Uno studio condotto da fisici e neuroscienziati dell'Università di Chicago, Harvard e Yale descrive come la connettività tra i neuroni avviene attraverso principi generali di rete e auto-organizzazione, piuttosto che attraverso le caratteristiche biologiche di un singolo organismo.
Lo studio, intitolato "La connettività neuronale a coda pesante nasce dall'auto-organizzazione Hebbiana", pubblicato su Nature Physics , descrive accuratamente la connettività neuronale in una varietà di organismi modello e potrebbe applicarsi anche a reti non biologiche come le interazioni sociali.
"Quando costruisci modelli semplici per spiegare i dati biologici, ti aspetti di ottenere una buona versione approssimativa che si adatti ad alcuni ma non a tutti gli scenari", ha affermato Stephanie Palmer, Ph.D., professore associato di fisica e biologia e anatomia degli organismi presso l'Università di Chicago. e autore senior dell'articolo. "Non ti aspetti che funzioni così bene quando approfondisci le minuzie, ma quando lo abbiamo fatto qui, ha finito per spiegare le cose in un modo davvero soddisfacente."
I neuroni formano un'intricata rete di connessioni tra le sinapsi per comunicare e interagire tra loro. Anche se il vasto numero di connessioni può sembrare casuale, le reti di cellule cerebrali tendono ad essere dominate da un piccolo numero di connessioni che sono molto più forti della maggior parte.
Questa distribuzione di connessioni "a coda pesante" (così chiamata per il modo in cui appare quando viene tracciata su un grafico) costituisce la spina dorsale dei circuiti che consente agli organismi di pensare, apprendere, comunicare e muoversi. Nonostante l'importanza di queste forti connessioni, gli scienziati non erano sicuri se questo modello a coda pesante fosse dovuto a processi biologici specifici di diversi organismi o a principi di base dell'organizzazione della rete.
Per rispondere a queste domande, Palmer e Christopher Lynn, Ph.D., professore assistente di fisica presso l'Università di Yale, e Caroline Holmes, Ph.D., ricercatrice post-dottorato presso l'Università di Harvard, hanno analizzato i connettomi o mappe delle connessioni delle cellule cerebrali. I dati sul connettoma provenivano da diversi classici animali da laboratorio, tra cui moscerini della frutta, nematodi, vermi marini e la retina del topo.
Per capire come i neuroni si collegano tra loro, hanno sviluppato un modello basato sulla dinamica Hebbiana, un termine coniato dallo psicologo canadese Donald Hebb nel 1949 che essenzialmente dice:"neuroni che si attivano insieme, si collegano insieme". Ciò significa che più due neuroni si attivano insieme, più forte diventa la loro connessione.
In generale, i ricercatori hanno scoperto che queste dinamiche hebbiane producono punti di forza di connessione “a coda pesante”, proprio come hanno visto nei diversi organismi. I risultati indicano che questo tipo di organizzazione deriva da principi generali di networking, piuttosto che da qualcosa di specifico della biologia dei moscerini della frutta, dei topi o dei vermi.
Il modello ha anche fornito una spiegazione inaspettata per un altro fenomeno di rete chiamato clustering, che descrive la tendenza delle cellule a collegarsi ad altre cellule tramite connessioni che condividono. Un buon esempio di clustering si verifica nelle situazioni sociali. Se una persona presenta un amico a una terza persona, è più probabile che queste due persone diventino amiche rispetto a quando si incontrassero separatamente.
"Questi sono meccanismi su cui tutti sono d'accordo che fondamentalmente avverranno nelle neuroscienze", ha detto Holmes. "Ma qui vediamo che se si trattano i dati con attenzione e quantità, possono dar luogo a tutti questi diversi effetti nel raggruppamento e nelle distribuzioni, e poi si vedono queste cose in tutti questi diversi organismi."
Come ha sottolineato Palmer, tuttavia, la biologia non sempre fornisce una spiegazione precisa e precisa, e nei circuiti cerebrali sono ancora presenti molta casualità e rumore.
I neuroni a volte si disconnettono e si ricollegano tra loro:le connessioni deboli vengono eliminate e si possono formare connessioni più forti altrove. Questa casualità fornisce un controllo sul tipo di organizzazione hebbiana trovata dai ricercatori in questi dati, senza la quale forti connessioni crescerebbero fino a dominare la rete.
I ricercatori hanno ottimizzato il loro modello per tenere conto della casualità, migliorandone l'accuratezza.
"Senza questo aspetto del rumore, il modello fallirebbe", ha detto Lynn. "Non produrrebbe nulla che funzionasse, il che ci ha sorpreso. Si scopre che in realtà è necessario bilanciare l'effetto valanga Hebbiano con la casualità per far sì che tutto assomigli a veri cervelli."
Poiché queste regole derivano da principi generali di networking, il team spera di poter estendere questo lavoro oltre il cervello.
"Questo è un altro aspetto interessante di questo lavoro:il modo in cui la scienza è stata realizzata", ha detto Palmer. "Le persone di questo team hanno un'enorme varietà di conoscenze, dalla fisica teorica e l'analisi dei big data alle reti biochimiche ed evolutive. In questo caso ci siamo concentrati sul cervello, ma ora possiamo parlare di altri tipi di reti nel lavoro futuro."
Ulteriori informazioni: La connettività neuronale dalla coda pesante deriva dall'autorganizzazione hebbiana, Fisica naturale (2024). DOI:10.1038/s41567-023-02332-9. www.nature.com/articles/s41567-023-02332-9. Su bioRxiv :DOI:10.1101/2022.05.30.494086
Informazioni sul giornale: Fisica della Natura , bioRxiv
Fornito dall'Università di Chicago
