પ્રસ્તુત રંગ satin મગજ

Anonim
પ્રસ્તુત રંગ satin મગજ 20297_1
પ્રસ્તુત રંગ satin મગજ

મગજમાં આશરે 86 બિલિયન ન્યુરોન્સનો સમાવેશ થાય છે જે આશરે 100 ટ્રિલિયન કનેક્શન્સ અથવા સમન્વયિત કરે છે. દરેક કોષ ચોક્કસ ભૂમિકા ભજવે છે, સ્નાયુઓને ખસેડવાની, માધ્યમ અનુભવે છે, યાદોને લાગે છે અને ઘણું બધું. ન્યુરોન્સ અને કનેક્શન્સની સંખ્યાને કારણે, વૈજ્ઞાનિકોએ નક્કી કરવું મુશ્કેલ છે કે સિસ્ટમ કેવી રીતે વિચારવાનો અથવા વર્તનમાં વધારો કરે છે.

હવે કોલમ્બિયન વૈજ્ઞાનિકોએ ન્યુરોપલ પદ્ધતિ વિકસિત કરી છે. તે ફ્લોરોસન્ટ રંગોવાળા ચેતાકોષ "રંગ" ની આનુવંશિક પદ્ધતિઓનો ઉપયોગ કરે છે. અને પ્રથમ વખત પણ વૈજ્ઞાનિકોને દરેક ન્યુરોનને પ્રાણી નર્વસ સિસ્ટમમાં ઓળખવાની મંજૂરી આપે છે. અને ક્રિયામાં સમગ્ર નર્વસ સિસ્ટમ પણ રજીસ્ટર કરે છે.

સંશોધન માટે, વૈજ્ઞાનિકોએ બે પ્રોગ્રામ બનાવ્યાં છે. એક રંગીન કૃમિ છબીઓમાં બધા ન્યુરોન્સ ઓળખે છે. કોઈપણ શરીરમાં કોઈપણ પ્રકારના કોશિકાઓ અથવા પેશીઓની સંભવિત ઓળખ પદ્ધતિઓ માટે બીજું ડિઝાઇન શ્રેષ્ઠ રંગ જે આનુવંશિક મેનીપ્યુલેશન્સને મંજૂરી આપે છે. વૈજ્ઞાનિકોએ નોંધ્યું છે કે પદ્ધતિનો ઉપયોગ ફક્ત સેલ નોંધણી માટે જ નહીં, પણ કોષમાં આ વિશિષ્ટ જીન્સની હાજરી અથવા ગેરહાજરીને ઓળખવા માટે પણ થઈ શકે છે.

ટીમએ કેનૉર્બિડાઇટિસ એલિગન્સ (સી. એલિગન્સ) ના વોર્મ્સ સાથે સફળ પ્રયોગોની શ્રેણી ચલાવ્યાં. તે ઘણીવાર જૈવિક સંશોધનમાં ઉપયોગમાં લેવાય છે. વૈજ્ઞાનિકોએ વોર્મના મગજમાં દરેક વ્યક્તિગત ન્યુરોનને ઓળખવામાં સફળ રહ્યા. કામની વિગતો તેઓ સેલ મેગેઝિનમાં પ્રકાશિત કરવામાં આવી છે.

અભ્યાસના લેખકોમાંના એક ઓલિવર હોબર્ટએ જણાવ્યું હતું કે, "આશ્ચર્યજનક રીતે નર્વસ સિસ્ટમને તેની સંપૂર્ણતામાં જોવું અને તે શું કરે છે તે જુઓ." તેમણે ઉમેર્યું હતું કે સર્જિત છબીઓ ટીમ દ્વારા આશ્ચર્ય પામી હતી: તેજસ્વી રંગીન ફોલ્લીઓ કૃમિના શરીરમાં દેખાય છે "જેમ કે ડાર્ક રાતમાં ક્રિસમસ લાઇટ્સ."

સંશોધકોએ જણાવ્યું હતું કે તેમની સફળતા ટૂંક સમયમાં જ તે શોધમાં આવી શકે છે જે પદ્ધતિ શક્ય બનાવે છે. સેલ મેગેઝિનમાં પ્રકાશન કરતા પહેલા, ઓલિવર હોબર્ટ અને ઇવેઆટાર યેમિનીએ વૈજ્ઞાનિક સમુદાય માટે ન્યુરોપલ રજૂ કર્યું. તેમના સાથીદારોએ આ ટૂલની ઉપયોગીતા દર્શાવતા કેટલાક અભ્યાસો પહેલેથી જ રજૂ કર્યા છે.

યેમિનીએ જણાવ્યું હતું કે, રંગનો ઉપયોગ કરીને ચેતાકોષો અથવા અન્ય સેલ પ્રકારોને ઓળખવાની ક્ષમતા વૈજ્ઞાનિકોને જૈવિક સિસ્ટમના દરેક ભાગની ભૂમિકાને દૃષ્ટિપૂર્વક સમજવામાં સહાય કરી શકે છે. "તેથી જો સિસ્ટમમાં કંઈક ખોટું થાય, તો તે નિષ્ફળતા ક્યાં થઈ તે નિર્ધારિત કરવામાં મદદ કરી શકે છે."

સોર્સ: નેકેડ સાયન્સ

વધુ વાંચો