Учёные, участвующие в проекте “Человеческий мозг” , обнаружили математическое правило, которое определяет распределение нейронов в нашем мозге.
Это правило предсказывает, как распределяются нейроны в различных частях мозга, и может помочь ученым создать точные модели для понимания работы мозга и разработки новых методов лечения неврологических заболеваний.
В удивительном мире статистики логарифм непрерывной случайной величины часто следует так называемому логнормальному распределению. Определяемое средним значением и стандартным отклонением, оно визуализируется в виде колоколообразной кривой, но более широкой, чем при нормальном распределении.
Группа исследователей из Исследовательского центра Юлих и Кельнского университета в Германии обнаружила, что количество нейронов в областях внешнего слоя нервной ткани у разных млекопитающих соответствует логнормальному распределению.
Важное отличие – симметрия колоколообразной кривой нормального распределения и асимметрия с тяжелым правосторонним хвостом логнормального распределения из-за большого количества малых значений и нескольких значительно больших.
Структура и функции мозга зависят от количества и расположения нейронов. Плотность нейронов в различных регионах и слоях внешнего слоя ткани – коры головного мозга – значительно варьируется.
“Распределение плотности нейронов влияет на связность сети,” говорит нейрофизиолог Саша ван Альбада из Исследовательского центра Юлих.
“Например, если плотность синапсов постоянна, регионы с меньшей плотностью нейронов будут получать больше синапсов на нейрон.”
Статистическое распределение плотности нейронов до сих пор было в значительной степени неизвестно, хотя исследования предоставили нам увлекательные открытия о клеточных тканях нашего мозга.
Для проведения своих исследований команда использовала девять открытых наборов данных, охватывающих семь различных видов: мышей, мармозеток, макак, галаго, совиных обезьян, бабуинов и людей. При сравнении плотности нейронов в различных регионах коры выявилась общая модель логнормального распределения.
“Наши результаты согласуются с наблюдением, что удивительно много характеристик мозга следуют логнормальным распределениям,” пишут авторы в своей статье.
Логнормальное распределение является естественным результатом процессов, основанных на умножении, так же как нормальное распределение является естественным результатом сложения множества независимых переменных.
“Распространенность логнормального распределения в природе может быть объяснена тем, что оно возникает в результате умножения множества независимых переменных,” отмечает Александр ван Меген, ведущий исследователь этой темы в рамках докторской диссертации по вычислительной нейронауке в Исследовательском центре Юлих.
Исследователи предполагают, что способ, которым устроена кора, может быть побочным продуктом развития или эволюции, не связанным с вычислениями.
Но предыдущие исследования предполагают, что вариации нейронной сети мозга не являются просто побочным продуктом и могут активно помогать животным учиться в меняющейся среде. Наличие одинаковой структуры мозга у различных видов и во многих его областях указывает на особое значение логнормального распределения..
“Мы не можем быть уверены, как логнормальное распределение плотности нейронов повлияет на функционирование мозга, но оно, вероятно, будет связано с высокой гетерогенностью сети, что может быть вычислительно полезно,” объясняет соавтор исследования Аитор Моралес-Грегорио, вычислительный нейрофизиолог из Исследовательского центра Юлих.
Ученые надеются, что это открытие прольет свет на то, как мозг хранит и извлекает информацию, а также как он приобретает новые знания. В постоянных усилиях по нахождению эффективных методов лечения заболеваний мозга это может стать отправной точкой для создания новых лекарств, нацеленных на конкретные области мозга.
Десятилетний проект “Человеческий мозг” по созданию общей исследовательской инфраструктуры для продвижения нейронауки, вычислений и медицины, связанной с мозгом, подходит к концу, и принёс нам множество интересных открытий на его пути.
Исследование опубликовано в журнале “Cerebral Cortex”.