Optimal dynamic range of spiking neurons in critical scale-free networks

Il cervello umano è un maestro dell'adattamento, capace di percepire un sussurro e un colpo di tuono, un odore tenue e un odore pungente, senza perdere la capacità di distinguerli. Questa capacità di gestire un vasto spettro di intensità è nota come intervallo dinamico. Per decenni, gli scienziati si sono interrogati su come il cervello riesca ad ottenere un intervallo di sensibilità così ampio. Le singole cellule nervose, o neuroni, sono sorprendentemente limitate; possono rispondere solo a una stretta banda di input prima di essere sopraffatte o smettere di reagire. Eppure, quando queste cellule lavorano insieme nella complessa rete del cervello, il sistema collettivo può rilevare segnali attraverso uno spettro molto più ampio. La domanda che ha a lungo intrigato i ricercatori è come avvenga questa trasformazione: come fa un gruppo di individui limitati a creare un sistema con una portata così straordinaria?

Un team di ricercatori della Federale di Paraná in Brasile ha esaminato più da vicino questo fenomeno costruendo un modello digitale di una rete neurale. Si sono concentrati su un tipo specifico di struttura di rete chiamato "scale-free" (a scala libera), che imita il modo in cui sono cabrati i veri cervelli. In questa architettura, la maggior parte dei neuroni ha solo pochi collegamenti con i propri vicini, mentre un piccolo numero di neuroni "hub" altamente connessi si collega a molti altri. Questa distribuzione non uniforme non è casuale; è un modello che si trova in molti sistemi naturali, dalle reti sociali a Internet, e sembra essere una caratteristica fondamentale del modo in cui il cervello organizza se stesso. I ricercatori volevano vedere se questo specifico schema di cablaggio potesse spiegare perché gli organi sensoriali, come l'occhio o l'orecchio, abbiano un intervallo dinamico molto più ampio rispetto a un singolo neurone che agisce da solo.

Per investigare su questo, gli scienziati hanno costruito una rete virtuale di cinquecento e cinquanta neuroni. Ogni neurone nel loro modello era una rappresentazione matematica dettagliata di una vera cellula biologica, completa delle stesse proprietà elettriche e dei canali chimici che permettono ai veri neuroni di attivarsi. Queste cellule virtuali erano collegate tra loro da sinapsi chimiche, i minuscoli spazi dove i neuroni si trasmettono i segoli. I ricercatori hanno poi sottoposto questa rete a un flusso costante di impulsi elettrici, simulando il tipo di input sensoriale che un vero cervello potrebbe ricevere. Hanno variato la forza delle connessioni tra i neuroni, osservando attentamente come l'intero gruppo rispondeva a diversi livelli di stimolazione.

I risultati hanno rivelato una relazione chiara e sorprendente tra la forza delle connessioni e le prestazioni della rete. Quando i neuroni non erano connessi tra loro, agendo come individui isolati, la rete aveva un intervallo dinamico molto stretto, simile a quello di una singola cella. Man mano che i ricercatori aumentavano la forza delle connessioni tra i neuroni, la capacità della rete di rilevare un ampio intervallo di stimoli migliorava drasticamente. Tuttavia, questo miglioramento non continuava all'infinito. La rete raggiungeva una prestazione massima a un livello specifico e ottimale di forza di connessione. In questo punto preciso, l'intervallo dinamico era al suo massimo, permettendo al sistema di rispondere alla più ampia varietà possibile di intensità di input.

Questa prestazione massima coincideva con un comportamento matematico specifico nella risposta della rete. I ricercatori hanno scoperto che, al punto di massima sensibilità, la relazione tra il segnale di input e la risposta di output seguiva una specifica legge di potenza, una regola matematica in cui l'output cambia in proporzione prevedibile all'input. Questo stato specifico, in cui la rete non è né troppo caotica né troppo rigida, è spesso definito "criticità". Lo studio suggerisce che il cervello possa operare naturalmente vicino a questo punto critico per massimizzare la sua capacità di elaborare le informazioni. Le scoperte sostengono l'idea che l'aumentata sensibilità dei nostri sensi non sia solo una proprietà delle singole cellule, ma una caratteristica emergente che deriva dalla dinamica collettiva dell'intera rete.

Anche la dimensione della rete ha giocato un ruolo cruciale in queste simulazioni. I ricercatori hanno testato reti di diverse dimensioni e hanno scoperto che, all'aumentare del numero di neuroni, l'intervallo dinamico cresceva. Tuttavia, questa crescita non continuava per sempre; iniziava a stabilizzarsi una volta che la rete raggiungeva una certa dimensione, intorno ai trecento neuroni. Oltre questo punto, aggiungere altri neuroni non aumentava significativamente l'intervallo. Ciò suggerisce che esiste un limite naturale a quanto la dimensione della rete possa migliorare la sua sensibilità, e che lo specifico schema di cablaggio è più importante del semplice avere un numero massiccio di cellule.

Lo studio ha anche evidenziato una distinzione netta tra questa rete scale-free e altri tipi di strutture di rete, come le reti "small-world" (a mondo piccolo), che i ricercatori avevano studiato in precedenza. Nel modello scale-free, la presenza di quei neuroni hub altamente connessi creava un comportamento unico. Quando le connessioni diventavano troppo forti, le prestazioni della rete calavano drasticamente, molto più che in altri tipi di reti. Ciò indica che l'architettura specifica del cervello, con la sua miscela di connessioni scarse e di pochi hub potenti, è finemente regolata. Essa permette un ampio intervallo dinamico al giusto livello di connessione, ma rende anche il sistema sensibile ai cambiamenti in quella forza di connessione.

In definitiva, questo lavoro fornisce una spiegazione computazionale a un mistero di lunga data nelle neuroscienze. Suggerisce che la capacità del cervello di percepire il mondo in tutte le sue varie intensità sia un traguardo collettivo. L'ampio intervallo dinamico osservato nei nostri sensi non è qualcosa che un singolo neurone può raggiungere da solo. Invece, emerge dall'interazione complessa di migliaia di neuroni che lavorano insieme in una specifica disposizione scale-free. Operando vicino a un punto critico, questa architettura di rete permette al cervello di rimanere sensibile ai segnali più deboli pur essendo in grado di gestire gli input più forti, luminosi o intensi. Lo studio conferma che l'organizzazione stessa della rete è la chiave per sbloccare il pieno potenziale dell'elaborazione neurale.