[ad_1]
مغز انسان ده برابر بیشتر از بقیه بدن انرژی مصرف می کند و به طور متوسط 20 درصد سوخت خود را در حالت استراحت مصرف می کند. حتی زمانی که فردی در کما یا مرگ مغزی است، مغز تنها دو تا سه برابر انرژی کمتری مصرف می کند. این یکی از اسرار بزرگ علوم اعصاب انسان است: چرا بسیاری از اندام های غیرفعال هنوز به انرژی زیادی نیاز دارند؟ اکنون یک مطالعه جدید نشان داده است که نورون‌های مغز شما حاوی یک جزء کوچک مصرف کننده انرژی هستند.
هنگامی که یک سلول مغز سیگنالی را به نورون دیگری ارسال می کند، این کار را از طریق “سیناپس” یا فواصل کوتاه بین آنها انجام می دهد.
ابتدا، نورون پیش سیناپسی، خوشه‌ای از “وزیکول‌ها” را به نزدیک‌ترین نقطه به سیناپس، در انتهای دم خود می‌فرستد. سپس این وزیکول‌ها انتقال‌دهنده‌های عصبی را از نورون‌ها جذب می‌کنند و به عنوان پوششی برای ارسال پیام عمل می‌کنند.
سپس این بسته ها به لبه نورون منتقل می شوند، جایی که به غشاء متصل می شوند و انتقال دهنده عصبی خود را به شکاف سیناپسی رها می کنند.
هنگامی که به این نقطه رسیدیم، این فرستنده ها به گیرنده های سلول «پس سیناپتیک» متصل می شوند، بنابراین به انتقال پیام ها ادامه می دهند.
ما قبلاً می دانیم که این مراحل اولیه فرآیند به مقدار زیادی انرژی نیاز دارند، به خصوص وقتی صحبت از همجوشی تاولی باشد. پایانه های نزدیک سیناپس ها نمی توانند مولکول های انرژی را ذخیره کنند. به عبارت دیگر، آنها باید پیام های الکتریکی را در مغز سنتز کنند.
بنابراین به این معنی است که مغز فعال انرژی زیادی مصرف می کند. اما در هنگام خواب چه اتفاقی برای سیستم می افتد؟
دانشمندان برای پاسخ به این سوال آزمایش های زیادی انجام داده اند. آنها دریافتند که وزیکول ها حتی زمانی که پیام های عصبی منتقل نمی شوند به مقدار زیادی انرژی نیاز دارند. پمپی که وظیفه جذب فرستنده را بر عهده دارد هرگز استراحت نمی کند و نیاز به جریان ثابت انرژی دارد.
وجود تعداد زیادی سیناپس و صدها پایانه در مغز انسان که هر کدام دائماً به انرژی نیاز دارند، هزینه مصرف سوخت را حتی در حالت خواب نیز افزایش می دهد.
دانشمندان بر این باورند که این می تواند یکی از راه هایی باشد که مغز از انرژی در خواب استفاده می کند. آنها همچنین علاقه مند به مطالعه انواع مختلف نورون هایی هستند که از مقادیر مختلف انرژی استفاده می کنند، از جمله روش های مختلف واکنش به فرآیندها.
[ad_2]
