Nature Physics 速递：重尾神经元连接起源于赫布自组织

关键词：脑网络，神经元连通性，自组织，幂律分布，赫布法则

论文题目：Heavy-tailed neuronal connectivity arises from Hebbian self-organization论文期刊：Nature论文地址：http://www.nature.com/articles/s41567-023-02332-9斑图地址：https://pattern.swarma.org/paper/31ed7b60-b58c-11ee-bc79-0242ac17000e

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的一项研究，描述了神经元之间的连通性是如何通过网络和自组织的一般原理，而非特定生物体的生物学特征产生。该研究发表在Nature Physics上，论文描准确地描述了各种模式生物的神经元连通性，其描述还可能适用于社会交往等非生物网络。

神经元在突触之间形成了错综复杂的连接网络，以便相互交流和互动。虽然大量的连接看似随机，但神经元网络往往被少数比大多数连接更强的连接所支配。少数神经元的连接比绝大多数神经元对的连接要牢固得多，该现象被称为重尾神经元连接。

“重尾”分布的连接（因其在图表上的外观而得名）构成了神经元连接网络的主干，使生物能够思考、学习、交流和移动。尽管这些强连接非常重要，但科学家们并不确定这种重尾模式的出现是由于不同生物特有的生物过程，还是由于网络组织的基本原理。

图1：模式生物的神经元连接示例，及其连接强度与出现概率的分布

为了回答这些问题，研究者分析了连接组或脑细胞连接图。连接组数据来自几种不同的经典模式动物，包括果蝇、蛔虫、海洋蠕虫和小鼠视网膜。之后研究者构建了突触自组织的最小模型：模型中神经网络随机修剪连接，并且突触强度在优先和随机动态的混合下重新排列。该模型符合神经科学中的赫布法则，即两个神经元一起激活的次数越多，它们之间的联系就越强。

图2：突触自组织模型的机制，及其在各种模式生物的神经网络中产生与现实环境类似的神经元连接强度厚尾分布

研究人员发现，在不同的生物体中，遵循赫布法则都会产生“重尾”连接强度。网络演进逐渐产生无标度的连接强度分布，其幂律指数仅取决于优先（而不是随机）增长的概率。该模型还为另一种称为聚集（clustering）的网络现象提供了意想不到的解释，这种现象描述了细胞通过它们共享的连接与其他细胞连接的趋势。聚集的一个很好的例子发生在社交场合。如果一个人把朋友介绍给第三个人，那么这两个人成为朋友的可能性会比他们单独见面时更大。这表明重尾和聚集连接可能源于网络自组织的一般原理，而不是果蝇、小鼠或蠕虫等单个物种或系统所特有的机制。

图3：a）神经元之间通过弱连接，在超过特定阈值β时，会由于共同连接的神经元而逐渐产生连接；b）不同β支下模型给出的神经元连接强度分布

然而，生物学并不总是符合整齐划一的解释，大脑回路中仍然存在大量的随机性和噪音。神经元之间有时会断开连接并重新接线——薄弱的连接会被修剪掉，而更强的连接会在其他地方形成。这种随机性提供了一种制衡，否则强连接就会在网络中占据主导地位。为此，研究人员调整模型以考虑随机性，从而提高了模型的准确性。假设模型中没有噪音，其预测就会失效。只有在赫布法则带来的如滚雪球般的正反馈和随机性之间取得平衡，才能让模型看起来像真正的大脑。

鉴于模型的简单性，未来的工作可以立即开始，包括更现实的可塑性机制，这反过来可能会产生在神经元连接组中观察到的其他特性。而由于这些规则产生于一般网络原理，研究小组希望他们能将这项工作扩展到大脑之外的他类型的网络。

编译｜郭瑞东

计算神经科学读书会

详情请见：计算神经科学读书会启动：从复杂神经动力学到类脑人工智能

‍推荐阅读1. Nat. Commun. 速递：结合神经元仿真与人工智能的基于GPU的计算框架2. 神经动力学模型新进展：神经元自我调节增加信息传递可靠性3. Science 大脑连接性特刊：没有神经元是一座孤岛4. 张江：第三代人工智能技术基础——从可微分编程到因果推理 | 集智学园全新课程5. 加入集智学园VIP，一次性获取集智平台所有内容资源6. 加入集智，一起复杂！

点击“阅读原文”，报名读书会