Solucanlarda kişiliği oluşturan ne?

Biyolojinin en sıra dışı ürünlerinden biri, kuşkusuz bilincimiz. Beynimiz, on milyarlarca nöron ve bunların yaptığı trilyonlarca bağlantı sayesinde çevreden ve vücudumuzdan topladığı verileri işleyip onlara uygun cevaplar üretebilen dev bir sinir ağı. Ama işlenen veriye her ne oluyorsa, bu sinir ağını bünyesinde barındıran sistem etrafını kristal parlaklığında algılayabiliyor ve ağın yeterince karmaşık olması halinde “bilinç” veya “benlik” diye tarif ettiğimiz, kendinin farkında olan ve hatta kendini diğer nesnelerden ayırt edebilen bir algı seviyesine erişebiliyor. 

Bu süreç ve sonuç öylesine kafa karıştırıcı ki, bazı filozoflar sinirbilimin bunun sebebini asla çözemeyeceklerine inanıyorlar ve buna “sinirbilimin zor problemi” adını veriyorlar. Yani beynin nasıl çalıştığını, hangi parçanın ne yaptığını, beyindeki her bir nöronun haritasını ve hangi şartlarda ateşlendiğini çözebiliriz. Bunlar, aşırı zor problemler olsalar da “sinirbilimin kolay problemleri” olarak sınıflandırılıyor. Sadece bunları çözecek kadar vaktimiz ve maddi kaynağımız henüz olmadı; zamanla oluyor. Ama tüm bu parçaların bir araya gelip de nasıl bilinci yarattığını çözmek… İşte asıl problem o. 

Açıkçası giderek artan sayıda sinirbilimci (ve filozof), bunun gerçekten de çözülemeyecek bir problem olduğuna şüpheyle yaklaşmaya başladılar. Çünkü sinirbilim, hesaplamalı biyoloji ve ağ bilimi gibi alanlarda bildiklerimiz arttıkça, karmaşık nöral sistemlerin kolektif etkisinin bilinç-benzeri algıları kaçınılmaz olarak yarattığını görmeye başladık. Bunun tam olarak nasıl gerçekleştiğini halen bilemiyoruz; ama eğer ki ağ karmaşıklığı ve işlem kapasitesi bunu direkt olarak doğuruyorsa (ve bu karmaşıklığı azaltmak o algıyı ortadan kaldırmaya yetiyorsa), o zaman bunun doğaüstü veya bilim-ötesi bir şey olmadığını kesin olarak bileceğiz. Yani sinirbilimciler, bu “zor problemi”, en küçük parçalarına ayırıp ona hükmetme yoluyla alt etmeye çalışıyorlar. Eğer bilinci açılıp kapanabilen bir düğmeye indirgeyebilirsek, ağın hangi özelliklerinin bu hissi yarattığını da daha kolay çözebiliriz. 

Bu konuda, bugüne kadar sayısız araştırma yayınlandı. Bunlardan sonuncusu, geçtiğimiz günlerde Tokyo Üniversitesi’nden Yu Toyoshima ve Yuichi Iino tarafından yürütülen ortak bir araştırmanın sonucunda, PLOS Computational Biology dergisinde yayımlandı. Araştırmada uzmanlar, yuvarlak solucanların beyin aktivitelerindeki tüm bireysel farklılıkları tek tek ortaya koydular ve ortak noktaları başarılı bir şekilde listelemeyi başardılar. Araştırmacılar ayrıca, yuvarlak solucanların beyin aktivitesinin sadece bir kısmına değil, tamamına dayanan bilgisayar simülasyonlarının, "gürültü" veya olasılıksal unsurlar içerdiklerinde gerçek beyin aktivitesini daha doğru bir şekilde yansıttığını buldular. Bu, gerçekten ilginç bir sonuç; çünkü beynimizdeki süreçlerin rastlantısallığının birey algısıyla direkt olarak ilişkili olabileceğine işaret eden çalışmalara bir yenisini ekliyor. 

Favori tür 

Yuvarlak solucan olarak da bilinen Caenorhabditis elegans, 302 nöronunun tamamen haritalanmış olması nedeniyle sinirbilimciler arasında favori bir tür. Bu az sayıda nörondan oluşan sinir ağının %100 çözülmüş olması, sinirsel mekanizmaları sistemsel düzeyde ortaya çıkarmak için yuvarlak solucanları harika bir modele dönüştürüyor. Bugüne kadar yapılan çalışmalar, bu minik hayvanların beyinlerindeki her bir nöronun ve onların oluşturdukları devrelerin farklı durumlarını ve örüntülerini ortaya çıkarma konusunda ciddi ilerlemeler kaydettiler. Artık sıra, sadece var olanın tespitini aşarak, bu örüntülerin nasıl oluştuğu çözmeye geldi. 

Bu yapmak için uzmanlar, insanları ilk olarak yuvarlak solucanların baş bölgesinde bulunan ilkel beyni oluşturan her bir hücrenin sinirsel aktivitesini ölçtüler. Bunu başarmak için solucanların objektif merceğinin görüş alanı içinde tutulurken hareket edebilmeleri gerekiyordu. Bunun içinse, mikroakışkan bir çip geliştirildi ve solucanlar bunun üzerine yerleştirildi. Bu sayede gerçekten de kamera kayıt alırken, solucanları ileri geri kıpırdayabiliyorlardı. Sonrasında bilim insanları, konfokal bir mikroskop kullanarak, nöronların tuz konsantrasyonlarındaki değişikliklere nasıl tepki verdiğini kaydettiler.  

Daha ilk anda topladıkları veriler bile baş döndürücüydü: Elbette aynı türü paylaşan bireyler olmalarından ötürü hayvanların hepsinin beyin faaliyetinde belli başlı benzerlikler vardı. Ama bunun ötesinde, inceledikleri her bir bireyin kendine has beyin faaliyeti olduğunu da gördüler!  

Ciddi farklılıklar 

Aslında yuvarlak solucan gibi basit hayvanların biyolojik birer robottan ibaret olduğunu düşünebilirsiniz: Duyusal nöronlardan gelen bilgiler, davranışı kontrol etmek için birden fazla yol aracılığıyla "komuta" nöronlarına iletilir ve C. elegans da her bir sinyale karşılık gelen katı bir cevap çerçevesinde davranışlarını sergiler. Görünen o ki, yuvarlak solucanlarda bile iş bu kadar basit değil! Uzmanlar da dahil herkesin sanacağının aksine, bireyler arasındaki sinirsel farklılıkların kısmen az olduğu yuvarlak solucanlarda bile verinin işlenişi ve aynı uyaranlara verilen tepkiler açısından çok ciddi farklılıklar bulundu.  

Ama iş henüz bitmemişti: Yuvarlak solucan beyinlerine ait bu kayıtlar, daha sonra yuvarlak solucan beyinlerini bilgisayar simülasyonlarında taklit etmekte kullanıldı. Burada da sıra dışı bir keşif yapıldı: İlk simülasyonlarda uzmanlar, solucanları basit birer robot gibi modelleyerek, son derece deterministik modeller kullandılar. Yani “Uyaran şu şekilde gelirse, bu şekilde tepki verilecek. Yok o şekilde gelirse, bu şekilde tepki verilecek.” gibi bir dizi statik model hayal edin. Ne var ki bu modellerdeki nöral faaliyet, zaman içinde giderek azalan ve nihayet tamamen duran bir doğaya sahipti. Ekip, modellere “sinyal gürültüsü” (yani “rastgelelik”) eklediğindeyse, yuvarlak solucanların beyin faaliyetlerinin tamamını çok daha doğru bir şekilde temsil eden modellere ulaştılar. Bilim insanları bu daha probabilistik olan modeller sayesinde sadece nöronlar arasındaki bağlantının gücünü tahmin edebilmekle kalmadı, aynı zamanda sinyal gürültüsününn beyin aktivitesi için mutlaka gerekli olduğunu da gösterdi.  

Bu, muhteşem bir gelişme! Her şeyden önce bu matematiksel model, tam konnektom verilerinin henüz mevcut olmadığı durumlarda nöronal aktiviteyi analiz etmek için bile potansiyel olarak uygulanabilir. Ama daha önemlisi, bilinç gibi üst düzey bilişsel fonksiyonların oluşmasının ardında yatan süreçlerin deterministik değil, olasılıkçı olduğunu keşfetmemizi sağlayabilir. Bu, gelecekte kendi ellerimizle yaratacağımız bilinçlerin arzuladığımız karmaşıklıkta olabilmesi için de çok önemli. Gelecek, ürkütücü olduğu kadar heyecan verici de!