تبليغات
تبلیغات در دانشجو کلوب محک :: موسسه خيريه حمايت از کودکان مبتلا به سرطان ::
جستجوگر انجمن.براي جستجوي مطالب دانشجو کلوپ مي توانيد استفاده کنيد 
برای بروز رسانی تاپیک کلیک کنید
 
امتیاز موضوع:
  • 0 رأی - میانگین امتیازات: 0
  • 1
  • 2
  • 3
  • 4
  • 5

نورون

نویسنده پیام
  • senior engineer
    آفلاین
  • مدیرکل  سایت
    *******
  • ارسال‌ها: 16,405
  • تاریخ عضویت: مرداد ۱۳۹۰
  • اعتبار: 587
  • تحصیلات:لیسانس
  • علایق:نگاه کردن توی چشم...
  • محل سکونت:خونمون
  • سپاس ها 40812
    سپاس شده 37095 بار در 12451 ارسال
  • امتیاز کاربر: 1,035,949$
  • حالت من:حالت من
ارسال: #1
نورون
نورون

ساختار نورون.نورون ها، اصلی‌ترین سلولهای عصبی هستند. این سلولها وظیفه انتقال اطلاعات عصبی را بر عهده دارند. نورونها از طریق زائده‌هایی بنام دندریت اطلاعات را دریافت کرده و از طریق زائده‌های دیگری بنام آکسون اطلاعات را به سلول بعدی منتقل می‌‌کنند. جسم سلولی نورون ها، پریکاریون نام دارد.از دیگر سلولهای عصبی می‌‌توان به : میکروگلیال ها، گلیالها و الیگودندروسیتها اشاره کرد.

فهرست مندرجات
۱ ویژگی ها
۲ انواع از نظر شکل
۳ انواع از نظر کار
۴ جستارهای وابسته
۵ منبع
ویژگی ها
دارای قسمت‌هایی بروی رشته‌ها (دندریت و آکسون) است که غلاف میلین نام دارد و جنس پروتئین و فسفولیپید است. نکته: قسمت‌هایی که غلاف میلین وجود ندارد گره‌های رانویه نامیده می‌شوند. در رشته‌های میلین دار پیام عصبی بسیار سریع تر منتقل می‌شود. (به صورت جهشی)
انواع از نظر شکل
یک قطبی: دندریت و آکسون آنها از یک نقطه جسم سلولی خارج می‌شود.
دو قطبی: دندریت و آکسون آنها از دو نقطه جسم سلولی خارج می‌شود.
چند قطبی: دندریت و آکسون آنها از چند نقطه جسم سلولی خارج می‌شود.
انواع از نظر کار
حسی: اطلاعات را از سایر اندام ها به مغز و نخاع می برد.
حرکتی: اطلاعات را از مغز و نخاع به سایر اندام ها و ماهیچه ها می برد.
رابط: رابط بین نورون ها
آشنايي با شبكه‌هاي عصبي (Neural Networks) -

اشاره :
شبكه‌هاي عصبي را مي‌توان با اغماض زياد، مدل‌هاي الكترونيكي از ساختار عصبي مغز انسان ناميد. مكانيسم فراگيري و آموزش مغز اساساً بر تجربه استوار است. مدل‌هاي الكترونيكي شبكه‌هاي عصبي طبيعي نيز بر اساس همين الگو بنا شده‌اند و روش برخورد چنين مدل‌هايي با مسائل، با روش‌هاي محاسباتي كه به‌طور معمول توسط سيستم‌هاي كامپيوتري در پيش گرفته شده‌اند، تفاوت دارد. مي‌دانيم كه حتي ساده‌ترين مغز‌هاي جانوري هم قادر به حل مسائلي هستند كه اگر نگوييم كه كامپيوترهاي امروزي از حل آنها عاجز هستند، حداقل در حل آنها دچار مشكل مي‌شوند. به عنوان مثال، مسائل مختلف شناسايي الگو، نمونه‌اي از مواردي هستند كه روش‌هاي معمول محاسباتي براي حل آنها به نتيجه مطلوب نمي‌رسند. درحالي‌كه مغز ساده‌ترين جانوران به‌راحتي از عهده چنين مسائلي بر مي‌آيد. تصور عموم كارشناسان IT بر آن است كه مدل‌هاي جديد محاسباتي كه بر اساس شبكه‌هاي عصبي بنا مي‌شوند، جهش بعدي صنعت IT را شكل مي‌دهند. تحقيقات در اين زمينه نشان داده است كه مغز، اطلاعات را همانند الگو‌ها (pattern) ذخيره مي‌كند. فرآيند ذخيره‌سازي اطلاعات به‌صورت الگو و تجزيه و تحليل آن الگو‌، اساس روش نوين محاسباتي را تشكيل مي‌دهند. اين حوزه از دانش محاسباتي (computation) به هيچ وجه از روش‌هاي برنامه‌نويسي سنتي استفاده نمي‌كند و به‌جاي آن از شبكه‌هاي بزرگي كه به‌صورت موازي آرايش شده‌اند و تعليم يافته‌اند، بهره مي‌جويد. در ادامه اين نوشته به اين واژگان كه در گرايش شبكه‌هاي عصبي، معاني ويژه‌اي دارند، بيشتر خواهيم پرداخت.
شباهت با مغز
اگرچه مكانيسم‌هاي دقيق كاركرد مغز انسان (يا حتي جانوران) به‌طور كامل شناخته شده نيست، اما با اين وجود جنبه‌هاي شناخته شده‌اي نيز وجود دارند كه الهام بخش تئوري شبكه‌هاي عصبي بوده‌اند. به‌عنوان مثال، يكي ازسلول‌هاي عصبي، معروف به نرون (Neuron) است كه دانش بشري آن را به‌عنوان سازنده اصلي مغز مي‌انگارد. سلول‌هاي عصبي قادرند تا با اتصال به‌يكديگر تشكيل شبكه‌هاي عظيم بدهند. گفته مي‌شود كه هر نرون مي‌تواند به هزار تا ده هزار نرون ديگر اتصال يابد (حتي در اين مورد عدد دويست هزار هم به عنوان يك حد بالايي ذكر شده است). قدرت خارق‌العاده مغز انسان از تعداد بسيار زياد نرون‌ها و ارتباطات بين آنها ناشي مي‌شود. ساختمان هر يك از نرون‌ها نيز به‌تنهايي بسيار پيچيده است. هر نرون از بخش‌ها و زير‌سيستم‌هاي زيادي تشكيل شده است كه از مكانيسم‌هاي كنترلي پيچيده‌اي استفاده مي‌كنند. سلول‌هاي عصبي مي‌توانند از طريق مكانيسم‌هاي الكتروشيميايي اطلاعات را انتقال دهند. برحسب مكانيسم‌هاي به‌كاررفته در ساختار نرون‌ها، آنها را به بيش از يكصدگونه متفاوت طبقه‌بندي مي‌كنند. در اصطلاح فني، نرون‌ها و ارتباطات بين آنها، فرايند دودويي(Binary)، پايدار (Stable) يا همزمان (Synchronous) محسوب نمي‌شوند. در واقع، شبكه‌هاي عصبي شبيه‌سازي شده يا كامپيوتري، فقط قادرند تا بخش كوچكي از خصوصيات و ويژگي‌هاي شبكه‌هاي عصبي بيولوژيك را شبيه‌سازي كنند. در حقيقت، از ديد يك مهندس نرم‌افزار، هدف از ايجاد يك شبكه عصبي نرم‌افزاري، بيش از آنكه شبيه‌سازي مغز انسان باشد، ايجاد مكانيسم ديگري براي حل مسائل مهندسي با الهام از الگوي رفتاري شبكه‌هاي بيولوژيك است.

روش كار نرون‌ها
در شكل يك، نماي ساده شده‌اي از ساختار يك نرون بيولوژيك نمايش داده شده است. به‌طور خلاصه، يك نرون بيولوژيك، پس از دريافت سيگنال‌هاي ورودي (به‌ شكل يك پالس الكتريكي) از سلول‌هاي ديگر، آن سيگنال‌ها را با يكديگر تركيب كرده و پس از انجام يك عمل (operation) ديگر بر روي سيگنال تركيبي، آن را به‌صورت خروجي ظاهر مي‌سازد. همان‌طور كه در تصوير مشاهده مي‌كنيد، نرون‌ها از چهار بخش اصلي ساخته شده‌اند. دندريت‌ها (Dendrite)، سوما (Soma)، اكسان (Axon) و بالاخره، سيناپس (synapse) دندريت‌ها، همان اجزايي هستند كه به‌شكل رشته‌هاي طويل از مركز سلول به اطراف پراكنده مي‌شوند. دندريت‌ها نقش كانال‌هاي ارتباطي را براي انتقال‌دادن سيگنال‌هاي الكتريكي به مركز سلول بر عهده دارند. در انتهاي دندريت‌ها، ساختار بيولوژيكي ويژه‌اي به‌نام سيناپس واقع شده است كه نقش دروازه‌هاي اتصالي كانال‌هاي ارتباطي را ايفا مي‌كند. در واقع سيگنال‌هاي گوناگون از طريق سيناپس‌ها و دندريت‌ها به مركز سلول منتقل مي‌شوند و در آنجا با يكديگر تركيب مي‌شوند. عمل تركيب كه به آن اشاره كرديم، مي‌تواند يك عمل جمع جبري ساده باشد. اصولاً اگر چنين نيز نباشد، در مدل‌سازي رياضي مي‌توان آنرا يك عمل جمع معمولي در نظر گرفت كه پس از آن تابع ويژه‌اي بر روي سيگنال اثر داده مي‌شود و خروجي به شكل سيگنال الكتريكي متفاوتي از طريق اكسان (و سيناپس آن) به سلول‌هاي ديگر انتقال داده مي‌شود.
البته تحقيقات جديد نمايانگر اين واقعيت هستند كه نرون‌هاي بيولوژيك بسيار پيچيده‌تر از مدل ‌ساده‌اي هستند كه در بالا تشريح شد. اما همين مدل ساده مي‌تواند زيربناي مستحكمي براي دانش شبكه‌هاي عصبي مصنوعي (Artificial Neural Network = ANN) تلقي گردد و متخصصان گرايش شبكه‌هاي عصبي يا هوش مصنوعي مي‌توانند با پيگيري كارهاي دانشمندان علوم زيست‌شناسي، به بنيان‌گذاري ساختار‌هاي مناسب‌تري در آينده دست بزنند.


پياده‌سازي‌هاي الكترونيكي نرون‌هاي مصنوعي
نرم‌افزارهايي كه در آن‌ها از شبكه‌هاي عصبي استفاده شده است، نرون‌هاي شبكه را المان پردازنده (Processing element) مي‌نامند. به‌طور معمول در محصولات نرم‌افزاري، المان‌هاي پردازنده قابليت بسيار بيشتري از نمونه ساده‌شده‌اي كه در بخش‌هاي پيشين تشريح كرديم، دارند. در شكل شماره 4، نمايي با جزئيات بيشتر از يك نرون مصنوعي را نشان مي‌دهد.در اين مدل، ورودي‌ها در نخستين گام، در ضريب وزني (weighting factor) متناظر خود ضرب مي‌شوند. در مرحله بعد، ورودي‌هايي كه تغيير مقياس داده‌اند وارد واحدي مي‌شوند كه در آن سيگنال‌هاي ورودي با هم تركيب مي‌شوند. به‌طور معمول عمل تركيب در اين واحد همان عمل جمع جبري است، اما در اصول، مي‌توان در اين واحد، ورودي‌ها را به روش‌هاي ديگري علاوه بر عمل جمع معمولي نيز با يكديگر تركيب كرد. مثلاً مي‌توان به‌جاي عمل جمع، از عمل متوسط گيري، انتخاب بزرگترين، انتخاب كوچك‌ترين، عمل OR يا‌ AND منطقي هم استفاده كرد. در واقع هدف نهايي در اين واحد آن است كه از تعداد n ورودي، يك سيگنال خروجي براي ارائه به بخش‌هاي بعدي فرايند، به‌دست آيد. انتخاب نوع <عمل> در اين واحد، موضوع دقيقي است كه كاملاً به كاربرد مسأله وابسته است.به‌طور معمول در نرم‌افزارهاي تجاري، امكان انتخاب و حتي ساختن توابع گوناگون براي اين واحد، از طرف نرم‌افزار به كاربران داده مي‌شود. حتي مي‌توان كاربردهايي يافت كه در آنها، عمل تركيب در اين واحد، وابسته به زمان باشد و در زمان‌هاي گوناگون پردازش مسأله، عمليات مختلفي براي تركيب كردن ورودي‌ها به‌كار برده ‌شوند. در هر صورت، پس از آنكه ورودي‌ها با يكديگر تركيب شدند، سيگنال حاصل به واحد ديگري كه در آن تابع انتقال يا Transfer Function به سيگنال اعمال مي‌شود، هدايت مي‌گردد. خروجي اين بخش، سيگنال‌هاي حقيقي خواهند بود. بدين ترتيب جعبه‌اي در دست خواهيم داشت كه تعداد n عدد سيگنال ورودي را به m عدد سيگنال خروجي تبديل مي‌كند. در عمل توابع انتقالي كه در بخش انتهايي نمودار شكل 4 به‌كار برده مي‌شوند، معمولاً يكي از توابع سينوسي، تانژانت هذلولي، sigmoid و نظاير اين‌ها است. در تصوير شماره 5، نمونه‌اي از يك تابع انتقال از نوع sigmoid نمايش داده شده است. همانطور كه در اين شكل مشاهده مي‌كنيد، اين تابع انتقال، سيگنال خروجي واحد تركيب را به سيگنال خروجي تبديل مي‌كند كه مقدار (يا اندازه آن) بين صفر و يك مي‌تواند باشد.در عمل، سيگنالِ خروجي يك المان پردازنده مي‌تواند برحسب نوع كاربرد، به المان‌هاي پردازشي ديگر و يا به اتصالات ديگر خارج از شبكه عصبي هدايت شود. در واقع تمامي شبكه‌هاي عصبي بر اساس ساختار المان‌هاي پردازشي فوق كار مي‌كنند. در قسمت بعدي اين مقاله به تشريح عمليات در شبكه‌هاي عصبي و آموزش اين شبكه‌ها مي‌پردازيم.

دستگاه عصبی یا سیستم ‌عصبی یا سامانۀ عصبی ( Nervous System ) در بدن جانوران به هماهنگی فعالیت‌های ماهیچه‌ها پرداخته، اعضاء گوناگون را تحت نظارت درآورده، و ایجاد و توقّف ورودی‌های مربوط به حواس مختلف را باعث می‌شود. وظیفه کنترل اعمال بدن بر عهدۀ دو سیستم اعصاب و غدد داخلی می‌باشد، که از این میان، دستگاه عصبی، که از سلول‌های عصبی و سلولهای نگهبان تشکیل شده است، سلولهای عصبی (نورون‌ها) وظیفۀ تولید و هدایت پالس‌های الکتروشیمیایی را بر عهده داشته و سلولهای نگهبان وظیفه حمایت از سلولهای عصبی را بر عهده دارند.

تقسیم بندی سیستم عصبی
تقسیم بندی سیستم عصبی معملا بر اساس دو مبنای اناتومیکی و عملکردی صورت می گیرد.

از لحاظ آناتومی:
دستگاه عصبی را از لحاظ کالبدشناختی به دو بخش تقسیم می نمایند،که عبارت‌اند از:
دستگاه عصبی مرکزی( Central Nervous System ):
دستگاه عصبی مرکزی از مغز و نخاع تشکیل گردیده است.
دستگاه عصبی محیطی( Peripheral Nervous System ):
دستگاه عصبی محیطی از12 جفت اعصاب مغزی و 31 جفت اعصاب نخاع تشکیل گردیده است.

از لحاظ عملکردی:
دستگاه عصبی را از لحاظ عملکردی به دو بخش تقسیم می نمایند، که عبارت‌اند از
دستگاه عصبی مرکزی( Somatic Nervous System ):
سیستم اعصاب پیکری ، بخش ارادی سیستم اعصاب بوده و به عضلات مختطط اسکلتی و همچنین عضلا زبان عصب دهی می نماید
دستگاه عصبی محیطی( Autonomic Nervous System ):
سیستم اعصاب خودکار همانطور که از نام آن مشخص است ، سیستم کاملاً غیر ارادی بوده که بر اعمال احشاء داخلی بدن ، غدد و ..... نظارت دارد و شامل دو گروه اعصاب سمپاتیک (Nerve Sympathetic) و پاراسمپاتیک(Nerve Para Sympathetic ) می باشد.جنین شناسی دستگاه عصبی( Embryology Nervous System ): در هفته سوم پس از لقاح ، در ناحیه پشتی جنین ، نوار طولی از اکتودرم ظاهر شده که دارای دو انتهای سری و دمی می باشد ، این صفحه ، صفحه عصبی ( Neural Plate ) گفته می شود ، از آنجایی که رشد اطراف صفحه بیش از نواحی مرکزی آن می باشد پس از مدتی صفحه بصورت ناودان مانند موسوم به ناودان عصبی (Neural Groove) و با ادامه روند رشد ، سرانجام بصورت لوله در امده که به آن لوله عصبی (Neural Tube) گفته می‌شود.

بازسازي سلولهاي عصبي در ميمونها
تحقيقات جديد در مورد سيستم عصبي حيوانات اميد تازه‏اي براي تكثير سلولهاي عصبي در انسان بوجود آورده است.پژوهشگران دانشگاه پرينستون نشانه‏هايي از بازسازي خودبخود سلولهاي عصبي در ميمونهاي بزرگسال يافته‏اند.تحقيق فوق از اين جهت اهميت دارد كه مشاهدات و تحقيقاتي كه تاكنون انجام شده است روند بازسازي سلولهاي عصبي را در انسان و برخي از جانوران پستاندار ناممكن جلوه داده است.خانم اليزابت گولد و همكارانش در دانشگاه بوينستون، با الهام گرفتن از آنچه در دوران جنيني باعث رشد سلولهاي مغز مي‏شود، نوعي ماده بيوشيميايي را كه توسط سلولهاي عصبي در دوران جنيني مصرف مي‏شود، به بدن ميمونهاي بزرگسال تزريق كردند.رديابي ماده تزريق شده در بدن ميمونها نشان داد كه در بطنهاي اصلي مغز كه پر از مايع مغزي - نخاعي است سلولهايي به طور مستمر ساخته مي‏شوند.اين سلولها كه شكل مقدماتي يك سلول عصبي را دارند، طي يك سفري كه حدود9 روز بطول مي‏انجامد از گذرگاهي به قشر مغز در مناطق گيجگاهي، پيشاني و آهيانه‏اي مهاجرت مي‏كنند. آنگاه سلولهايي كه به قشر مغز مهاجرت نموده، اكسونهايي از خود ساخته سوي سلولهاي ديگر روانه مي‏كند.با توجه به اينكه در اثر بروز سكته مغزي با بيماريهايي مثل الزايمر سلولهاي عصبي از بين مي‏روند اميد مي‏رود كه پيگيري نقشي كه سلولهاي تازه در مغز مي‏تواند بازي كند راه درماني براي اين بيمارها فراهم سازد.محققان در نظر دارند با مشاهده رفتار ميمونهاي مورد تحقيق خصوصا تغييراتي كه ممكن است در يادگيريها و اعمال شناختي آنها بر اثر وجود يا حذف سولهاي تازه پديدآيد، پژوهش خود را به نقطه مفيدتري برسانند. تحقيقات جديد در مورد سيستم عصبي حيوانات اميد تازه‏اي براي تكثير سلولهاي عصبي در انسان بوجود آورده است.پژوهشگران دانشگاه پرينستون نشانه‏هايي از بازسازي خودبخود سلولهاي عصبي در ميمونهاي بزرگسال يافته‏اند.تحقيق فوق از اين جهت اهميت دارد كه مشاهدات و تحقيقاتي كه تاكنون انجام شده است روند بازسازي سلولهاي عصبي را در انسان و برخي از جانوران پستاندار ناممكن جلوه داده است.خانم اليزابت گولد و همكارانش در دانشگاه بوينستون، با الهام گرفتن از آنچه در دوران جنيني باعث رشد سلولهاي مغز مي‏شود، نوعي ماده بيوشيميايي را كه توسط سلولهاي عصبي در دوران جنيني مصرف مي‏شود، به بدن ميمونهاي بزرگسال تزريق كردند.رديابي ماده تزريق شده در بدن ميمونها نشان داد كه در بطنهاي اصلي مغز كه پر از مايع مغزي - نخاعي است سلولهايي به طور مستمر ساخته مي‏شوند.اين سلولها كه شكل مقدماتي يك سلول عصبي را دارند، طي يك سفري كه حدود9 روز بطول مي‏انجامد از گذرگاهي به قشر مغز در مناطق گيجگاهي، پيشاني و آهيانه‏اي مهاجرت مي‏كنند. آنگاه سلولهايي كه به قشر مغز مهاجرت نموده، اكسونهايي از خود ساخته سوي سلولهاي ديگر روانه مي‏كند.با توجه به اينكه در اثر بروز سكته مغزي با بيماريهايي مثل الزايمر سلولهاي عصبي از بين مي‏روند اميد مي‏رود كه پيگيري نقشي كه سلولهاي تازه در مغز مي‏تواند بازي كند راه درماني براي اين بيمارها فراهم سازد.محققان در نظر دارند با مشاهده رفتار ميمونهاي مورد تحقيق خصوصا تغييراتي كه ممكن است در يادگيريها و اعمال شناختي آنها بر اثر وجود يا حذف سولهاي تازه پديدآيد، پژوهش خود را به نقطه مفيدتري برسانند.

تغییرات پروتئوم سلولهای عصبی در هنگام یادگیری

نوشته: نیما آرین (دانشگاه برمن، آلمان)
از سالها پیش اساس مولکولی حافظه و یادگیری یکی از مباحث داغ بیولوژی سلولی و مولکولی بوده است.بطوریکه حتی دانشمندان معروفی مانند فرانسیس کریک، مطالعات خود را بر روی این موضوع متمرکز کردند. براستی در نورونها در هنگام یادگیری و بخاطر سپردن اطلاعات چه اتفاقی می افتد و چگونه اطلاعات در نورونهای ما ذخیره می شوند؟هنوز دانشمندان بطور دقیق پاسخ این سوال را نمی دانند اما در سالهای اخیر پیشرفتهای زیادی در این مورد بدست آمده که این نوید را به ما می دهد که بزودی پرده از اسرار این راز برداشته خواهد شد.در صورتی که ما بتوانیم به اساس مولکولی حافظه پی ببریم شاید بتوان در آینده اطلاعات را از مغز یک فرد به مغز فرد دیگر انتقال داد و یا شاید بتوان حتی اطلاعات را از کامپیوتر به مغز منتقل کرد. در این صورت دیگر تحصیلات دانشگاهی مفهومی نخواهد داشت.( آیا فیلم ماتریکس را دیده اید؟)به عقیده من ،ذخیره اطلاعات در مغر به هیچ وجه مشابه ذخیره اطلاعات در هارد دیسک کامپییوتر نیست. هنگامی که کامپیوتر بخواهد اطلاعات مربوط به یک چیز را (مثلا یک سیب را ) ذخیره کند، باید ابتدا آن را به واحدهای اطلاعاتی تقسیم کند و سپس آنها را ذخیره کند. برای مثال در مورد یک سیب در کامپیوتر اطلاعات مربوط به رنگ، بو، مزه ، شکل اندازه، اطلاعاتی در مورد طرز کاشت، درخت سیب و...... همگی بصورت مجزا در غالب واحدهای اطلاعاتی ذخیره می شوند. اما در مغز همه اطلاعات مربوط به یک چیز بصورت موازی همراه هم ذخیره می شوند مثلا اطلاعات مربوط به سیبب همگی as whole with each other ، در مغز ذخیره می شوند و سیب را برای ما تجسم می کنند( ای کاش تونسته باشم و منظورما خوب بگم! بعدا سعی میکنم در مقالات بعدی در این مورد بیشتر توضیح بدم!).نگامی که مطلبی توسط نورونهای حسی دریافت می شود، اطلاعات مربوط به آن از مسیری از نورونها عبور میکند این مسیر دارای الگوی خاصی است که برای آن اطلاعات خاص است با عبور اطلاعات از این مسیر عصبی، ارتباط بین سیناپسهایی که در این مسیر قرار دارند قویتر می شود واین همان چیزی است که ما آن را یادگیری می نامیم. در هنگام تشکیل حافظه کوتاه مدت پروتئین جدیدی در نورونهایی که در مسیر الگوی اطلاعاتی هستند، ساخته نمی شود فقط پروتئینهایی که از پیش سنتز شده اند به غشاء سیناپسها منتقل می شوند این پروتئینها اکثرا رسپتورهای نوروترانسمیترها هستند. اما ما در آزمایشگاه خود متوجه شدیم که تبدیل حافظه کوتاه مدت (short term memory) به حافظه بلند مدت، مستلزم بیان پروتئینهایی است که بیان آنها به فاکتور رونویسی CREB نیاز دارند. یکی از مهمترین پروتئینهایی که ما در این مورد کشف کردیم پروتئین CaMKIV یا Ca2+/calmodulin-dependent protein kinase IV می باشد. این پروتئین در هنگام تبدیل حافظه کوتاه مدت به حافظه بلند مدت طی پدیده ای بنام LTP یا long-term potentiation تحت کنترل CREB بیان می شود. همچنین ما درحین LTP متوجه تغییرات دیگری در پروتئوم نورونهایی که در مسیر الگوی اطلاعات قرار دارند شدیم . با بررسی بیشتر این تغییرات به یک مسیر انتقال پیام (sigal transduction pathway) پی بردیم این مسیر یکی از مسیرهایی است که منجر به LPT می شود. یکی از اجزاء این مسیر پروتئین کیناز A (PKA) است. ما متوجه شدیم که آنزیم Calcineurin که یک فسفاتاز است با دفسفریله کردن پروتئنیهایی که PKA فسفریله می کند، از تشکیل حافظه بلند مدت جلوگیری می کند. شاید بتوان با ساخت داروهایی که از عمل Calcineurin ممانعت می کنند قدرت حافظه افراد را افزایش داد.هرچه از مسیر اطاعاتی بیشتر استفاده شود، ارتباط بین سیناپسهای آن قویتر شده و نیمه عمر اطلاعات در مغز افزایش می یابد. اطلاعات مشابه از الگوی مسیری تقریبا مشابهی عبور میکنند. برای مثال مسیر اطلاعاتی که اطلاعات مربوط به شکل یک سیب سرخ از آن عبور می کند مشابه مسیر اطلاعاتی است اطلاعات مربوط به شکل یک توپ سرخ ر آن ذخیره شده است. (!!!شاید حالا بتونم مفهوم ذخیره شدن موازی اطلاعات در مغز انسان را بیشتر توضیح بدم!!!) همانطور که قبلا گفتم اطلاعات در مغز انسان بر خلاف کامپیوتر به اجزا، کوچکتر تقسم نمی شوند. برای مثال اطلاعات مربوط به بوی سیب از یک مسیر اطلاعاتی می گذرد که با مسیر اطلاعاتی مربوط به رنگ سیب، مسیر اطلاعاتی مربوط به شکل سیب، مسیر اطلاعاتی مربوط به مزه سیب و... ارتباط سیناپسی دارد و در کل همه این مسیر ها با هم یک شبکه ای را می سازند که مفهوم سیب را در ذهن در خود ذخیر می کند.
سلام خدمت همه ی عزیزان
من دوباره اومدم...تازه تر از همیشه...
بازم در خدمتتونمKhansariha (214)

۱۵-۱۰-۱۳۹۰ ۰۳:۵۱ عصر
جستجو یافتن همه ارسال های کاربر اهدا امتیازاهدای امتیاز به کاربر پاسخ پاسخ با نقل قول
 سپاس شده توسط نیاز

برای بروز رسانی تاپیک کلیک کنید


پرش به انجمن:

کاربرانِ درحال بازدید از این موضوع: 1 مهمان