一个解释自组织的新原理

在自然界中，从树木的分枝模式，到动物的脑和身体的区域化组织， 模块化结构 （modular structure） 无处不在。然而，这些模块化结构是如何形成的？它们的大小、数量和边界等特征是由基因决定的吗？还是可以通过物理机制，如对称性破缺等自发涌现？这些问题长期困扰着科学界。

在近期发表在《自然》杂志的一项研究中，一个研究团队提出了一种名为 “ 峰值选择 ” （peak selection） 的数学模型，它描述了一种无需遗传指令的情况下，仅依靠局部相互作用和平滑梯度，就可以驱动模块自组织的过程。

这一发现不仅解释了模块化如何在不同尺度上自发出现，还为理解生物系统的组织方式提供了全新视角。

两大核心理论

长期以来，科学家们尝试从不同角度解释模块化结构的形成。

一种发育形态发生学中的观点认为， 基因在不同位置的选择性激活， 决定结构的启动或终止 。例如，这解释了昆虫胚胎如何发育出不同的身体节片，即基因在昆虫卵中的平滑化学梯度下，根据特定浓度被激活或抑制，从而引导不同结构的形成。

另一种理论源自 艾伦·图灵 （Alan Turing） 的研究，他提出 竞争 作用可能驱动结构的形成。在这一框架下， 局部竞争性相互作用能够自发形成模式化结构 ，例如猎豹皮毛上的斑点或沙丘上的涟漪。该理论强调，不同尺度上的相互作用可以自发形成有序结构，而无需基因精确控制。

这两种理论各有所长，却难以单独解释所有自然现象。现在，新的研究表明，大自然可能不需要在这两者之间做出选择，而是可以通过 “峰值选择”原理 ，即平滑梯度和局部竞争的结合，自发形成模块化结构。换句话说，生物系统可以在没有详细的自上而下的指令的情况下，通过这种方式自发地组织成具有清晰边界的模块。

脑中的模块化系统

研究人员在 网格细胞 （grid cells） 上检验了他们的理论。网格细胞是动物脑中负责空间导航和记忆存储的神经元。当动物在环境中移动时，这些细胞会以重复的三角形模式放电，从而帮助建立空间感知。然而，科学家发现，这些网格细胞并非以单一尺度工作，而是分化成多个不同尺度的模块，每个模块负责在不同的空间分辨率下进行导航计算。