Felfedezték az agyunkban a neuronok eloszlása ​​mögött meghúzódó matematikai szabályt

Az emlős agy kérgi régióiban a neuronok sűrűsége következetes eloszlási mintát követ. Ennek a felfedezésnek mélyreható hatásai vannak az agymodellezésre és az agy által ihletett technológiák fejlesztésére. Köszönetnyilvánítás: Morales Gregorio

A Forschungszentrum Jülich és a Kölni Egyetem (Németország) Human Brain Project kutatói felfedezték, hogyan oszlanak meg a neuronsűrűségek az emlős agy kérgi régiói között és azokon belül. Felfedték a kérgi citoarchitektúra alapvető szervezőelvét: a neuronsűrűségek mindenütt jelen lévő lognormális eloszlását.

A neuronok száma és térbeli elrendezésük kritikus szerepet játszanak az agy szerkezetének és működésének kialakításában. A rendelkezésre álló rengeteg citoarchitektúra-adat ellenére azonban a neuronsűrűségek statisztikai eloszlása ​​nagyrészt jellemzetlen. A Human Brain Project (HBP) új tanulmánya a folyóiratban jelent meg agykérgetjavítja az emlősök agyának szerveződésének megértését.

Adatkészletek és lognormális eloszlás elemzése

A hét nyilvánosan elérhető adatkészletből kilenc osztályozni (egér, majom, makákó, galago, bagolymajom, pávián és ember) adták a kutatócsoport vizsgálatainak alapot. Mindegyik kérgi régiójának elemzése után azt találták, hogy a neuronsűrűség ezekben a régiókban következetes mintát követ – lognormális eloszlást. Ez egy alapvető szervezőelvre mutat rá, amely az emlős agy neuronsűrűségének hátterében áll.

A lognormális eloszlás olyan statisztikai eloszlás, amelyet egy ferde, harang alakú görbe jellemez. Felmerül például, ha egy normális eloszlású változó kitevőjét vesszük. Több szempontból is eltér a normál eloszlástól. Ennél is fontosabb, hogy a normál eloszlási görbe szimmetrikus, míg a lognormális görbe aszimmetrikus és nehéz farkú.

Az eredmények következményei és jelentősége

Ezek a felismerések központi szerepet játszanak a pontos agymodellezésben. „Nem utolsósorban azért, mert a neuronsűrűségek eloszlása ​​befolyásolja a hálózati kapcsolatot” – mondja Sascha van Alpada, a Forschungszentrum Jülich elméleti neuroanatómiai csoportvezetője és a tanulmány vezető szerzője. „Például, ha a szinapszisok sűrűsége állandó, akkor az alacsonyabb neuronsűrűségű régiók neurononként több szinapszist kapnak” – magyarázza. Ezek a szempontok az agy által inspirált technológiák, például a neuromodulátorok tervezésénél is relevánsak.

„Sőt, mivel a kérgi régiókat gyakran a citoarchitektúra alapján különböztetik meg, a neuronális sűrűség eloszlásának ismerete releváns lehet a régiók közötti különbségek és a régiók közötti határok elhelyezkedésének statisztikai értékelésében” – teszi hozzá Van Alpada.

Az agyi tulajdonságok lognormális eloszlásának megértése

Az eredmények összhangban vannak a korábbi megfigyelésekkel, miszerint számos agyi tulajdonság normális racionális eloszlást követ. „Az egyik oka annak, hogy olyan gyakoriak a természetben, hogy akkor jelennek meg, amikor sok független változó szorzatát vesszük figyelembe” – mondja Alexander van Meijn, a tanulmány társszerzője. Más szóval, lognormális eloszlás természetes módon jön létre a szorzási műveletek eredményeként, hasonlóan ahhoz, ahogyan egy normális eloszlás jelenik meg sok független változó hozzáadásakor.

„Egy egyszerű modell segítségével meg tudtuk mutatni, hogy a neuronok megkettőződése a fejlődés során hogyan vezethet a megfigyelt neuronsűrűség-eloszláshoz” – magyarázza van Meijn.

A tanulmány szerint elvileg az agykéreg szintjén lévő szervezeti struktúrák a fejlődés vagy fejlődés melléktermékei lehetnek, és nem töltenek be számítási funkciót; De az a tény, hogy ugyanazok a szervezeti struktúrák sok fajnál és a legtöbb kérgi régióban megfigyelhetők, arra utal, hogy a log-normális eloszlás célt szolgál.

„Nem lehetünk biztosak abban, hogy a neuronsűrűségek lognormális eloszlása ​​hogyan befolyásolja az agyműködést, de valószínűleg a hálózat nagy heterogenitásával függ össze, ami számítási szempontból előnyös lehet” – mondja Aitor Morales Gregorio, a tanulmány első szerzője korábbi munkáira hivatkozva. amelyek arra utalnak, hogy az agyi kapcsolat heterogenitása elősegítheti a hatékony információátvitelt. Ezenkívül a heterogén hálózatok támogatják a robusztus tanulást és növelik a neurális áramkörök memóriakapacitását.

Hivatkozás: Aitor Morales-Gregorio, Alexander van Meijen és Sacha G van Albada „A neuronsűrűség ubiquitinált log-normális eloszlása ​​az emlős agykéregben”, 2023. július 6., elérhető itt. agykérget.
doi: 10.1093/sircor/bhad160