مکھی کی عصبی وائرنگ اصل میں کیا طے کرتی ہے

سائنس دانوں کے پاس اب بالغ پھل مکھی کی عصبی ڈوری کے مکمل وائرنگ خاکے موجود ہیں، ایک ایک سائنیپس تک: ایک نر کا (MANC)، ایک مادہ کا، اور ایک نر کے پورے مرکزی عصبی نظام کا (MaleCNS)۔ ان کنیکٹومز (connectomes) پر بنی سمولیشنز پہلے ہی حسی ردعمل اور ٹانگوں کی ایسی تال دار سرگرمی کو دہراتی ہیں جو چلنے جیسی لگتی ہے۔

لیکن ایک ماڈل جو چلتا ہے، یہ ثابت نہیں کرتا کہ اس کی ٹھیک ٹھیک وائرنگ اہم ہے۔ باہم جڑی اکائیوں کے جال آسانی سے جھولنے لگتے ہیں، اور موٹے اعداد و شمار — یعنی ہر نیوران کے کتنے رابطے ہیں — پہلے ہی ان کے رویے کا بڑا حصہ طے کر دیتے ہیں۔ ہانگ کانگ یونیورسٹی آف سائنس اینڈ ٹیکنالوجی کی ازابیل گوان اور ہانگ کانگ پولی ٹیکنک یونیورسٹی، نانیانگ ٹیکنالوجیکل یونیورسٹی اور کمپنی ZENBOT کے ساتھیوں نے یہ جانچنے کا بیڑا اٹھایا کہ ٹانگوں کی حرکت کی کون سی خصوصیات واقعی مخصوص وائرنگ پر منحصر ہیں۔

اصل وائرنگ بمقابلہ گڈمڈ نقول

انہوں نے دو آزاد کنیکٹومز سے ٹانگوں کے حرکی نظام کے ماڈل بنائے: MaleCNS، جس میں 10,173 نیوران اور 462,650 رابطے ہیں، اور MANC، جس میں 10,440 نیوران اور 634,207 رابطے ہیں۔ رابطوں کی طاقت محض سائنیپسز کی تعداد تھی، جسے کبھی تربیت نہیں دی گئی۔ ان پٹ صرف دو اترتے ہوئے (descending) نیورانز، DNg100، کے ذریعے آیا، جن کی فعالیت آگے کی طرف چلنا شروع کرتی ہے؛ آؤٹ پٹ ان حرکی نیورانز سے پڑھا گیا جو ہر ٹانگ کے چار جوڑوں پر پھیلانے اور موڑنے والے (extensor اور flexor) گروہوں میں بانٹے گئے تھے — 20 مخالف جوڑے۔

ہر اصل جال کا موازنہ چھ خاندانوں میں 30 گڈمڈ جالوں سے کیا گیا، جن میں سے ہر ایک اصل ساخت کا زیادہ حصہ برقرار رکھتا تھا: رابطوں کی تعداد، خلیوں کی اقسام کے درمیان رابطے، ہر نیوران کے ان پٹس اور آؤٹ پٹس کی تعداد، اور ٹانگ یا نشوونما کے سلسلے کے لحاظ سے بلاکس۔ فیصلے کے معیار نتائج دیکھنے سے پہلے درج کر لیے گئے، ایک ایسا طریقہ جسے مصنفین کنیکٹوم ماڈلنگ میں نایاب قرار دیتے ہیں؛ اور سمولیشنز دوبارہ چلانے پر ہر کنیکٹوم کے تمام 4,692 ریکارڈ گول کرنے کی غلطی کی حد تک ہوبہو دہرائے گئے۔

تال سستی ہے، ہم آہنگی نہیں

تال عام ہے۔ بہت سے گڈمڈ جال اصل جالوں جتنا ہی اچھا جھولتے تھے، اور کچھ تو بہتر: پیرامیٹر اسکین میں 0.70 کے مقابلے میں 0.96 تک۔
باری باری چلنا مخصوص ہے۔ اصل وائرنگ نے مخالف گروہوں کو ہر گڈمڈ جال سے زیادہ مضبوطی سے باری باری چلایا: MaleCNS میں 0.312 کا اسکور، جبکہ دوسروں کا زیادہ سے زیادہ 0.147، اور MANC میں 0.173، جبکہ دوسروں کا زیادہ سے زیادہ 0.084۔
یہ اثر تھوریکس–کوکسا جوڑ (thorax–coxa joint) پر مرکوز ہے، جو مطالعہ کیے گئے ٹانگ کے چار جوڑوں میں پہلا ہے۔ MaleCNS میں ہم آہنگ حالت سب سے لمبی سمولیشنز کے پورے پانچ منٹ تک قائم رہی۔

ایک صدی سے پرانا اصول

کیوں؟ ایک صدی سے زیادہ پہلے سی۔ ایس۔ شیرنگٹن نے باہمی تعصیب (reciprocal innervation) کا تصور پیش کیا: جو راستے ایک پٹھے کو متحرک کرتے ہیں وہ اس کے مخالف کو روکتے ہیں۔ ٹیم نے ناپا کہ ہر نیوران ہر جوڑے کے دونوں گروہوں پر کیسے اثر ڈالتا ہے۔ دونوں اصل کنیکٹومز میں باہمی تعصیب کا اشاریہ مضبوطی سے مثبت تھا — 0.48 اور 0.38 — اور ہر گڈمڈ جال میں منفی۔ نیوران دونوں گروہوں پر جو اثر ڈالتے ہیں، اس کا 88% (MaleCNS) اور 83% (MANC) انہیں مخالف سمتوں میں دھکیلتا ہے، جبکہ گڈمڈ کرنے کے بعد یہ 16 سے 49% رہ جاتا ہے۔ یہ دو طرح کام کرتا ہے: محرک (excitatory) نیوران جو ایک گروہ کو متحرک کرتے ہیں اور ایک روکنے والے درمیانی نیوران (inhibitory interneuron) کے ذریعے دوسرے کو خاموش کر دیتے ہیں؛ اور روکنے والے نیوران جو ایک گروہ کو خاموش کرتے ہیں اور دوسرے کو آزاد چھوڑ دیتے ہیں۔

فیصلہ کن ٹیسٹ میں حرکت سے پہلے والے (premotor) ان پٹس کو ایک گروہ سے اس کے مخالف کی طرف منتقل کیا گیا، جبکہ ہر حرکی نیوران کے کل ان پٹ میں صرف 2 سے 4% تبدیلی کی گئی۔ ہم آہنگی بکھر گئی: MaleCNS میں اسکور گر کر تقریباً −0.08 ہو گیا، یعنی مخالف گروہ اب ایک ساتھ فائر کرنے لگے، جبکہ ایک ہی گروہ کے اندر کنٹرول کے طور پر کی گئی تبدیلیوں نے اسکور کا تقریباً 90% برقرار رکھا۔

حدود

یہ ماڈل پر حاصل نتائج ہیں، جانور پر نہیں: نہ جسم، نہ حسی فیڈ بیک، نیوران کا صرف ایک ماڈل، نیوروٹرانسمیٹرز کی پیش گوئی شدہ علامتیں، اور گلوٹامیٹ کو روکنے والا مانا گیا — جب پہلے کی سمولیشنز میں اسے محرک مانا گیا تو اصل وائرنگ کی برتری غائب ہو گئی۔ حرکی نیورانز کو جوڑوں سے منسوب کرنے کا تقریباً ایک چوتھائی حصہ تخمینی ہے، اور MANC نے نتائج کو کم فرق کے ساتھ دہرایا۔ مصنفین یہ بھی بتاتے ہیں کہ انہوں نے کوڈ لکھنے اور متن کا مسودہ تیار کرنے کے لیے مصنوعی ذہانت کے معاونین استعمال کیے، جن میں Anthropic کا Claude بھی شامل ہے۔

عصبی نظام کا ماڈل بنانے والے ہر شخص کے لیے ان کا سبق: وائرنگ کو ہم آہنگی پر جانچیں، تال پر نہیں، کیونکہ ایک گڈمڈ جال بھی اتنی ہی اچھی طرح تال برقرار رکھ سکتا ہے۔