Tại sao những ký ức mới không ghi đè lên những ký ức cũ? Khoa học giấc ngủ nắm manh mối
Nghiên cứu trên chuột chỉ ra một cơ chế tránh ‘cái quên thảm khốc’.
Những manh mối mới đã xuất hiện để hiểu về cách bộ não tránh ‘cái quên thảm khốc’ – sự biến dạng và ghi đè lên những ký ức đã có khi những ký ức mới được tạo ra.
Một nhóm nghiên cứu phát hiện ra, ít nhất là ở chuột, bộ não xử lý những ký ức cũ và mới trong những pha khác nhau của giấc ngủ, có thể làm ngăn sự pha trộn giữa hai loại ký ức này. Nếu phát hiện này mới được xác nhận trên những loài vật khác thì “tôi sẽ đặt cược tất cả số tiền mình có vì lúc đó có thể nói rằng sự phân tách này sẽ xuất hiện ở người”, theo György Buzsáki, nhà khoa học thần kinh hệ thống tại ĐH New York. Sở dĩ như vậy là vì ký ức là một hệ cổ tiến hóa, Buzsáki nói. Ông không tham gia vào nhóm nghiên cứu này nhưng đã từng tư vấn về công trình này cho một số thành viên của nhóm.
Công trình mới được xuất bản trên Nature.
Cánh cửa nhìn vào bộ não
Các nhà khoa học từ lâu đã biết rằng, trong khi ngủ, bộ não “phát lại” những trải nghiệm mới trải qua: những sợi thần kinh tương tự từng tham gia vào một trải nghiệm được kích thích ở cùng một bậc. Cơ chế này giúp củng cố trải nghiệm này như một ký ức và chuẩn bị cho việc lưu trữ dài hạn trong não bộ.
Để nghiên cứu chức năng của bộ não trong khi ngủ, nhóm nghiên cứu thử khám phá một thói quen của chuột: cặp mắt của chúng đã mở một phần trong một số giai đoạn của giấc ngủ. Nhóm nghiên cứu giám sát một mắt ở từng con chuột khi nó ngủ. Trong một pha sâu của giấc ngủ, các nhà nghiên cứu quan sát đồng tử nhắm lại, sau đó trở lại vị trí nguyên bản của chúng với kích thước lớn hơn, với mỗi chu trình khoảng một phút. Ghi nhận neuron cho thấy phần lớn việc nhắc lại các trải nghiệm của bộ não diễn ra khi đồng tử của chúng nhỏ lại.
Điều này dẫn các nhà khoa học đến câu hỏi là liệu kích thước đồng tử và việc xử lý ký ức có liên quan đến nhau không? Họ đã sử dụng một kỹ thuật là quang di truyền (optogenetics) – một kỹ thuật sinh học để kiểm soát hoạt động của các neuron hoặc các dạng tế bào với ánh sáng. Đầu tiên, họ huấn luyện các con chuột được biến đổi để phát hiện ra một vệt đường có trên một mặt phẳng. Sau bài học này, khi chuột ngủ, các nhà nghiên cứu đã sử dụng kỹ thuật quang di truyền để giảm các bùng phát thói quen trên neuron đã được phát lại. Họ đã làm như vậy trong suốt cả các giai đoạn chuột ngủ có đồng tử kích thước nhỏ và lớn.
Khi thức dậy, những con chuột này hoàn toàn quên vị trí của vệt đường – nhưng chỉ khi thói quen giảm bớt trong giai đoạn đồng tử có kích thước nhỏ. “Chúng tôi đã xóa sạch ký ức,” Wenbo Tang, đồng tác giả công trình, một nhà khoa học thần kinh hệ thống tại ĐH Cornell, nói.
Ngược lại, khi họ giảm các đợt bắn neuron trong pha đồng tử lớn sau một bài học, những con chuột đi thẳng tới vệt đường – chứng tỏ rõ ràng là ký ức tươi mới của chúng vẫn còn nguyên vẹn.
Ảnh hưởng từ quá khứ
Những thực nghiệm khác của nhóm nghiên cứu cho thấy pha đồng tử lớn của giấc nhủ có chức năng của nó: giúp xử lý các ký ức được thiết lập một vài ngày trên những con chuột trước khi rơi vào một giấc ngủ ngắn hơn những con khác thay vì nhiều giấc ngủ trong cùng một ngày.
“Não bộ đang lưu trữ các ký ức cũ trong suốt thời kỳ tiền trạng thái đồng tử lớn nhưng tích hợp với các ký ức mới trong suốt thời kỳ tiền trạng thái đồng tử nhỏ”, đồng tác giả Azahara Oliva, một nhà vật lý tại trường ĐH Cornell, nói. Hệ hai pha này là một “giải pháp có thể cho vấn đề cách bộ não có thể tích hợp hiểu biết mới nhưng vẫn lưu giữ nguyên vẹn hiểu biết cũ”.
Bài báo này đã tiến “một bước rất quan trọng”, Maksim Bazhenov, một nhà khoa học thần kinh hệ thống tại trường đại học California, San Diego, người không tham gia vào nghiên cứu. Nó chứng tỏ việc xử dụng các ký ức đã có và các ký ức mới “không hoàn toàn pha trộn lẫn nhau để có thể dẫn đến sự giao thoa, thay vì thế nó phân tách theo thời gian”.
Sự lãng quên thảm khốc cũng ảnh hưởng đến các mạng thần kinh nhân tạo, vốn là các thuật toán mô hình hóa trên não bộ và là cơ sở của nhiều công cụ AI ngày nay. Việc nhìn thấu vào cách bộ não tránh được vấn đề này có thể truyền cảm hứng cho các thuật toán mà có thể hữu dụng để giúp các mô hình AI tránh được điều đó, Tang nói.
Anh Vũ dịch từ Nature
Nguồn: doi: https://doi.org/10.1038/d41586-024-04232-1
