一个令人惊讶的简单模型可以解释脑细胞如何组织和连接

来自芝加哥大学、哈佛大学和耶鲁大学的物理学家和神经科学家进行的一项新研究描述了神经元之间的连接是如何通过网络和自组织的一般原理而不是单个生物体的生物学特征来实现的。

这项研究发表在 《自然物理学》上，准确地描述了各种模式生物的神经元连接，也可以应用于非生物网络，如社会互动。

“当你建立简单的模型来解释生物数据时，你希望得到一个适合某些但不是所有场景的良好粗略切割，”芝加哥大学物理学和生物生物学和解剖学副教授Stephanie Palmer说。“当你深入研究细节时，你不会指望它也能很好地工作，但当我们在这里这样做时，它最终以一种真正令人满意的方式解释了事情。

了解神经元如何连接

神经元在突触之间形成一个错综复杂的连接网络，以相互交流和相互作用。虽然大量的连接似乎是随机的，但脑细胞网络往往由少数连接主导，这些连接比大多数连接要强得多。

这种“重尾”连接分布（之所以这样称呼，是因为它在图形上绘制时的样子）构成了电路的骨干，使生物体能够思考、学习、交流和移动。尽管这些强联系很重要，但科学家们不确定这种重尾模式是由于不同生物体特有的生物过程，还是由于网络组织的基本原理而产生的。

为了回答这些问题，帕尔默和耶鲁大学物理学助理教授克里斯托弗·林恩（Christopher Lynn）以及哈佛大学博士后研究员卡罗琳·霍姆斯（Caroline Holmes）分析了连接组或脑细胞连接图谱。连接组数据来自几种不同的经典实验动物，包括果蝇、蛔虫、海洋蠕虫和小鼠视网膜。

为了了解神经元如何形成彼此之间的联系，他们开发了一个基于赫比动力学的模型，这是加拿大心理学家唐纳德·赫布（Donald Hebb）在1949年创造的一个术语，本质上是说，“一起发射的神经元，连接在一起。这意味着两个神经元一起激活的次数越多，它们的连接就越牢固。

总体而言，研究人员发现这些Hebbian动力学产生了“重尾”连接强度，就像他们在不同生物体中看到的那样。结果表明，这种组织源于网络的一般原则，而不是果蝇、小鼠或蠕虫生物学所特有的东西。

该模型还为另一种称为聚类的网络现象提供了一个意想不到的解释，该现象描述了细胞通过它们共享的连接与其他细胞链接的趋势。聚类的一个很好的例子发生在社交场合。如果一个人将朋友介绍给第三个人，那么这两个人更有可能与他们成为朋友，而不是单独见面。

“这些是每个人都同意的机制，从根本上将发生在神经科学中，”福尔摩斯说。“但我们在这里看到，如果你仔细和定量地对待数据，它可以在聚类和分布中产生所有这些不同的影响，然后你会看到所有这些不同生物体的这些东西。

考虑随机性

然而，正如帕尔默所指出的，生物学并不总是适合一个简洁明了的解释，而且大脑回路中仍然有很多随机性和噪音。神经元有时会断开连接并重新连接——弱连接被修剪，而更强的连接可以在其他地方形成。这种随机性可以检查研究人员在这些数据中发现的Hebbian组织类型，如果没有这种组织，强大的连接将发展成为网络的主导者。

研究人员调整了他们的模型以考虑随机性，从而提高了其准确性。

“如果没有这种噪声方面，模型就会失败，”林恩说。“它不会产生任何有效的东西，这让我们感到惊讶。事实证明，你实际上需要平衡赫比安的滚雪球效应和随机性，让一切看起来都像真正的大脑。

由于这些规则源于一般的网络原则，该团队希望他们能够将这项工作扩展到大脑之外。

“这是这项工作的另一个很酷的方面：科学完成的方式，”帕尔默说。这个团队的人拥有各种各样的知识，从理论物理学和大数据分析到生物化学和进化网络。我们在这里专注于大脑，但现在我们可以在未来的工作中讨论其他类型的网络。

引文：“重尾神经元连接源于Hebbian自组织。Lynn、Holmes 和 Palmer，《自然物理学》，2024 年 1 月 17 日。

资助：美国国家科学基金会、詹姆斯·麦克唐纳基金会、美国国立卫生研究院 BRAIN 计划

——改编自 生物科学部首次发表的一篇文章。