En studie av fysiker och neuroforskare från University of Chicago, Harvard och Yale beskriver hur anslutning mellan neuroner uppstår genom allmänna principer för nätverkande och självorganisering, snarare än de biologiska egenskaperna hos en individuell organism.
Studien, med titeln "Heavy-tailed neuronal connectivity arises from Hebbian self-organization", publicerad i Nature Physics , beskriver korrekt neuronal anslutning i en mängd olika modellorganismer och skulle kunna tillämpas på icke-biologiska nätverk som sociala interaktioner också.
"När du bygger enkla modeller för att förklara biologiska data, förväntar du dig att få ett bra grovsnitt som passar vissa men inte alla scenarier", säger Stephanie Palmer, Ph.D., docent i fysik och organismbiologi och anatomi vid UChicago och senior författare av tidningen. "Du förväntar dig inte att det ska fungera lika bra när du gräver i detaljerna, men när vi gjorde det här, slutade det med att det förklarade saker på ett sätt som var riktigt tillfredsställande."
Neuroner bildar en intrikat väv av kopplingar mellan synapser för att kommunicera och interagera med varandra. Även om det stora antalet kopplingar kan verka slumpmässigt, tenderar nätverk av hjärnceller att domineras av ett litet antal kopplingar som är mycket starkare än de flesta.
Denna "tung-svansade" fördelning av anslutningar (så kallad på grund av hur det ser ut när det ritas på en graf) bildar ryggraden i kretsar som tillåter organismer att tänka, lära sig, kommunicera och röra sig. Trots vikten av dessa starka kopplingar var forskarna osäkra på om detta tunga mönster uppstår på grund av biologiska processer som är specifika för olika organismer, eller på grund av grundläggande principer för nätverksorganisation.
För att svara på dessa frågor analyserade Palmer och Christopher Lynn, Ph.D., biträdande professor i fysik vid Yale University, och Caroline Holmes, Ph.D., en postdoktor vid Harvard University, connectomer eller kartor över hjärncellskopplingar. Connectomdata kom från flera olika klassiska laboratoriedjur, inklusive fruktflugor, rundmaskar, marina maskar och musens näthinna.
För att förstå hur neuroner bildar kopplingar till varandra utvecklade de en modell baserad på hebbisk dynamik, en term som myntades av den kanadensiska psykologen Donald Hebb 1949 och som i huvudsak säger "neuroner som eldar tillsammans, kopplar ihop." Detta innebär att ju mer två neuroner aktiveras tillsammans, desto starkare blir deras anslutning.
Över hela linjen fann forskarna att denna hebbiska dynamik producerar "heavy-tailed" anslutningsstyrkor precis som de såg i de olika organismerna. Resultaten tyder på att denna typ av organisation härrör från allmänna principer för nätverkande, snarare än något specifikt för biologin hos fruktflugor, möss eller maskar.
Modellen gav också en oväntad förklaring till ett annat nätverksfenomen som kallas klustring, som beskriver cellers tendens att länka till andra celler via anslutningar som de delar. Ett bra exempel på klustring förekommer i sociala situationer. Om en person presenterar en vän för en tredje person är det mer sannolikt att de två personerna blir vänner med dem än om de träffades separat.
"Det här är mekanismer som alla är överens om kommer att ske i grunden inom neurovetenskap," sa Holmes. "Men vi ser här att om du behandlar data noggrant och kvantitativt kan det ge upphov till alla dessa olika effekter i klustring och distributioner, och då ser du dessa saker över alla dessa olika organismer."
Men som Palmer påpekade passar biologi inte alltid en snygg och snygg förklaring, och det finns fortfarande massor av slumpmässighet och brus involverat i hjärnkretsar.
Neuroner kopplar ibland bort och kopplar om med varandra - svaga anslutningar beskärs och starkare anslutningar kan bildas på andra ställen. Denna slumpmässighet ger en kontroll av vilken typ av hebbisk organisation forskarna hittade i dessa data, utan vilken starka kopplingar skulle växa och dominera nätverket.
Forskarna anpassade sin modell för att ta hänsyn till slumpmässighet, vilket förbättrade dess noggrannhet.
"Utan den brusaspekten skulle modellen misslyckas," sa Lynn. "Det skulle inte producera något som fungerade, vilket var förvånande för oss. Det visar sig att du faktiskt behöver balansera den hebbiska snöbollseffekten med slumpen för att få allt att se ut som riktiga hjärnor."
Eftersom dessa regler härrör från allmänna nätverksprinciper hoppas teamet att de kan utöka detta arbete utanför hjärnan.
"Det är en annan cool aspekt av det här arbetet:hur vetenskapen gjordes," sa Palmer. "Folkarna i det här laget har en enorm mångfald av kunskap, från teoretisk fysik och stordataanalys till biokemiska och evolutionära nätverk. Vi var fokuserade på hjärnan här, men nu kan vi prata om andra typer av nätverk i framtida arbete."
Mer information: Heavy-tailed neuronal connectivity uppstår från hebbisk självorganisering, Naturfysik (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
Journalinformation: Naturfysik , bioRxiv
Tillhandahålls av University of Chicago
