مانیتورینگ نورون‌های خاص توسط سیستم روباتیکِ محققینِ MIT

درصد موفقیت این روش با موفقیت دانشمندان بسیار زبده که این عمل را به صورت دستی انجام می‌دهند برابری می‌کند.

ثبت کردن سیگنال‌های الکتریکی درون یک نورون در یک مغز زنده می‌تواند اطلاعات درباره‌ی نوع فعالیت آن نورون و اینکه چگونه با دیگر سلول‌های مغز هماهنگ می‌شود به ما بدهد. اگرچه انجام چنین عملی بسیار دشوار است٬ به همین خاطر فقط تعداد معدودی از آزمایشگاه‌های اعصاب در کل دنیا قادر به انجام چنین کاری هستند.

برای اینکه بتوان چنین تکنیکی را به صورت گسترده‌تر رواج داد٬ مهندسان MIT راهی برای اتوماتیک کردن این فرآیند اندیشیده‌اند٬ این روش از الگوریتم‌های کامپیوتری استفاده می‌کند که به تحلیل تصاویر میکروسکوپی می‌پردازد و یک بازوی رباتیک را به سلول هدف هدایت می‌کند.

این تکنولوژی می‌تواند به دانشمندان بیشتری اجازه‌ی مطالعه‌ی یک نورون یکتا را بدهد که از این طریق به نحوه‌ی ارتباط آن سلول با دیگر سلول‌ها که منجر به ادراک٬ فهمیدن حس‌ها و دیگر فعالیت‌های مغزی می‌گردد٬ می‌توان پی برد. پژوهش‌گران می‌توانند از این روش برای فهمیدن اینکه چگونه مدار‌های عصبی توسط بیماری‌ها تحت تاثیر قرار می‌گیرند نیز استفاده کنند.

Ed Boyden یک دانشیار مهندسی بیولوژیک و علوم شناختی و مغز در MIT که عضوی از آزمایشگاه media MIT و موسسه تحقیقاتی مغز McGovern است٬ می‌گوید: «دانستن اینکه چگونه نورون‌ها با یکدیگر ارتباط برقرار می‌کنند برای علم اعصاب محض و بالینی بسیار بنیادی است. ما امیدواریم که با این تکنولوژی شما بتوانید به اتفاقاتی که درون یک سلول می‌افتد از لحاظ محاسبات عصبی یا وضعیت بیماری نگاه کنید».

Boyden مولف ارشد مقاله است که در شماره‌ی ۳۰ آگوست Neuron چاپ شده است. مولف اصلی مقاله یک فارغ‌التحصیل MIT‌ به نام Ho-Jun Suk است.

هدایت دقیق

بیش از ۳۰ سال متخصصان اعصاب از روشی به نام بستن پَچ برای ثبت کردن فعالیت الکتریکی سلول‌ها استفاده می‌کردند. این روش به صورتی است که یک پیپت کوچک شیشه‌ای توخالی را با دیواره‌ی سلولی یک نورون تماس می‌دهند٬ سپس حفره‌ای کوچک در دیواره سلول ایجاد می‌کنند؛ معمولا یک فارغ التحصیل یا یک پسا دکترا چندین ماه زمان برای یادگیری این روش نیاز دارد. یادگیری انجام این روش روی نورون‌های پستانداران زنده حتی دشوارتر نیز هست.

دو نوع بستن پَچ وجود دارد: یکی روش «کور» (که توسط تصویر هدایت نمی‌شود) و محدودیت دارد چرا که پژوهش‌گر نمی‌تواند موقعیت سلول‌ها را مشاهده کند و تنها اولین چیزی که پیپت با آن برخورد می‌کند ثبت می‌شود٬ دیگری روش هدایت تصویری است که اجازه می‌دهد تا یک سلول خاص مورد هدف قرار گیرد.

پنج سال پیش٬ Boyden و همکارانش در MIT و Georgia Tech که کمک مولفCraig Forest نیز جزو آن‌ها بود٬ راهی برای خودکار کردن روش کور بستن پَچ ابداع کردند. آن‌ها الگوریتمی کامپیوتری درست کردند که می‌توانست پیپت را به یک سلول بر اساس اندازه‌گیری یک خصوصیت به نام آمپدانس الکتریکی هدایت کند٬ آمپدانس الکتریکی نشان دهنده‌ی میزان دشواری شارش الکتریسیته به خارج از پیپت است. اگر سلولی در آن ناحیه وجود نداشته باشد٬ الکتریسیته جریان می‌یابد و آمپدانس مقدار کمی خواهد داشت. وقتی که نوک پیپت با سلولی برخورد می‌کند٬ دیگر الکتریسیته نمی‌تواند به آن راحتی به بیرون جریان یابد و آمپدانس افزایش می‌یابد.

وقتی که پیپت سلولی را شناسایی کند٬ بلافاصله از حرکت باز می‌ایستد تا دیواره‌ی سلولی را سوراخ نکند. بعد از آن یک پمپ خلاء به کار می‌افتد تا با ایجاد مکش پیپت را به دیواره‌ی سلول بچسباند. سپس الکترود می‌تواند با عبور از دیواره‌ی سلولی به ثبت فعالیت‌های الکتریکی داخلی سلول اقدام کند.

با استفاده از این روش پژوهش‌گران قادر بودند به دقت خیلی بالایی دست پیدا کنند اما هنوز نمی‌شد از این روش برای هدف قرار دادن یک سلول خاص استفاده کرد. Boyden می‌گوید: «در بیشتر تحقیقات٬ متخصصان اعصاب نیازمند اطلاعات در مورد یک نوع سلول خاص هستند.

این سلول ممکن است سلولی باشد که در اوتیسم دخالت دارد یا سلولی باشد که در اثر اسکیزوفرنی تغییر کرده است٬ یا یک سلول که هنگام ثبت یک خاطره فعال می‌گردد. این‌ها سلول‌هایی هستند که شما می‌خواهید در مورد آن‌ها اطلاعات کسب کنید». او می‌گوید: «شما نمی‌خواهید تا هزار سلول را پَچ کنید تا به سلولی که جالب توجه است برسید».

برای ممکن ساختن چنین هدف گیری دقیق٬ محققان شروع به ایجاد بستن پَچ اتوماتیک با هدایت تصویری کردند. انجام دادن این روش به صورت دستی مشکل است به این خاطر که اگرچه دانشمند سلول نورون و پیپت را از طریق میکروسکوپ می‌بیند اما او باید تغییرات لازم را که ناشی از جابه‌جا شدن سلول‌های اطراف در هنگام ورود پیپت به مغز است٬ اعمال کند.

Suk می‌گوید: «این کار تقریبا مانند شلیک به یک هدف متحرک در داخل مغز که بافتی ظریف است٬ می‌باشد». «این کار برای ماشین ساده‌تر است چرا که می‌تواند حرکات سلول را دنبال کند٬ ماشین می‌تواند به صورت خودکار زوم میکروسکوپ را تغییر دهد و نیز پیپت را به جابه‌جا کند».

با ترکیب چندین روش پردازش تصویر پژوهش‌گران توانستند الگوریتمی درست کنند که پیپت را تا حدود ۲۵ میکرونی سلول هدف راهنمایی می‌کند. در این مرحله سیستم شروع به استفاده از ترکیب تصویر برداری و آمپدانس می‌کند٬ که در تشخیص فاصله‌ی پیپت تا سلول هدف٬ دقیق‌تر از استفاده از هر یک از این روش‌ها به تنهایی است.

محققان٬ از سلول‌ها با استفاده از تصویر برداری میکروسکوپی دو فوتونی عکس تهیه می‌کنند٬ روش معمولی که از یک لیزر پالسی برای فرستادن مادون قرمز به مغز و روشن کردن سلول‌هایی که برای نشان دادن یک پروتئین فلورسنت طراحی شده‌اند استفاده می‌کند.

با استفاده از این روش خودکار٬ پژوهش‌گران با موفقیت توانستند دو نوع سلول را مورد هدف قرار داده و ثبت کنند - یک کلاس از نورون‌های داخلی که پیام‌ها را بین دیگر نورون‌ها انتقال می‌دهند و یک مجموعه از نورون‌های هیجانی که آن‌ها را به عنوان سلول‌های هرمی می‌شناسیم. آن‌ها با این روش به بیست درصد موفقیت دست یافتند که این درصد موفقیت با موفقیت دانشمندان بسیار زبده که این عمل را به صورت دستی انجام می‌دهند برابری می‌کند.

رازگشایی مدار‌ها

این تکنولوژی راه را برای مطالعات عمیق در مورد رفتار‌های نورون‌های خاص٬ باز می‌کند٬ که می‌تواند هم روشن‌کننده‌ی عملکرد عادی آن‌ها باشد و هم اینکه چگونه در بیماری‌هایی نظیر آلزایمر یا اسکیزوفرنی منحرف می‌گردند. برای مثال٬ نورون‌های داخلی که در این مطالعه پژوهش‌گران روی آن‌ها تحقیق کرده بودند٬ سابقا با آلزایمر ارتباط داده شده بوند. در یک مطالعه‌ی اخیر روی موش‌ها٬ که توسط Li-Huei Tsai مدیر موسسه‌ی Picower برای یادگیری و حافظه‌ی MIT ٬ انجام شده و با همکاری Boyden صورت گرفته بود٬ گزارش شده بود که القای فرکانسی خاص از نوسانات امواج مغزی در نورون‌های داخلی در هیپوکمپوس می‌تواند باعث برطرف شدن پلاک‌های آمیلوئید شود که این پلاک‌ها مشابه همان‌هایی هستند که در بیماران مبتلا به آلزایمر مشاهده می‌گردند.

Boyden می‌گوید: «شما خیلی مشتاق هستید که بدانید در این سلول‌ها چه می‌گذرد. آیا در حال ارسال پیام به سلول‌های پایین دست هستند٬ که به نتیجه‌ی درمانی کمک می‌کنند؟ مغز یک مدار است٬ و برای اینکه بفهمیم که یک مدار چگونه کار می‌کند٬ باید بتوانیم اجزاء مدار را هنگامی که در حال کار است زیر نظر بگیریم».

این تکنیک حتی می‌تواند مطالعه در مورد سوالات بنیادی‌تر علم اعصاب را ممکن سازد٬ سوالاتی مانند اینکه چگونه نورون‌های منفرد هنگامی که مغز در حال تصمیم‌گیری است یا خاطره‌ای را به یاد می‌آورد٬ با یکدیگر ارتباط برقرار می‌کنند.

یک پروفسور نوروبیولوژی در دانشکده‌ی پزشکی هاروارد به نام Bernardo Sabatini می‌گوید به استفاده از این روش در آزمایشگاه خود علاقه‌مند است٬ چرا که دانشجویان زمان زیادی را صرف ثبت کردن فعالیت الکتریکی نورون‌هایی که در ظروف آزمایشگاهی پرورش داده‌اند٬ می‌کنند.

Sabatini که خود در این پروژه شرکت نداشته می‌گوید: «مضحک است که کارهای بسیار خسته‌کننده‌ای که می‌تواند توسط ربات‌ها انجام گیرد بر عهده‌ی دانشجویان بسیار باهوش باشد. من خیلی خوشحال می‌شوم که روبات‌ها بیشتر آزمایشات را انجام دهند تا ما بتوانیم روی طراحی و تفسیر نتیجه‌ی آزمایشات تمرکز کنیم».

برای اینکه دیگر آزمایشگاه‌ها بتوانند از این تکنولوژی جدید بهره ببرند٬ پژوهش‌گران قصد دارند که جزئیات روش خود را در وب‌سایت خود قرار دهند٬ autopatcher.org.

از دیگر کمک مولفان می‌توان به Ingrid van Welie, Suhasa Kodandaramaiah, و Brian Allen اشاره کرد. سرمایه‌گذاران این پژوهش افراد و سازمان‌های زیر می‌باشند:

Jeremy and Joyce Wertheimer, the National Institutes of Health (including the NIH Single Cell Initiative and the NIH Director’s Pioneer Award), the HHMI-Simons Faculty Scholars Program, and the New York Stem Cell Foundation-Robertson Award.

منبع: http://news.mit.edu