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

人間の脳は適応の達人であり、ささやき声と雷鳴、微かな香りと強烈な臭いを、その区別する能力を失うことなく感知することができる。この、広大な強度のスペクトルを扱う能力は、ダイナミックレンジとして知られている。数十年にわたり、科学者たちは脳がいかにしてこれほど広い範囲の感度を実現しているのかという謎に直面してきた。個々の神経細胞、すなわちニューロンは、驚くほど限定的である。それらは、圧倒されたり反応できなくなったりする前に、非常に狭い入力帯域にしか反応できない。しかし、これらの細胞が脳という複雑な網の中で共に機能するとき、集合的なシステムは、はるかに広いスペクトルにわたって信号を検出することができる。研究者を長年惹きつけてきた問いは、この変容がいかにして起こるのか、すなわち、いかにして限定的な個々の集団が、これほど並外れた到達範囲を持つシステムを作り出すのかということである。

ブラジルのパラナ連邦大学の研究チームは、神経ネットワークのデジタルモデルを構築することで、この現象をより詳しく調査した。彼らは、「スケールフリー」と呼ばれる特定のネットワーク構造に焦着した。これは、実際の脳の配線様式を模したものだ。このアーキテクチャでは、ほとんどのニューロンは隣接するニューロンとの接続がわずかである一方、少数の高度に接続された「ハブ」ニューロンが多くの他のニューロンと連結している。この不均一な分布はランダムなものではない。これは、社会ネットワークからインターネットに至るまで、多くの自然界のシステムに見られるパターンであり、脳が自らを組織化する方法における根本的な特徴であると思われる。研究者たちは、この特定の配線パターンが、なぜ目や耳のような感覚器官が、単独で機能する単一のニューロンよりもはるかに広いダイナミックレンジを持っているのかを説明できるのかを知りたかった。

これを調査するために、科学者たちは550個のニューロンからなる仮想ネットワークを構築した。モデル内の各ニューロンは、実際の生物学的細胞の電気的特性や化学チャネルを備えた、詳細な数学的表現であった。これらの仮想細胞は、ニューロンが信号を伝達する微小な隙間である化学シナプスによって結合されていた。研究者たちは、実際の脳が受け取り得るような感覚入力をシミュレートするために、このネットワークに一定の電気パルスを流し込んだ。彼らは、ニューロン間の接続強度を変化させながら、刺激の異なるレベルに対してネットワーク全体がどのように反応するかを注意深く観察した。

結果は、接続の強さとネットワークのパフォーマンスとの間に、明確かつ驚くべき関係があることを明らかにした。ニューロンが互いに接続されず、孤立した個体として機能していたとき、ネットワークは単一の細胞に見られるものと同様の、非常に狭いダイナミックレンジを持っていた。研究者がニューロン間の接続強度を高めるにつれて、幅広い刺激を検出するネットワークの能力は劇的に向上した。しかし、この向上は無限に続くわけではなかった。ネットワークは、特定の最適な接続レベルにおいてピーク性能に達した。この正確な地点において、ダイナミックレンジは最大となり、システムは可能な限り多様な入力強度に対して反応することができた。

このピーク性能は、ネットワークの応答における特定の数学的挙動と一致していた。研究者たちは、最大感度の時点において、入力信号と出力応答の関係が、出力が入力に対して予測可能な比率で変化するという特定の「冪乗則（べきじょうそく）」に従っていることを見出した。ネットワークが混沌としすぎず、かつ硬直もしすぎていないこの特定の状態は、しばしば「臨界性」と呼ばれる。この研究は、脳が情報を処理する能力を最大化するために、この臨界点付近で自然に動作している可能性を示唆している。これらの知見は、私たちの感覚の強化された感度が、単なる個々の細胞の特性ではなく、ネットワーク全体の集合的なダイナナミクスから生じる創発的な特徴であるという考えを支持している。

ネットワークのサイズも、これらのシミュレーションにおいて重要な役割を果たした。研究者は異なるサイズのネットワークをテストし、ニューロンの数が増えるにつれてダイナミックレンジが大きくなることを発見した。しかし、この成長は永遠には続かず、ネットワークが約300個のニューロンに達すると横ばいになり始めた。この時点を超えると、ニューロンを追加しても、ダイナミックレンジを大幅に増加させることはできなかった。これは、ネットワークのサイズが感度を向上させる能力には自然な限界があること、そして単に膨大な数の細胞を持つことよりも、特定の配線パターンの方が重要であることを示唆している。

また、この研究は、研究者が以前に研究した「スモールワールド」ネットワークなどの他のタイプのネットワーク構造と、このスケールフリーネットワークとの間の明確な違いを強調した。スケールフリーモデルでは、高度に接続されたハブニューロンの存在が独特な挙動を生み出した。接続が強くなりすぎると、ネットワークのパフォーマンスは、他のネットワークタイプよりもはるかに急激に低下した。これは、脳の特定のアーキテクチャ、すなわち疎な接続と少数の強力なハブの混合による構成が、精緻に調整されていることを示している。それは、適切なレベルの接続において広いダイナミックレンジを可能にする一方で、その接続強度の変化に対してシステムを敏感にさせる。

最終的に、この研究は、神経科学における長年の謎に対して計算論的な説明を提供している。それは、世界をあらゆる変化する強度で知覚する脳の能力が、集合的な成果であることを示唆している。私たちの感覚に見られる広いダイナミックレンジは、単一のニューロンが単独で達成できるものではない。代わりに、それは特定のスケールフリーの配置の中で機能する、何千ものニューロンの複雑な相互作用から創発するのである。このネットワーク・アーキテクチャは、臨界点付近で動作することで、脳が最も微かな信号に対して感度を維持しながら、同時に最も大きく、明るい、あるいは最も強烈な入力を処理できるようにしている。この研究は、ネットワークの組織化そのものが、神経処理の全潜在能力を解き放く鍵であることを裏付けている。