השוואה בין קישוריות אפקטיבית לפונקציונלית

מדוע מפות חיבוריות של המוח חשובות

מחשבותינו, זיכרונותינו ופעולותינו נובעים ממיליארדי תאי מוח שמתקשרים זה עם זה. טכנולוגיות מודרניות מאפשרות כיום למדענים להאזין לשיחות אלה בקנה מידה רחב, אבל הן עושות זאת בדרכים שונות מאוד. המחקר הזה שואל שאלה שנראית פשוטה אך היא בעלת משמעויות רחבות: כאשר אנחנו רואים קבוצות תאי מוח שמאירות יחד, האם זה באמת מגלה כיצד הן מחוברות פיזית זו לזו? באמצעות השוואה ישירה בין שתי שיטות נפוצות למיפוי חיבורים מוחיים, המחברים מראים שכל שיטה חושפת היבט שונה של פעילות המוח — וששילובן הוא המפתח להבנת חישוביות המוח.

שתי דרכים להאזין למוח

נוירולוגים מדברים לעתים קרובות על שני סוגי חיבורים. האחד הוא ה"חיווט" הפיזי בין תאי העצב: צמתים זעירים שנקראים סינפסות שבהן תא אחד יכול להשפיע ישירות על אחר בתוך אלפי השניות. במאמר זה הקישורים הישירים האלה נקראים קישוריות אפקטיבית, כי הם משקפים מי באמת משפיע על מי במעגל. הסוג השני הוא קישוריות פונקציונלית, שאינה עוסקת בקישורים פיזיים אלא במי נוטה להיות פעיל יחד לאורך זמן. קישוריות פונקציונלית נמדדת בדרך כלל בשיטות אופטיות שעוקבות אחרי שינויים איטיים ברמת הסידן בתאים, המתפקד כתחליף לפעילות החשמלית שלהם. המחברים ביקשו לראות כיצד שתי הפרספקטיבות הללו מסתדרות כאשר מודדים אותן מאותם נוירונים בדיוק.

קריאת החיווט הדק של המוח

כדי לחקור את החיווט המוחי, החוקרים השתמשו בממצעי אלקטרודות בצפיפות גבוהה, שנקראים Neuropixels, כדי להקליט את זמני הקוצים המדויקים של 242 נוירונים בשלוש אזורים במוח העכבר: תלמוס, היפוקמפוס וקליפת הראייה. לאחר מכן יישמו שיטה סטטיסטית מתקדמת, ShinGLMCC, כדי להסיק אילו נוירונים סביר שקשורים ישירות זה לזה. הניתוח הזה שחזר נכון תכונות רבות ידועות של אנטומיית המוח. למשל, נמצא שבשתי אזורים—היפוקמפוס וקליפת הראייה—יש דרכי זרימה חד-כיווניות חזקות התואמות דיאגרמות מעגליות מקובלות, והניתוח גם הפריד בבירור בין נוירונים שמרעירים בעיקר אחרים לאלה שמעכבים בעיקר. נוירונים מעכבים יצרו לולאות הדדיות עשירות עם שכנים מעוררייים, בהתאם למנגנון תחרות "המנצח-לוקח-הכול" שבו דפוסי פעילות מסוימים מדכאים אחרים. חזרה על הניתוח על חצאי הנתונים השונים ייצרה דיאגרמות חיווט כמעט זהות, מה שמרמז שהאומדנים היו יציבים ומהימנים.

מעקב אחרי גלגלי פעילות אטיים

בהמשך, המחברים הפכו את אותות הקוצים שנרשמו לאותות סידן מלאכותיים, המדמים מה שהמיקרוסקופ דו-פוטוני היה רואה. כל קוץ הומר לפולס חלק שעלה במהירות ודעך על פני עשרות עד אלפי מילישניות. על ידי קירוב אותות איטיים אלה בין זוגות נוירונים, בנו המיפוי של קישוריות פונקציונלית בסקלות זמן שונות. מתאמים חיוביים חזקים נטו לקשר בין נוירונים באותו אזור מוחי, בעוד שמתאמים שליליים היו מפוזרים יותר. קיצור קנה המידה המלווה של הסידן הפך את הרשתות הפונקציונליות לממוקדות יותר ולמראית עין קרובות יותר לחיווט התת‑מצוי. עם זאת, אפילו בסקלות זמן בלתי‑ריאליסטיות מהירות, רוב הזוגות שהופיעו כפעילים מאוד באותו זמן לא היו מחוברים ישירות, וההתאמה הסטטיסטית הטובה ביותר בין שני המפות נותרה רחוקה ממושלמת.

מתי קלט משותף מטשטש את התמונה

כדי להבין מדוע קוהרנטיות פעילות סוטה מהחיווט, הצוות בנה מודל מחשב של רשת מלאכותית שהקישורים שלה הועתקו מדיאגרמת החיווט שהם הסיקו. הם כיוונו את המודל כך שהנוירונים המדומים ירהו בקצבים זהים לאלה שבדאטה הממשית, ואז בחנו גם קישוריות אפקטיבית וגם פונקציונלית במערכת הסגורה הזו. ברשת המבודדת, הקישוריות הפונקציונלית שיקפה את החיווט האמיתי במידה טובה יותר מאשר בדאטה הממשית. אבל כאשר הם חיזקו בעדינות את הקלט לתת־קבוצה של נוירונים — המדמה גירוי חושי חלש — אותם נוירונים פתאום הופיעו כקשורים פונקציונלית חזק זה בזה, אף על פי שהחיווט בפועל השתנה במעט. במילים אחרות, קלטים משותפים או תנודות בקלט יכולים בקלות ליצור אשליה של קישורים חזקים במקום שאין כאלה, ולעצב בחוזקה את הקישוריות הפונקציונלית בעוד שהקישוריות האפקטיבית נשארת ללא שינוי מהותי.

מה משמעות הדבר להבנת המוח

מסר המחקר המרכזי הוא שמפות של קוהרנטיות פעילות ומפות של השפעה פיזית אינן ברות החלפה. קישוריות אפקטיבית, הנגזרת מהקלטות חשמליות מהירות, מתארת את החומרה של המוח: מי יכול להזיז ישירות את מי ובאיזה קנה־מידה מהיר. קישוריות פונקציונלית, הנגזרת מאותות סידן איטיים יותר, משקפת את התוכנה של המוח: דפוסי פעילות רחבים של קורדינציה המעוצבים על ידי קלטים משותפים, מסלולים עקיפים ומצב מוחי כללי. אפילו עם הדמיה מהירה יותר או סטטיסטיקה משוכללת יותר, סינכרוניות פשוטה אינה צפויה לחשוף במלואה את החיווט הדק שמתחתיה. כדי להבין באמת כיצד מעגלי מוח מחשבים, טוענים המחברים, יש לשלב בין שתי הפרספקטיבות — להשתמש במפות חיווט מפורטות כדי לעגן מודלים של דינמיקת רשת, ולהשתמש בדפוסי פעילות רחבי שדה כדי לראות כיצד מעגלים אלה מתנהגים בתנאים אמיתיים שמשתנים תמיד.

ציטוט: Shinomoto, S., Tsubo, Y. Comparing effective and functional connectivity. Sci Rep 16, 12161 (2026). https://doi.org/10.1038/s41598-026-42580-2

מילות מפתח: קישוריות מוחית, מעגלים עצביים, הדמיית סידן, רכבות תנודות, דינמיקת רשת