自然如何自我組織，從腦細胞到生態系統 | 麻省理工學院新聞

自然中的模組化

四周看看，你會發現模組化無處不在：樹木的分枝方式、城市的社區劃分、以及大腦的區域組織。自然界喜愛模組化——有限的自我包含單位以不同方式組合，執行多種功能。但這種組織是如何產生的呢？它是遵循詳細的基因藍圖，還是這些結構能夠自我出現？

麻省理工學院 (MIT) 的伊拉·菲特 (Ila Fiete) 教授的新研究提供了一個驚人的答案。

研究發現

在《自然》雜誌於2月18日發表的研究中，菲特是麻省理工學院麥戈文腦研究所的副研究員，也是K. Lisa Yang整合計算神經科學中心的主任。她報告了一個名為「峰值選擇」的數學模型，可以解釋模組是如何在沒有嚴格基因指令的情況下出現的。她的團隊的研究結果適用於大腦系統和生態系統，幫助解釋自然界中模組化的發生，無論其規模大小。

兩個大想法的結合

「科學家們一直在討論模組結構是如何形成的。一個假設認為，不同的基因在不同的位置被啟動，以開始或結束一個結構。這解釋了昆蟲胚胎如何發展身體段落，基因在昆蟲卵中以特定濃度的平滑化學梯度開啟或關閉，」菲特說，她是這篇論文的主要作者。前研究生米凱爾·科納 (Mikail Khona) 和博士後研究員薩爾塔克·昌德拉 (Sarthak Chandra) 也參與了這項研究。

另一個想法，受到數學家艾倫·圖靈 (Alan Turing) 的啟發，認為結構可以通過競爭出現——小規模的互動可以創造重複的模式，就像獵豹的斑點或沙丘中的波紋。

這兩個想法在某些情況下運作良好，但在其他情況下則失敗。新的研究表明，自然界不必選擇一種方法。作者提出了一個簡單的數學原則，稱為峰值選擇，顯示當平滑的梯度與局部的競爭性互動結合時，模組結構自然出現。「這樣，生物系統可以在沒有詳細的自上而下指令的情況下，自我組織成清晰的模組，」昌德拉說。

大腦中的模組系統

研究人員在網格細胞上測試了他們的想法，這些細胞在空間導航和儲存情景記憶中扮演著關鍵角色。當動物在空間中移動時，網格細胞以重複的三角形模式發火，但它們並不是在相同的尺度上工作——它們被組織成不同的模組，每個模組負責以稍微不同的解析度映射空間。

沒有人知道這些模組是如何形成的，但菲特的模型顯示，大腦中沿著一個維度的細胞特性逐漸變化，加上局部神經互動，可以解釋整個結構。網格細胞自然地將自己分成具有明確邊界的不同組別，沒有外部地圖或基因程序告訴它們該去哪裡。「我們的工作解釋了網格細胞模組是如何出現的。這個解釋傾向於自我組織的可能性。它預測當網格細胞的規模跳到另一個模組時，可能沒有基因或內在的細胞特性會突然改變，」科納指出。

自然界中的模組系統

同樣的原則也適用於神經科學之外。想像一個地形，溫度和降雨量在空間中逐漸變化。你可能會預期物種會平滑地分佈並變化，但實際上，生態系統通常形成具有明確邊界的物種聚集——不同的生態「社區」，不會重疊。

菲特的研究解釋了原因：物種之間的局部競爭、合作和捕食與全球環境梯度互動，創造出自然的分隔，即使基礎條件逐漸改變。這一現象可以用峰值選擇來解釋——並且表明，塑造大腦電路的相同原則也可能在森林和海洋中發揮作用。

自我組織的世界

研究人員最引人注目的發現之一是，這些系統中的模組化非常穩健。改變系統的大小，模組的數量保持不變——它們只是隨著大小的變化而縮放。這意味著老鼠的大腦和人類的大腦可以使用相同的基本規則來形成導航電路，只是大小不同。

這個模型還可以做出可測試的預測。如果它是正確的，網格細胞模組應該遵循簡單的間距比例。在生態系統中，物種分佈應該形成明確的聚集，即使沒有明顯的環境變化。

菲特指出，他們的工作為生物學增加了另一個概念框架。「峰值選擇可以為未來的實驗提供指導，不僅在網格細胞研究中，還包括發展生物學。」