Onderzoekers identificeren de wiskundige regel achter de verdeling van neuronen in onze hersenen

Onderzoekers van het Human Brain Project (HBP) van Forschungszentrum Jülich en de Universiteit van Keulen (Duitsland) hebben ontdekt hoe de neurondichtheid verdeeld is over en binnen corticale gebieden in de hersenen van zoogdieren. Ze onthulden een fundamenteel organiserend principe van corticale cytoarchitectuur: de alomtegenwoordige lognormale verdeling van neuronale dichtheden.

Het aantal neuronen en hun ruimtelijke ordening spelen een cruciale rol bij het vormgeven van de hersenstructuur en -functie. Ondanks de rijkdom aan beschikbare cytoarchitectuurgegevens blijven de statistische verdelingen van neuronale dichtheden echter grotendeels ongekarakteriseerd. Het nieuwe HBP-onderzoek, gepubliceerd in hersenschorsvergroot ons begrip van de organisatie van de hersenen van zoogdieren.

Het team baseerde zijn onderzoek op negen openbaar beschikbare datasets voor zeven soorten: muis, aap, makaak, galago, uilenaap, baviaan en mens. Na analyse van de corticale gebieden in elk van hen ontdekten ze dat de neurondichtheden in deze gebieden een consistent patroon volgden, wat een lognormale verdeling is. Dit wijst op een fundamenteel organiserend principe dat ten grondslag ligt aan de neuronale dichtheden in de hersenen van zoogdieren.

Een lognormale verdeling is een statistische verdeling die wordt gekenmerkt door een scheve, klokvormige curve. Het ontstaat bijvoorbeeld bij het nemen van de exponent van een normaal verdeelde variabele. Het verschilt op verschillende manieren van een normale verdeling. Belangrijker nog is dat de normale verdelingscurve symmetrisch is, terwijl de lognormale curve asymmetrisch is en een zware staart heeft.

Deze bevindingen zijn relevant voor nauwkeurige hersenmodellering. “Niet in de laatste plaats omdat de verdeling van neuronale dichtheden de netwerkconnectiviteit beïnvloedt”, zegt Sascha van Alpada, groepsleider theoretische neuroanatomie bij Forschungszentrum Jülich en senior auteur van het artikel. “Als de dichtheid van synapsen bijvoorbeeld constant is, zullen gebieden met een lagere neurondichtheid meer synapsen per neuron ontvangen”, legt ze uit. Deze aspecten zijn ook relevant voor het ontwerp van op de hersenen geïnspireerde technologie zoals neuromodulatoren.

“Bovendien, omdat corticale regio’s vaak worden onderscheiden op basis van cytoarchitectuur, kan kennis van de verdeling van neuronale dichtheden relevant zijn voor de statistische beoordeling van verschillen tussen regio’s en de locaties van grenzen tussen regio’s”, voegt Van Alpada toe.

Deze resultaten komen overeen met de waarneming dat veel herseneigenschappen een normale zonale verdeling volgen. “Een van de redenen waarom ze zo vaak voorkomen in de natuur is dat ze verschijnen wanneer rekening wordt gehouden met het product van veel onafhankelijke variabelen”, zegt Alexander van Meijn, mede-eerste auteur van het onderzoek. Met andere woorden: een lognormale verdeling ontstaat op natuurlijke wijze als resultaat van vermenigvuldigingsoperaties, vergelijkbaar met hoe een normale verdeling verschijnt wanneer veel onafhankelijke variabelen worden opgeteld.

“Met behulp van een eenvoudig model konden we laten zien hoe de zich vermenigvuldigende proliferatie van neuronen tijdens de ontwikkeling zou kunnen leiden tot de waargenomen verdelingen van de neuronale dichtheid”, legt Van Meijn uit.

Volgens de studie kunnen organisatiestructuren op het niveau van de hersenschors in principe bijproducten zijn van ontwikkeling of ontwikkeling en dienen ze geen enkele rekenfunctie; Maar het feit dat dezelfde organisatiestructuren voor veel soorten en in de meeste corticale regio’s kunnen worden waargenomen, suggereert dat de lognormale verdeling een doel dient.

“We kunnen er niet zeker van zijn hoe de lognormale verdeling van neurondichtheden de hersenfunctie beïnvloedt, maar het houdt waarschijnlijk verband met de hoge heterogeniteit van het netwerk, wat computationeel voordelig zou kunnen zijn”, zegt Aitor Morales Gregorio, eerste auteur van de studie, onder verwijzing naar eerder werk. wat suggereert dat heterogeniteit in hersenconnectiviteit een efficiënte informatieoverdracht kan bevorderen. Bovendien ondersteunen heterogene netwerken robuust leren en verbeteren ze de geheugencapaciteit van neurale circuits.