Pesquisadores do Projeto Cérebro Humano (HBP) de Forschungszentrum Jülich e da Universidade de Colônia (Alemanha) descobriram como as densidades de neurônios são distribuídas através e dentro de áreas corticais no cérebro de mamíferos. Eles revelaram um princípio organizacional fundamental da citoarquitetura cortical: a onipresente distribuição lognormal de densidades de neurônios.

O número de neurônios e seu arranjo espacial desempenham um papel crucial na formação da estrutura e função do cérebro . No entanto, apesar da riqueza de dados citoarquitetônicos disponíveis, as distribuições estatísticas de densidades de neurônios permanecem amplamente não descritas. O novo estudo da HBP, publicado no Cerebral Cortex , avança a nossa compreensão da organização dos cérebros dos mamíferos.

A equipe baseou suas investigações em nove conjuntos de dados disponíveis publicamente de sete espécies: camundongo, sagüi, macaco, galago, macaco-coruja, babuíno e humano. Depois de analisar as áreas corticais de cada um, eles descobriram que as densidades de neurônios dentro dessas áreas seguem um padrão consistente – uma distribuição lognormal. Isso sugere um princípio organizacional fundamental subjacente às densidades de neurônios no cérebro dos mamíferos .

Uma distribuição lognormal é uma distribuição estatística caracterizada por uma curva inclinada em forma de sino. Surge, por exemplo, ao tomar a exponencial de uma variável normalmente distribuída. Ela difere de uma distribuição normal de várias maneiras. Mais importante ainda, a curva de uma distribuição normal é simétrica, enquanto a lognormal é assimétrica com uma cauda pesada.

Essas descobertas são relevantes para modelar o cérebro com precisão. “Até porque a distribuição das densidades dos neurônios influencia a conectividade da rede”, diz Sacha van Albada, líder do grupo de Neuroanatomia Teórica do Forschungszentrum Jülich e autor sênior do artigo. “Por exemplo, se a densidade de sinapses for constante, regiões com menor densidade de neurônios receberão mais sinapses por neurônio”, explica ela. Tais aspectos também são relevantes para o design de tecnologia inspirada no cérebro, como hardware neuromórfico.

"Além disso, como as áreas corticais são frequentemente distinguidas com base na citoarquitetura, conhecer a distribuição das densidades dos neurônios pode ser relevante para avaliar estatisticamente as diferenças entre as áreas e a localização das fronteiras entre as áreas", acrescenta van Albada.

Esses resultados estão de acordo com a observação de que surpreendentemente muitas características do cérebro seguem uma distribuição lognormal. "Uma razão pela qual pode ser muito comum na natureza é porque surge ao tomar o produto de muitas variáveis ??independentes", diz Alexander van Meegen, primeiro autor do estudo. Em outras palavras, a distribuição lognormal surge naturalmente como resultado de processos multiplicativos, da mesma forma que a distribuição normal surge quando muitas variáveis ??independentes são somadas.

"Usando um modelo simples, fomos capazes de mostrar como a proliferação multiplicativa de neurônios durante o desenvolvimento pode levar às distribuições de densidade de neurônios observadas", explica van Meegen.

De acordo com o estudo, em princípio, as estruturas organizacionais de todo o córtex podem ser subprodutos do desenvolvimento ou evolução que não servem a nenhuma função computacional; mas o fato de que as mesmas estruturas organizacionais podem ser observadas para várias espécies e na maioria das áreas corticais sugere que a distribuição lognormal serve a algum propósito.

“Não podemos ter certeza de como a distribuição lognormal das densidades dos neurônios influenciará a função cerebral, mas provavelmente estará associada à alta heterogeneidade da rede, o que pode ser computacionalmente benéfico”, disse Aitor Morales-Gregorio, primeiro autor do estudo, citando trabalhos anteriores. que sugerem que a heterogeneidade na conectividade do cérebro pode promover a transmissão eficiente de informações. Além disso, as redes heterogêneas suportam um aprendizado robusto e aumentam a capacidade de memória dos circuitos neurais.