سلول‌ها می‌توانند مانند مغز «یاد بگیرند»
1
مطالعه‌ای جدید نشان می‌دهد که سلول‌های منفرد ممکن است قادر به یادگیری باشند، رفتاری که پیش‌تر تصور می‌شد تنها در موجوداتی با مغز و سیستم عصبی پیچیده وجود دارد.
این پژوهش که توسط دانشمندانی از مرکز تنظیم ژنوم (CRG) در بارسلونا و دانشکده پزشکی هاروارد در بوستون انجام شده است، فرضیات دیرینه در مورد قابلیت‌های بنیادی سلول‌ها را به چالش می‌کشد.
جرمی گوناوردنا، استادیار زیست‌شناسی سیستم‌ها در دانشکده پزشکی هاروارد، این‌گونه توضیح می‌دهد:
«به جای پیروی از دستورالعمل‌های ژنتیکی از پیش برنامه‌ریزی شده، سلول‌ها به واحدهایی ارتقا می‌یابند که مجهز به یک نوع ابتدایی از تصمیم‌گیری هستند که بر اساس یادگیری از محیطشان صورت می‌گیرد.»
این یافته‌ها که در مجله Current Biology منتشر شده است، می‌تواند درک ما از زندگی را در ابتدایی‌ترین سطح خود متحول کند.
عادت‌پذیری: یادگیری بدون مغز
پژوهشگران بر عادت‌پذیری تمرکز کردند، نوعی یادگیری ساده که در آن یک موجود به تدریج واکنش به یک محرک تکراری را متوقف می‌کند – مانند چگونگی بی‌توجهی انسان‌ها به صدای تیک‌تاک ساعت یا چشمک زدن چراغ‌ها.
در حالی که عادت‌پذیری به طور گسترده در حیوانات دارای سیستم عصبی مطالعه شده است، وجود رفتار مشابه در سطح سلولی همواره مورد بحث بوده است.
آزمایش‌های اولیه در قرن بیستم رفتارهایی شبیه یادگیری را در تک‌یاخته‌ای به نام Stentor roeselii مشاهده کردند، اما این یافته‌ها عمدتاً رد شدند. در دهه‌های ۱۹۷۰ و ۱۹۸۰ شواهد بیشتری از عادت‌پذیری در سایر سیلیات‌ها ظاهر شد و آزمایش‌های مدرن به گسترش این بینش‌ها ادامه دادند.
«این موجودات بسیار متفاوت از حیوانات دارای مغز هستند.»
روزا مارتینز، یکی از نویسندگان مطالعه و پژوهشگر در CRG، این را توضیح داد.
«اگر یاد بگیرند، به این معنی است که از شبکه‌های مولکولی داخلی استفاده می‌کنند که به نوعی وظایفی شبیه به شبکه‌های نورونی مغز انجام می‌دهند. هیچ‌کس نمی‌داند که چگونه قادر به انجام این کار هستند، بنابراین ما فکر کردیم که این سؤالی است که باید بررسی شود.»
استفاده از شبیه‌سازی‌ها برای رمزگشایی «یادگیری» سلولی
به جای کار مستقیم با سلول‌ها در آزمایشگاه، پژوهشگران به شبیه‌سازی‌های کامپیوتری روی آوردند تا واکنش‌های بیوشیمیایی‌ای که سلول‌ها برای پردازش اطلاعات به آن‌ها تکیه دارند، پیگیری کنند.
با شبیه‌سازی نحوه تغییر تعاملات مولکولی در برابر محرک‌های تکراری، تیم شواهدی از رفتار شبیه یادگیری کشف کرد.
مطالعه روی دو مدار مولکولی رایج متمرکز بود: حلقه‌های بازخورد منفی و حلقه‌های پیش‌خور ناسازگار.
حلقه بازخورد منفی شبیه ترموستات عمل می‌کند – فرایندها را با خاموش کردن آن‌ها در صورت رسیدن به آستانه مشخص تنظیم می‌کند.
حلقه‌های پیش‌خور ناسازگار مانند چراغ حسگر حرکتی با تایمر عمل می‌کنند، به طور همزمان یک فرایند و مهارکننده آن را تحریک می‌کنند.
شکل‌گیری حافظه در سطح سلولی
شبیه‌سازی‌ها نشان داد که سلول‌ها از این مدارها برای تنظیم دقیق پاسخ‌های خود به محرک‌های تکراری استفاده می‌کنند و ویژگی‌های اصلی عادت‌پذیری دیده‌شده در حیوانات را بازسازی می‌کنند.
یکی از کشفیات کلیدی نقش «جدایی مقیاس زمانی» بود، جایی که برخی واکنش‌های بیوشیمیایی بسیار سریع‌تر از دیگران رخ می‌دهند.
مارتینز این‌گونه توضیح داد: «ما فکر می‌کنیم که این می‌تواند نوعی ‘حافظه’ در سطح سلولی باشد، که به سلول‌ها اجازه می‌دهد هم به سرعت واکنش نشان دهند و هم بر واکنش‌های آینده تأثیر بگذارند.»
پل زدن میان علوم اعصاب و علوم شناختی
این یافته‌ها همچنین بینش‌های جدیدی درباره بحث طولانی‌مدت میان عصب‌شناسان و پژوهشگران شناختی درباره عادت‌پذیری ارائه می‌دهد.
عصب‌شناسان معتقدند که عادت‌پذیری قوی‌تر در مواجهه با محرک‌های مکرر یا ضعیف‌تر رخ می‌دهد.
دانشمندان شناختی تغییرات داخلی را مهم می‌دانند و عادت‌پذیری را با محرک‌های کمتر مکرر یا شدیدتر قوی‌تر توصیف می‌کنند.
مطالعه نشان داد که هر دو دیدگاه معتبر هستند. در طول عادت‌پذیری، سلول‌ها کمتر به محرک‌های مکرر یا ضعیف واکنش نشان می‌دهند، اما پس از عادت‌پذیری، واکنش آن‌ها به محرک‌های مشابه قوی‌تر می‌شود.
«عصب‌شناسان و دانشمندان شناختی اساساً فرایندهایی را مطالعه کرده‌اند که دو روی یک سکه هستند.»
گوناوردنا گفت: «ما معتقدیم که سلول‌های منفرد می‌توانند به ابزاری قدرتمند برای مطالعه اصول اولیه یادگیری تبدیل شوند.»
توانایی سلول‌ها در یادگیری و به خاطر سپردن
اگر این یافته‌ها در آزمایش‌های دنیای واقعی تأیید شوند، می‌توانند پیامدهای عمیقی داشته باشند.
توانایی سلول‌ها در «به خاطر سپردن» ممکن است پدیده‌هایی مانند مقاومت سلول‌های سرطانی به شیمی‌درمانی یا مقاومت باکتری‌ها به آنتی‌بیوتیک‌ها را توضیح دهد. هر دو شامل سلول‌هایی هستند که به نظر می‌رسد از محیط خود برای بقا «یاد می‌گیرند».
پژوهشگران از مدل‌های ریاضی برای آزمایش سریع سناریوهای مختلف استفاده کردند و مواردی را که ارزش بررسی در محیط آزمایشگاهی داشتند، شناسایی کردند. این روش می‌تواند در زمان و منابع صرفه‌جویی کرده و کشف‌ها را تسریع کند.
رویکرد محاسباتی به زیست‌شناسی
مارتینز گفت: «هدف بزرگ در زیست‌شناسی محاسباتی این است که زندگی را به اندازه یک کامپیوتر قابل برنامه‌ریزی کنیم، اما آزمایش‌های آزمایشگاهی می‌توانند پرهزینه و زمان‌بر باشند.»
تیم او در بارسلونا کلابراتوریوم کار می‌کند، یک ابتکار مشترک طراحی‌شده برای استفاده از مدل‌سازی ریاضی به منظور حل پرسش‌های بزرگ زیستی.
«رویکرد ما می‌تواند به ما کمک کند تا اولویت‌بندی کنیم کدام آزمایش‌ها احتمالاً نتایج ارزشمندی را به همراه خواهند داشت و در عین حال در زمان و منابع صرفه‌جویی کنیم و به پیشرفت‌های جدیدی دست یابیم.»
مارتینز افزود.
این پژوهش گامی مهم به سمت درک یادگیری و حافظه در سطح سلولی محسوب می‌شود و ممکن است دیدگاه ما را در مورد قابلیت‌های سلول‌های منفرد تغییر داده و درهای جدیدی را برای اکتشافات علمی و پزشکی بگشاید.
