به گزارش سایت خبری پرسون به نقل از ساینس‌دیلی، مهندسان "دانشگاه نورث وسترن"(Northwestern University) آمریکا، نخستین شبیه‌سازی سه‌بعدی پویا را از سیستم کامل سبیل موش صحرایی ابداع کرده‌اند که بینش نادر و واقع‌بینانه‌ای را در مورد نحوه دستیابی موش‌ها به اطلاعات مربوط به لامسه ارائه می‌دهد.
این مدل جدید که "WHISKiT" نام دارد، ۶۰ نوع سبیل را شامل می‌شود. شاید این فناوری بتواند به پژوهشگران کمک کند تا پیش‌بینی کنند که سبیل‌ها چگونه سلول‌های گوناگون را برای تاثیرگذاری در سیگنال‌های ارسال شده به مغز فعال می‌کنند و بینش‌های جدیدی را در مورد ماهیت مرموز لمس کردن انسان ارائه می‌دهند.
موش‌های صحرایی با کمک سبیل‌های خود می‌توانند اطلاعات دقیقی را در مورد محیط اطراف از جمله فاصله، جهت، شکل و بافت یک جسم به دست بیاورند. این توانایی قوی موجب می‌شود که سیستم حسی موش برای بررسی رابطه میان سبیل متحرک و ورودی حسی که همان سیگنال‌های لمسی ارسال شده به مغز هستند، ایده‌آل باشد.
اگرچه سیستم سبیل موش صحرایی به صورت گسترده در علوم اعصاب به کار می‌رود اما بررسی سیستم عصبی یک حیوان هنگام حرکت برای تعامل با محیط طبیعی خود چالش‌برانگیز است.
"میترا هارتمن"(Mitra Hartmann)، از پژوهشگران این پروژه گفت: ما نمی‌توانیم سیگنال‌های حاصل از یک سبیل واقعی را با استفاده از فناوری‌های کنونی اندازه‌گیری کنیم زیرا به محض قرار دادن یک حسگر، کار سیگنال‌ها مختل می‌شود. تنها راهی که با کمک آن می‌توانیم یک موش صحرایی را به صورت فعال در شرایط حس کردن محیط اطراف قرار دهیم، شبیه‌سازی است.
شبیه‌سازی‌ها با توانایی غلبه بر این چالش‌ها، به یکی از مولفه‌های مهم حوزه علوم اعصاب تبدیل شده‌اند. پژوهشگران اکنون با ابداع WHISKiT، نخستین مدل کامل از ورودی لمسی را در یک سیستم حسی در حال حرکت در اختیار دارند.
"نادینا زویفل"(Nadina Zweifel)، پژوهشگر ارشد این پروژه گفت: از آنجا که سبیل‌ها به صورت جداگانه کار نمی‌کنند، WHISKiT باید نحوه پردازش اطلاعات لمسی توسط مغز را درک کند. این مانند یک دوربین لمسی است که سیگنال‌های مکانیکی مورد نیاز حیوان را برای تعامل با محیط ثبت می‌کند. ما باور داریم که فناوری ما با این روش، امکان پژوهش‌های محاسباتی و تجربی را در آینده به صورت قابل توجهی گسترش می‌دهد.
پژوهشگران دانشگاه نورث‌وسترن برای ابداع WHISKiT، داده‌های آزمایشگاه هارتمن را که طی بیش از یک دهه به دست آمده بود، با هم ترکیب کردند. از آنجا که هر سبیل کمی متفاوت است، پژوهشگران از پیش هندسه مناسب را برای هر سبیل محاسبه کردند و پس از تایید مدل‌ها، آنها را در یک آرایه کامل ترکیب کردند. مدل به دست آمده، هندسه و حرکت هر ۶۰ نوع سبیل را روی صورت موش در نظر می‌گیرد.
مدل WHISKiT، داده‌های جدیدی را نیز در بر دارد که از اسکن‌های سه‌بعدی به دست آمده‌اند. زویفل، این اسکن‌ها را از محیط طبیعی اطراف موش‌ها مانند کوچه‌های شهر، اطراف زباله‌دانی‌ها و لوله‌های فاضلاب جمع‌آوری کرده است. مدل WHISKiT، موش‌ها را در این محیط‌های طبیعی و همچنین تنظیمات آزمایشگاهی شبیه‌سازی می‌کند. پژوهشگران دریافتند که هر محیطی، الگوی منحصر به فردی از داده‌ها تولید می‌کند.
برنامه بعدی پژوهشگران این است که شبیه‌سازی‌ها را برای پاسخ دادن به چندین سوال که قدمت زیادی دارند، به کار ببرند؛ سوالاتی از این دست که موش‌ها چگونه می‌توانند از لمس کردن برای تشخیص دادن اجسام ثابت و متحرک استفاده کنند.
این پژوهش، در مجله "PNAS" به چاپ رسید.
