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。