तंत्रिका सर्किट

तंत्रिका सर्किट (जिसे 'जैविक तंत्रिका नेटवर्क' के रूप में भी जाना जाता है) सक्रिय होने पर विशिष्ट कार्य करने के लिए निष्कर्ष द्वारा परस्पर जुड़े न्यूरॉन्स की जनसंख्या है। बड़े पैमाने पर मस्तिष्क नेटवर्क बनाने के लिए कई तंत्रिका सर्किट एक दूसरे से जुड़ते हैं। तंत्रिका सर्किटों ने कृत्रिम तंत्रिका नेटवर्क के डिजाइन को प्रेरित किया है, चूँकि महत्वपूर्ण अंतर हैं।

प्रारंभिक अध्ययन
तंत्रिका जैविक नेटवर्क का प्रारंभिक उपचार हर्बर्ट स्पेंसर के मनोविज्ञान के सिद्धांतों, तीसरे संस्करण (1872), थिओडोर मेयनर्ट के मनश्चिकित्सा (1884), विलियम जेम्स के मनोविज्ञान के सिद्धांतों (1890) और सिगमंड फ्रायड के वैज्ञानिक मनोविज्ञान के प्रोजेक्ट (1895 में रचित) में पाया जा सकता है। न्यूरोनल लर्निंग का प्रथम नियम डोनाल्ड ओल्डिंग हेब्ब द्वारा 1949 में हेबियन सिद्धांत में वर्णित किया गया था। इस प्रकार, प्री-सिनैप्टिक और पोस्ट-सिनैप्टिक गतिविधि की हेबियन जोड़ी सिनैप्टिक कनेक्शन की गतिशील विशेषताओं को अधिक सीमा तक परवर्तित कर सकती है और इसलिए तंत्रिकासंचरण को सुविधाजनक या बाधित कर सकती है। 1959 में, तंत्रिका विज्ञानियों, वॉरेन स्टर्गिस मैककुलोच और वाल्टर पिट्स ने तंत्रिका नेटवर्क के प्रसंस्करण पर प्रथम कार्य प्रकाशित किया। उन्होंने सैद्धांतिक रूप से दिखाया कि कृत्रिम न्यूरॉन्स के नेटवर्क तार्किक, अंकगणित और प्रतीकात्मक कार्यों को प्रारम्भ कर सकते हैं। जैविक न्यूरॉन के सरलीकृत मॉडल स्थापित किए गए थे, जिन्हें अब सामान्यतः परसेप्ट्रॉन या कृत्रिम न्यूरॉन्स कहा जाता है। ये सरल मॉडल तंत्रिका (न्यूरोफिज़ियोलॉजी) योग के लिए उत्तरदायी हैं (अर्थात, पोस्ट-सिनैप्टिक झिल्ली की क्षमताएं कोशिका शरीर में सारांशित होंगे)। पश्चात के मॉडलों में उत्तेजक और निरोधात्मक सिनैप्टिक ट्रांसमिशन भी प्रदान किया गया।

न्यूरॉन्स के मध्य संबंध
मस्तिष्क में न्यूरॉन्स के मध्य संबंध कृत्रिम तंत्रिका नेटवर्क के कनेक्शनवादी तंत्रिका कंप्यूटिंग मॉडल में उपयोग किए जाने वाले कृत्रिम न्यूरॉन्स की तुलना में अधिक जटिल हैं। न्यूरॉन्स के मध्य मूलभूत प्रकार के कनेक्शन सिनैप्स हैं: रासायनिक सिनैप्स और विद्युत सिनैप्स।

सिनैप्स की स्थापना न्यूरॉन्स को लाखों ओवरलैपिंग और इंटरलिंकिंग न्यूरल सर्किट को जोड़ने में सक्षम बनाती है। न्यूरेक्सिन नामक प्रीसिनेप्टिक प्रोटीन इस प्रक्रिया के केंद्र में हैं।

सिद्धांत जिसके द्वारा न्यूरॉन्स कार्य करते हैं, वह तंत्रिका योग (न्यूरोफिज़ियोलॉजी) है- पोस्टसिनेप्टिक झिल्ली की क्षमताएं कोशिका शरीर में एकत्रित होंगी। यदि अक्षतंतु हिलॉक पर न्यूरॉन का विध्रुवण सीमा से ऊपर चला जाता है, तो ऐक्शन पोटेंशिअल उत्पन्न होगा जो अन्य न्यूरॉन्स को संकेत संचारित करने के लिए अक्षतंतु से टर्मिनल अंत तक वहन करता है। उत्तेजक और निरोधात्मक सिनैप्टिक ट्रांसमिशन अधिकतम उत्तेजक पोस्टसिनेप्टिक क्षमता (ईपीएसपी) और निरोधात्मक पोस्टसिनेप्टिक क्षमता (आईपीएसपी) द्वारा अनुभव किया जाता है।

इलेक्ट्रोफिजियोलॉजी स्तर पर, ऐसी कई घटनाएं हैं जो व्यक्तिगत सिनैप्स (जिसे सिनैप्टिक प्लास्टिसिटी कहा जाता है) और व्यक्तिगत न्यूरॉन्स (आंतरिक प्लास्टिसिटी) की प्रतिक्रिया विशेषताओं को परिवर्तित कर देती हैं। इन्हें प्रायः अल्पकालिक प्लास्टिसिटी और दीर्घकालिक प्लास्टिसिटी में विभाजित किया जाता है। दीर्घकालिक सिनैप्टिक प्लास्टिसिटी को प्रायः सबसे संभावित मेमोरी सब्सट्रेट माना जाता है। सामान्यतः, शब्द न्यूरोप्लास्टिसिटी मस्तिष्क में होने वाले परिवर्तनों को संदर्भित करता है जो गतिविधि या अनुभव के कारण होते हैं।

कनेक्शन अस्थायी और स्थानिक विशेषताओं को प्रदर्शित करते हैं। टेम्पोरल विशेषताएँ सिनैप्टिक ट्रांसमिशन की निरंतर संशोधित गतिविधि-निर्भर प्रभावकारिता को संदर्भित करती है, जिसे स्पाइक-टाइमिंग-डिपेंडेंट प्लास्टिसिटी कहा जाता है। कई अध्ययनों में देखा गया है कि इस संचरण की सिनैप्टिक प्रभावकारिता प्रीसानेप्टिक न्यूरॉन की गतिविधि के अनुसार अल्पकालिक वृद्धि (जिसे तंत्रिका सुविधा कहा जाता है) या कमी (अवसाद) से निकल सकती है। दीर्घकालिक पोटेंशिएशन (एलटीपी) या अवसाद (लिमिटेड) द्वारा सिनैप्टिक प्रभावकारिता में दीर्घकालिक परिवर्तनों का प्रेरण, [[उत्तेजक पोस्टसिनेप्टिक क्षमता]] और पोस्टसिनेप्टिक एक्शन क्षमता के प्रारंभ के सापेक्ष समय पर दृढ़ता से निर्भर करता है। एलटीपी एक्शन पोटेंशिअल की श्रृंखला से प्रेरित होता है जो विभिन्न प्रकार की जैव रासायनिक प्रतिक्रियाओं का कारण बनता है। अंततः, प्रतिक्रियाएं पोस्टसिनेप्टिक न्यूरॉन्स के सेलुलर झिल्ली पर नए रिसेप्टर्स की अभिव्यक्ति का कारण बनती हैं या फास्फारिलीकरण के माध्यम से उपस्थित रिसेप्टर्स की प्रभावकारिता मे वृद्धि करती हैं।

बैकप्रॉपेगेटिंग ऐक्शन पोटेंशिअल उत्पन्न नहीं हो सकता है क्योंकि ऐक्शन पोटेंशिअल के अक्षतंतु के दिए गए खंड से नीचे जाने के पश्चात, वोल्टेज-गेटेड सोडियम चैनलों पर m गेट बंद हो जाते हैं, इस प्रकार h गेट के किसी भी क्षणिक उद्घाटन को इंट्रासेल्युलर सोडियम आयन (Na+) में परिवर्तन करने से अवरोध किया जाता है।) एकाग्रता, और कोशिका शरीर की ओर वापस क्रिया क्षमता की उत्पत्ति का अवरोध किया जाता है। चूँकि, कुछ कोशिकाओं में, तंत्रिका बैकप्रॉपैगेशन डेंड्राइटिक ब्रांचिंग के माध्यम से तंत्रिका पश्च प्रसार होता है और सिनैप्टिक प्लास्टिसिटी और गणना पर महत्वपूर्ण प्रभाव पड़ सकता है।

मस्तिष्क में न्यूरॉन को पोस्टसिनेप्टिक मांसपेशी कोशिका के संकुचन को उत्तेजित करने के लिए न्यूरोमस्कुलर संधि के लिए एकल सिग्नल की आवश्यकता होती है। चूँकि, रीढ़ की हड्डी में, फायरिंग उत्पन्न करने के लिए कम से कम 75 अभिवाही तंत्रिका न्यूरॉन्स की आवश्यकता होती है। यह चित्र न्यूरॉन्स के मध्य निरंतर समय में भिन्नता से और जटिल है, क्योंकि कुछ कोशिकाएं दूसरों की तुलना में व्यापक समयावधि में अपने ईपीएसपी का अनुभव कर सकती हैं।

जबकि विकासशील मस्तिष्क में सिनैप्स अवसाद विशेष रूप से व्यापक रूप से देखा गया है, यह अनुमान लगाया गया है कि यह वयस्क मस्तिष्क में सुविधा में परिवर्तित हो जाता है।

सर्किट्री
तंत्रिका सर्किट का उदाहरण हिप्पोकैम्पस में ट्राइसिनैप्टिक सर्किट है। दूसरा पैपेज़ सर्किट है जो हाइपोथेलेमस को लिम्बिक लोब से जोड़ता है। कॉर्टिको-बेसल गैन्ग्लिया-थैलामो-कॉर्टिकल लूप में कई तंत्रिका सर्किट होते हैं। ये सर्किट कॉर्टेक्स, बेसल गैन्ग्लिया, थैलेमस और कॉर्टेक्स के मध्य जानकारी ले जाते हैं। बेसल गैन्ग्लिया के भीतर सबसे बड़ी संरचना, स्ट्रिएटम, को अपनी आंतरिक माइक्रोक्रिक्यूट्री के रूप में देखा जाता है। रीढ़ की हड्डी में तंत्रिका सर्किट जिन्हें केंद्रीय पैटर्न जनरेटर कहा जाता है, लयबद्ध व्यवहार में सम्मिलित मोटर निर्देशों को नियंत्रित करने के लिए उत्तरदायी हैं। केंद्रीय पैटर्न जनरेटर स्पाइनल इंटिरियरनों के विभिन्न समूहों से बने होते हैं।

चार प्रमुख प्रकार के तंत्रिका सर्किट हैं जो तंत्रिका कार्यों के व्यापक सीमा के लिए उत्तरदायी हैं। ये सर्किट अपसारी परिपथ, अभिसारी परिपथ, परावर्तन परिपथ और समानांतर आफ्टर-डिस्चार्ज परिपथ हैं।

अपसारी सर्किट में, न्यूरॉन कई पोस्टसिनेप्टिक कोशिकाओं के साथ जुड़ जाता है। इनमें से प्रत्येक कई अन्य कोशिकाओं के साथ अन्तर्ग्रथन कर सकता है जिससे न्यूरॉन के लिए हजारों कोशिकाओं को उत्तेजित करना संभव हो जाता है। इसका उदाहरण इस प्रकार दिया जाता है कि एकल मोटर न्यूरॉन के प्रारंभिक इनपुट से हजारों मांसपेशी फाइबर को उत्तेजित किया जा सकता है।

अभिसरण सर्किट में, कई स्रोतों से इनपुट आउटपुट में परिवर्तित हो जाते हैं, जो केवल न्यूरॉन या न्यूरॉन पूल को प्रभावित करते हैं। इस प्रकार के सर्किट का उदाहरण मस्तिष्क तंत्र के श्वसन केंद्र में दिया जाता है, जो उचित श्वास पैटर्न देकर विभिन्न स्रोतों से कई इनपुट पर प्रतिक्रिया करता है।

प्रतिध्वनि सर्किट दोहरावदार आउटपुट उत्पन्न करता है। रेखीय अनुक्रम में न्यूरॉन से दूसरे न्यूरॉन तक सिग्नलिंग प्रक्रिया में, न्यूरॉन्स में से न्यूरॉन को आरंभ करने के लिए वापस सिग्नल भेज सकता है। प्रत्येक बार जब प्रथम न्यूरॉन प्रज्वलित होता है, तो दूसरा न्यूरॉन अनुक्रम आग को और नीचे करके उसे फिर से स्रोत पर भेज देता है। यह पहले न्यूरॉन को पुनर्स्थापित करता है और इसके आउटपुट तक संचरण के मार्ग को भी प्रस्तावित रखने की अनुमति देता है। परिणामी दोहराव पैटर्न वह परिणाम है जो केवल तभी अवरोध करता है जब एक या अधिक सिनेप्स विफल हो जाते हैं, या यदि किसी अन्य स्रोत से निरोधात्मक फ़ीड इसके अवरोध का कारण बनता है। इस प्रकार का प्रतिध्वनि सर्किट श्वसन केंद्र में पाया जाता है जो श्वसन की मांसपेशियों को संकेत भेजता है, जिससे साँस लेना होता है। जब सर्किट किसी अवरोधक संकेत से बाधित होता है तो मांसपेशियां शिथिल हो जाती हैं, जिससे साँस छोड़ना होता है। इस प्रकार का सर्किट मिर्गी के समय में भूमिका निभा सकता है।

समानांतर आफ्टर-डिस्चार्ज सर्किट में, न्यूरॉन्स की कई श्रृंखलाओं में प्रवेश करता है। प्रत्येक श्रृंखला भिन्न-भिन्न संख्या में न्यूरॉन्स से बनी होती है किन्तु उनके सिग्नल आउटपुट न्यूरॉन पर एकत्रित होते हैं। सर्किट में प्रत्येक सिनैप्स सिग्नल को लगभग 0.5 मिसे तक विलंबित करने का कार्य करता है जिससे जितने अधिक सिनैप्स होंगे, आउटपुट न्यूरॉन में अधिक लंबी देरी उत्पन्न होगी। इनपुट बंद हो जाने के पश्चात, आउटपुट कुछ समय के लिए उत्पन्न रहेगा। इस प्रकार के सर्किट में रिवर्बरेटिंग सर्किट के जैसे फीडबैक लूप नहीं होता है। उद्दीपन बंद होने के पश्चात निरंतर फायरिंग को आफ्टर-डिस्चार्ज कहा जाता है। यह सर्किट प्रकार कुछ रिफ्लेक्सिस के रिफ्लेक्स आर्क्स में पाया जाता है।

अध्ययन की विधि
न्यूरल सर्किट और नेटवर्क की गतिविधि के परीक्षण के लिए विभिन्न न्यूरोइमेजिंग तकनीकों का विकास किया गया है। मस्तिष्क की संरचना या कार्य का परीक्षण करने के लिए मस्तिष्क स्कैनर या कार्यात्मक न्यूरोइमेजिंग का उपयोग सरल है, या तो उच्च-रिज़ॉल्यूशन चित्रों के साथ मस्तिष्क की चोट का उत्तम आकलन करने की विधि है, या विभिन्न मस्तिष्क क्षेत्रों के सापेक्ष सक्रियता का परीक्षण करके ऐसी तकनीकों में कार्यात्मक चुंबकीय अनुनाद इमेजिंग (fMRI), ब्रेन पॉज़िट्रॉन एमिशन टोमोग्राफी (ब्रेन PET), और कंप्यूटेड एक्सियल टोमोग्राफी (CAT) स्कैन सम्मिलित हो सकते हैं। कार्यात्मक न्यूरोइमेजिंग मस्तिष्क से स्कैन लेने के लिए विशिष्ट मस्तिष्क इमेजिंग तकनीकों का उपयोग करती है, सामान्यतः जब कोई व्यक्ति किसी विशेष कार्य को कर रहा होता है, यह अध्ययन के प्रयास में कि मस्तिष्क के विशेष क्षेत्रों की सक्रियता कार्य से कैसे संबंधित है। कार्यात्मक न्यूरोइमेजिंग में, विशेष रूप से एफएमआरआई, जो हेमोडायनामिक प्रतिक्रिया (रक्त-ऑक्सीजन-स्तर पर निर्भर इमेजिंग) को मापता है, जो तंत्रिका गतिविधि, पीईटी और इलेक्ट्रोएन्सेफलोग्राफी (ईईजी) से निकटता से जुड़ा हुआ है।

कनेक्शनवाद मॉडल प्रतिनिधित्व, सूचना प्रसंस्करण और सिग्नल ट्रांसमिशन की विभिन्न परिकल्पनाओं के लिए परीक्षण मंच के रूप में कार्य करता है। ऐसे मॉडलों में लेसियनिंग अध्ययन, उदा: कृत्रिम तंत्रिका नेटवर्क, जहां नोड्स के कुछ भागों को यह देखने के लिए निश्चयपूर्वक नष्ट कर दिया जाता है  कई सेल असेंबली के कार्य में महत्वपूर्ण अंतर्दृष्टि भी प्राप्त कर सकते हैं। इसी प्रकार, न्यूरोलॉजिकल स्थितियों में निष्क्रिय न्यूरोट्रांसमीटर के सिमुलेशन (उदाहरण के लिए, पार्किंसंस रोगियों के बेसल गैन्ग्लिया में डोपामाइन) विशेष रोगी समूह में देखे गए संज्ञानात्मक के पैटर्न के लिए अंतर्निहित तंत्र में अंतर्दृष्टि प्राप्त कर सकते हैं। इन मॉडलों की भविष्यवाणियों का रोगियों में या औषधीय के माध्यम से परीक्षण किया जा सकता है, और इन अध्ययनों का उपयोग मॉडल को सूचित करने के लिए किया जा सकता है, जिससे प्रक्रिया पुनरावृत्तीय हो जाती है।

तंत्रिका जीव विज्ञान में कनेक्शनवादी दृष्टिकोण और एकल-कोशिका दृष्टिकोण के मध्य आधुनिक संतुलन लंबी वर्णन के माध्यम से प्राप्त किया गया है। 1972 में, बारलो ने ल एकल न्यूरॉन क्रांति की घोषणा की: हमारी धारणाएं मुख्य रूप से मूक कोशिकाओं की अधिक बड़ी जनसंख्या से चयन किये गए न्यूरॉन्स की छोटी संख्या की गतिविधि के कारण होती है। इस दृष्टिकोण कोशिका दो वर्ष पहले के विचार से प्रेरित था। बार्लो ने न्यूरॉन सिद्धांत के पांच हठधर्मिता तैयार किए। 'ग्रैंडमदर सेल' और विरल कोडिंग घटना के अध्ययन इन विचारों को विकसित और संशोधित करते हैं। एकल कोशिका प्रयोगों में मीडियल टेम्पोरल लोब (हिप्पोकैम्पस और आसपास के कॉर्टेक्स) में इंट्राक्रैनियल इलेक्ट्रोड का उपयोग किया गया। कृत्रिम तंत्रिका नेटवर्क के अनुप्रयोगों के साथ माप सिद्धांत (स्टोकास्टिक अलगाव प्रमेय) की एकाग्रता का आधुनिक विकास उच्च-आयामी मस्तिष्क में छोटे तंत्रिका समेकन की अप्रत्याशित प्रभावशीलता के लिए गणितीय पृष्ठभूमि प्रदान करता है।

नैदानिक ​​महत्व
कभी-कभी तंत्रिका सर्किटरीज़ रोगात्मक हो सकती हैं और समस्याएं उत्पन्न कर सकती हैं जैसे कि पार्किंसंस रोग में जब बेसल गैन्ग्लिया सम्मिलित होता है। पेपेज़ सर्किट में समस्याएं पार्किंसंस सहित कई न्यूरोडीजेनेरेटिव विकारों को भी उत्पन्न कर सकती हैं।

यह भी देखें

 * प्रतिक्रिया
 * मानव मस्तिष्क में क्षेत्रों की सूची
 * नेटवर्क विज्ञान
 * तंत्रिका कोडिंग
 * तंत्रिका इंजीनियरिंग
 * तंत्रिका दोलन
 * पल्स-युग्मित नेटवर्क
 * सिस्टम न्यूरोसाइंस
 * तंत्रिका पथ
 * तंत्रिका मार्ग
 * तंत्रिका जाल

अग्रिम पठन

 * Intrinsic plasticity Robert H. Cudmore, Niraj S. Desai Scholarpedia 3(2):1363. 10.4249/scholarpedia.1363

बाहरी संबंध

 * Comparison of Neural Networks in the Brain and Artificial Neural Networks
 * Lecture notes at MIT OpenCourseWare
 * Computation in the Brain
 * Biological Neural Network Toolbox - A free Matlab toolbox for simulating networks of several different types of neurons
 * WormWeb.org: Interactive Visualization of the C. elegans Neural Network - C. elegans, a nematode with 302 neurons, is the only organism for whom the entire neural network has been uncovered. Use this site to browse through the network and to search for paths between any 2 neurons.
 * Introduction to Neurons and Neuronal Networks, Neuroscience Online (electronic neuroscience textbook)
 * Delaying Pulse Networks (Wave Interference Networks)