Во время обучения в головном мозге происходит следующее: сначала нейроны начинают передавать электрические сигналы по новым маршрутам, а затем, со временем, это приводит к изменениям физической структуры клеток и их связей. Долгое время ученые стараются понять, что происходит между этими двумя этапами – как электрическая активность в нейронах в конечном итоге приводит к длительным изменениям.
Для изучения этих процессов ученые из Института Скриппс https://www.scripps.edu/news-and-events/press-room/2022/2022... новый инструмент мониторинга пластичности – визуализации процессов, происходящих в головном мозге во время обучения. Технология измеряет количество белков, вырабатываем отдельными типами клеток мозга, что позволяет получить представление о его работе и понять, почему с возрастом нейропластичность снижается.
Из предыдущих исследований известно, что на раннем этапе пластичности активность мозга вызывает изменения экспрессии генов в нейронах. Теперь команда изучила следующий этап – преобразование генетического кода в белки.
В экспериментах на моделях мышей ученые обнаружили около 300 различных белков, которые изменялись на фоне увеличения нейронной активности. При этом две трети из них повышались во время всплеска мозговой активности, а остальные, наоборот, снижались.
Дальнейшие наблюдения показали, что некоторые белки были связаны со структурой и формой невронов, другие – с упаковкой ДНК внутри клеток. «Это означает, что изменение активности мозга может привести к волнам экспрессии генов в течение многих дней», - прокомментировала автор работы Холлис Клайн.
Теперь ученые планируют определить другие потенциальные белки нейропластичности. Вместе они помогут иначе взглянуть на природу заболеваний головного мозга и разработать стратегии для предупреждения снижения нейропластичности во время старения.
Любопытно, что недавно ученые https://hightech.plus/2022/10/20/uchenie-polagayut-chto-mozg... гипотезу о потенциале мозга человека к квантовым вычислениям. Она утверждает, что квантовые процессы являются частью когнитивных функций.
Свежие комментарии