Neuronal avalanches in awake macaque V1 and V4
这项研究表明，尽管存在强烈的结构化传入驱动，清醒猕猴早期视觉皮层（V1 和 V4）中的神经元雪崩仍表现出稳健的幂律定标和临界动力学特征，这与此前在运动区域观察到的现象相似。
原始论文采用 CC BY 4.0 许可（https://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
大脑并非一个静态的机器，而是一个永不停歇的生命网络。即使当我们没有在思考任何特定事物时，数十亿个神经元仍在进行着复杂的、不断变化的模式化放电。几十年来，科学家们一直在探究这种背景噪声是随机的混沌，还是遵循某种隐藏的秩序。一个引人注目的观点认为，大脑运行在一个“临界点”上，即处于有序与混沌之间的微妙平衡点，在此状态下，信息的流动效率最高。在这种状态下，微小的活动火花有时会迅速熄灭，但有时也会演变成大规模的同步放电浪潮，就像一朵小雪花触发了一场大规模雪崩一样。这些被称为“神经元雪崩”的级联现象似乎遵循一种特定的数学模式：其中小规模事件的频率很高，但大规模事件虽然罕见，却仍频繁发生到足以符合一条可预测的曲线。如果大脑确实生活在这个临界点上，那就意味着该网络被完美地调谐，既不会过于僵化而无法改变，也不会过于混乱而无法维持一个念头。
直到最近，这种现象才在清醒猴子的运动区域（控制运动的部分）以及处于麻醉状态的动物脑片中被清晰地观察到。然而，一个关键问题仍悬而未决：这种相同的临界组织形式是否存在于清醒动物的视觉皮层中？视觉系统是独特的，因为它不断受到来自眼睛的强大且结构化信号的轰至。科学家需要知道，这种沉重的外部输入是否会破坏雪崩这种微妙的平衡，或者大脑内部组织活动的规则是否足够强大，能够在动物注视世界的同时依然保持不变。
为了回答这个问题，研究人员利用了从两只成年猕猴身上记录的大规模数据集。这些动物被植入了包含一千多个微型电极的阵列，分布在视觉大脑的两个关键区域：接收来自眼睛的第一信号的原发视觉皮层，以及处理更复杂视觉细节的高级区域。猴子静静地坐在黑暗的房间里，没有执行任何特定任务，这让科学家得以聆听它们自发的活动。研究人员专注于动物清醒的时刻，仔细过滤掉睡眠或昏睡的时段，并密切关注猴子的眼睛是睁开还是闭合。通过分析这些电极的电信号，他们寻找着雪崩的典型迹象：即那些起始微小并逐渐壮大的活动簇，这些活动遵循着暗示系统处于临界点的特定统计模式。
结果令人震惊。在两只猴子中，自发性的电活动都完全按照预期形成了这些级联现象。雪崩的大小在跨越超过最小事件十倍以上的范围内，都遵循预期的模式，这证实了即使在接收来自眼睛的强烈信号时，视觉皮层也以与运动皮层相同的方式进行组织。研究人员通过改变分析规则来测试这一发现的稳健性。他们使用不同的时间窗口观察数据，提高了被视为一次“事件”的阈值，甚至移除了大量电极以观察模式是否依然成立。在每种情况下，幂律关系都保持完好。当他们打乱信号的时间顺序，使得不同电极上的事件不再同步发生时，这种模式便消失了，这证明了这种组织是真实的，而非仅仅是统计学上的巧合。他们还发现，雪崩停止时的截断点与他们观察到的电极数量完美缩放，这表明最大事件的大小仅受限于他们能观察到多少部分的脑区，而非受限于大脑自身的内部动力学。
该研究中最引人入胜的部分之一涉及猴子的眼睛状态。研究人员比较了动物睁眼与闭眼时的脑活动。直觉上，人们可能会认为当大量的视觉输入被切断时，大脑的行为会发生巨大变化。然而，研究发现，雪崩的基本统计特性几乎没有变化。无论眼睛是睁开还是闭合，级联的大小、增长的速度以及网络内的活动平衡都保持不变。观察到的差异非常微小，远小于同一大脑内不同记录位点之间的自然变异。这表明大脑的内部组织是极其稳定且稳健的，即使在外部世界发生剧烈变化时，也能维持其临界状态。
研究人员还注意到，虽然整体模式是一致的，但在两只猴子之间以及大脑内部的不同记录位置之间存在细微差异。这些差异比由睁眼或闭眼引起的改变更大，暗示了组织的特定架构或记录的技术细节可能会塑造精确的数值。研究并未发现大脑处于一种完美、恒定临界状态的证据，而是表明它维持了一种稳定的、类临界（critical-like）的组织，这种组织对感觉输入的改变具有韧性。这项工作扩展了我们对大脑运作方式的理解，表明神经元雪崩这种优雅的无标度组织不仅限于运动控制或安静的麻醉状态，也是清醒的、处理感觉信息的脑部的基本特征。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。