大腦中的神經元似乎遵循獨特的數學模式

參與人腦計劃的研究人員已經確定了控制我們大腦中神經元分布的數學規則。

該規則預測了神經元在大腦不同部位的分布方式，并可以幫助科學家創建精確的模型來了解大腦的工作原理，并為神經系統疾病開發新的治療方法。

在統計學的奇妙世界中，如果你考慮任何連續的隨機變量這對數該變量通常遵循所謂的對數正態分布。由平均值和標準差定義，它可以可視化為鐘形曲線，只是曲線比您在正態分布中找到的曲線更寬。

來自德國于利希研究中心和科隆大學的一組研究人員發現，不同哺乳動物神經組織外層區域的神經元數量符合對數正態分布.

撇開數學不談，一個簡單而重要的區別是正態分布鐘形曲線的對稱性和對數正態分布的不對稱性和嚴重的右偏尾，這是由于大量小值和一些顯著的大值。

一個國家的人口規模通常是正態分布的，有幾個非常大的城市和許多小城鎮和村莊。

大腦結構和功能取決于神經元的數量和排列。該外層組織層的不同區域和層中的神經元密度 –大腦皮質– 差異很大。

“神經元密度的分布會影響網絡連接，”說尤利希研究中心的神經科學家薩沙·范·阿爾巴達（Sacha van Albada）。

“例如，如果突觸的密度是恒定的，那么神經元密度較低的區域將接收到每個神經元更多的突觸。

神經元密度的統計分布在很大程度上仍然未知，盡管研究確實為我們提供了引人入勝的信息關于我們大腦細胞組織的發現.

為了進行研究，該團隊使用了九個開源數據集，涵蓋七個不同的物種：小鼠，狨猴，獼猴，加拉戈，貓頭鷹猴，狒狒和人類。當比較大腦皮層不同區域的神經元密度時，出現了對數正態分布的常見模式。

“我們的研究結果與觀察結果一致，即大腦的許多特征都遵循對數正態分布，”作者在他們的論文中寫道.

對數正態分布是乘法過程的自然結果，就像正態分布是許多自變量相加的自然結果一樣。

“它在自然界中可能非常普遍的一個原因是，它是在取許多自變量的乘積時出現的，”說亞歷山大·范·梅根（Alexander van Meegen）共同領導了這項研究，這是他在于利希研究中心（Jülich Research Centre）攻讀計算神經科學博士學位的一部分。

研究人員表示，大腦皮層的結構方式可能是發展或進化的副產品，與計算無關。

但以前的研究表明大腦神經網絡變異不僅僅是一個副產品，它可能積極地幫助動物在不斷變化的環境中學習。事實上，在不同的物種和皮層的大部分部位都可以看到相同的組織，這表明對數正態分布被用于某些事情。

“我們無法確定神經元密度的對數正態分布將如何影響大腦功能，但它可能與高網絡異質性有關，這在計算上可能是有益的。解釋共同主要作者Aitor Morales-Gregorio，Jülich研究中心的計算神經科學家。

科學家們希望這一發現能夠揭示大腦如何存儲和檢索信息，以及它如何獲取新知識。在不斷尋求有效的治療方法對于腦部疾病，它可能為創造針對大腦特定區域的新藥鋪平道路。

這人腦計劃為促進神經科學、計算和腦相關醫學建立共享研究基礎設施的十年努力即將結束，它給了我們一些有趣的發現一路走來。

該研究已發表在大腦皮質.

寶寶起名