Etiket: nöron

Yayım tarihi

Gerçek fonksiyonlu yapay nöron üretildi

Görünüşe göre, laboratuarda üretilen minyatür beyin modelleri sinirbilimciler için yeterli değildi çünkü şimdi bir araştırma grubu tarafından gerçek gibi çalışabilen ‘yapay nöron‘ üretildi. Asıl ilginç olan şey, bu yapay nöronların temel sinyal-iletim fonksiyonunu yerine getirmeleri ve gerçek insan hücreleri ile iletişime geçmeleri oldu, üstelik hiçbir canlı parça bulundurmadan..

Ekip araştırma dahilinde topladığı verilere dayanarak, gelecekte bu ‘yapay nöron – cihazların’ hastalıkların veya sakatlıkların tedavisinde, zarar görmüş nöronların yerine yerleştirerek kullanılabileceğini öne sürüyor. Bu cihazlar ayrıca protez endüstrisi içinde de kendisine bir yer bulabilir. Operatör doktorlar, hareket kontrolünü geliştirmek amacıyla; yapay nöronları bir insan dokusu ile yapay organı (protez) arasında köprü görevi görecek şekilde kullanabilir.

Nöronlar veya ‘sinir hücreleri’; bilgiyi işlemek ve/veya diğer hücrelere iletimini sağlamak üzere özelleşmiş hücre grubudur. Sinir hücreleri, iletişim kurabilmek için iki sinir arasında bulunan küçük hücrelerarası boşluklar olan “sinaps“lara kimyasal sinyaller yada diğer bir değişle nörotransmitter salınımı gerçekleştirirler. Bu kimyasallar daha sonra ardı sıra gelen sinir hücresi tarafından tutulup veya alınıp, elektrik sinyal üretimi gerçekleştirilir. Bu elektrik sinyal voltajına aksiyon potansiyeli denmektedir. Aksiyon potansiyeli, nöronun ince aksonu boyunca ilerlemeye devam eder ve hücrenin diğer ucuna ulaştığında yeniden bir kimyasal salınımını uyararak sıradaki sinapsa nörotransmitter salgılanmasını sağlar.

Bu devreyi taklit etmek üzere İsveç’teki Karolinska Institutet’ten bilim insanları, iletken moleküller (polimerler) kullanarak bir nöron inşa etti ve enzim-temelli biyosensörler, organik biyoelektroniklere bağlandı. Sensörler çevrelerinde oluşan ve araştırmacılar tarafından suni şekilde yaratılan kimyasal değişimi ayırt ederek, yüklü iyonların akışını kontrol eden ‘elektronik pompa‘lar sayesinde elektriksel sinyal üretimini sağlıyor. Benzer pompalar, nöronların zarlarının üzerinde de çokça bulunmaktadır. Sonuçta, elektrik sinyal tekrar kimyasal sinyale dönüşerek, nörotransmitter salınımı gerçekleşiyor ve bu sinyal ile insan hücreleri uyarılabiliyor.

Araştırmacılar, daha ileri gelişme ve minyatürizasyon ile bu yapay hücrelerin laboratuvar dışında da bir yere sahip olabileceğini hatta insan vücuduna yerleştirilebileceğini düşünüyorlar.

Baş araştırmacı Agneta Richter-Dahlfors konu ile ilgili; ” Gelecekte, kablosuz iletişim konsepti eklenerek biyosensörlerin vücudun bir parçasına yerleştirilebileceğini ve vücudun çok uzak noktalarında nörotransmitter salınımını uyarabileceğini görebiliyoruz. Kendi kendini düzenleyebilen bir algılama ve ulaştırma -belki uzaktan kontrol da edilebilecek – sistemini kullanmak, gelecek araştırmalar için, nörolojik hastalıkların yok edilmesi veya kontrol altına alınabilmesi için yeni ve heyecan verici fırsatlar yaratabilir” açıklamasını yaptı.

Kaynak:

Yayım tarihi

Beyin Uykuda Problem Çözüyor

Hiç gece boyunca uğraştığınız bir Candy Crush oyununu ya da Sudoku bulmacasını sabah saatlerinde kolaylıkla yapabildiğiniz oldu mu? Bunun nedeni, uyuyarak zaman geçirmeyi seven kişileri oldukça memnun edecek.

Şimdiye kadar, uykunun insanların kaslarını ve düşüncelerini etkili biçimde çalışmalarını sağlayan bir durma süresi, yani vücudun toparlanma dönemi olduğunu düşündük. Ancak, Padraic Monaghan ve meslektaşlarının çalışması, uykunun aktif bir işlevinin de söz konusu olduğunu iddia ediyor. Aristo’ya kadar geri gidecek olursak, insanların uykuda zihin etkileşimini arttırdığı eskiden beri söz konusu olan bir iddiaydı. Mem Cognit’te yayımlanan çalışmayla ortaya çıkan şey ise, uykunun bir dinlenme sürecinden çok aktif bir dönem olduğu.

Uykunun insanların günlük hayatında derin etkileri olduğunu bilinen bir gerçektir. Uyku hafızayı güçlendirir, hali hazırda bildiklerimizi de yeni bilgilerle pekiştirmeye yardımcı olur. Aynı zamanda, var olan bilgilerin kalitesini de değiştirir böylece uykudan önceki deneyimler daha net bir şekilde beyne yerleşir. Ve biz, karar ve yargıda bulunurken, arka plandaki yanıltıcı bilgileri daha kolay eleriz.

Ancak uykunun problem çözme üzerinde de olumlu bir etkisi olduğu ortaya çıktı. İnsanların gece saatlerinde ilham kazanması oldukça yaygın görülen bir durum. Hatta gecenin bir saatinde kalkıp hayat memat meselesi olan ya da oldukça önemsiz bir problemi çözebilirsiniz bile. Bu çalışma, bu sezgilerin kesinlikle doğru çıktığını iddia ediyor.

Bu konuyu derinlemesine araştırmak için yapılan çalışmada, gönüllülere 3 kelimeden oluşan bir dizi problem verildi. Görev, bu 3 kelimeyle bağlantılı olan bir başka kelimeyi bulmaktı. Örnek olarak; İsviçre, bağ evi ve pasta (cevap makalenin sonundadır.) Soruların yarısı kolay, diğer yarısı ise zor olarak hazırlandı.

Uyumuş olan gönüllü grubu (“sleep”) soruları öncelikle gece gördü ve ertesi sabah soruları tekrar çözmeyi denedi. Uyanık olan grup (“wake”) ise soruları öncelikle sabah görüp aynı günün akşamı soruları bir kez daha çözmeyi denedi. Ayrıca gündüz ya da akşam saatlerinde problemleri çözen, ekstra bazı gruplar da çalışmada yer almıştır. Bunun nedeni günün saatinin çalışmadan etkilenmemesini sağlanmasıdır. Kolay problemlerde, uyanık grubun biraz daha etkili olduğu gözlenmiş, zor sorularda ise, uyumuş grubun cevaplarını önemli ölçüde düzelttiği görüldü.

Parlak fikirler

Böyle kelime sorularının çözümü oldukça kolay görünüyor. Bu yüzden, deneyin ardından şu sorular önem kazandı: Uyku daha karmaşık soruların da çözülebilmesini sağlar mı? Ve bu durum uyku hafızayı güçlendirdiği için mi gerçekleşir? Soruların cevabı eski ve yeni bilgilerin adaptasyonundan geçiyor. İyi karar verme ve problem çözmedeki anahtar beceri, bir problemin çözümünü başka bir probleme adapte edebilme yeteneğidir.

Bunun basit bir örneği olarak 8 + 4 = ? sorusu veriliyor. 5 + 3 = ? ve 2 + 7 = ? de benzer çözüm stratejileri gerektirir. İnsanlar bir kere aradaki bağlantıyı fark ettiler mi, genellikle cevap bariz hale gelmekte. Öğrendiğiniz şeyleri benzer sorunlarda uygulayamadığınızı bir düşünün, hayat ne kadar da zor olurdu. Ancak yine de insanların benzer çözümler uygulama alanında kötü bir ünü var.

Daha yeni bir çalışmada, insanlara birbiriyle alakalı iki dizi soru soruldu. Gece uyumuş olanlar iki soru dizisinin çözümünde, soruları gün boyunca çözmeye çalışanlardan daha başarılı oldular. Enteresan bir şekilde, bu durum katılımcıların kendilerini daha iyi hissetmelerinden, soruları hatırlamalarından ya da problemlerin birbiriyle ilişkisini kurabilmelerinden kaynaklanmıyordu. Bunlar yerine, gelişmenin, uyku esnasında problemin bilgisinin yeniden yapılanması aşaması sayesinde gerçekleştiği gözlendi.

Binlerce yıl sonra geliştirilmiş olsalar da, beyindeki uyku sürecinin nörofizyolojik etkileri üzerine olan modern teorilerin, Aristoteles’ın görüşüyle şaşırtıcı derecede tutarlı olduğu ortaya çıkarıldı. Öne çıkan yeni bir çalışma, uykunun hipokampus –beynin günlük deneyimleri kodladığı bölge– ve neokorteks – uzun dönem deneyimlerinin depolandığı bölge – arasındaki bilgi aktarımını sağladığını göstermektedir. Eğer çözümleri etkili bir şekilde düşüncelerimizdeki geçmiş sorunların kapsamına alabilirsek, yeni sorunları çözmek için de daha donanımlı hale gelmiş oluruz.

Bu araştırma bize sorunları çözmek için günden güne gelişim yaklaşımıyla rehberlik etmektedir. Eğer zor bir probleminiz varsa, gece onu bir kenara koyun ve sabah tekrar üzerine düşünün. Hali hazırda karmaşık bir karar aldıysanız bile, onu yeniden değerlendirin. Ertesi gün ulaşabileceğiniz en iyi sonuçlara varırsınız. Artık bu bilimsel bir şekilde destekleniyor.

Hala merak edenler için sorunun cevabı “peynir.”

 

Kaynak:

  • Bilimfili,
  • Padraic Monaghan “How We Showed ‘Sleeping On It’ Really Is The Best Way To Solve A Problem,”
    http://www.iflscience.com/brain/how-we-showed-sleeping-it-really-best-way-solve-problem
  • Sio UN, Monaghan P, Ormerod T. Sleep on it, but only if it is difficult: effects of sleep on problem solving. Mem Cognit. 2013 Feb;41(2):159-66. doi: 10.3758/s13421-012-0256-7.
  • Monaghan P, Sio UN, Lau SW, Woo HK, Linkenauger SA, Ormerod TC. Sleep promotes analogical transfer in problem solving. Cognition. 2015 Oct;143:25-30. doi: 10.1016/j.cognition.2015.06.005. Epub 2015 Jun 23.
  • Susanne Diekelmann & Jan Born The memory function of sleep Nature Reviews Neuroscience 11, 114-126 (February 2010) | doi:10.1038/nrn2762
Yayım tarihi

Gözdeki Nöronlar Hareketi Algılamak İçin Matematikten Yararlanıyor

Gözlerimiz beynimize sürekli olarak çevremizde olup bitenler hakkında bilgi gönderir. Gelen bilgi beyinde tanıyabileceğimiz nesneler biçiminde düzenlenir. Bu süreçte gözde bulunan bir dizi nöron, bilgi taşınımı içinelektriksel ve kimyasal sinyaller kullanır. Ulusal Sağlık Enstitüleri’nde (İng. National Institutes of Health – NIH) fareler üzerinde yapılan bir çalışmada bir nöron türünün bu sayede nasıl hareket eden nesneleri ayırt edebildiği ortaya kondu. Buna göre, normalde öğrenme ve bellek ile ilişkilendirilen bir protein olan NMDA reseptörü, gözdeki ve beyindeki nöronlara bu bilgiyi taşımada yardımcı olabiliyor.

Araştırmadan elde edilen bulgular Neuron dergisinde yayımlanan ve baş yazarlığını Jeffrey S. Diamond’ın yaptığı bir makale ile açıklandı. “Göz hem dış dünyaya, hem de beynin içsel işleyişine açılan bir penceredir. Yaptığımız çalışma, gözdeki ve beyindeki nöronların karmaşık bir görsel dünyada hareketi algılamalarına yardımcı olması için NMDA almaçlarını nasıl kullanabileceklerini gösterdi,” diyor Dr. Diamond.

Işık göze girip, göz küresinin arkasındaki retinaya ulaştığında görme başlar. Retinada bulunan nöronlar, ışığı sinirsel sinyallere dönüştürerek beyne iletir. Dr.Diamond’un laboratuvar ekibinden Dr. Alon Poleg-Polsky, fare retinası üzerinde yaptığı çalışmalar sırasında yönelimsel seçici retina ganglion hücrelerini (İng. directionally selective retinal ganglion cells – DSGC) incelemiş. DSGC hücrelerinin göze göre belli yönlerde hareket eden nesneler olduğunda ateşlenerek, beyne sinyal gönderdiği biliniyor.

Elektriksel olarak kaydedilen verilere göre bu hücrelerin bir bölümü retinaya ışık hüzmesi soldan sağa doğrudüştüğünde ateşlenirken, hücrelerin diğer bir bölümü ise ışık hüzmesi retinaya ters yönde düştüğünde ateşleniyor. Daha önce yapılan çalışmalarda, bu benzersiz tepkilerin komşu hücrelerin kimyasal iletişim noktaları olan sinapslardan gönderilen sinyallerin alımı ile kontrol edildiği öne sürülmüştü. Bu çalışmada Dr. Poleg-Polsky bir sinaps kümesindeki NMDA reseptörlerinin aktivitesinin, DSGC hücrelerinin beyne yöne duyarlı bilgi gönderip göndermeyeceğini düzenleyebileceğini keşfetti.

NMDA almaçları, glutamat ve glisin nörokimyasallarına tepki olarak elektriksel sinyaller üreten proteinlerdir. Etkinleştiklerinde, elektriksel yük taşıyan iyonların tıpkı kapağı açılmış bir kanala akan su gibi hücrelerden içeri ve dışarı akışına izin verirler.

1980’lerin başlarında Fransa’da ve NIH Enstitüleri’nde yapılan çalışmalarda, nöron kuvvetle aktifleştirilmediği ve elektriksel durumu belli bir gerilimin üstüne çıkmadığı sürece magnezyumun akışı engellediği görülmüştür. Bu düzenlemenin belli öğrenme ve bellek türleri için ve ayrıca nöronlardaki sinyallerin yükseltilmesi (İng. amplify) için kritik olduğu düşünülmüştür.

Dr.Poleg-Polsky tarafından yapılan başka deneylerde de magnezyumun NMDA almaçları üzerindeki kontrolünün DSGC hücrelerinin ateşlenmesini nasıl düzenleyebildiği incelendi. Gerçek koşulları taklit etmek için Dr.Poleg-Polsky farklı arka plan ışıklarına maruz bıraktığı retinaların üzerinden ışık hüzmeleri geçirdi. Araştırma sonuçları, arka plandaki ışıkların ürettiği sinyal akışının karışmasına rağmen, geçen ışık hüzmelerine yanıt olarak hücrelerin beyne sürekli bilgi iletiminin değişken magnezyum engeli ile güvencelendiğini ortaya koydu.

NMDA almaçları hücrelerin hüzmelere verdiği tepkileri çarpımsal ölçekleme (İng. multiplicative scaling) adı verilen bir işlemle yükselterek bunu gerçekleştiriyor. “Gözdeki hücreler çarpma işlemi yapabiliyor. Bu da hücrelerin bir kaplanın aheste bir biçimde geziniyor mu yoksa hızlı hareketlerle yemek peşinde mi olduğunu belirlemesine yardımcı oluyor,” diyor Dr.Poleg-Polsky. Bu çalışmanın sonuçları, NMDA almaçlarının nöronların bilgi iletiminde nasıl kritik bir rol oynadığını öneren ve giderek artan kanıtlar yığınını destekliyor. “Elde ettiğimiz sonuçlara bakılırsa, NMDA almaçları nöronların kendilerini ilgilendiren bilgiyi gereksiz arka plan gürültüsünden ayırmalarına yardımcı oluyor,” diyor Dr.Diamond.

 

Kaynak:

  • Bilimfili
  • MedicalXpress, “Eye cells may use math to detect motion”
    < http://medicalxpress.com/news/2016-03-eye-cells-math-motion.html >

İlgili Makale: Alon Poleg-Polsky et al. “NMDA Receptors Multiplicatively Scale Visual Signals and Enhance Directional Motion Discrimination in Retinal Ganglion Cells”, Neuron (2016). DOI: 10.1016/j.neuron.2016.02.013  

Yayım tarihi

İnsan Gibi Öğrenen Makineler

Nesne tanıma sistemleri oldukça ilerledi; hele Facebook’un yüz tanıma algoritmaları korkutucu derecede iyi. Bu sistemler, insanların nesneleri tanımayı öğrenişinden farklı biçimde, tipik olarak milyonlarca görsel örnekkullanılarak geliştirilir. Bir insan ise bir nesnenin iki-üç resmini gördüğünde, genellikle o nesnenin yeni örneklerini tanıyabilir duruma gelir.

Dört yıl önce, Massachusetts Teknoloji Enstitüsü Beyin Araştırma Bölümü’nden Tomaso Poggio’nun ekibi, görsel temsil için yeni bir bilgisayar modeli üzerinde çalışmaya başladı. Amaçları, beynin tam olarak ne yaptığınıanlayabilmekti. Ekip, Theoretical Computer Science dergisinde yayımlanması için geçtiğimiz günlerde hazırladıkları makalelerinde, geliştirdikleri modeli temel alan bir makine öğrenimi sisteminin, sadece birkaç örneğe dayanarak son derece başarılı nesne tanımlamaları yapabildiğini gösteriyor.

Araştırmacılar ayrıca hem bu son makalelerinde, hem de geçtiğimiz Ekim ayında PLOS Computational Biologydergisinde yayımladıkları makalelerinde, beynin işleyişine ilişkin eldeki kanıtların modelleri ile gayet uyumlu olduğunu da belirtiyorlar.

“Eğer bana yüzünüzün belli bir uzaklıktan çekilmiş bir resmini gösterseler ve daha sonra ben sizi farklı bir uzaklıktan görsem, görüntü resimdekinden farklı olur ve basit karşılaştırma yöntemleri işe yaramaz. Bu durumda ya çok fazla sayıda örnek resme gerek vardır; yani yüzünüzü tüm olası pozisyonlarda görmüş olmalıyımdır ya da nesnenin değişmez bir temsilini bulmak gerekir,” diyor Prof. Poggio.

Bir nesnenin değişmez temsilinin boyut değişimine, konum değişimine ve dönmeye karşı bağışıklı olması, bu değişimlerden etkilenmemesi gerekir. Bilgisayar görüş araştırmacıları değişmez nesne temsili için çeşitli teknikler önermişti, fakat Poggio’nun grubunun çalışması beynin işleyiş mekanizması ile uyumlu bir değişmez temsil bulması bakımından ayrıca önem taşıyor.

Sinirler Neyi Hesaplıyor?

Sinir hücreleri, yani nöronlar uçları dallanan uzun ve ince yapılı hücrelerdir. Görsel işlemenin yapıldığı beyin kabuğunda (İng. cerebral cortex), herbir nöronun her ucunda yaklaşık 10.000 dallanma bulunur.

Böylece iki kabuk nöronu (İng. cortical neuron) birbirleri ile sinir kavşağı (sinaps [İng. synapse]) adı verilen 10.000 ayrı kimyasal eklem üzerinden iletişim kurar. Her sinir kavşağının kendi “ağırlığı” (gelen sinyalin gücünü katlayan bir çarpan) vardır. 10.000 sinir kavşağının hepsinden geçen sinyaller, nöronun bedeninde biraraya getirilir. Uyarım desenleri ve elektriksel etkinlik, zaman içinde sinir kavşaklarının ağırlıklarını değiştirir; bu kökleşmiş alışkanlıkları ve anıları oluşturan mekanizmadır.

Öte yandan, matematiğin lineer cebir dalındaki anahtar işlemlerden biri nokta (skaler) çarpımdır. Bu işleme girdi olarak iki sayı dizisi (veya iki vektör) verilir, bunların elemanları belli bir düzende çarpılır ve ortaya tek bir sayıbiçiminde bir sonuç çıkar. Dolayısıyla, beyin kabuğunda bulunan tek bir nöral devrenin çıktısını, 10.000 değişkenli iki vektörün nokta çarpımı olarak düşünebiliriz. Bu büyük çaplı işlemi, beyindeki her bir nöron her an yapar.

Poggio’nun grubu, nokta çarpımlara dayanan değişmez nesne temsilleri geliştirmiş bulunuyor. Bir düzlemde 360 derecelik dönme yapan bir nesnenin minik bir dijital filmini çektiğinizi varsayın. Örneğin 24 karelik olsun ve herbir kare bir öncekinden birazcık daha dönmüş durumu göstersin. Filmi 24 tane fotoğraf biçiminde depolamış oluyorsunuz.

Ardından tanımadığınız bir nesnenin dijital resmini size gösterdiklerini farz edin. Söz konusu resim piksellerin renk değerlerine karşılık gelen bir dizi sayı (bir vektör) olarak yorumlanabileceğinden, filminizin karelerinin herbiri ile nokta çarpımlarını alabilir ve sonuçta 24 sayılık bir dizi elde edebilirsiniz.

Değişmezlik

Şimdi de aynı nesnenin bir öncekine göre 90 derecelik dönme yapmış halinin resmini alın. Elinizdeki 24 kare ile bunun nokta çarpımını hesaplayın. Yine aynı 24 sayıyı elde edersiniz, fakat sıralamaları farklı olur. Örneğin ilk kare ile yapılan çarpımdan elde edilen sonuç, bu kez altıncı kare ile yapılan çarpımın sonucu olarak çıkabilir. Ama sonuçta elde aynı 24 sayı olur.

O halde bu sayı listesi, yeni nesnenin dönme altından değişmezliği olan bir temsilidir. Bir nesneyi dönerken değil de boyutu değişirken veya konumu değişirken filme alarak elde edeceğiniz film kareleri de, sırasıyla boyut ve konum değişmezliği olan nokta çarpım listeleri verecektir.

Poggio ve meslektaşları son makalelerinde dönme, boyut ve konum değişmezliği olan bir nesne temsili üretmek amaçlandığında, en uygun kalıbın Gabor filtreleri olarak bilinen görüntüler kümesi olduğunu gösterdi. Beyin kabuğundaki görsel işleme hücreleri tarafından yapılan görüntü işleme operasyonları için de Gabor filtreleri iyi bir tanım sunuyor.

Üç Boyut

Bu teknik bir düzlem üzerindeki görsel değişimlerde iyi çalışsa da, üç boyutlu dönme olduğunda pek iyi iş görmüyor. Yani bir arabanın karşıdan çekilmiş fotoğrafı ile yandan çekilmiş fotoğraflarının ortaya çıkaracağı sonuçlar çok farklı oluyor.

Bununla birlikte araştırmacılar, eğer yeni nesne olarak filmdeki ile aynı tip nesne kullanılırsa , nokta çarpımların yeterince değişmez tanımları hala verebildiğini de gösterdiler. Bu gözlem, Nancy Kanwisher ve başka araştırmacılar tarafından yapılmış olan ve görsel işleyen beyin kabuğu bölümlerinin , belli nesne sınıfları için uzmanlaşan bölümleri olduğuna işaret eden araştırmaları ile örtüşüyor.

Ekip, PLOS Computational Biology dergisinde yayımlanan makalelerinde, nokta çarpım algoritmasını kullanarak binlerce rastgele nesneyi sınıflandırmayı öğrenen bir bilgisayar sistemi tasarladıklarını anlatıyor. Öğrendiği her nesne sınıfı için sistem bir şablonlar kümesi üretiyor. Bu şablonlar, insan beyninin görsel işleyen bölümünde karşılık gelen sınıflara ayrılan bölgelerin boyutunu ve çeşitliliğine ilişkin öngörü yapıyor. Bu da, araştırmacalara göre, beyin ile kendi yapılandırdıkları sistemin benzer birşeyler yaptığına işaret ediyor.

Ekibin değişmezlik hipotezi, Caltech profesörlerinden Christof Koch’a göre geleneksel makine öğrenimi ile primat görsel sistemi arasındaki büyük boşluğa kurulan güçlü bir köprü. “Eğer varolan doğal zeki sistemleri anlayacaksak, güçlü yapay zeka sistemlerinin yapılandırılmasına giden yolda bu gibi zarif matematiksel çerçeveler gerekecek,” diye ekliyor.

 

Kaynak:

  • Bilimfili,
  • Massachusetts Teknoloji Enstitüsü, “Machines that learn like people”
    < http://news.mit.edu/2015/algorithms-recognize-objects-few-examples-1223 >

Referans Makaleler:

  • Fabio Anselmi et al. Unsupervised learning of invariant representations, Theoretical Computer Science (2015). DOI: 10.1016/j.tcs.2015.06.048
  • Joel Z. Leibo et al. The Invariance Hypothesis Implies Domain-Specific Regions in Visual Cortex, PLOS Computational Biology (2015). DOI: 10.1371/journal.pcbi.1004390
Yayım tarihi

Yetişkin Beynindeki Yeni Nöron Oluşumları Çevreye Adaptasyon Sağlıyor

 İnsan beyninin yetişkinlikte de yeni nöronlar üretmeye devam edebilmesi sinirbilimin temel dogmalarını yerle bir etti ama bu nöronların davranış ve bilişsel alandaki görevleri henüz bilinmiyor. Daha önce Ekim ayında Trends in Cognitive Sciences ‘da yayımlanan çalışmada yetişkin hipokampüslerinde (beynin öğrenme ve hafıza ile ilgili en çok aktiviteye sahip bölgesi ) yeni nöron oluşumlarının gözlendiği bildirilmişti.

 Araştırmacılar bu tip yeni nöron oluşumunun, hayvan türlerinde çevreye , çevredeki değişimlere ve adaptasyonüzerine nasıl yardımcı olduğunu tartışmaya devam ediyorlar. Bu fikirleri test etmek için mümkün olduğunca doğal deneyler dizayn edildi, laboratuar kemirgenleri daha doğal ve sosyal ortamlarına benzer kurgular içinde gözlemlendi. Burada amaç sosyal statünün yeni nöron yapımını nasıl etkilediğini gözlemlemekti.

Yeni nöronlar hipokampüsü muhtemel çevresel değişikliklere adapte etmeye yarıyor. Spesifik olarak ödül ve stress mekanizmalarıyla ilgili deneyler bireyin beynini optimize etmesini sağlıyor. Yine de adaptif önemin anlaşılması için daha doğala özdeş deney dizaynları gerekli bir adım olarak görülüyor.

Son yıllarda, her geçen gün daha da kesinleşen bir bilgi var  ki ; memeli beyni değişen çevresel şartlardan son derece etkilenmektedir. Stres yaratıcı günlük tecrübeler, hipokampüs bölgesinde oluşan yeni nöron sayısını son derece azaltıyor. Aksine, ödül mekanizmasını harekete geçiren tecrübeler ile (fiziksel egzersiz, çiftleşme, sosyal paylaşım) yeni hipokampüs nöronlarının oluşumunu dramatik oranda artırıyor.

Yetişkinlikte yeni nöronların oluşması çok önemli davranışsal ve bilişsel sonuçlar ortaya çıkarabilir. Strese bağlı yeni nöron oluşumunun azalması, hipokampüse üzeri bilişsel aktivite (obje hafızası, uzamsal yön bulma ve öğrenme gibi) yapılmamasına bağlanıyor. Stres sebebi olan yaşantıların hipokampüse bağlı anksiyete davranışlarını artırdığı da biliniyor. Buna karşın ödül mekanizmaları anksiyete davranışlarını da düşürüyor ki bu da bilişsel görevlerin başarısına bağlanıyor.

Nöronların adaptif önemi konusunda bir anlaşmazlık olsa da , bilimciler günlük aktivitenin beyni değiştirdiğinekanaat getiriyor. Geleceği kestirmenin en iyi yolu geçmişe bakmak olduğu için stres yaratıcı bir ortamda adaptasyon stres ile modellenmiş bir beyinden anlaşılabiliyor.

Gel gelelim, bu yöndeki stres üzerinden yapılan deneyler ödül deneylerinden çok daha az olduğu için, sistem yanlış adaptasyon sonuçları , şiddeti ve sıklığı ortaya çıkarabiliyor.

Genel olarak tüm çalışmalar kurulmuş laboratuvar ortamlarında yapıldığından gerçek dünyadaki iz düşümler kestirilemiyordu. Açık izlenebilir bir oyuklar sistemi kullanmak ve içine açık alanlar geçitler ve tüpler kurmak, araştırmacılar için baskınlık hiyerarşisini gözlemleyebilecekleri doğal bir ortam yaratılmasını sağladı. Burada sıçanların doğal ortamlarındaki stres, ödül mekanizmaları ve gerçek sosyallik durumları kolaylıkla ve doğal olarak ortaya çıktı.

Daha doğal ve gerçekçi dizaynlar ile dominant yetişkinlerde , ortalama erkek sıçanlara oranla daha fazla yeni nöron üretimi olduğu görüldü. Kompleks sosyal etkileşimleri, bireysel farkları maksimum düzeyde ölçmeyi sağlayacak set uplardan laboratuvar hayvanlarını alıp, insanları bu alana koymak deneyleri ve algımızı bir adım öteye taşıyacaktır.

 

Referans     :

  1. Bilimfili,
  2. Maya Opendak, Elizabeth Gould. Adult neurogenesis: a substrate for experience-dependent change. Trends in Cognitive Sciences, 2015; DOI:10.1016/j.tics.2015.01.001
Yayım tarihi

Araştırma İçin Geliştirilen ‘Mini Beyin’ler

Johns Hopkins Üniversitesi araştırmacıları, insan beynini oluşturan sinir hücreleri ve diğer yardımcı hücrelerden meydana gelen ‘mini beyin’ler üretmeye başladı.

Sekiz haftalık bir süreçte bir grup beyin hücresinden büyüyerek beyin-benzeri bir yapı oluşturmayı başaran bilim insanları, özellikle ilaçların denenmesi ve hastalıkların modellenmesi noktasında bu teknolojinin; yüz binlerce laboratuvar hayvanının yerine geçebileceğini öne sürüyorlar.

Mini beyinler insan hücrelerinden oluştuğu için, bu teknoloji sayesinde test edilen ilaçlar ve tedavi yöntemleri ile ilgili daha verimli bilgilere de ulaşılabilecek. Araştırmacılar, beyinleri;  iPSC adı ile bilinen kök hücre tiplerini, insan beyin hücrelerine dönüşebilecek şekilde uyararak oluşturuyor. İki aylık bir süreçten sonra dört çeşit nöron ve iki tip yardımcı hücreden oluşan mini beyinler gelişmiş oluyor.

Mini beyinler, 350 mikrometre çapında olsa da elektrot ağları üzerine yerleştirilerek ilaç etkisi altında EEG’ye benzer aktivite kayıtları alınabiliyor. Teknolojinin; Alzheimer, Parkinson, MS ve hatta otizm çalışmalarında kullanılabileceği düşünülüyor.

Gelişmenin getirdiği en önemli özellik ise, mini-beyinlerin tamamen insan hücrelerinden oluşuyor olması (nöron tipleri ve destek hücreleri – oligodendrositler ile astrositler). Bu sayede hem yapısal hem de işlevsel olan beyin çalışmalarında, araştırmalar insana en yakın örneklerle yürütülmüş olacak. Bu da her ne kadar memeliler olarak ortak özelliklerimiz olsa da veya evrimsel olarak yakın olsak da, kemirgenler, diğer primatlar ve bizim aramızdaki farkların ve de bu farkların yaratmış olduğu araştırma zorluklarının üstesinden gelinmiş olacak.

Araştırmanın lideri olan Thomas Hartung, keşiflerinin patentini almak üzere başvurusunu gerçekleştirdi. Hartung, önümüzdeki yıllarda bu teknolojinin dünya genelinde laboratuvarlarda kullanılıyor olmasını ve hatta birçok laboratuvar hayvanının yerine geçmesini umuyor.

Kaynak :

  1. Bilimfili,
  2. Johns Hopkins University Bloomberg School of Public Health. “Researchers create ‘mini-brains’ in lab to study neurological diseases: Use of human-derived structures could allow for better research and reduce animal testing.” ScienceDaily. ScienceDaily, 12 February 2016. <www.sciencedaily.com/releases/2016/02/160212163901.htm>.
  3. Thomas Hartung, Understanding Neurotoxicity: Building Human Mini-Brains From Patients’ Stem Cells 2016 AAAS Annual Meeting (February 11-15, 2016),
Yayım tarihi

Beyin Gelişiminde Temel Aç/Kapa Mekanizması Keşfedildi

Mainz’daki Institute of Molecular Biology (IMB -Moleküler Biyoloji Enstitüsü) bilimcileri beyin hücrelerinin oluşumunu yürüten tek bir genin karmaşık düzenlenme (regülasyon) mekanizmasını çözümledi ve ortaya çıkardı. Araştırma The EMBO Journal‘de yayımlandı ve beyin gelişiminin anlaşılması yönünde büyük bir adım daha atılmış oldu.

Nörodejeneratif hastalıklar (Parkinson vb. ) genellikle nöronların (beyindeki sinir hücrelerinin) geri döndürülemez kaybı olarak karakterize edilmektedir. Vücutta bulunan diğer hücre tiplerinden farklı olarak, nöronlar genellikle kendilerini yenileyemezler. Yani eğer beyin bir kez zarar gördüyse, öyle kalır. Benzer hasarları tedavi etmeyi sağlayacak yöntemlerin keşfi için tek umut da, beyin gelişimini anlamak ve süreci taklit etmeyi başarabilmek olacaktır. Ne var ki, beyin vücuttaki en karmaşık organlardan birisidir ve gelişimine öncülük eden moleküler mekanizmaları ile ilgili de çok az şey bilinmektedir.

Johannes Gutenberg University Mainz’daki Institute of Molecular Biology’den Dr. Vijay Tiwari’nin öncülük ettiği araştırma ekibi bir süredir beyin gelişiminde görev alan temel bir geni araştırıyordu,  NeuroD1. Bu gen gelişmekte olan beyinde ekspres edilir ve nörogenez (sinir hücrelerinin oluşumu) başlangıcına işaret eder.

Araştırmanın makalesinde, Tiwari ve ekip arkadaşları NeuroD1’in yalnızca beyin kök hücrelerinde ekspres edilmekle kalmaz aynı zamanda bu hücrelerin nörona dönüşmesini sağlayan çok sayıda genin temel regülatörü (düzenleyici) olarak rol oynar. Nörobiyoloji, epigenetik ve yazılımsal biyoloji yaklaşımları bir araya getirilerek gelişim sırasında bu çok sayıda genin ‘kapalı’ durumda olduğu saptandı. Ancak NeuroD1 aktivitesi bu genlerin epigenetik statülerini değiştirerek onları ‘açık’ konuma getirir.

Çarpıcı bir sonuç olarak bu genlerin NeuroD1 ortadan kalktıktan sonra dahi (sonraki ekspres edilmediği süreçlerde de) açık konumda kaldıkları tespit edildi. Bunun sebebi ise daha sonraki deneylerde, NeuroD1 aktivitesinin epigenetik etkilerinin bu genler üzerinde kalıcı etkiler bırakması olarak saptandı. Ekip bu fenomeni kısaca nöron gelişimini sağlayan ‘epigenetik hafıza’ olarak tanımlıyor.

Araştırmanın önemi ise, tek bir faktör olarak NeuroD1’in hücrenin epigenetik manzarasını etkileme ve değiştirme yeteneğinin/kapasitesinin ortaya çıkması olarak görülüyor. Bu epigenetik etki de aynı zamanda nöronların jenerasyonunu (üretilmesini veya oluşumunu) yürüten temel etken olarak karşımıza çıkıyor.

Dr. Tiwari bulguların uygulama alanları ile ilgili : ” Bu; DNA dizileri, epigenetik değişimler ve hücre gelişimi ilişkisinin anlaşılması yönünde atılmış önemli bir adımdır. Araştırma yalnızca embriyonik gelişim sırasındaki beyin oluşumunu aydınlatmakla kalmıyor aynı zamanda rejeneratif terapilerin keşfedilmesi yönünde yeni yolların açılmasını da sağlıyor” açıklamasında bulundu.

 

Kaynak :  Bilimfili, A. Glahs, R. P. Zinzen. Putting chromatin in its place: the pioneer factor NeuroD1 modulates chromatin state to drive cell fate decisions. The EMBO Journal, 2015; DOI: 10.15252/embj.201593324

Yayım tarihi

Beyin Dalgaları Elektrik Alanla Mı Yayılıyor?

Case Western Reserve University’den bilim insanları beyin içerisinde iletişim (nöronlar veya beyin bölgeleri arası etkileşim kastediliyor) sağlayan yeni bir yolu keşfetmiş olabilir.

Araştırmacıların keşfi, beyin dalgalarını incelerken hafıza ve epilepsi ile ilintili olası yeni hedeflerin tanımlanmasını ve sağlıklı beyin koşullarının daha iyi anlaşılmasını sağlayabilir.

Yapılan araştırmada, nöral uyarının beyinde izlediği yolun bilindiği bir takım mekanizmalarda, sinir uyarıları çok yavaş bir hızda kaydedildi. Araştırmacılar, bu dalganın yayılımının tek açıklamasının; tespit edilebilecek zayıf bir elektrik alan tarafından yayılıyor olacağını belirtti. Laboratuvar çalışmaları ve bilgisayar modelleri de bu savı destekliyor.

Bugüne kadar bu fenomen üzerine çalışılıyor olsa da, bu araştırmadaki bağıntı daha önce kurulamamış, net bir kanıt da bulunamamıştı. Burada yapılan bağıntının da sonucunda bu yönü belirlenebilir elektrik alanla; çeşitli beyin süreçlerinin kontrolü ve geliştirilmesi için kognitif ritime müdahale edilebileceği veya bir takım hastalık koşularının modülasyonu yapılabileceği çıkarımı kolaylıkla yapılabilir.

Araştırmacılar bulgularını ve araştırmanın detaylarını The Journal of Neuroscience’da yayımladılar.

Araştırmacılar bugüne kadar beyin içindeki elektrik dalgalarının, dalga geçişini sağlamak için (dalga ile bilgi aktarımı) fazla zayıf olduğunu düşünüyorlardı. Ancak öyle görünüyor ki; beyin belki de sinaptik transmisyon (nöronlar arası uyarının direkt iletilmesi), difüzyon veya açıklık bağlantıları (teknik olarak ‘gap junctions’ terimi kullanılır) olmadan elektrik dalgaları ile iletişimini sağlıyor olabilir.

Alanlar Nasıl Çalışıyor 

Bilgisayar modelleri ve fare hipokampusları (beynin uzamsal navigasyon ve hafıza ile ilgili olan bölgesi) üzerinde yapılan testler; alanın, bir hücrede veya bir grup hücrede başlıyor olabileceğini gösteriyor.

Elektrik alan düşük genlikte de olsa, bu alan hemen yakınlardaki hücre veya hücreleri uyararak aktive edebiliyor, ki bunun sonucunda da bu hücrelerin yakınlarında olan diğerleri uyarılıyor ve saniyede 10 santimetre gibi bir oranla beyin boyunca uzanabilecek bir iletişim başlamış oluyor.

Araştırmacılar, farelerin hipokampuslarında, beyin içinde üretilen doğal elektrik alanı blokladıklarında ve hem laboratuvar kaplarındaki sinirler üzerindeki incelemelerde hem de bilgisayar modelinde benzer etkiyi yaratmak için hücreler arasındaki mesafeyi artırdıklarında dalganın hızının yavaşladığını gözlemlediler.

Araştırmacılara göre bu sonuçlar aktivite süresince yayılma mekanizmasının, elektrik alanla tutarlılık gösterdiğini ve de yavaşlama miktarının bu aradaki fark kadar olduğunu açığa çıkarıyor.

Uyku dalgaları ve uyku süresince hafıza oluşumunun bir anlamda devam etmesini sağlayan teta dalgaları ve epilepsi nöbeti dalgaları saniyede bir metre ilerleyebiliyorlar. Bu bize frekansları hakkında direkt bir bilgi veriyor ve araştırmacılar şimdi de elektrik alanın hem fizyoloji (normal durumlar) hem de patoloji (epilepsi ve diğer benzer hastalık koşulları) için olası etkilerini araştırmaya devam edecekler.

Eğer bir ilgisi varsa bir sonraki aşama da elektrik alanın bu anlamda normal durumlar veya patolojilerle ilgili nasıl bilgiler taşıdığını öğrenmek ve bunun üzerine epilepsi veya başka bilişsel hastalıklar / anomalilerin tedavisinde yeni adımlar atmak üzerine olacaktır.

Kaynak : Bilimfili, C. Qiu, R. S. Shivacharan, M. Zhang, D. M. Durand. Can Neural Activity Propagate by Endogenous Electrical Field? Journal of Neuroscience, 2015; 35 (48): 15800 DOI: 10.1523/JNEUROSCI.1045-15.2015

Yayım tarihi

Primatlarda ve Kemirgenlerde Beyinden Beyine Bağlantı Kuruldu

Brainet sistemlerinin deneysel uygulaması ve paradigmatik önemi

Duke araştırma grubunun çalışması, bireysel sinir kontrolü kavramını kolektif beyin ağlarına genişleterek beyin-makine arayüzlerinin (BMI) geliştirilmesinde paradigmatik bir değişimi işaret ediyor. Bu çalışmalarda, aynı türe ait birkaç hayvanın (makaklar ve fareler) beyinleri, yerleştirilen elektrot dizileri aracılığıyla ilk kez doğrudan birbirine bağlandı ve bu sayede bilişsel ve motor görevlerin birlikte çözülmesi sağlandı. Beyinler arasında gerçek zamanlı çift yönlü bilgi işlemeyi mümkün kılan bu ağ bağlantılarını tanımlamak için “brainet” terimi ortaya atıldı.

Primat Brainet: Sanal bir kolun işbirlikçi kontrolü

Primat deneyinde, üç makak maymununun motor ve somatosensoriyel korteksine elektrot dizileri yerleştirildi. Hayvanlar sanal bir kolun hareketini ortaklaşa kontrol ederken, 700’den fazla nöronun beyin aktivitesi eş zamanlı olarak kaydedildi. Her maymun kol hareketinin üç uzaysal boyutundan (x ve y ekseni) ikisini kontrol ediyordu. Üçüncü parametre (z ekseni), üç maymunun beyin sinyallerinin senkronize edilmesiyle hesaplandı. Ekrandaki hedefe başarıyla ulaşmak hassas bir sinirsel koordinasyon gerektiriyordu. Sonuçlar, artan pratikle birlikte kolektif motor kontrolünün daha verimli ve adaptif hale geldiğini gösterdi. Bu, kolektif bir ortamda sinir ağlarının esnekliğinin ve öğrenme kapasitesinin bir göstergesidir.

Kemirgen Beyin Ağı: Küçük Gruplarda Desen Tanıma ve Bilgi Entegrasyonu

İkinci deneyde, somatosensoriyel korteksleri mikrokablo dizileriyle birbirine bağlanmış üç ila dört fareden oluşan gruplar yer aldı. Hayvanlara sıcaklık ve hava basıncı verileri gibi duyusal bilgiler verildi. Görev, toplu bilgi işlemeye dayanarak hava durumunda bir değişiklik olasılığını (örneğin yağmur olasılığı) tahmin etmekti. Her bir farenin sadece kendi duyusal girdilerini yorumlaması değil, aynı zamanda bunları diğer hayvanlarınkilerle bütünleştirmesi gerekiyordu. Dikkat çekici bir şekilde, hayvan grupları belirli görevlerde bireysel hayvanlara kıyasla eşit veya daha üstün performans gösterdiler; bu da ortaya çıkan kolektif zeka mekanizmalarını düşündürmektedir.

Klinik ve teknolojik perspektifler

Sunulan sonuçlar, Brainets’in sadece sinirsel esneklik, senkronizasyon ve bilişin incelenmesi için yeni bir model sunmakla kalmayıp, aynı zamanda potansiyel olarak organik bilgisayar mimarilerinin temeli olarak da hizmet edebileceğini göstermektedir. Bu sistemler artık salt algoritmik-dijital olmayacak, bilgi işleme için biyolojik alt tabakaları kullanacak. Klinik araştırmalarda kolektif BKİ’lerin nörolojik hastalıkların tedavisinde veya motor fonksiyonların rehabilitasyonunda yeni yaklaşımlara olanak sağlayabileceği düşünülmektedir.

Metodoloji

Tüm deneyler, hem aksiyon potansiyellerini hem de yerel alan potansiyellerini kaydedebilen yüksek çözünürlüklü diziler kullanılarak gerçekleştirildi. Sinir sinyalleri algoritmalar kullanılarak çözümlendi ve hareket veya karar sinyallerine dönüştürüldü. Hayvanların başarılı bir şekilde işbirliği yapabilmeleri için bilginin çift yönlü akışı hayati önem taşıyordu.

Keşif

Brainet (birden fazla beyne bağlanan sinir ağları) kavramı, beyin-makine arayüzleri ve sinir iletişim teknolojilerindeki gelişmelerden ortaya çıkan sinir biliminde modern bir gelişmedir.

Erken sinir bilimi keşifleri:

    • Hans Berger’in EEG’si (1924): İlk insan beyin dalgası kayıtları, elektriksel beyin aktivitesini anlamak için temel oluşturdu.
    • Beyin haritalama: Broca (1861), Fritsch & Hitzig (1870) ve diğerlerinin çalışmaları, hedeflenen sinirsel arayüzlemeye olanak tanıyan yerelleştirilmiş beyin işlevlerini sağladı.

    Modern sinir bilimi altyapısı:

      • Beyin bankaları (1960’lar): Beyin dokusunun sistematik olarak korunması, sinir yapılarının karşılaştırmalı çalışmalarını kolaylaştırdı.
      • Hesaplamalı modeller: Morris–Lecar modeli (1981) ve diğerleri sinirsel aktivitenin niceliksel analizini ilerletti.

      Temel teknolojik sıçramalar:

        • Hafıza kaydı (2013): Bir farenin hafızası deneysel olarak kaydedildi ve sinirsel veri çıkarma işleminin uygulanabilirliğini gösterdi.
        • Beyin-makine arayüzleri: Elektrot teknolojisi ve sinyal işleme alanındaki gelişmeler gerçek zamanlı beyin-bilgisayar iletişimini mümkün kıldı.

        BrainNet kavramı muhtemelen bu temeller üzerine inşa edilmiştir ve işbirlikçi sinirsel görevleri başarmak için çoklu beyin sinyal kaydını (EEG veya implantlar aracılığıyla) hesaplamalı entegrasyonla birleştirir. Kaynaklar doğrudan BrainNet’e atıfta bulunmasa da temel nörofizyolojiden karmaşık beyin arayüzüne doğru kritik yörüngeyi ana hatlarıyla belirtirler. BrainNet’e özgü gelişmeler için, 2013 sonrası araştırmalardan (sağlanan kaynakların ötesinde) ek bağlam gerekecektir; çünkü terim, bu tarihi atılımların en son uygulamasını temsil etmektedir.

        İleri Okuma
        1. Nicolelis, M. A. L., & Lebedev, M. A. (2009). Principles of neural ensemble physiology underlying the operation of brain-machine interfaces. Nature Reviews Neuroscience, 10(7), 530–540. https://doi.org/10.1038/nrn2653
        2. Lebedev, M. A., O’Doherty, J. E., Zhuang, K. Z., & Nicolelis, M. A. L. (2011). Brain–machine interfaces: past, present and future. Trends in Neurosciences, 34(9), 534–546. https://doi.org/10.1016/j.tins.2011.07.001
        3. Pais-Vieira, M., Lebedev, M., Kunicki, C., Wang, J., & Nicolelis, M. A. L. (2013). A Brain-to-Brain Interface for Real-Time Sharing of Sensorimotor Information. Scientific Reports, 3, Article 1319. https://doi.org/10.1038/srep01319
        4. Ramakrishnan, A., Byun, Y. W., Rand, K., Pedemonte, J. C., Lebedev, M. A., & Nicolelis, M. A. L. (2015). A Brain-to-Brain Interface for Real-Time Sharing of Behavioral Information. Scientific Reports, 5, Article 11869. https://doi.org/10.1038/srep11869
        5. Pais-Vieira, M., Chiuffa, G., Lebedev, M., Yadav, A., & Nicolelis, M. A. L. (2015). Building an organic computing device with multiple interconnected brains. Scientific Reports, 5, Article 11869. https://doi.org/10.1038/srep11869
        6. Arjun Ramakrishnan, Peter J. Ifft, Miguel Pais-Vieira, Yoon Woo Byun, Katie Z. Zhuang, Mikhail A. Lebedev, Miguel A.L. Nicolelis. Computing Arm Movements with a Monkey Brainet. Scientific Reports, 2015; 5: 10767 DOI: 10.1038/srep10767
        Yayım tarihi

        Alzheimer’ın kökeni insan zekasına bağlandı

        Geçtiğimiz ay içinde BioRxiv1′de yayımlanan bir araştırmada bilim insanları, Alzheimer hastalığının insan zekasıyla paralel bir evrim geçirdiği ve geliştiği savını ortaya attı.

        Araştırmada, 50.000’den 200.000 yıla kadar geçmiş dönemde beyin gelişimi ile ilgili altı gende doğal seçilime bağlı olarak değişim gerçekleştiği bulundu. Bu değişimler ile nöron bağlantıları artmış, böylelikle modern insanlarınhominin atalarından daha zeki olması durumu gelişmiş olabilir. Ancak bu gelişmiş zeka kapasitesinin bir bedeli vardı; aynı genlerin değişimi Alzheimer hastalığının da temel sebebini oluşturdu.

        Şangay Biyoloji Bilimleri Enstütüsü’nde popülasyon genetikçisi olan Kun Tang, yaşlanan insan beyninde artan zekanın metabolik ihtiyaçlarının karşılanamamasına bağlı olarak hafıza problemlerinin ve bozukluklarının ortaya çıktığını düşünüyor. Alzheimer hastalığına sahip olan tek tür insandır ve en yakın olan akrabalarımız şempanzeler de dahi bu hastalık görülmüyor.

        Araştırma ekibi, bu arkaik evrimin kanıtlarını bulmak üzere modern insan DNA’sını analiz etti. 90 farklı insan DNA’sını inceleyen bilim ekibi, popülasyon büyüklüğü ve doğal seçilimdeki değişimler ile oluşan çeşitlilik ve bu çeşitliliğin yayılmasını takip etti.

        Seçilim ile işaretlendi 

        Analiz bir bakıma yanıltıcıydı, çünkü iki kuvvet de birbirine benzer etkiler yaratabiliyor. Popülasyon değişimlerinin etkilerini kontrol etmek ve böylelikle doğal seçilimin birebir etkilerini gözlemlemek için, ekip popülasyon değişimini sayısal olarak hesapladı. Daha sonra popülasyon geçmişi ile uyuşmayan DNA segmentleri ve bunların içinden doğal seçilim ile şekillenmiş olanları tespit edildi.

        Bilimciler bu yolla 500.000 yıl içinde gerçekleşmiş seçilim olaylarını gözlemlemiş, modern insanın yükselişini belirleyen 200.000 yıllık kuvvetleri belirlemiş oldu. Daha önceki ilkel metotlar bu değişimleri yalnızca 30.000 yıla kadar gözlemleyebiliyordu.

        Deneysel olarak yöntemin geçerliliği ispatlanana kadar ek çalışmalara ve tekrara ihtiyaç duyulsa da, en güçlü genomik-analiz yöntemleri dahi tarihsel bozunmalardan dolayı bile kısıtlı bir başarıya sahip. Asya’lı ve Avrupa’lı insanlar 60.000 yıl içinde buralara doğru göçen küçük gruplardan gelişerek popülasyon oluşturdu.

        Popülasyonların kendi içinde üremesi ve soyunu devam ettirmesinden dolayı Avrupa’da genetik varyasyonların eski göstergeleri silinmiş durumda. Afrika’lı insanların genomu ile araştırmacılar, insanlığı oluşturan evrimsel değişimleri ve kökenlerini çok daha eskiye bakarak gözlemleyebiliyor.

         

        Referans :

        1. Bilimfili,
        2. Nature
        3. Li H1, Durbin R. Inference of human population history from individual whole-genome sequences. Nature. 2011 Jul 13;475(7357):493-6. doi: 10.1038/nature10231.
        4. Udupa A, Wahi RS, Chansouria JP, Srinivasan S, Udupa KN. Monoamine oxidase in thyroid gland of rats: effect of neurohumors, thyroxine, carbimazole, adrenaline, beta-adrenergic blockers & MAO inhibitors. Indian J Exp Biol. 1976 Jan;14(1):14-8. http://dx.doi.org/10.1101/018929 (2015).
        WordPress gururla sunar