🧬 biology

Predictions for and lack of maximal information transmission in the neuromuscular junction

本文表明，果蝇神经肌肉接头的突触小泡释放概率并未通过最大化信息传输进行优化，实验观察到的神经递质浓度分布与基于信息最大化原理得出的理论预测之间存在显著差异，这一点已得到证实。

原作者： Eitan Goldfein, Sarah Marzen

发布于 2026-06-12

📖 1 分钟阅读☕ 轻松阅读

原作者： Eitan Goldfein, Sarah Marzen

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ⚕️ 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。阅读完整免责声明

核心问题：身体是一个完美的信使吗？

想象一下，你的神经系统就像一个正在向工厂（你的肌肉）发送指令的老板，而信使（神经递质）则是传递指令的人。老板大声喊出一个命令，信使跑向工厂大门，工厂里的工人（受体）根据喊声的大小来决定是否开始工作。

科学家们长期以来一直在思考：大自然设计这些信使时，是否追求完美的效率？ 换句话说，身体在组织信号时，是否能做到在不产生混乱的前提下，发送尽可能多的信息？这被称为“信息传输最大化”。

身体的某些部分似乎完美地做到了这一点。例如，发育中的胚胎利用化学信号来确定细胞的确切位置，并且能以近乎完美的精度完成任务。但神经肌肉接头（NMJ）——即神经与肌肉进行对话、使其产生运动的具体位置——又是怎样的呢？

实验：理论 vs. 现实

本文作者决定玩一场“预期 vs. 现实”的游戏。

理论（理想计划）： 他们利用信息论中的数学方法，计算出如果身体试图实现最高效率，神经递质信号的“完美”分布应该是怎样的。这就像是在设计一个完美的广播电台频率，以获得最清晰的信号。
现实（实际数据）： 他们观察了来自果蝇（Drosophila）的真实世界数据。他们测量了“信使”（突触小泡）实际出现的频率，以及它们携带了多少“物质”（神经递质）。

类比：音量旋钮

想象神经递质的浓度就是收音机的音量旋钮。

目标： 身体希望将音量旋钮转到能提供最清晰、最独特声音（信息）的位置。
预测： 如果身体是为了优化信息传输，那么音量旋钮应该大部分时间停留在某个“甜点区”——在那里，收音机声音足够大，可以听得清，但又不会太大而导致失真。数学模型预测了一个关于旋钮在不同音量下停留频率的特定模式。
现实： 当作者观察果蝇的数据时，发现音量旋钮被转动到的位置与数学预测的位置完全不同。

结果：不匹配

研究发现了一个令人惊讶的结果：果蝇的神经肌肉接头并不试图实现信息传输的最大化。

以下是原因分析：

预测： 数学模型认为，身体应该使用特定范围的化学浓度来发送信息。
观察： 果蝇使用的范围完全不同。 “真实”的数据看起来与“完美”的数据毫无相似之处。
结论： 果蝇的肌肉连接并非出现了故障；它只是没有被设计成一个信息最大化的超级通道。它似乎优先考虑其他事物，比如稳定性或节能，而不是发送绝对最大的数据量。

为什么会这样？

作者认为，生物系统就像汽车发动机。你可以将发动机调校得最省油（信息最大化），但你也可能需要它既可靠、又快速，且能应对颠簸的路面（稳定性）。

身体经常需要做出权衡。为了确保肌肉不会不受控制地抽搐，或者为了节省能量，它可能会牺牲一点点“完美的信息”。果蝇的系统似乎选择了这些其他优先级，而非“完美信息”策略。

“数量级”的限制说明

作者谨慎地指出，这些都是“数量级”的估算。这就像是在说：“我们知道这辆车大约是以 60 英里/小时的速度行驶，上下浮动 10 英里。” 他们并不是在声称拥有精确的测速仪读数。对于细胞间的间隙大小以及每个数据包中的分子数量，他们使用的是粗略的数值。

然而，即便使用了这些粗略的估算，由于“完美理论”与“真实果蝇”之间的差距如此巨大，因此无法用微小的测量误差来解释。这种差异是本质性的。

总结

想法： 科学家测试了神经与肌肉之间的连接是否旨在发送尽可能多的信息。
方法： 他们将数学上的“完美世界”模型与来自果蝇的真实数据进行了对比。
发现： 果蝇系统与“完美世界”模型不匹配。它并不通过组织信号来实现信息最大化。
启示： 生物学往往关乎平衡，而非完美。神经肌肉接头似乎更看重稳定性和其他约束条件，而非成为最高效的信息传输通道。

简而言之，身体的神经到信使系统是一个“足够好”的工人，它能完成任务，但它并不试图成为世界上最高效的数据传输器。

技术摘要：关于神经肌肉接头（NMJ）预测与缺乏最大化信息传输的研究

问题陈述
理论生物学中的一个核心问题是，生物系统是为了最大化其输入的关于信息的传输，还是在信息效率与其他物理约束（如能量、噪声、稳定性）之间进行权衡。虽然信息论极限在基因调节网络和感觉编码等系统中已被观察到，但其他系统似乎更倾向于为稳定性而非最大化信息流而优化。神经肌肉接头（NMJ）是探讨这一争论的关键案例。它作为一个通信通道，将神经递质浓度（输入）通过受体激活转化为离子电流（输出）。作者研究了 NMJ 的神经递质浓度分布是否旨在最大化互信息，或者该系统是否在不同的约束条件下运行。

方法论
作者采用信息最大化分析来推导能够最大化浓度（ $X$ ）与电流（ $Y$ ）之间互信息 $I[X; Y]$ 的理论最优神经递质浓度分布 ( $\rho^*(c)$ )。

通道建模： 使用小噪声近似对生物物理通道进行建模。输入是神经递质浓度，输出是通过离子通道的电流。假设噪声源于受体的概率性开启和关闭，通过二项分布进行建模，在受体数量（ $N$ ）较大时，该分布近似为高斯分布。
剂量-反应关系：
- 胆碱能 NMJ： 使用现象学 Hill 函数对烟碱型乙酰胆碱受体（nAChRs）进行建模。
- 谷氨酸能 NMJ： 使用两个不同的 Hill 函数分别代表 A 型和 B 型离子型谷氨酸受体（iGluRs）进行建模，并考虑了不同的解离常数（ $K_d$ ）和 Hill 系数。
最优分布推导： 使用针对条件高斯通道的变分法，推导出最优输入分布为：
$\rho^*(x) \propto \frac{|d\bar{y}(x)/dx|}{\sigma_{y|x}}$
其中 $\bar{y}(x)$ 是平均电流， $\sigma_{y|x}$ 是电流的标准差。该公式表明，最优浓度分布取决于剂量-反应曲线的斜率相对于噪声的大小。
信道容量： 计算了理论信道容量（ $C$ ），显示其对总受体数量（ $N$ ）具有对数依赖性，并取决于剂量-反应曲线的动态范围。
经验比较： 将理论最优分布与从果蝇幼虫 NMJ（一种谷氨酸能系统）中实验得出的突触小泡释放概率分布进行比较。实验数据（来自文献 [20]）通过几何估算突触间隙体积和标准小泡含量假设，从释放概率转换为神经递质浓度。

关键结果

理论预测： 分析得出了能够最大化信息传输的神经递质浓度的特定概率密度函数。对于胆碱能系统，这些分布对剂量-反应曲线的具体参数（例如胎儿期与成年期 nAChRs）具有敏感性。对于谷氨酸能系统，两种受体的存在创造了一个独特的最优分布形状。
信道容量估计： 模型预测，对于一个拥有约 10,000 个受体的 NMJ，信道容量约为 8 bit。这显著高于在其他生物系统中测得的容量（例如，果蝇胚胎模式形成约为 1.5 bit，或嘈杂的生化信号约为 1 bit）。容量主要由受体数量（ $N$ ）驱动，而非剂量-反应曲线的具体细节。
经验不匹配： 当将谷氨酸能 NMJ 的理论最优分布与来自果蝇的经验数据进行比较时，存在显著的不一致。经验数据表现出向低神经递质浓度集中的趋势，而信息最大化的理论分布则预测向高浓度集中的权重。
不匹配的稳健性： 作者指出，尽管数量级估算涉及不确定性（例如，确切的小泡含量、间隙体积），但这种差异过大，无法通过这些因素来解释。果蝇 iGluRs 的解离常数与使经验直方图与理论最大值对齐所需的数值相比，存在显著差异。

意义与主张
本文声称，果蝇 NMJ 并没有通过塑造其突触小泡释放概率的分布，来最大化从神经系统到肌肉的信息传输。这一发现表明，生物系统可能并不总是运行在信息论极限之下，而是可能优先考虑其他功能性约束，如稳定性、可靠性或能量效率。

作者强调，其工作提供了一个将机械受体模型转化为信息论结构的框架，从而能够与实验数据进行有意义的比较。他们得出结论，虽然 NMJ 在这种特定情况下似乎并未最大化信息传输，但受体响应曲线的形状本质上决定了哪些输入更具信息量。该研究支持了这样一种观点：生物子系统存在于信息最大化机制与约束主导机制之间的光谱之上，而 NMJ 在输入分布方面似乎属于后者。作者明确表示，这些是数量级估计，并不声称提供最终的、决定性的生物学信道容量值，而是展示了最大化信息传输并非果蝇 NMJ 输入分布的组织原则。