Harvard Medical School आणि University of California San Diego येथील संशोधकांनी नॅनोस्केल रिझोल्यूशनवर मेंदूच्या ऊतकांचे मॅपिंग करण्यासाठी इलेक्ट्रॉन टोमोग्राफीचा अधिक वेगाने वापर करण्याची पद्धत मांडली आहे. कनेक्टोमिक्समधील एका मूलभूत तडजोडीला सामोरे जाण्यासाठी ही पद्धत तयार करण्यात आली आहे: सर्किट्सची रचना कशी आहे हे समजून घेण्यासाठी शास्त्रज्ञांना पुरेशा प्रमाणात ऊतकांचे इमेजिंग करावे लागते; मात्र मोठ्या घनफळांमध्ये सर्वाधिक तपशीलवार प्रतिमा गोळा करणे पारंपरिक पद्धतीने संथ आणि कठीण राहिले आहे.

Nature Methodsमध्ये वर्णन केलेले हे काम मेंदूच्या जोडणीचे अधिक पूर्ण नकाशे तयार करण्यात मदत करू शकते. कनेक्टोमचा उद्देश न्यूरॉन्स आणि इतर पेशी कशा प्रकारे मांडलेल्या व एकमेकांशी जोडलेल्या आहेत हे नोंदवणे हा आहे. त्यामुळे मज्जासंस्था कशी विकसित होते, वयानुसार कशी बदलते आणि रोगांमध्ये कशी प्रभावित होते, याचा अभ्यास करण्यासाठी भौतिक आधार मिळतो. मोठ्या ऊतक-घनफळांमध्ये यापूर्वी टिपणे कठीण असलेल्या रचना त्यांची पद्धत दाखवून देते, असे संशोधकांचे म्हणणे आहे.

पारंपरिक कनेक्टोमिक्समधील एक उणीव

मेंदूचे मॅपिंग अनेक स्तरांवर केले जाते. MRI मेंदूतील प्रमुख मार्गांची रूपरेषा दाखवू शकते, तर इलेक्ट्रॉन मायक्रोस्कोपी स्वतंत्र न्यूरॉन्स आणि सायनॅप्सचे अधिक सूक्ष्म रिझोल्यूशनवर अनुकरण करू शकते. अशा उच्च-रिझोल्यूशनच्या कामामुळे अलीकडे पूर्ण झालेला fruit-fly मेंदू आणि मज्जारज्जूचा कनेक्टोम यांसारखे तपशीलवार नकाशे शक्य झाले आहेत; या अभ्यासाचे सह-वरिष्ठ लेखक Wei-Chung Allen Lee आणि त्यांच्या सहकाऱ्यांनी त्यात संयुक्तपणे नेतृत्व केले.

तरीही, संशोधकांना अधिक मोठ्या प्रमाणातील ऊतक व्यापायचे असताना इलेक्ट्रॉन-मायक्रोस्कोपीवर आधारित जोडणीचे नकाशेही तपशीलाचा त्याग करू शकतात. विद्युत सायनॅप्स, ज्यांना gap junctions असेही म्हणतात, ही गहाळ होऊ शकणाऱ्या महत्त्वाच्या रचनेचे उदाहरण असल्याचे अभ्यासात नमूद केले आहे. सर्किट नकाशांमध्ये अनेकदा अधोरेखित केल्या जाणाऱ्या रासायनिक सायनॅप्सपेक्षा हे विशेषीकृत जोड वेगळे असतात. त्यांची दृश्यता पुरेसा त्रिमितीय तपशील जपण्यावर अवलंबून असते.

Lee यांच्या मते, नव्या पद्धतीमुळे मागील कनेक्टोमिक्स डेटामध्ये न दिसलेल्या रचना पाहणे शक्य होते. अधिक तीक्ष्ण प्रतिमा तयार करणे हेच पथकाचे व्यापक उद्दिष्ट नाही; मज्जासंस्था कशी तयार होते आणि न्यूरोविकसनात्मक, संज्ञानात्मक व न्यूरोडीजेनेरेटिव्ह विकारांमध्ये ती कशी बिघडते, याचा अभ्यास करण्यासाठी वापरल्या जाणाऱ्या नकाशांची जैविक पूर्णता सुधारणे हे त्यांचे उद्दिष्ट आहे.

कमी प्रतिमा, अधिक जाड नमुने

इलेक्ट्रॉन टोमोग्राफी अनेक कोनांतून नमुन्याची नोंद करून त्रिमितीय प्रतिमा तयार करते. तिच्या क्षमतेसोबत माहिती संकलनाचे मोठे ओझेही येते: मानक पद्धतींमध्ये त्याच क्षेत्राच्या शेकडो प्रतिमांची गरज भासू शकते. त्यामुळे व्यापक ऊतक-मॅपिंगसाठी आवश्यक प्रमाणात तिचा वापर करणे कठीण होते.

पारंपरिक इलेक्ट्रॉन टोमोग्राफीच्या तुलनेत सुमारे ५० पट कमी प्रतिमा वापरून आणि नेहमीपेक्षा सुमारे २० पट जाड विभागांचे इमेजिंग करता येते, असे संशोधकांना आढळले. सर्व विद्यमान कनेक्टोमिक्स पद्धतींचा पर्याय म्हणून हे तंत्र सादर केलेले नाही. त्याऐवजी, पारंपरिक टोमोग्राफी जिथे अव्यवहार्य ठरते अशा ऊतक-घनफळांमध्ये उच्च-तपशील इमेजिंगचा विस्तार करण्याचा मार्ग म्हणून ही प्रगती मांडली आहे.

मेंदूच्या जोडणीच्या नकाशांमध्ये नव्या रचना दिसू लागल्या
एका न्यूरॉनचा अॅक्सॉन (हिरवा) शेजारच्या ग्लियल पेशीला (फिकट जांभळा) “कुरतडताना” दिसतो. श्रेय: Kuan A, et al., Nature Methods (नोव्हेंबर २०२६)

हे संयोजन महत्त्वाचे आहे, कारण जाड विभाग एका इमेजिंग घनफळात एखाद्या रचनेचा अधिक भाग जतन करू शकतात, तर कमी दृश्यांमुळे आवश्यक माहिती संकलनाचे प्रमाण घटते. यामुळे रिझोल्यूशन आणि प्रमाण यांच्यातील समतोलात व्यावहारिक बदल होतो: लहान पेशीय वैशिष्ट्यांशी संबंधित नॅनोस्केल तपशील जपून संशोधक अधिक ऊतक तपासू शकतात.

अधिक पूर्ण नकाशे का महत्त्वाचे आहेत

कनेक्टोमची चर्चा अनेकदा न्यूरॉन-ते-न्यूरॉन जोडणीच्या आकृती म्हणून केली जाते; परंतु ऊतकांमध्ये संबंधांची अधिक व्यापक श्रेणी असते. अहवालात अशा प्रतिमेचा समावेश आहे, ज्यात एका न्यूरॉनचा अॅक्सॉन शेजारच्या ग्लियल पेशीला “कुरतडताना” दिसतो. नव्या इमेजिंग पद्धतीमुळे दिसू शकणाऱ्या सूक्ष्म रचनांचे हे उदाहरण आहे.

हे तपशील दिसणे म्हणजे ते काय करतात याचे स्पष्टीकरण आपोआप मिळते असे नाही. मात्र, भविष्यातील संशोधनाला आधार देणारी शारीररचनात्मक नोंद त्यातून मिळते. एखाद्या पेशीय संपर्काचा किंवा जोडणीचा प्रकार वगळणारा नकाशा सर्किट कसे कार्य करते याबाबत शास्त्रज्ञांना अपूर्ण प्रश्न विचारण्यास प्रवृत्त करू शकतो. अधिक सर्वसमावेशक संरचनात्मक डेटा कोणत्या परस्परसंवादांचा कार्यात्मक अभ्यास करणे आवश्यक आहे हे ओळखण्यास मदत करू शकतो.

Lee आणि त्यांच्या सहकाऱ्यांसाठी संभाव्य उपयोगांमध्ये मज्जासंस्थेची निर्मिती, वृद्धत्व आणि रोगाशी संबंधित बदलांचा अभ्यास समाविष्ट आहे. या तंत्राने हे प्रश्न आधीच सोडवले आहेत, असा दावा स्रोत करत नाही. त्यांची उत्तरे शोधण्यासाठी आवश्यक पुरावे मिळवू पाहणाऱ्या संशोधकांना अधिक सक्षम इमेजिंग साधन उपलब्ध करून देण्यातच याचे महत्त्व आहे.

व्यापक परिणाम असलेली मापनातील प्रगती

मापनातील प्रगती न्यूरोसायन्सचे स्वरूप कसे बदलू शकते, हे नवी पद्धत दाखवते. मेंदूच्या ऊतकाचा संपूर्ण नकाशा तयार करणे ही केवळ संगणकीय किंवा जैविक समस्या नाही; नाजूक नमुन्यांमधून मायक्रोस्कोप किती वेगाने अर्थपूर्ण माहिती मिळवू शकतात यावरही ते अवलंबून असते. टोमोग्राफीसाठी लागणाऱ्या प्रतिमांची संख्या कमी करून आणि जाड ऊतक-विभागांना सामावून घेऊन संशोधकांनी या प्रक्रियेतील प्रमुख मर्यादांपैकी एकावर लक्ष केंद्रित केले आहे.

ही पद्धत किती व्यापकपणे लागू करता येईल आणि कोणत्या प्रकारच्या सर्किटरीचे दर्शन ती सर्वाधिक प्रभावीपणे घडवेल, हे भविष्यातील काम ठरवेल. सध्या, व्यापक कव्हरेज आणि नॅनोस्केलवरील रचनांचे अधिक समृद्ध विवरण या दोन्हींचा समावेश असलेल्या कनेक्टोमिक डेटासेट्सकडे जाणारा मार्ग हा अभ्यास दाखवतो. ज्या क्षेत्रात मोजता न येणारी गोष्ट सहजपणे दुर्लक्षित होऊ शकते, तिथे हे महत्त्वाचे तांत्रिक पाऊल आहे.

हा लेख Medical Xpressच्या वृत्तांकनावर आधारित आहे. मूळ लेख वाचा.

Originally published on medicalxpress.com