล์เดียว

Shenoy และผู้ทำงานร่วมกัน Jaimie Henderson ศัลยแพทย์ระบบประสาท เข้าร่วมการศึกษา BrainGate ในปี 2009 ซึ่งแปลผลการวิจัยหลายทศวรรษเกี่ยวกับการเข้ารหัสทางประสาทว่าลิงเข้าถึงและจับได้อย่างไร (สำหรับข้อมูลเพิ่มเติม โปรดดูที่ ” การค้นพบพลศาสตร์การหมุนที่เพิ่มลงในปริศนาของการคำนวณด้วยประสาท “) งานของพวกเขาได้ปรับปรุงความสามารถของผู้ใช้ BrainGate ในการ เลื่อนเคอร์เซอร์ของคอมพิวเตอร์อย่างมีประสิทธิภาพ ช่วยเพิ่มความสามารถในการพิมพ์และการสื่อสาร

งานส่วนใหญ่ของพวกเขาเป็นไปตามการศึกษาของลิงจากห้องทดลองของ Shenoy แต่เมื่อสามปีที่แล้ว Shenoy กล่าวว่าเขารู้สึกว่าการวิจัยได้มาถึงจุดเปลี่ยน “ถึงเวลาแล้วที่จะทำสิ่งต่าง ๆ ที่สามารถทำได้ในมนุษย์เท่านั้น” เขากล่าว เช่น การเรียนการเขียนและการพูด “เราตระหนักดีว่าเราสามารถสำรวจความสามารถเหล่านั้นอย่างมีความรับผิดชอบและอย่างมีจริยธรรมในผู้เข้าร่วมการทดลองทางคลินิกที่ได้รับการปลูกฝังให้เข้าถึง ‘ง่ายกว่า’ หรือทำงานเข้าถึงและเข้าใจเพื่อเรียนรู้วิทยาศาสตร์ใหม่ทั้งหมด และจากนั้นเริ่มสร้าง BCI ใหม่”

นักวิจัยถอดรหัสวิถีปากกาสำหรับตัวอักษรต่างๆ จากกิจกรรมของระบบประสาท (บนสุด) กิจกรรมประสาทที่เป็นตัวแทนของกลุ่มตัวอักษรเดียวกันเข้าด้วยกัน (ด้านล่าง) เครดิต: Willett et al. ธรรมชาติ 2021

ในการศึกษาที่ตีพิมพ์ใน Nature เมื่อปีที่แล้ว Shenoy, Francis Willett และผู้ทำงานร่วมกันได้ขอให้ผู้เข้าร่วม BrainGate จินตนาการถึงการเขียน จดหมายที่แตกต่างกันในขณะที่นักวิจัยบันทึกกิจกรรมจากเซลล์ประสาทประมาณ 200 เซลล์ พวกเขาถอดรหัสกิจกรรมของระบบประสาทโดยใช้โครงข่ายประสาทเทียมแบบวนซ้ำ ทำให้ผู้เข้าร่วมสามารถสร้างอักขระได้ 90 ตัวต่อนาที ซึ่งมากกว่าสถิติก่อนหน้านี้สองเท่าสำหรับ BCI ภายในเยื่อหุ้มสมอง “ไม่มีอะไรที่เหมือนกับการเห็นประเภทของผู้เข้าร่วมได้เร็วกว่าที่เขาสามารถสื่อสารได้” Shenoy กล่าว

เหตุผลหนึ่งที่นักวิจัยสามารถถอดรหัสตัวอักษรที่ต้องการได้อย่างมีประสิทธิภาพก็เพราะกิจกรรมของระบบประสาทเกิดขึ้นเมื่อมีคนจินตนาการว่าการวาดตัวอักษรนั้นซับซ้อนกว่ากิจกรรมที่เกิดขึ้นเมื่อบุคคลนั้นจินตนาการว่ากำลังวาดเส้นตรง Shenoy กล่าวว่า “สมองของคุณกำลังส่งข้อมูลต่อวินาทีเมื่อคุณเขียนด้วยลายมือมากกว่าเมื่อคุณสร้างเส้นตรง ความซับซ้อนที่เพิ่มขึ้นนั้นทำให้ง่ายต่อการถอดรหัสตัวอักษรที่ต้องการอย่างรวดเร็ว และให้โอกาสใหม่ๆ ในการสำรวจการเข้ารหัสทางประสาท Pandarinath ผู้ตรวจสอบกับ Simons-Emory International Consortium on Motor Control และผู้ทำงานร่วมกันกำลังเริ่มตรวจสอบว่าพลวัตของประชากรประสาทช่วยให้เราสามารถประสานการเคลื่อนไหวของนิ้วที่รวดเร็วและละเอียดได้ เช่นเดียวกับที่จำเป็นในการเล่นเปียโน ซึ่งแตกต่างโดยพื้นฐานจาก การเคลื่อนไหวที่ใหญ่และง่ายกว่า เช่น การเอื้อมมือ

เนื่องจากเป้าหมายหลักของ BCI คือการช่วยให้ผู้คนควบคุมแขนหุ่นยนต์หรือคอมพิวเตอร์ การศึกษาของ BrainGate มักจะเน้นที่ส่วนต่างๆ ของเยื่อหุ้มสมองสั่งการที่เกี่ยวข้องกับการวางแผนการเคลื่อนไหวของมือและแขน แต่ปรากฎว่าบริเวณสมองนี้มีช่วงสัญญาณที่กว้างขึ้น รวมถึงสัญญาณที่เกี่ยวข้องกับคำพูด ซึ่งเปิดโอกาสให้ตรวจสอบไดนามิกของระบบประสาทที่ซับซ้อนได้ ในการศึกษาที่ตีพิมพ์ใน eLife ในปี 2019 Shenoy, Sergey Stavisky ซึ่งปัจจุบันเป็นนักประสาทวิทยาที่มหาวิทยาลัยแคลิฟอร์เนีย เดวิส และนักวิจัยของ SCGB และผู้ทำงานร่วมกันแสดงให้เห็นว่าพวกเขาสามารถ ถอดรหัสกิจกรรมประสาทที่เกี่ยวข้องกับคำพูดได้อย่างน่าเชื่อถือ จากบริเวณลูกบิดมือในคนที่สามารถ ไม่ขยับมือแต่ยังพูดได้ “เราสามารถสังเกตได้มากมายจากรูกุญแจแคบๆ ที่เรามองอยู่” Stavisky กล่าว “แม้ว่าเราจะปลูกฝังอาร์เรย์ตามวิธีเพิ่มประสิทธิภาพ BCI ให้สูงสุด เราก็สามารถทำวิทยาศาสตร์พื้นฐานที่สำคัญที่น่าสนใจเพิ่มเติมได้”

Stavisky, Shenoy และผู้ทำงานร่วมกันกำลังเริ่มดำเนินการใน การศึกษาใหม่ ซึ่งได้รับทุนสนับสนุนจาก SCGB เพื่อศึกษาขอบเขตคำพูดโดยตรงมากขึ้น พวกเขาจะฝังอุปกรณ์ BrainGate ไว้ในสี่ส่วนที่เกี่ยวข้องกับคำพูดของสมอง รวมถึงพื้นที่ของ Broca ซึ่งเป็นภูมิภาคที่มีความสำคัญต่อการสร้างคำ นักวิจัยจะสามารถศึกษาพลวัตของระบบประสาทที่เป็นพื้นฐานของคำพูดและการเปลี่ยนแปลงเหล่านี้จากภูมิภาคหนึ่งไปอีกภูมิภาคหนึ่งได้อย่างไร Shenoy กล่าวว่า “มันจะเป็นงานหลายพื้นที่ครั้งแรกในมนุษย์ที่มีความละเอียดเซลล์เดียวพร้อมความสามารถในการพูด “เรารู้สึกตื่นเต้นมากเกี่ยวกับเรื่องนี้”

หน้าต่างใหม่เกี่ยวกับการเปลี่ยนแปลงของระบบประสาท

ด้วยความซับซ้อน คำพูดจึงเป็นสารตั้งต้นในอุดมคติสำหรับการศึกษาพลวัตของระบบประสาท ลิงอาจเรียนรู้ที่จะเอื้อมมือได้ 100 วิธี แต่คนสามารถพูด 10,000 คำตลอดสัปดาห์ของการบันทึกโดยไม่มีการฝึกอบรม Stavisky กล่าว เปิดขอบเขตใหม่ของคำถามทางวิทยาศาสตร์ นักวิจัยสามารถสำรวจวิธีที่สมองเข้ารหัสพื้นที่ของพฤติกรรมอันกว้างใหญ่นี้ และตรวจสอบว่ากิจกรรมของระบบประสาทเป็นอย่างไรในขณะที่ผู้คนเตรียมที่จะพูด “คำพูดคือความสามารถเฉพาะตัวของมนุษย์” เชนอยกล่าว “เราสามารถพูดได้ถึง 150 คำต่อนาที – เป็นสิ่งที่รวดเร็วที่สุดที่เราสามารถทำได้” เขาคาดการณ์ว่าความสามารถในการศึกษากิจกรรมของระบบประสาทที่เป็นพื้นฐานของคำพูดจะทำให้มันเป็น “กลไกขับเคลื่อนที่ยิ่งใหญ่สำหรับทั้งชุมชน” ซึ่งคล้ายกับการศึกษาการตัดสินใจในปัจจุบัน

ความสามารถในการศึกษางานที่ซับซ้อนมากขึ้น เช่น การพูดและการเขียน ในมนุษย์ทำให้มีโอกาสเจาะลึกคำถามลึกๆ ที่เกิดขึ้นจากการศึกษาเกี่ยวกับพลวัตของระบบประสาทในสัตว์ โดยที่สะดุดตาที่สุดคือความเรียบง่ายเชิงเปรียบเทียบของงานด้านพฤติกรรมที่ใช้ในการวิจัยกับสัตว์ ได้จำกัดความสามารถของนักวิทยาศาสตร์ในการสำรวจละครที่เต็มไปด้วยพลังของสมอง “อาจเป็นไปได้ว่าการจะเข้าใจระบบอย่างแท้จริง เราต้องเพิ่มความซับซ้อนอย่างมาก” Pandarinath กล่าว

หนึ่งในคำถามที่ Shenoy, Stavisky, Pandarinath และผู้ทำงานร่วมกันสนใจที่จะสำรวจคือประเภทของไดนามิกที่เกิดขึ้นระหว่างงานที่ซับซ้อน ลวดลายประสาทเดียวกันจะผลักดันให้เอื้อมมือไปอย่างเรียบง่ายและการเคลื่อนไหวของนิ้วที่ซับซ้อนซึ่งจำเป็นต่อการเล่นคอนแชร์โต้หรือไม่ “หรือระบบใช้เครื่องจักรต่างกันสำหรับงานที่แตกต่างกัน โดยชุดหนึ่งไดนามิกสำหรับการจับและอีกชุดหนึ่งสำหรับการเคลื่อนไหวของนิ้วอย่างละเอียด” Pandarinath ถาม นักวิจัยเริ่มสำรวจสิ่งนี้ในลิง แต่การศึกษาของมนุษย์จะผลักดันสิ่งนี้ให้ไปไกลกว่านี้ เขากล่าว

วิธีหนึ่งในการวิเคราะห์ไดนามิกของระบบประสาทคือการมองว่าเป็นกระบวนการมิติต่ำที่ฝังอยู่ภายในพื้นที่มิติที่สูงกว่า กิจกรรมของประชากร 100 เซลล์ประสาทในทางเทคนิคสามารถอยู่ในพื้นที่ 100 มิติ แต่เนื่องจากเซลล์ประสาทไม่ได้เป็นอิสระทั้งหมด รูปแบบกิจกรรมของพวกมันจึงถูกจำกัดให้อยู่ในพื้นที่ย่อยหรือหลายส่วนภายในพื้นที่มิติที่สูงกว่านั้น ค่อนข้างน่าประหลาดใจที่การศึกษาจนถึงปัจจุบันชี้ให้เห็นว่าการทำงานของระบบประสาท แม้กระทั่งสำหรับประชากรจำนวนมากของเซลล์ ดูเหมือนว่าจะถูกจำกัดให้มีขนาดค่อนข้างเล็กประมาณ 10 ถึง 20 มิติ นักประสาทวิทยาได้ถกเถียงกันว่าสิ่งนี้สะท้อนถึงธรรมชาติที่แท้จริงของกิจกรรมของสมองหรือ งานที่มีข้อจำกัดที่นักวิจัยใช้ในการสอบสวน “อาจเป็นได้ว่าคำอธิบายกิจกรรมที่กระชับและมีมิติต่ำนั้นส่วนใหญ่เป็นผลมาจากวิธีที่เราศึกษาวงจรประสาท” Pandarinath กล่าว “คำอธิบายแบบง่ายเหล่านี้มีประโยชน์สำหรับการทำความเข้าใจพลวัตของการเคลื่อนไหวง่ายๆ แต่คงจะแปลกที่จะมีเซลล์ประสาท 10 ล้านเซลล์ควบคุมแขนของคุณและเห็นเพียง 20 มิติของการเปิดใช้งานร่วมกันครั้งแล้วครั้งเล่าเมื่อวงจรมีความสามารถที่จะทำ ล้นหลาม.”

(จากซ้าย) Sergei Stavisky, Krishna Shenoy, Jaimie Henderson และผู้ทำงานร่วมกัน (ไม่แสดง) ถอดรหัสกิจกรรมประสาทที่เกี่ยวข้องกับคำพูดในบริเวณลูกบิดมือ ทีมงานกำลังเริ่มการศึกษา BrainGate ใหม่ที่เน้นพื้นที่การพูด เครดิต: รูปภาพ Peter Barreras / AP สำหรับHHMI

การศึกษาคำพูดและการควบคุมมอเตอร์ที่ดีสามารถให้ข้อมูลเชิงลึกใหม่เกี่ยวกับคำถามนี้ แม้ว่าพวกเขาจะยังไม่มีผลลัพธ์จากการศึกษาคำพูดของพวกเขา แต่ Stavisky คาดว่าไดนามิกของประสาทที่อยู่ภายใต้คำพูดจะมีมิติที่สูงกว่าที่เกี่ยวข้องกับการเคลื่อนไหวธรรมดา การพูดต้องใช้กล้ามเนื้อจำนวนมากและซับซ้อนกว่าการใช้แขนมาก “มีหลายสิ่งเช่นบริบทและความสามารถทางอารมณ์ที่เกี่ยวข้องกับคำพูด แต่ไม่ใช่การเคลื่อนไหวที่จะเพิ่มความซับซ้อนอีกชั้นหนึ่ง” เขากล่าว อันที่จริงการศึกษาดังกล่าวอาจเปิดเผยไดนามิกรูปแบบใหม่ทั้งหมด “ฉันเดาว่ามันจะเป็นเช่นนั้น” เชนอยกล่าว “เราไม่เคยผลักระบบหนักขนาดนี้มาก่อน”

การศึกษาในลักษณะนี้อาศัยวิธีการวิเคราะห์แบบใหม่ที่ทำให้สามารถถอดรหัสข้อมูลจากการทดลองครั้งเดียว แทนที่จะใช้ค่าเฉลี่ยกิจกรรมของระบบประสาท ดังที่มักทำในการศึกษาลิง “เมื่อพฤติกรรมซับซ้อนมากขึ้น พื้นที่ของการเคลื่อนไหวที่เป็นไปได้ก็ใหญ่โต — คำพูดที่เป็นไปได้นับพันคำ” Stavisky กล่าว “ถ้าเราต้องการทำความเข้าใจว่าสมองสร้างละครที่มีคุณค่านี้อย่างไร เราต้องการการวิเคราะห์แบบทดลองครั้งเดียวเพื่อที่เราจะสามารถสุ่มตัวอย่างเงื่อนไขทางพฤติกรรมมากขึ้น เช่น คำต่างๆ ได้” ยิ่งไปกว่านั้น เนื่องจากไดนามิกของระบบเสียงร้องจะแตกต่างกันแม้ในขณะที่มีคนพูดคำเดียวกันซ้ำแล้วซ้ำเล่า เราต้องการที่จะสามารถเชื่อมโยงกิจกรรมของระบบประสาทกับพฤติกรรมบนพื้นฐานการทดลองครั้งเดียวได้ เขากล่าว

เทคโนโลยีใหม่ๆ เช่น Neuropixels ที่เพิ่มความสามารถในการบันทึกจากหลายร้อยเซลล์ไปจนถึงหลายพันเซลล์จะช่วยได้ในเรื่องนั้น การบันทึกจากเซลล์ประสาทจำนวนมากขึ้นทำให้นักวิจัยสามารถตรวจสอบไดนามิกในช่วงเวลาที่ละเอียดและละเอียดยิ่งขึ้น Shenoy กล่าว “เซลล์ประสาทมีเสียงดัง ยิ่งคุณมีมากเท่าไหร่ คุณก็ยิ่งสามารถประเมินสถานะประสาทภายในได้ดีขึ้นเท่านั้น” Shenoy และ Stavisky กำลังร่วมมือกับกลุ่มที่ทำการบันทึก Neuropixels ของมนุษย์ แม้ว่าในขณะนี้ความพยายามจะจำกัดอยู่เพียงการบันทึกในระยะสั้นระหว่างขั้นตอนต่างๆ — นาที แทนที่จะเป็นสัปดาห์หรือเดือนของการศึกษา BrainGate

จากเซลล์ประสาทนับร้อยเป็นพัน

ในการใช้ Neuropixels ในมนุษย์ แม้จะอยู่ในช่วงระยะเวลาสั้นๆ Paulk และผู้ทำงานร่วมกันต้องเอาชนะความท้าทายทางเทคนิคหลายประการ พวกเขาต้องพัฒนาโพรบที่หนาขึ้นเพื่อสอดเข้าไปในคอร์เทกซ์ของมนุษย์และพัฒนาวิธีการแก้ไขสำหรับสิ่งประดิษฐ์ที่เคลื่อนไหวของคอร์เทกซ์ที่เต้นเป็นจังหวะ ซึ่งเป็นปัญหาที่มีปัญหาน้อยกว่ามากในสมองของหนูที่มีขนาดเล็กกว่า พวกเขายังต้องต่อสู้กับสภาพแวดล้อมที่มีเสียงรบกวนทางไฟฟ้าของห้องผ่าตัด ซึ่งอาจรบกวนการบันทึกทางไฟฟ้าสรีรวิทยา (สำหรับข้อมูลเพิ่มเติมเกี่ยวกับ Neuropixels โปรดดู “ ยุคใหม่ในการบันทึกระบบประสาท ”)

นักวิจัยได้เปิดเผยข้อมูลและรหัสของตนให้เป็นสาธารณะ เพื่อให้ผู้ที่สนใจใช้ Neuropixels ในมนุษย์ได้รับประโยชน์จากเครื่องมือที่พวกเขาพัฒนาขึ้น และเพื่อให้นักวิจัยที่ศึกษาสัตว์อื่นๆ สามารถเริ่มทำการเปรียบเทียบได้ “นี่เป็นเคสที่ท้าทาย สร้างขึ้นในสภาพแวดล้อมที่พิเศษและหายาก เราต้องการแบ่งปันความรู้” วิลเลียมส์กล่าว “ด้วยชุดข้อมูลนี้ ผู้คนสามารถเริ่มมองหาความแตกต่างในการประมวลผลข้อมูลของเซลล์ประสาทหรือสื่อสารกับโมเดลอื่นๆ” ( การศึกษาอื่นที่ใช้ Neuropixels ในมนุษย์ ถูกโพสต์บน bioRxiv ในเดือนธันวาคม)

แม้ว่าเป้าหมายหลักของการศึกษาของ Paulk คือการสาธิตวิธีใช้ Neuropixels ในมนุษย์ แต่ผลลัพธ์ที่ได้บ่งชี้ถึงศักยภาพในวงกว้างสำหรับการทดลองในอนาคต ไซต์บันทึก Neuropixels อยู่ห่างกันเพียงไม่กี่ไมโครเมตร ซึ่งช่วยให้นักวิจัยสามารถจำแนกลักษณะเฉพาะของเซลล์ประสาทได้ดีขึ้น “คุณสามารถรับลายนิ้วมือเชิงพื้นที่และชั่วคราวสำหรับเซลล์ประสาทสมมุติแต่ละเซลล์ ซึ่งช่วยให้คุณสามารถผ่าเซลล์ประสาทต่างๆ ที่ทำงานอยู่ในบริเวณใกล้เคียงและให้ภาพรวมของกิจกรรมประสาทในระดับที่ละเอียดยิ่งขึ้น” วิลเลียมส์กล่าว

เซลล์ประสาทสามารถบันทึกรูปคลื่นได้หลากหลายจากเซลล์ประสาทแต่ละเซลล์ในสมองของมนุษย์ ในที่นี้ หลายช่องสัญญาณที่บันทึกรูปคลื่นจากเซลล์เดียวกันจะแสดงการยุบเป็นกลุ่มเดียว เครดิต: Paulk et al.

การวิเคราะห์รูปร่างแหลมหรือรูปคลื่นสามารถช่วยให้นักวิจัยระบุประเภทเซลล์ได้ เช่น เซลล์นั้นกระตุ้นหรือยับยั้งหรือไม่ และมีปฏิสัมพันธ์กับเซลล์อื่นอย่างไร Paulk กล่าว สำหรับ Paulk การค้นพบที่น่าประหลาดใจที่สุดจนถึงตอนนี้คือความหลากหลายของรูปคลื่นที่พวกเขาบันทึกไว้ ทั้งรูปร่าง ขนาด และการแพร่กระจาย รวมถึงรูปคลื่นที่ยังไม่ได้อธิบายไว้ในหนู ทีมของ Cash กำลังร่วมมือกับทีมของ Shenoy เพื่อรวบรวมชุดข้อมูล Neuropixels ขนาดใหญ่ และค้นหาว่าการวิจัยลิงและเมาส์สามารถแจ้งการศึกษาของมนุษย์ได้อย่างไร

นักวิจัยรู้สึกตื่นเต้นเป็นพิเศษกับโอกาสในการบันทึกจากหลายเลเยอร์ในคอร์เทกซ์ ซึ่งเชื่อมต่อกับภูมิภาคที่แตกต่างกัน “เพราะด้วยอิเล็กโทรดเหล่านี้ เราสามารถบันทึกจากประชากรในท้องถิ่นจำนวนมากได้พร้อมๆ กัน เราสามารถเริ่มถามคำถามเกี่ยวกับวิธีการสื่อสารระหว่าง [เซลล์ในชั้นต่างๆ] กัน วิธีที่พวกมันส่งข้อมูล และความเกี่ยวข้องกับกระบวนการทางปัญญาที่ซับซ้อนอย่างไร” วิลเลียมส์กล่าว ด้วยข้อมูลจากคนสามคนจนถึงตอนนี้ นักวิจัยเห็นความแตกต่างในการกระจายของเซลล์ประสาทในชั้นต่างๆ แม้ว่าเขาจะสังเกตว่ายังเร็วเกินไปที่จะสรุปผลที่เฉพาะเจาะจง

ทีมของ Stavisky และ Cash กำลังวางแผนศึกษาคำพูดโดยใช้ Neuropixels เนื่องจากผู้ป่วยกำลังอยู่ในขั้นตอนต่างๆ ที่กำหนดเป้าหมายไปยังส่วนต่างๆ ของสมอง นักวิจัยจึงสามารถมองบทบาทของการพูดให้กว้างขึ้นได้ “คุณสามารถให้ทุกคนพูดชุดคำและตัวอย่างชุดเดียวกันจากส่วนต่างๆ ของสมอง จากนั้นดูว่าหลายๆ ด้านมีส่วนเกี่ยวข้องกับจังหวะเวลาของคำพูดอย่างไร” Stavisky กล่าว “นี่เป็นคำถามที่เราสามารถถามได้ด้วย Neuropixels”

ในที่สุดนักวิจัยหวังว่าจะทำการบันทึกเรื้อรังด้วย Neuropixels แต่ก่อนอื่นต้องผ่านอุปสรรคจำนวนหนึ่ง “แม้ว่าความสามารถดังกล่าวจะมีศักยภาพมหาศาล แต่ก็ยังมีความท้าทายด้านวิศวกรรมที่สำคัญ เช่น วิธีการยึดหรือทำให้อุปกรณ์มีเสถียรภาพ” วิลเลียมส์กล่าว “เรายังจะต้องพัฒนาเทคนิคต่างๆ เช่น การบันทึกเซลล์ประสาทแบบไร้สาย เพื่อให้สามารถส่งข้อมูลนอกสมองได้ฟรี”

Neuropixels ไม่ใช่เทคโนโลยีการบันทึกความละเอียดสูงเพียงเทคโนโลยีเดียวที่ใกล้จะถึง บริษัทต่างๆ เช่น Neuralink และ Paradromics กำลังพัฒนาอุปกรณ์เชิงพาณิชย์สำหรับการบันทึกในมนุษย์ขนาดใหญ่ในระยะยาว ยกตัวอย่างเช่น Neuralink ได้พัฒนาเทคโนโลยีอิเล็กโทรดที่ยืดหยุ่นได้และอุปกรณ์ไร้สายที่ใช้พลังงานต่ำสำหรับการประมวลผลและส่งสัญญาณประสาท ซึ่งขณะนี้อยู่ระหว่างการทดสอบในลิง (สำหรับข้อมูลเพิ่มเติมเกี่ยวกับเทคโนโลยีการบันทึกทางเลือก โปรดดูที่ “ ยุคใหม่ในการบันทึกระบบประสาท ตอนที่ 2: โซลูชันที่ยืดหยุ่น ”) การลงทุนเชิงพาณิชย์ในเทคโนโลยีนี้อาจส่งผลกระทบอย่างใหญ่หลวงต่อทั้งผู้ป่วยและนักวิทยาศาสตร์ นอกเหนือจากการทำให้เทคโนโลยีเหล่านี้เข้าถึงได้อย่างกว้างขวางสำหรับผู้ป่วยที่ต้องการแล้ว Shenoy ผู้ร่วมก่อตั้ง Neuralink กล่าว “มันช่วยให้ผู้วิจัยในมหาวิทยาลัยมีอิสระในการทำวิจัยขั้นพื้นฐานขั้นสูงมากขึ้น เพราะพวกเขาไม่ต้องทำงานมากเพื่อ ทำกรณีที่สิ่งเหล่านี้สามารถช่วยผู้คนได้สักวันหนึ่ง”

ชม: การสร้างแผนที่สมองขั้นสูงสุด

ภาพขนาดย่อของวิดีโอ


การคลิกเพื่อดูวิดีโอนี้แสดงว่าคุณยอมรับ นโยบายความเป็นส่วนตัว ของเรา

แผนที่โดยละเอียดของทุกเซลล์ประสาทและการเชื่อมต่อของเซลล์ประสาทในสมองที่เรียกว่าคอนเนกโตม (connectome) เป็นกุญแจสำคัญในการถอดรหัสแง่มุมที่สำคัญของการทำงานของสมอง แต่การสร้างแผนที่ดังกล่าวเป็นกระบวนการที่ต้องใช้ความอุตสาหะซึ่งเมื่อทำด้วยมือแล้วจะมีราคาสูงลิบลิ่ว ที่ Center for Computational Neuroscience (CCN) ของ Flatiron Institute นักวิจัยได้ใช้อัลกอริธึมการเรียนรู้ของเครื่องเพื่อช่วยให้กระบวนการนี้เป็นไปโดยอัตโนมัติ

นำโดยหัวหน้ากลุ่ม CCN Dmitri ‘Mitya’ Chklovskii และผู้ทำงานร่วมกันที่ Lomonosov Moscow State University และ Janelia Research Campus ของ Howard Hughes Medical Institute ทีมวิจัยได้เน้นความพยายามของพวกเขาเกี่ยวกับระบบการมองเห็นของตัวต่อปรสิต ( Megaphragma amalphitanum) แตนชนิดนี้มีเซลล์ประสาทเพียง 7,400 เซลล์ แต่ก็มีพฤติกรรมหลายอย่างเช่นเดียวกับแมลงขนาดใหญ่ ทำให้เป็นหัวข้อในการศึกษาในอุดมคติ

งานของพวกเขาได้เผยให้เห็นถึงความประหลาดใจหลายประการ ไม่น้อยไปกว่านั้นคือความซับซ้อนของระบบประสาทที่พบในสิ่งมีชีวิตขนาดเล็กเช่นนี้ อันที่จริง การจัดระเบียบของเซลล์ประสาทและวงจรประสาทในตัวต่อเหล่านี้ค่อนข้างใกล้เคียงกับสมองของสปีชีส์ที่ซับซ้อนกว่า ซึ่งบ่งชี้ว่าไม่ว่าร่างกายจะมีขนาดเท่าใด สมองก็สามารถทำงานในลักษณะเดียวกันได้

งานวิจัยนี้ไม่เพียงแต่มีความสำคัญต่อการสร้างความเข้าใจพื้นฐานเกี่ยวกับการทำงานของสมองตามปกติเท่านั้น แต่ยังเผยให้เห็นเบาะแสเกี่ยวกับความผิดปกติของสมอง เช่น โรคอัลไซเมอร์และโรคพาร์กินสัน ซึ่งการทำงานของสมองปกติจะหยุดชะงัก

สำหรับการอ่านที่ลึกซึ้งยิ่งขึ้น:

Plaza, SM, Scheffer, LK และ Chklovskii, DB (2014) สู่การสร้างคอนเนกโทมขนาดใหญ่ขึ้นใหม่ ความคิดเห็นปัจจุบันทางประสาทชีววิทยา , 25 , 201-210.

มากาโรวา AA, Polilov AA, Chklovskii DB 2021 สมองเล็กสำหรับวิทยาศาสตร์ที่ยิ่งใหญ่ . Curr Op ประสาทชีววิทยา . 71: 77-83.

โปลิลอฟ เอเอ. 2012. แมลงที่เล็กที่สุดวิวัฒนาการเซลล์ประสาท anucleate . ผู้พัฒนา โครงสร้าง Arthropod 41 (1): 29-34.

วิดีโอนี้เป็นส่วนหนึ่งของ Visualizing Science ซึ่งเป็นชุดวิดีโอสั้นๆ ที่อธิบายได้ซึ่งมีการแสดงภาพทางวิทยาศาสตร์และแบบจำลองทางคอมพิวเตอร์ ซึ่งบรรยายโดยนักวิทยาศาสตร์ที่สร้างวิดีโอเหล่านี้

จะเกิดอะไรขึ้นเมื่อเรามีอาการอักเสบ?

Ashley Chui เป็นจูเนียร์ Fellow กับ Simons Society of Fellows เครดิต: Nelson GarcíaVázquez

เมื่อคุณมีอาการอักเสบ ส่วนหนึ่งของร่างกายอาจบวม เปลี่ยนเป็นสีแดง หรือมีอาการคันมาก ผลกระทบสามารถเกิดขึ้นได้ทุกที่ตั้งแต่รู้สึกไม่สบายใจไปจนถึงเจ็บปวดอย่างยิ่ง แต่โดยทั่วไป — ยกเว้นในเงื่อนไขทางการแพทย์บางอย่างที่ทำให้เกิดการอักเสบเรื้อรัง — ความรู้สึกเหล่านี้เป็นเพียงชั่วคราว พวกเขายังให้บริการตามวัตถุประสงค์ที่เป็นประโยชน์ การอักเสบเป็นสัญญาณว่าร่างกายของเรากำลังต่อสู้กับการติดเชื้อแบคทีเรียหรือไวรัส นับเป็นก้าวสำคัญในเส้นทางกลับสู่สุขภาพ

แม้ว่านักวิทยาศาสตร์จะเข้าใจจุดประสงค์ของการอักเสบ แต่ก็ยังไม่ทราบถึงสิ่งที่เกิดขึ้นภายในเซลล์ของเรา นักวิทยาศาสตร์มีความสนใจเป็นพิเศษในบทบาทของโปรตีนในเซลล์และการตอบสนองต่อการบุกรุกของแบคทีเรียหรืออนุภาคไวรัส ปีแรก Simons Junior Fellow Ashley Chui นักศึกษาดุษฎีบัณฑิตในห้องทดลองของ Michele Pagano ที่ New York University School of Medicine กำลังนำความกระจ่างมาสู่ความเข้าใจของเราเกี่ยวกับกระบวนการนี้ Chui สำเร็จการศึกษาระดับปริญญาตรีด้านชีวเคมีจาก California State University, Fullerton และปริญญาเอกด้านชีววิทยาเคมีจากโครงการร่วมของ Weill Cornell Medical College, Rockefeller University และ Memorial Sloan Kettering Cancer Center

เมื่อเร็ว ๆ นี้ฉันกับ Chui ได้พูดคุยกันถึงงานของเธอ รวมถึงเหตุผลที่การสื่อสารทางวิทยาศาสตร์ที่ชัดเจนเป็นสิ่งสำคัญ การสนทนาของเราได้รับการแก้ไขเพื่อความชัดเจน

 

คุณจะอธิบายเป้าหมายการวิจัยโดยรวมของคุณอย่างไร?

ในระดับบัณฑิตศึกษา ฉันสนใจที่จะทำความเข้าใจว่าเกิดอะไรขึ้นภายในเซลล์ของเราเมื่อใดก็ตามที่ร่างกายของเราประสบกับการอักเสบเพื่อตอบสนองต่อการติดเชื้อ การอักเสบเป็นกระบวนการส่งสัญญาณจริงๆ มันทำให้เซลล์ของเรารู้ว่าพวกมันติดเชื้อ และตอนนี้ก็ถึงเวลาที่จะสร้างการป้องกัน ทุกสิ่งทุกอย่างที่เกิดขึ้นภายในตัวเราขึ้นอยู่กับปฏิสัมพันธ์ของโปรตีนต่างๆ ดังนั้นในกรณีนี้ ฉันกำลังศึกษากิจกรรมของโปรตีนระหว่างการอักเสบ จริงๆ แล้วมีคำศัพท์สนุกๆ การอักเสบ สำหรับ ‘การอักเสบ’ และ บางอย่าง สำหรับ ‘ความซับซ้อนทั้งหมด’

 

อะไรที่ทำให้คุณมางานนี้?

ระดับปริญญาตรีของฉันอยู่ในสาขาชีวเคมี และนั่นคือตอนที่ฉันใช้เวลาช่วงแรกที่ยั่งยืนในการศึกษาสิ่งที่เกิดขึ้นภายในเซลล์ รู้สึกเหมือนกำลังต่อจิ๊กซอว์ขนาดยักษ์ และนั่นคือสิ่งที่ทำให้ฉันติดใจ!

ปริศนาขนาดยักษ์นั้นยังเป็นเหตุผลว่าทำไมการวิจัยในส่วนนี้จึงต้องใช้เวลาหลายปีในการทำงานอย่างอุตสาหะ ทุกครั้งที่คุณมองเข้าไปในเซลล์ โปรตีนจะถูกจัดเรียงในลักษณะที่ต่างไปจากที่เคยเป็น มันเหมือนกับการดูไข่คนกับไข่ลวกที่คุณรู้ว่าไข่แดงและไข่ขาวอยู่ที่ไหน คุณอาจไม่สามารถสังเกตกระบวนการที่เกิดขึ้นได้ ทั้งนี้ขึ้นอยู่กับเวลาที่คุณมองเข้าไปข้างใน คุณต้องอดทนด้วยความมั่นใจว่าด้วยเวลาและความทุ่มเทคุณจะไขปริศนาได้

คุณไขปริศนาส่วนใดได้บ้าง

ระหว่างที่ฉันทำงานจบการศึกษา ฉันและเพื่อนร่วมงานได้ศึกษาวิธีการและสาเหตุที่ทำให้เกิดการอักเสบ นอกจากนี้เรายังศึกษาว่าการอักเสบกระตุ้น pyroptosis ซึ่งเป็นกระบวนการที่เซลล์ที่ติดเชื้อเสียสละตัวเองในการเสียชีวิตที่ลุกเป็นไฟและระเบิดเพื่อชะลอการติดเชื้อ (เป็นคำที่สนุกจริง ๆ แล้ว: pyroptosis ซึ่ง pyro หมายถึง ‘ไฟ’ และ tosis หมายถึง ‘ความตาย’)

เพื่อศึกษาสิ่งนี้ เราทำให้เซลล์ติดเชื้อด้วยปัจจัยการตายของแอนแทรกซ์ที่เป็นพิษ นักวิทยาศาสตร์ทราบมานานแล้วว่าปัจจัยที่ทำให้เสียชีวิตจากโรคแอนแทรกซ์กระตุ้นโปรตีน NLRP1 ให้กลายเป็นสารอักเสบ และการกระตุ้นดังกล่าวจะนำไปสู่โรคไพรอปโทซิส แต่รายละเอียดที่เกินกว่านั้นยังคงเข้าใจยาก

เอนไซม์ก่อโรคที่หลากหลายกระตุ้น NLRP1B inflammasome โดยการย่อยสลายการทำงาน เครดิต: Sandstrom et al. การเสื่อมสภาพตามหน้าที่: กลไกของการกระตุ้นการอักเสบของ NLRP1 โดยเอนไซม์ก่อโรคที่หลากหลาย วิทยาศาสตร์ ; 2019,364(3465)

การสืบสวนของเราเปิดเผยคำตอบที่สำคัญสำหรับคำถามเหล่านี้ เราค้นพบว่าปัจจัยที่ทำให้ถึงตายจะจับและตัดปลายด้านหนึ่งของโปรตีน NLRP1 ออกโดยตรง สิ่งนี้เริ่มต้นการเสื่อมสลายของ NLRP1 โดยรวม ซึ่งจะปล่อยปลายอีกด้านของ NLRP1 ที่กระตุ้นไพรอปโทซิส

ในที่สุดเนื้อหาของเซลล์ก็จะระเบิด นั่นคือส่วนที่ร้อนแรง ซึ่งจะปล่อยเนื้อหาทั้งหมดภายในเซลล์ เซลล์ที่อยู่ใกล้เคียงจะสังเกตเห็น พวกเขาสัมผัสได้ถึงการติดเชื้อที่เพิ่มขึ้นและเริ่มทำงานเพื่อกำจัดมัน การค้นพบกระบวนการแบบทีละขั้นตอนนี้ ซึ่งต้องใช้ความรู้ที่ดีที่สุดของเราอย่างที่ไม่เคยมีมาก่อน ได้รับการตีพิมพ์ใน ปี 2019 ในวารสาร Science

 

ตอนนี้คุณกำลังทำอะไรอยู่ในระหว่างการคบหาหลังปริญญาเอกในห้องแล็บ Pagano?

เนื่องจากฉันสะดุดเข้ากับสาขาการย่อยสลายโปรตีนจากงานจบการศึกษาในสาขาที่มีอาการลุกลาม ฉันจึงต้องการได้รับความเชี่ยวชาญมากขึ้นในสาขานั้น ฉันเลือกมาที่แล็บ Pagano ที่ NYU เพราะ Dr. Pagano เชี่ยวชาญในการศึกษาเกี่ยวกับ ubiquitin ligases โปรตีนประเภทนี้เป็นศูนย์กลางในการแบ่งเซลล์และเป็นส่วนประกอบที่สำคัญสำหรับการรีไซเคิลโปรตีนในเซลล์

ขณะนี้ ฉันกำลังกำหนดลักษณะและศึกษาว่า ubiquitin ligases ควบคุมกระบวนการของเซลล์ต่างๆ ได้อย่างไร รวมถึงวัฏจักรของเซลล์ (ซึ่งควบคุมความถี่ที่เซลล์เติบโตและแบ่งตัว) กระบวนการเมตาบอลิซึมและการส่งสัญญาณ (หรือวิธีที่เซลล์สื่อสาร) ที่สำคัญ ฉันกำลังพยายามหาโปรตีนที่ยูบิควิติน ไลกาส มุ่งเป้าไปที่การย่อยสลาย ที่เรียกว่าสารตั้งต้น หากคุณพบสิ่งเหล่านี้ คุณจะรู้ว่ายูบิควิติน ไลกาสสามารถควบคุมเส้นทางที่ซับสเตรตเหล่านี้เกี่ยวข้องได้อย่างไร

 

ในที่สุด Simons Junior Fellowship ช่วยงานของคุณได้อย่างไร?

ตอนนี้ฉันอยู่ในชั้นปีที่สองของการฝึกอบรมหลังปริญญาเอกและปีแรกของฉันในฐานะจูเนียร์เฟลโลว์ เช่นเดียวกับจูเนียร์เฟลโลว์คนอื่นๆ ฉันรู้สึกขอบคุณมากสำหรับการสนับสนุนของมูลนิธิ มันวิเศษมากที่ได้เป็นส่วนหนึ่งของชุมชนสหวิทยาการอย่างแท้จริง ที่ศึกษาทุกอย่างตั้งแต่คณิตศาสตร์ล้วนๆ ไปจนถึงฟิสิกส์ดาราศาสตร์ จนถึงงานของตัวเองในด้านชีวเคมี

ฉันเชื่อมั่นในคุณค่าของการสื่อสารทางวิทยาศาสตร์ที่ชัดเจน สิ่งสำคัญคือต้องสามารถอธิบายแนวคิดใดๆ ให้กับทุกคนได้อย่างชัดเจนและมีส่วนร่วม โดยไม่คำนึงถึงภูมิหลังของพวกเขา และทำได้อย่างถูกต้อง ตอนที่ฉันเรียนอยู่ในวิทยาลัย ฉันสอนนักเรียนมัธยมปลายเกี่ยวกับโปรตีนโดยใช้การเปรียบเทียบ เช่น เปรียบเทียบกับ Twizzlers เป็นต้น! นั่นเป็นสิ่งที่ท้าทาย แต่ฉันทำได้

ตอนนี้ที่มูลนิธิ Simons ฉันมีความท้าทายที่คล้ายกัน: ฉันต้องสามารถสื่อสารงานของฉันด้วยความจริงใจและถูกต้องกับจูเนียร์เฟลโลว์คนอื่นๆ ซึ่งแต่ละคนเป็นผู้เชี่ยวชาญที่มีชื่อเสียงในสาขาของตน แต่อาจไม่รู้อะไรเกี่ยวกับฉันเลย ฉันหวังว่าจะได้โอกาสสำคัญที่จะแบ่งปันงานของฉันกับผู้ชมกลุ่มนี้

รุ่นใหม่แสดงให้เห็นว่า Cilia สร้างคลื่นได้อย่างไร

CiliaryWavesC.jpg?auto=format&q=90

เกือบ 350 ปีที่แล้ว นักวิทยาศาสตร์ชาวดัตช์ Antonie van Leeuwenhoek มองดูขวดน้ำในทะเลสาบผ่านเลนส์ขยายที่สร้างขึ้นเอง ด้วยกล้องจุลทรรศน์พื้นฐานนี้ เขาเห็นสิ่งที่เขาอธิบายว่าเป็น “สัตว์ที่มีเท้าเล็กๆ ที่บางอย่างไม่น่าเชื่อซึ่งเคลื่อนไหวอย่างว่องไวมาก” สัตว์เหล่านี้เป็นสิ่งมีชีวิตเซลล์เดียว ‘เท้า’ เป็นสิ่งที่เราเรียกว่า cilia ในปัจจุบัน ซึ่งมีการฉายภาพคล้ายขนเล็กๆ หลายพันชิ้นที่สั่นบนพื้นผิวของเซลล์จำนวนมาก ทำให้เกิดคลื่นที่สามารถขับเคลื่อนเซลล์ไปข้างหน้าและเคลื่อนของเหลวผ่านเซลล์ที่อยู่กับที่ ตาเคลื่อนที่ดังกล่าวมีบทบาทสำคัญในการพัฒนาและสุขภาพของสิ่งมีชีวิต เช่น สร้างคลื่นที่สูบของเหลวในสมอง และช่วยให้อนุภาคใสติดอยู่ในทางเดินหายใจ แม้จะมีความสำคัญ แต่ก็ยังไม่เป็นที่รู้จักมากนักเกี่ยวกับฟิสิกส์ของการทำงาน ผล การศึกษา ที่ตีพิมพ์เมื่อเร็ว ๆ นี้ใน Proceedings of the National Academy of Sciences ได้ให้มุมมองใหม่ว่าคลื่นซิลิอารีเป็นอย่างไร โดยการพัฒนาแบบจำลองที่รวมเอาชีววิทยาที่ซับซ้อนในที่ทำงานจากมอเตอร์ขนาดนาโนเมตรที่ส่งกำลังตาไปถึงระดับมิลลิเมตร คลื่น cilia สร้าง

Brato Chakrabarti นักวิจัยจาก Center for Computational Biology (CCB) ของ Flatiron Institute และผู้เขียนคนแรกของการศึกษากล่าวว่า “ส่วนที่น่าตื่นเต้นที่นี่คือการเชื่อมช่องว่างระหว่างรายละเอียดด้วยกล้องจุลทรรศน์และพฤติกรรมในระดับที่ใหญ่ขึ้น

Michael Shelley ผู้อำนวยการ CCB และหัวหน้า กลุ่มการสร้างแบบจำลองทางชีวฟิสิกส์ กล่าวเสริมว่า “นี่เป็นรุ่นแรกที่พิจารณาว่าการเคลื่อนที่ด้วยกล้องจุลทรรศน์ของมอเตอร์ส่งกำลังให้ตาสร้างคลื่นที่มีขนาดที่ใหญ่ขึ้นได้อย่างไร

ภายในซีเลียมคล้ายกับเครื่องยนต์ขนาดเล็กมาก โปรตีนขนาดนาโนเมตรแบบพิเศษที่เรียกว่าไดนินจะเลื่อนชิ้นส่วนภายในของซีเลียมเข้าหากัน ทำให้เกิดการโค้งงอและเคลื่อนไหวตามจังหวะ การเคลื่อนไหวที่เต้นเป็นจังหวะนี้ประสานกันทั่วทั้งตานับร้อยถึงหลายพันที่แผ่กระจายไปทั่วพื้นผิวเพื่อสร้างคลื่นที่เคลื่อนที่ผ่านตา – เหมือนกับนิ้วที่มองไม่เห็นวิ่งไปตามใบหญ้า คลื่นเหล่านี้สามารถเดินทางได้ไกลถึงหลายมิลลิเมตร ซึ่งเป็นระยะทางที่ไกลมากเมื่อเทียบกับขนาดจุลทรรศน์ของซีเลียม ซึ่งเทียบเท่ากับไม้พายขนาดมาตรฐาน 10 ฟุต ทำให้เกิดคลื่นที่เดินทางตามความยาวของสระว่ายน้ำขนาดโอลิมปิก 12 สระ

ภาพขนาดย่อของวิดีโอ

การคลิกเพื่อดูวิดีโอนี้แสดงว่าคุณยอมรับ นโยบายความเป็นส่วนตัว ของเรา

การจับตาชั่งที่แตกต่างกันอย่างมากมายผ่านการสร้างแบบจำลองทางชีวฟิสิกส์: ตาที่สร้างคลื่นบนโครงตาข่ายมีรหัสสีโดยการกระจายของมอเตอร์ไดน์นิน กิจกรรมของไดน์อินภายในซีลีเนียมเดียว และการหน่วงเวลาระหว่างการเคลื่อนตัวเลื่อนและการเคลื่อนไหวของมอเตอร์ เครดิต: Chakrabati B, Fürtauer S, เชลลี่ เอ็มเจ Proc Natl Acad วิทย์.

พลังอันยิ่งใหญ่ที่อยู่เบื้องหลังตาเล็ก ๆ เหล่านี้ได้รับการสังเกตมานานแล้ว คำถามสำหรับนักวิจัยคือ: กลุ่มของ cilia ประสานการเคลื่อนไหวของพวกมันเพื่อสร้างคลื่นที่มีความสำคัญในกระบวนการทางชีววิทยาได้อย่างไร? และปัจจัยอะไรที่มีอิทธิพลต่อการก่อตัวและการแพร่กระจายของคลื่นดังกล่าว? ในการศึกษาครั้งใหม่นี้ นักวิทยาศาสตร์ได้สร้างแบบจำลองทางชีวฟิสิกส์ที่ระบุปัจจัยสี่ประการที่สำคัญต่อการเกิดขึ้นของคลื่นปรับเลนส์และกระแสการสูบฉีดอันทรงพลัง ในระดับที่เล็กที่สุด อันดับแรก แบบจำลองพิจารณาการสั่นที่เกิดขึ้นเองของซีเลียมเดี่ยวที่ขับเคลื่อนด้วยมอเตอร์ไดไนน์ ต่อมา พิจารณาปฏิสัมพันธ์ระหว่างตาและของเหลวโดยรอบ และจากนั้นพิจารณาปฏิสัมพันธ์ระหว่างตาข้างเคียง ซึ่งมีแนวโน้มจะขับไล่กันและกัน สุดท้าย แบบจำลองได้ตรวจสอบว่าการจัดเรียงของ cilia บนพื้นผิวส่งผลต่อการเกิดคลื่นอย่างไร “นักฟิสิกส์ชอบโมเดลแนวความคิดที่เรียบง่าย แต่ชีววิทยานั้นซับซ้อน และแบบจำลองนี้รวมเอาความซับซ้อนนั้นด้วย” เซบาสเตียน เฟอร์ทัวเออ ร์ ผู้ร่วมวิจัยกล่าว จนกระทั่งเมื่อไม่นานมานี้ นักวิทยาศาสตร์วิจัยในกลุ่มเชลลีย์ที่ CCB และตอนนี้อยู่ที่สถาบันฟิสิกส์ประยุกต์ที่ TU Wien มหาวิทยาลัยเทคโนโลยีเวียนนา

แบบจำลองทางชีวฟิสิกส์ที่เกิดขึ้นไม่เพียงแต่แสดงให้เห็นถึงการมีส่วนร่วมของปัจจัยทั้งสี่นี้ในการก่อตัวและการแพร่กระจายของคลื่นปรับเลนส์ แต่ยังแสดงให้เห็นด้วย – ในสถานการณ์ที่นักวิจัยไม่แปลกใจ – ซึ่งคลื่นจะไม่ปรากฏขึ้น อันที่จริง การค้นพบที่ไม่คาดฝันอย่างหนึ่งก็คือบางครั้งมีซีเลียหนึ่งมิติที่สมบูรณ์และเป็นเนื้อเดียวกัน ซึ่งเรียกว่าโครงตาข่ายในอุดมคติ ทำให้เกิดคลื่น และในบางครั้ง ก็ไม่เป็นเช่นนั้น Chakrabarti กล่าวว่า “ในหลายกรณี cilia ในโครงตาข่ายในอุดมคติเหล่านี้จะตีกันเป็นช่วงๆ และเราไม่เห็นคลื่น”

ภาพขนาดย่อของวิดีโอ

การคลิกเพื่อดูวิดีโอนี้แสดงว่าคุณยอมรับ นโยบายความเป็นส่วนตัว ของเรา

เซลล์ซีเลียตีกันเป็นช่วงๆ และไม่มีคลื่น เครดิต: Brato Chakrabarti

อย่างไรก็ตาม ในธรรมชาติไม่มีโครงตาข่ายในอุดมคติ ซึ่งแตกต่างจากแบบจำลองของนักวิทยาศาสตร์ กลุ่มของ cilia มักจะไม่สมบูรณ์ ตัวอย่างเช่น ตามักปรากฏเป็นหย่อม ๆ ทั่วพื้นผิวเซลล์ แทนที่จะปรากฏบนพรมที่เป็นเนื้อเดียวกัน บางครั้งความหยาบกร้านทำให้เกิดข้อได้เปรียบ เช่น การกำจัดอนุภาคในทางเดินหายใจของหนูอย่างมีประสิทธิภาพมากขึ้น ดังที่การศึกษาได้แสดงให้เห็น เพื่อสำรวจแนวคิดนี้ต่อไป นักวิจัยได้รวมเตียงปรับเลนส์ที่เป็นหย่อมๆ ไว้ในแบบจำลอง และเห็นคลื่นที่โผล่ออกมาอย่างแข็งแกร่งในแต่ละแผ่นแปะและประสานกันเมื่อเวลาผ่านไปผ่านแผ่นแปะปรับเลนส์ “ชีววิทยาบอกว่า ‘ให้ฉันยุ่งแล้วฉันจะให้คลื่นแก่คุณ’” เชลลีย์กล่าว

“แพตช์ป้องกันไม่ให้ระบบติดอยู่ในคลื่นชนิดเดียว และให้ความยืดหยุ่น เราเห็นว่าสิ่งที่เกิดขึ้นที่รอยต่อเป็นตัวกำหนดลักษณะของคลื่น” Fürtauer กล่าว

ภาพขนาดย่อของวิดีโอ

การคลิกเพื่อดูวิดีโอนี้แสดงว่าคุณยอมรับ นโยบายความเป็นส่วนตัว ของเรา

สัณฐานวิทยาของ Cilia bed ส่งผลต่อรูปแบบของคลื่นที่โผล่ออกมา เครดิต: Chakrabati B, Fürtauer S, Shelley MJ Proc Natl Acad วิทย์.

การสร้างแบบจำลองที่นี่ทำบนระบบหนึ่งมิติเป็นหลัก แต่ผลลัพธ์ในช่วงแรกแสดงความสอดคล้องของแบบจำลองในสองมิติเช่นกัน งานในอนาคตจะเน้นที่การพัฒนาแบบจำลองสองมิติ โดยคำนึงถึงลักษณะในโลกแห่งความเป็นจริง เช่น ระยะ cilia ที่ไม่สม่ำเสมอและการเบี่ยงเบนในความถี่ของจังหวะ ในท้ายที่สุด Fürthauer กล่าวว่าการจำลองอวัยวะทั้งหมด เช่น สมองหรือปอด จะมีความสำคัญในการทำความเข้าใจผลกระทบของการเปลี่ยนแปลงของคลื่นปรับเลนส์ในระบบทางชีววิทยา

เฉกเช่น Leeuwenhoek ชื่นชมลำดับของ cilia ขณะที่เขาจ้องมองผ่านเลนส์ของเขาไปสู่ทะเลแห่งความซับซ้อน นักสร้างแบบจำลองทางชีวฟิสิกส์ในปัจจุบันพยายามที่จะค้นหาระเบียบในระบบชีวภาพโดยไม่ลดความซับซ้อนของมัน นี่คือศิลปะของการสร้างแบบจำลองทางชีวฟิสิกส์ – เปิดเผยลำดับภายในความซับซ้อนโดยไม่ยึดติดกับสิ่งที่เชลลีย์เรียกว่า “กรอบความคิดแบบจำลองทางคณิตศาสตร์” “ในแบบจำลอง เราเรียนรู้ว่าเราไม่สามารถทำให้ขนตามีความสม่ำเสมอได้ แต่ [สามารถ] ทำให้มันเหมือนกับที่เราเห็นในธรรมชาติ และจากนั้นเราจะเข้าใจสิ่งที่ธรรมชาติใช้เพื่อสร้างคลื่น” เขากล่าว

“งานนี้แสดงให้เห็นว่าคุณสามารถทำอะไรกับแบบจำลองทางชีวฟิสิกส์ที่ซับซ้อนได้” Fürtauer กล่าว