Bilim insanları, laboratuvar ortamında geliştirdikleri üç insan mini beynini özel bir ağla birbirine bağlamayı başardı.
Sinirbilim dünyasında çığır açan bir gelişmeye imza atan bilim insanları, laboratuvar ortamında geliştirdikleri üç insan mini beynini özel bir ağla birbirine bağlamayı başardı. Yapılan testlerde, birbirine bağlanan bu yapay beyin dokularının, tek başlarına asla sergileyemedikleri gelişmiş bir öğrenme ve karmaşık bilgi işleme yeteneği kazandığı görüldü. Tokyo Üniversitesi Endüstriyel Bilimler Enstitüsü‘nden Profesör Yoshiho Ikeuchi ve ekibinin liderlik ettiği bu yenilikçi çalışma, insan beyninin gizemli sırlarını çözmek ve nörolojik hastalıkların tedavisinde yeni pencereler açmak için dev bir adım olarak kabul ediliyor.
Laboratuvarda etik çözüm “Mini Beyinler” nasıl üretiliyor?
İnsan beyni, milyarlarca sinir hücresiyle evrenin en karmaşık bilgi işleme makinesidir. Ancak son derece geçerli etik nedenlerle, canlı bir insanın kafatasının içine girilemediği için bu alan bilim dünyası adına her zaman kısıtlı kalmıştır. Prof. Yoshiho Ikeuchi ve araştırma ekibi, bu organizmanın küçük parçalarını bir kapta yetiştirmek için insan kaynaklı indüklenmiş pluripotent kök hücrelerden (hiPSC) yararlanıyor. Kök hücre benzeri bir duruma yeniden programlanan bu hücreler, doğru yönlendirildiklerinde 3 boyutlu minik sinir dokusu kümelerine, yani “beyin organoidlerine” dönüşüyor. Bu yapılar bütün bir beynin minyatür hali olmasa da bilim insanlarına beynin hücresel mimarisini ve elektriksel aktivitelerini özgürce inceleme imkânı tanıyor.
Araştırmacılar, laboratuvarda büyütülen bu sinir parçalarını, üzerleri minik elektrotlarla kaplı özel çiplerin üzerine yerleştirdiler. Çipler; tekli, ikili ve üçlü organoid ağları içerecek şekilde gruplandırıldı. Bu özel düzenek, hem organoidleri elektriksel sinyallerle uyarmayı hem de içlerindeki sinirsel aktiviteleri anbean kaydetmeyi sağladı.
Bilim insanları çipler üzerindeki bu hücre gruplarını iki haftadan fazla bir süre boyunca kendi haline bıraktı. Bu süreçte mini beyinler, tıpkı gerçek bir insan beyninde olduğu gibi, birbirlerine doğru sinyal taşıyan uzun uzantılar (aksonlar) uzattı ve işlevsel sinir ağları kurdu. İki haftanın sonunda alınan kayıtlar, hücre gruplarının kendi aralarında mükemmel bir senkronize elektriksel aktivite yakaladığını kanıtladı.
“Zappening” süreci ve makine öğrenmesi
Ağlar kurulduktan sonra deneyin en kritik aşaması olan uyarım (Zappening) sürecine geçildi. Amaç; tekrarlanan uyarımın, sinir dokusuna sinyalin nereden geldiğine bağlı olarak farklı tepki vermeyi (yani en temel düzeyde öğrenmeyi) öğretip öğretmeyeceğini görmekti. Bunun için çiplerdeki düzenekler şu şekilde elektriksel şoka maruz bırakıldı:
Tek organoidli çiplerde: Elektrik şokları o tek organoidin iki farklı noktasına uygulandı.
İki organoidli çiplerde: Şokların tamamı tek bir organoide uygulandı, diğerinden ise beyin aktivitesi kaydedildi.
Üç organoidli çiplerde: Elektrik şokları iki organoid arasında paylaştırıldı. Şok uygulanmayan üçüncü organoidden ise beyin aktivitesi kaydedildi.
Sinyali ayırt etmeyi öğrendiler!
Deneyin başlangıcında uyarım noktaları kasıtlı olarak birbirine çok yakın seçilmişti. Bu yüzden yapay zeka algoritmaları, sinyalin kaynağını yalnızca yüzde 50 oranında (yani tamamen tahmin yürütmeyle elde edeceğiniz sonuçla tutarlı şekilde) doğru belirleyebiliyordu.
Ancak iki haftalık yoğun uyarım sürecinin ardından bambaşka bir tablo ortaya çıktı:
Tekli ve ikili organoidlerde durum değişmedi, iki farklı sinyale verdikleri tepkileri birbirinden ayırt etmek zor olmaya devam etti.
Üç organoidli ağlarda ise büyüleyici bir gelişme yaşandı. İki farklı sinyal, şok uygulanmayan üçüncü organoidden (yani kontrol kulesinden) giderek daha ayırt edilebilir aktivite kalıpları üretti. Tepkiler daha hızlı, daha kararlı ve mekansal olarak daha belirgin hale geldi.
En önemlisi, bu uyarım sürecine maruz kalmayan kontrol grubundaki üçlü ağlar aynı iyileşmeyi göstermedi. Bu durum, değişimin hücrelerin sadece kap içinde büyümesiyle ilgili olmadığını, tekrarlanan sinyallerin sinir ağlarını bizzat yeniden organize ettiğini kanıtladı. Laboratuvardaki bu yapay ağ büyüdükçe, elektriksel aktivitelerin süresi uzadı ve beyindeki verimli bilgi işlemenin bir göstergesi olan “kritik duruma” (bilgi akışının en ideal seviyesine) ulaşıldı.
Yapay beyinler isyan mı ediyor?
Peki, bu mini beyinler laboratuvar tüplerinden çıkıp dünyayı ele geçirecek bir bilince mi ulaşıyor? Tabii ki hayır. Araştırmacılar, bu durumun gerçek ve tam gelişmiş bir insan beyninin gerçekleştirdiği karmaşık bilgi işleminden hâlâ çok uzak, son derece temel bir öğrenme biçimi olduğunun altını çiziyor.
Ancak elde edilen sonuçlar sinirbilim için devrim niteliğinde. Deney, sinir dokularını farklı rollere sahip bağlantılı modüller halinde organize etmenin, dışarıdan gelen farklı bilgi kaynaklarını ayırt etme yeteneğini doğrudan artırdığını gösterdi. İnsan beyni homojen bir sinir ağı yığını değildir; her biri kendi yerel ağına sahip bölgelere ayrılmıştır ve bu modüler organizasyon beynin farklı bölümlerinin farklı roller üstlenmesini sağlar. Temel sinyal ayrımı da çok daha karmaşık beyin fonksiyonlarının ortaya çıkması için ilk ve en kritik şarttır.
Gelecekte bu yapay ağları çok daha karmaşık sinyaller ve gelişmiş görevlerle test etmeyi planlayan Prof. Yoshiho Ikeuchi ve ekibi, yayınladıkları makalede hedeflerini şu sözlerle özetliyor:
“Organoidlerin daha karmaşık sinyaller ve gelişmiş görevlerle test edilmesi, gelecekteki araştırmalar için kritik önem taşıyacak. Gelecekteki çalışmalarımız, bu mini beyinlerin içindeki ve arasındaki bağlantıları kolaylaştıran potansiyel ‘düğüm hücreleri’ veya ‘merkez nöronları’ belirlemeye odaklanmalı. Bunu biyokimyasal ve moleküler analizlerle birleştirmek, sinaptik plastisite ve bağlantıdaki değişikliklerin mekanik temelini tamamen gün yüzüne çıkarabilir.”
Tokyo Üniversitesi’nin açtığı bu yeni yol, gelecekte felç, otizm ve Alzheimer gibi karmaşık sinir sistemi hastalıklarının laboratuvar ortamında yapay zeka ve mini beyin modelleriyle çok daha net incelenebilmesinin kapısını aralıyor.
Kaynak:
Chow, S.Y.A., Hu, H., Duenki, T. et al. Modular organoid networks acquire source-signal discrimination through input-driven network refinement. Commun Biol (2026).
Duenki, T., Ikeuchi, Y. Multi-organoid loop cerebral connectoids exhibit enhanced neuronal network dynamics and sequence-specific entrainment. Commun Biol 9, 302 (2026).