פלסטיות הטרו-סינפטית בדנדריט נוצרת מלמידת קלט מבוססת סידן

איך סינפסות שכנות “מדברות” זו עם זו

למידה וזיכרון תלויות בקשרים זעירים בין תאי עצב שנקראים סינפסות. במשך עשרות שנים מדענים נטו להתייחס לאתרים אלה כמפסקים עצמאיים שמתחזקים או נחלשים בעצמם. מאמר זה מראה שסינפסות לאורך אותו סעיף של ניורון יכולות להשפיע זו על זו באמצעות התפשטות של יוני סידן, וחושף שכבת תקשורת נסתרת שעוזרת למוח ללמוד דפוסים מורכבים בלי להזדקק לשוררי פעולה (spikes) מלאים של תא העצב.

אותות על ענף, לא רק בנקודה אחת

מודלים מסורתיים של תפקוד המוח לרוב מטפלים בניורונים כנקודות פשוטות שמחברות אותות נכנסים. ניורונים אמיתיים, עם זאת, מכילים הסתעפויות הנקראות דנדריטים המוארכות עם בליטות זעירות הנקראות קוצים (spines), שבהן נמצאת מרבית הסינפסות המעוררות. כאשר קוץ מופעל ישירות, הסינפסה משנה את עוצמתה; זו נקראת פלסטיות הומוסינפטית. ניסויים, עם זאת, רמזו שוב ושוב שגם קוצים סמוכים שאינם עוברים גירוי יכולים להשתנות — תופעה שנקראת פלסטיות הטרו-סינפטית. עד כה לא היה ברור כיצד סינפסות שכנות משפיעות זו על זו או מדוע ניסויים שונים לפעמים נראו כסותרים זה את זה.

סידן כשליח שכונתי

רעיון מוביל במדעי המוח הוא שגודל וכיוון השינוי הסינפטי תלויים בכמות הסידן הנכנסת לקוץ: רמות גבוהות מחזקות סינפסה, רמות בינוניות מחלישות אותה, ורמות נמוכות ישאירו אותה ללא שינוי. המחברים מרחיבים רעיון זה מקוצים בודדים לשכונות קטנות של קוצים לאורך דנדריט. הם בונים מודל מתמטי של איך סידן מפוזר בתוך ענף דנדריטי ואל תוך הקוצים ומהם החוצה, ואיך פיזור זה מעצב שינויים בעוצמת הסינפסות. במודל שלהם, קלט חזק בקוץ אחד יוצר גל סידן שמושפע לא רק בקוץ הפעיל אלא גם מצליח לחדור דרך גזע הדנדריט לשכנותיו, ודוחף אותן להתחזק או להיחלש בהתאם לכמות הסידן שהן מקבלות ולמועד קבלתו.

תחרות, שיתוף פעולה ותיזמון

באמצעות הדמיות ממוחשבות של שני קוצים בלבד שמחוברים בקטע קצר של דנדריט, החוקרים מראים שקלט יחיד וקצר יכול לחזק את הסינפסה הממוזגת בזמן שמחליש במעט את שכן שלה — צורה של תחרות סינפטית. כאשר מגדילים את תדר הקלט, הסידן מצטבר ומתפשט בעוצמה רבה יותר, כך שגם הקוץ המגורה וגם קוצים סמוכים לא מגורים יכולים להתחזק יחד, מה שמראה שיתוף פעולה. התזמון המדויק בין הקליטות לשני קוצים סמוכים מתגלה כקריטי: על ידי שינוי ההשהיות בסדר גודל של מילישניות, המודל מייצר "חלונות" זמן עשירים שבהם מופיעות קומבינציות שונות של חיזוק והיחלשות, הכל בלי צורך בפלט גל של פוטנציאל פעולה מהנוירון עצמו.

מן ענפים יחידים לניסויים אמיתיים

הצוות מגדיל אז את המודל לקטע דנדריטי ארוך יותר הנושא הרבה קוצים, חלקם מגורים וחלקם דוממים, המדמה שלושה מחקרים ניסיוניים שונים שהשתמשו בתדירויות גירוי שונות. על-ידי כוונון רק של מאפייני פיזור הסידן, המודל משחזר את הדפוסים המגוונים שראו בניסויים אלה: במקרים מסוימים רק סינפסות מגורות נחלשות, במקרים אחרים שכנים קרובים נחלשים בעוד שכנים רחוקים נשארים ללא שינוי, ובמקרים נוספים גם מגורות וגם שכנים קרובים מתחזקים בעוד רחוקים מתכווצים. מהותי הוא שההתאמה הטובה ביותר לנתונים מתרחשת כאשר הסידן מורשה להתפשט במהירות ריאליסטית, דבר התומך ברעיון שהתפשטות הסידן היא מנגנון פיזי מרכזי מאחורי הפלסטיות ההטרו-סינפטית.

למידת סדר האירועים

לסיום, המחברים מחברים את מודל הדנדריט לגוף תא מפושט, או סומה, ובודקים האם למידה מקומית מבוססת סידן זו יכולה ללמד את הנוירון לזהות את סדר הגעת הקלטים לאורך הענף. לאחר אימון עם רצפים חוזרים של "פנימה" או "החוצה" — אותות המגיעים מקצה אחד של הענף לקצה השני — התא לומד להגיב בעוצמה המרבית לרצף המאומן. זה מראה כי איתותי סידן מקומיים תת-סף בתוך דנדריט יכולים להקנות לנוירון סוג של זיכרון סדרתי, ללא צורך במשוב גלובלי מפוטנציאלי פעולה מלאים.

מה משמעות הדבר להבנתנו את הלמידה

בשפה יום-יומית, עבודה זו מציעה שסינפסות אינן כפתורי עוצמה מבודדים אלא חלק משכונה קטנה שמאזינה ללחישות כימיות משותפות. קלט חזק במקום אחד יכול לעצב בשקט את סביבתו על-ידי שליחת אותות סידן מתפשטים, ויוצר דפוסי תחרות ושיתוף פעולה שמסייעים לייצב רשתות ולמקודד את התזמון וסדר האירועים. על-ידי הסבר מגוון ממצאים ניסיוניים מבלבלים באמצעות מנגנון מאוחד מבוסס-סידן, המחקר מצביע על ענפי דנדריט כיחידות למידה מקומיות עוצמתיות ומרמז ששיטות דומות עשויות לתרום בעתיד למערכות בינה מלאכותית עם כללי למידה בסגנון שכונתי.

ציטוט: Shafiee, S., Schmitt, S. & Tetzlaff, C. Dendritic heterosynaptic plasticity arises from calcium-based input learning. Commun Biol 9, 382 (2026). https://doi.org/10.1038/s42003-026-09719-3

מילות מפתח: פלסטיות סינפטית, דנדריטים, אותות סידן, למידה הטרו-סינפטית, חישוב נוירונלי