摘要：比利时列日大学（University of Liège）神经工程实验室的研究人员揭开了一个引人入胜的大脑机制：即使在神经元生理成分存在显著变化的情况下，它们仍然能够保持稳定的功能。这项研究发表在《PNAS Nexus》期刊上，为理解神经元如何应对内在变化提供了

比利时列日大学（University of Liège）神经工程实验室的研究人员揭开了一个引人入胜的大脑机制：即使在神经元生理成分存在显著变化的情况下，它们仍然能够保持稳定的功能。这项研究发表在《PNAS Nexus》期刊上，为理解神经元如何应对内在变化提供了新的视角。

研究介绍

神经科学界早已认识到，每个大脑都是独一无二的，不仅在于其连接方式，还包括神经元的分子构成，如离子通道——负责离子进出神经元的膜蛋白。这些通道在个体之间以及同一个体的不同神经元之间存在着显著差异。然而，这种变异性并未阻碍大脑功能的稳定性。

所谓的“神经元退化”并非指病理性的退化（如神经退行性疾病），而是指神经系统的一种适应性和鲁棒性特征。这一悖论长期以来一直困扰着科学家们。

列日大学的研究团队，包括Arthur Fyon、Alessio Franci、Pierre Sacré和Guillaume Drion，采用了一种创新的方法，利用数学工具来更好地理解这种特性。他们通过降维方法简化了复杂系统的分析，发现了退化背后的两个独立机制。

“我们的研究表明，这两个机制同时作用，各自具有特定的生理起源和功能。”文章的第一作者、列日大学研究员Arthur Fyon解释道，“它们共同确保了尽管离子通道存在变异，但神经信号的可靠调制。”

这一发现进一步揭示了神经调节的原则，即大脑根据内部或外部信号调整活动的过程。更深入的理解使得定义神经调节调整的通用规则成为可能，这为预测神经活性药物的效果以及改进神经科学计算模型带来了光明的前景。

研究意义

基于这些发现，研究团队开发了一种适用于类神经形态系统的神经调节算法，例如机器人或人工智能设备。这些进展有可能革新机器人技术，创建出能够像人类大脑一样动态适应环境的系统。

计算神经科学是一个迅速扩展的领域，旨在建立实验神经科学与数学模型之间的桥梁。本研究正是这一努力的一部分，它回答了一个关键问题：如何在不丢失重要细节的情况下简化复杂系统的研究？

“我们的工作展示了各种参数，如离子电导率，如何在一个简化的空间中被组织起来，从而使使用神经元模型变得更加容易。”神经运动工程实验室主任Guillaume Drion解释说。

除了理论意义外，这项工作还有重要的实际应用。在机器人技术中，这些算法可以使机器更好地适应不可预见的情况，例如根据环境变化调整行为。同样，在医学领域，它们有助于设计个性化治疗方案，精确针对疾病或药物影响的神经调节机制。

综上所述，列日大学研究人员的这项成果不仅加深了我们对大脑韧性的理解，也为跨学科应用提供了宝贵的工具和见解，有望在未来的技术发展中发挥重要作用。

新闻来源：PNAS Nexus

来源：启真脑机智能基地