कनेक्टोम क्या होता है
कनेक्टोम किसी नर्वस सिस्टम के हर न्यूरॉन और उनके बीच के कनेक्शनों का एक नक्शा होता है। जानें कि ऐसा नक्शा क्या दिखाता है, और वैज्ञानिक एक नेटवर्क के रूप में इसका अध्ययन कैसे करते हैं।
60 सेकंड में
कनेक्टोम क्या होता है
कनेक्टोम किसी नर्वस सिस्टम के हर न्यूरॉन और उनके बीच के कनेक्शनों का एक नक्शा होता है। जानें कि ऐसा नक्शा क्या दिखाता है, और वैज्ञानिक एक नेटवर्क के रूप में इसका अध्ययन कैसे करते…
तीन तरह के न्यूरॉन्स, आसान शब्दों में
| प्रकार | यह क्या करता है | रोज़मर्रा की मिसाल |
|---|---|---|
| सेंसरी न्यूरॉन्स | जानकारी जुटाना: रोशनी, गंध, स्वाद, स्पर्श | दुकान के दरवाज़े पर खड़े कर्मचारी जो देखते हैं कि कौन अंदर आ रहा है |
| इंटरन्यूरॉन्स | न्यूरॉन्स को एक-दूसरे से जोड़ना और सिग्नलों को मिलाना | बीच का वह ऑफ़िस जहाँ फ़ैसले लिए जाते हैं |
| मोटर न्यूरॉन्स | मांसपेशियों को सिग्नल भेजना, ताकि शरीर हिल-डुल सके | डिलीवरी स्टाफ़ जो असल में सामान बाहर ले जाते हैं |
पहला पूरा नक्शा: एक छोटा सा कीड़ा
कनेक्टोम एक नेटवर्क है
- हब्स: किन न्यूरॉन्स के पास सबसे ज़्यादा कनेक्शन हैं, किसी व्यस्त रेलवे जंक्शन की तरह?
- पाथवेज़: गंध वाले न्यूरॉन से पैर की मांसपेशी के न्यूरॉन तक का सबसे छोटा रास्ता क्या है?
- ग्रुप्स: कौन से न्यूरॉन्स एक-दूसरे से बहुत मज़बूती से जुड़े हैं, किसी WhatsApp ग्रुप की तरह?
import numpy as np
# MADE-UP example, only for practice. Not real data.
names = ["taste", "relay", "decide", "mouth_motor"]
# W[i][j] = number of synapses from neuron i to neuron j
W = np.array([
[0, 8, 0, 0], # taste -> relay
[0, 0, 6, 0], # relay -> decide
[0, 0, 0, 9], # decide -> mouth_motor
[0, 0, 0, 0],
])
for i, a in enumerate(names):
for j, b in enumerate(names):
if W[i, j] > 0:
print(f"{a:>7} -> {b:<12} {W[i, j]} synapses")
print("Total synapses:", W.sum())यह नक्शा आपको क्या बताता है, और क्या नहीं
- इस समय चल रहे सिग्नल, जैसे सड़कों पर ट्रैफ़िक
- जब जानवर कुछ सीखता है तो कनेक्शन कैसे बदलते हैं
- वे केमिकल्स जो कई न्यूरॉन्स पर असर डालते हैं और उनका मूड बदलते हैं
- हर सिनैप्स के बारे में सब कुछ, जैसे कि उसकी सटीक ताक़त
- मैप किए गए दिमाग का हर न्यूरॉन, और उसका आकार
- कौन से न्यूरॉन्स सीधे किससे बात कर सकते हैं
- हर जोड़ी को कितने सिनैप्स जोड़ते हैं, जिससे ताक़त का अंदाज़ा मिलता है
- इंद्रियों से मांसपेशियों तक के सभी संभावित रास्ते
और देखें और पढ़ें
लैब
networkx में एक छोटा काल्पनिक कनेक्टोम, उसके हब न्यूरॉन्स, एक सबसे छोटा रास्ता, और एक टेस्ट कि जब किसी हब को हटा दिया जाए तो क्या होता है।
समस्या
यह आपके ब्राउज़र में चलता है। सारा डेटा प्रैक्टिस के लिए काल्पनिक है।
- स्टार्टर को रन करें। यह काल्पनिक न्यूरॉन्स का एक छोटा डायरेक्टेड ग्राफ़ बनाता है।
top_hubs(G, k)को पूरा करें: सबसे ज़्यादा कनेक्शन (आने वाले और जाने वाले मिलाकर) वालेkन्यूरॉन्स के नाम लौटाएं, सबसे ज़्यादा जुड़े हुए न्यूरॉन को पहले रखें। हिंट:G.degree()।shortest_route(G, source, target)को पूरा करें: सबसे छोटे रास्ते पर मौजूद न्यूरॉन्स की लिस्ट लौटाएं। हिंट:nx.shortest_path।- ग्राफ़ की एक कॉपी बनाएं, उस कॉपी से
"hub_X"को हटा दें, औरstill_reachesकोTrueयाFalseपर सेट करें: क्या"smell_1"अब भी"motor_leg"तक पहुँच सकता है? हिंट:nx.has_path। - हब्स के बारे में इससे क्या पता चलता है, इस पर एक वाक्य लिखें।
प्रैक्टिस लैब
कोड में बदलाव करें और इसे रन करें। Python आपके ब्राउज़र में चलता है — हमारे सर्वर पर कुछ नहीं भेजा जाता।
कोई आउटपुट नहीं। वैल्यूज़ देखने के लिए print(...) जोड़ें।
आपका काम तब पूरा होगा जब
कठिन सवाल
उत्तर देखने से पहले ख़ुद जवाब देने की कोशिश करें। अगर आप इनके जवाब दे सकते हैं, तो आप पाठ समझ गए हैं।
Q1सिर्फ़ कनेक्शन गिनने पर 2-सिनैप्स वाले लिंक को भी 20-सिनैप्स वाले लिंक के बराबर ही माना जाता है। आप ऐसे हब्स कैसे ढूंढ सकते हैं जो सिनैप्स की संख्या को भी ध्यान में रखते हों?दिखाएं
वेटेड डिग्री (weighted degree) का इस्तेमाल करें: केवल एजेस गिनने के बजाय हर न्यूरॉन के एजेस पर सिनैप्स की संख्या को जोड़ें। networkx में, G.degree(weight="weight") यह काम करता है। ये दोनों तरीके न्यूरॉन्स को अलग-अलग रैंक दे सकते हैं, इसलिए दोनों की जाँच करना और यह सोचना सही रहेगा कि आप कौन सा सवाल पूछ रहे हैं।
Q2सबसे छोटे रास्ते में सबसे कम कदम लगते हैं। ऐसा क्यों हो सकता है कि कोई असली सिग्नल सबसे छोटे रास्ते से न जाए?दिखाएं
कम कदमों वाला रास्ता कमज़ोर कनेक्शनों से होकर गुज़र सकता है, या ऐसे इनहिबिटरी न्यूरॉन्स (inhibitory neurons) से होकर जा सकता है जो सिग्नल को रोक देते हैं। हर न्यूरॉन को फ़ायर होने के लिए पर्याप्त इनपुट की भी ज़रूरत होती है। इसलिए सिग्नल वास्तव में कौन सा रास्ता लेता है, यह कनेक्शन की ताक़त पर निर्भर करता है, इस पर कि वे उत्तेजित (excite) करते हैं या रोकते (inhibit) हैं, और इस पर कि और क्या सक्रिय है। नक्शा संभावित रास्तों की सूची देता है; गतिविधि यह तय करती है कि उनमें से कौन से इस्तेमाल होते हैं।
अक्सर पूछे जाने वाले सवाल
क्या कनेक्टोम अस्पताल में होने वाले ब्रेन स्कैन जैसा ही होता है?
नहीं। अस्पताल का MRI स्कैन दिमाग की बनावट और उसके बड़े हिस्सों को दिखाता है, जो एक अकेले न्यूरॉन से कहीं ज़्यादा बड़े होते हैं। एक कनेक्टोम अलग-अलग न्यूरॉन्स और सिनैप्स का नक्शा बनाता है, जिसके लिए इलेक्ट्रॉन माइक्रोस्कोप की ज़रूरत होती है और अब तक यह पूरी तरह से सिर्फ़ छोटे जानवरों के लिए ही किया गया है।
इंसानों के बजाय कीड़ों और मक्खियों से शुरुआत क्यों?
आकार की वजह से। एक छोटे कीड़े में कुछ सौ न्यूरॉन्स होते हैं और एक फल मक्खी में लगभग 1,40,000 होते हैं। इंसानी दिमाग में लगभग 86 अरब न्यूरॉन्स होते हैं, इसलिए इतने बारीकी से इस पूरे दिमाग का नक्शा बनाना आज किसी के भी बस की बात नहीं है। छोटे दिमागों से वैज्ञानिकों को पहले तरीके विकसित करने में मदद मिलती है।
अगर हमें पूरा नक्शा पता हो, तो क्या हम उस जानवर को पूरी तरह समझ जाते हैं?
पूरी तरह नहीं। नक्शा संभावित रास्ते दिखाता है, लेकिन सिग्नलों, सीखने की प्रक्रिया या केमिस्ट्री को नहीं दिखाता। यह एक बहुत ही मज़बूत शुरुआती बिंदु है, और आगे के पाठों में दिखाया जाएगा कि वैज्ञानिक प्रयोगों के साथ इसका इस्तेमाल कैसे करते हैं।
क्या AI मॉडल के न्यूरॉन्स असली न्यूरॉन्स जैसे ही होते हैं?
नहीं। AI "न्यूरॉन्स" असली न्यूरॉन्स से प्रेरित साधारण गणित हैं। पाठ 5 में दोनों की आमने-सामने तुलना की गई है।
पाठ का टेस्ट
5 सवाल। पास होने और इस पाठ को पूरा करने के लिए 3 सही होने चाहिए (60%)।