科学家提出了一种自组织的连接模式，适用于广泛的生物体

芝加哥大学(University of Chicago)、哈佛大学(Harvard)和耶鲁大学(Yale)的物理学家和神经科学家进行的一项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产生的，而不是单个生物体的生物学特征。

发表在《自然物理学》上的这项名为“重尾神经元连接源于Hebbian自组织”的研究，准确地描述了各种模式生物中的神经元连接，也可以应用于社会互动等非生物网络。

“当你建立简单的模型来解释生物数据时，你期望得到一个很好的粗略的cut，它适合一些但不是所有的场景，”Stephanie Palmer博士说，她是芝加哥大学物理学和有机体生物学和解剖学副教授，也是这篇论文的资深作者。“当你深入研究细枝末节的时候，你不会期望它能这么好，但当我们在这里这样做的时候，它最终以一种非常令人满意的方式解释了事情。”

了解神经元是如何连接的

神经元在突触之间形成一个复杂的连接网络，相互交流和互动。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强得多。

这种连接的“重尾”分布(之所以被称为“重尾”分布，是因为它在图表上的样子)构成了允许生物体思考、学习、交流和移动的电路主干。尽管这些紧密的联系很重要，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则而产生的。

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·林恩博士以及哈佛大学博士后研究员卡罗琳·霍姆斯博士分析了连接体，即脑细胞连接图。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。

为了理解神经元之间是如何形成联系的，他们基于赫比动力学(Hebbian dynamics)建立了一个模型。赫比动力学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，其本质是说，“一起放电的神经元，连接在一起。”这意味着两个神经元一起激活的越多，它们之间的联系就越强。

总的来说，研究人员发现这些Hebbian动态产生了“重尾”连接强度，就像他们在不同的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理，而不是果蝇、老鼠或蠕虫的特定生物学特性。

该模型还为另一种称为集群的网络现象提供了意想不到的解释，集群现象描述了细胞通过共享的连接与其他细胞连接的趋势。聚类的一个很好的例子发生在社交场合。如果一个人把一个朋友介绍给第三个人，这两个人更有可能成为他们的朋友，而不是单独见面。

霍尔姆斯说:“所有人都同意这些机制将在神经科学中发生。”“但我们在这里看到，如果你仔细和定量地对待数据，它可以在集群和分布中产生所有这些不同的影响，然后你可以在所有这些不同的生物体中看到这些东西。”

考虑随机性

然而，正如帕尔默指出的那样，生物学并不总是适合一个整洁的解释，而且在大脑回路中仍然存在大量的随机性和噪声。

神经元有时会断开连接并重新连接——弱连接会被修剪，而更强的连接会在其他地方形成。这种随机性为研究人员在这些数据中发现的那种Hebbian组织提供了一种检验，没有这种组织，强大的联系就会主宰网络。

研究人员调整了他们的模型来考虑随机性，这提高了模型的准确性。

“如果没有噪音因素，这个模型就会失败，”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Hebbian雪球效应和随机性，让所有东西看起来都像真正的大脑。”

由于这些规则来自一般的网络原则，研究小组希望他们能将这项工作扩展到大脑之外。

帕尔默说:“这是这项工作另一个很酷的方面:科学研究的方式。”“这个团队的成员拥有丰富多样的知识，从理论物理和大数据分析到生化和进化网络。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。”