Richard Masland

Czego oczy nie widzą. Jak wzrok kształtuje nasze myśli


Скачать книгу

niewidoczna na naszych ekranach, jakie mamy szanse na rozszyfrowanie sposobu działania komputera w siatkówce, który poprawia kontrast, wybiera kierunek i robi całą masę innych, niewiarygodnych rzeczy?

      Przyznaję, że głównym powodem, dla którego podjęliśmy się zinwentaryzowania komórek siatkówki, była zwykła ludzka ciekawość. Załóżmy, że ktoś dał wam bardzo stary zegar ścienny do naprawy, nie dołączając do niego instrukcji. Prędzej czy później domyślicie się, że wahadło to część maszynerii służącej do mierzenia czasu, ale co z gęsto upakowanymi mosiężnymi trybami i trybikami? Nie macie zielonego pojęcia, do czego mogłyby służyć. Tak właśnie drwił sobie z nas boski zegarmistrz – matka natura.

      Problem z siatkówką i całą resztą ośrodkowego układu nerwowego jest taki, że bez specjalnych markerów wszystkie neurony są do siebie łudząco podobne. Ogólnie stosowane markery pokazywały jedynie ciała komórkowe, podczas gdy neurony różnią się od siebie cieniutkimi wypustkami – dendrytami, które sięgają daleko po sygnały do innych neuronów, i aksonami, które te sygnały przekazują. Z tego powodu badanie typów komórek nerwowych opierało się zawsze na danych anegdotycznych; badacze pracowali nad tym, co udało im się oznaczyć przypadkowo, metodami, które podsuwały przede wszystkim intuicja i ślepy traf.

      Sądziliśmy, że być może z siatkówką pójdzie nam łatwiej, gdyż ma ona wyraźnie określone granice, a informacje przebiegają przez nią w jednym kierunku. Znaliśmy jej rolę, czego nie można powiedzieć o wielu obszarach mózgu. Poza tym siatkówka ma niewielkie rozmiary – fotoreceptory są oddalone od komórek zwojowych zaledwie o mniej więcej jedną trzecią milimetra. Doszliśmy zatem do wniosku, że powinno być możliwe sporządzenie mapy zawierającej wszystkie komórki siatkówki, a nie tylko miejsca odkryte przypadkiem, tu i tam. Posługując się nowoczesną nomenklaturą, moglibyśmy powiedzieć, że chcieliśmy stworzyć „neurom” – mapę wszystkich struktur nerwowych analogiczną do genomu, który jest mapą wszystkich genów zwierzęcia.

      Poszukiwania neuronów widm

      Tylko jak tego dokonać? Zaczynaliśmy od zera. Warto pamiętać, że w tamtym czasie dysponowaliśmy bardzo pobieżnymi informacjami o nawet najbardziej podstawowych klasach neuronów w siatkówce: fotoreceptorach, komórkach horyzontalnych, dwubiegunowych, amakrynowych i zwojowych. Dla zwykłych markerów komórki tych pięciu typów wyglądały mniej więcej tak samo – niewiele się różniły od małych, owalnych ziaren na ilustracjach do tej części rozdziału. Wiedzieliśmy o istnieniu tych wielkich klas komórek, potrafiliśmy też z grubsza określić ich wzajemne proporcje, ale jak mogliśmy wykazać ponad wszelką wątpliwość, z czego rzeczywiście składa się siatkówka? Poniższa ilustracja pokazuje, jak ją wówczas widzieliśmy: umieliśmy nazwać parę komórek (to te narysowane ciemniejszą kreską, z wypustkami) i opisać zachodzące w nich procesy, ale pozostałe (czyli te przedstawione w formie owali) stanowiły dla nas zagadkę.

      Конец ознакомительного фрагмента.

      Текст предоставлен ООО «ЛитРес».

      Прочитайте эту книгу целиком, купив полную легальную версию на ЛитРес.

      Безопасно оплатить книгу можно банковской картой Visa, MasterCard, Maestro, со счета мобильного телефона, с платежного терминала, в салоне МТС или Связной, через PayPal, WebMoney, Яндекс.Деньги, QIWI Кошелек, бонусными картами или другим удобным Вам способом.

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