Forskere foreslår en selvorganiserende model for tilslutning, der gælder på tværs af en bred vifte af organismer

En undersøgelse foretaget af fysikere og neurovidenskabsmænd fra University of Chicago, Harvard og Yale beskriver, hvordan forbindelse mellem neuroner opstår gennem generelle principper for netværk og selvorganisering, snarere end de biologiske træk ved en individuel organisme.

Undersøgelsen, med titlen "Heavy-tailed neuronal connectivity rises from Hebbian self-organization," offentliggjort i Nature Physics , beskriver nøjagtigt neuronal forbindelse i en række modelorganismer og kan også anvendes på ikke-biologiske netværk som sociale interaktioner.

"Når du bygger simple modeller til at forklare biologiske data, forventer du at få et godt groft snit, der passer til nogle, men ikke alle scenarier," siger Stephanie Palmer, Ph.D., lektor i fysik og organismbiologi og anatomi ved UChicago og seniorforfatter af papiret. "Du forventer ikke, at det fungerer så godt, når du graver i detaljerne, men da vi gjorde det her, endte det med at forklare tingene på en måde, der var virkelig tilfredsstillende."

Forstå, hvordan neuroner forbindes

Neuroner danner et indviklet net af forbindelser mellem synapser for at kommunikere og interagere med hinanden. Selvom det store antal forbindelser kan virke tilfældige, har netværk af hjerneceller en tendens til at være domineret af et lille antal forbindelser, der er meget stærkere end de fleste.

Denne "tunghalede" fordeling af forbindelser (såkaldt på grund af den måde, den ser ud, når den er plottet på en graf) danner rygraden i kredsløb, der tillader organismer at tænke, lære, kommunikere og bevæge sig. På trods af vigtigheden af ​​disse stærke forbindelser var forskerne usikre på, om dette tunge halemønster opstår på grund af biologiske processer, der er specifikke for forskellige organismer, eller på grund af grundlæggende principper for netværksorganisation.

For at besvare disse spørgsmål analyserede Palmer og Christopher Lynn, Ph.D., assisterende professor i fysik ved Yale University, og Caroline Holmes, Ph.D., en postdoc-forsker ved Harvard University, connectomer eller kort over hjernecelleforbindelser. Connectomdataene kom fra flere forskellige klassiske forsøgsdyr, herunder frugtfluer, rundorme, marineorme og musens nethinde.

For at forstå, hvordan neuroner danner forbindelser til hinanden, udviklede de en model baseret på hebbisk dynamik, et begreb opfundet af den canadiske psykolog Donald Hebb i 1949, der i det væsentlige siger, "neuroner, der fyrer sammen, kobler sammen." Det betyder, at jo mere to neuroner aktiveres sammen, jo stærkere bliver deres forbindelse.

Over hele linjen fandt forskerne ud af, at disse hebbiske dynamik producerer "tunghalede" forbindelsesstyrker, ligesom de så i de forskellige organismer. Resultaterne indikerer, at denne form for organisation udspringer af generelle principper for netværk, snarere end noget specifikt for frugtfluers, mus eller ormes biologi.

Modellen gav også en uventet forklaring på et andet netværksfænomen kaldet clustering, som beskriver cellernes tendens til at forbinde med andre celler via forbindelser, de deler. Et godt eksempel på klyngedannelse opstår i sociale situationer. Hvis en person introducerer en ven til en tredje person, er der større sandsynlighed for, at de to personer bliver venner med dem, end hvis de mødtes hver for sig.

"Dette er mekanismer, som alle er enige om grundlæggende vil ske inden for neurovidenskab," sagde Holmes. "Men vi ser her, at hvis du behandler dataene omhyggeligt og kvantitativt, kan det give anledning til alle disse forskellige effekter i klyngning og distributioner, og så ser du disse ting på tværs af alle disse forskellige organismer."

Regnskab for tilfældighed

Som Palmer påpegede, passer biologi ikke altid til en pæn og ryddelig forklaring, og der er stadig masser af tilfældigheder og støj involveret i hjernekredsløb.

Neuroner afbrydes nogle gange og forbinder igen med hinanden - svage forbindelser beskæres, og stærkere forbindelser kan dannes andre steder. Denne tilfældighed giver en kontrol af, hvilken slags hebbisk organisation forskerne fandt i disse data, uden hvilken stærke forbindelser ville vokse til at dominere netværket.

Forskerne tilpassede deres model for at tage højde for tilfældighed, hvilket forbedrede dens nøjagtighed.

"Uden det støjaspekt ville modellen fejle," sagde Lynn. "Det ville ikke producere noget, der virkede, hvilket var overraskende for os. Det viser sig, at du faktisk skal balancere den hebbiske sneboldeffekt med tilfældigheden for at få alt til at ligne rigtige hjerner."

Da disse regler udspringer af generelle netværksprincipper, håber teamet, at de kan udvide dette arbejde ud over hjernen.

"Det er et andet sejt aspekt af dette arbejde:måden videnskaben blev gjort på," sagde Palmer. "Folkene på dette hold har en enorm mangfoldighed af viden, fra teoretisk fysik og big data-analyse til biokemiske og evolutionære netværk. Vi var fokuseret på hjernen her, men nu kan vi tale om andre typer netværk i fremtidigt arbejde."

Flere oplysninger: Heavy-tailed neuronal connectivity opstår fra hebbisk selvorganisering, Nature Physics (2024). DOI:10.1038/s41567-023-02332-9. www.nature.com/articles/s41567-023-02332-9. På bioRxiv :DOI:10.1101/2022.05.30.494086

Journaloplysninger: Naturfysik , bioRxiv

Leveret af University of Chicago