近日，來自賓夕法尼亞大學（University of Pennsylvania）的研究人員開發了一個簡化的、基于統計學的模型，可以用來解釋個別氣味如何根據情景被認為與其他氣味更相似或更不相似。這個模型為產生新的假設和進行實驗提供了一個起點，可以幫助研究人員更好地了解嗅覺系統，這是大腦一個復雜而關鍵的部分。

每個分子都可以與許多受體結合，每個受體也可以與許多分子結合，所以會得到很多組合混雜的情況。鼻子以一種涉及許多受體類型的方式對氣味進行編碼，以共同告訴你什么是氣味。因為受體類型比分子種類少得多，所以基本上人體必須把一個非常高維的嗅覺空間壓縮到一個低得多的神經反應空間。

在這項研究中，研究人員嘗試了一種更簡單的方法，將中樞大腦和嗅球之間的非結構性隨機反饋納入其中。

為了在模型中囊括盡可能多的復雜性，研究人員結合了兩種方法。一種是比較典型的物理學工作，涉及到將一個系統分解成僅有的基本特征，以便進行計算和理解關鍵原理。另一種更符合生物學的方法，結合盡可能多的已知輸入，這里包括大腦解剖學和生理學的數據，神經元離子通道動力學，電子顯微照片，以及嗅球的詳細三維幾何形狀。

研究人員發現，新的簡化模型可以用來重現在嗅覺實驗中看到的相同類型結果，這樣一個復雜的過程需要學習和可塑性，以適應和改變神經突觸來修改大腦對氣味的表述。目前研究可能已經發現了一種使用某些種類的隨機信號，來誘導這些效應的一般策略。

在未來，研究人員希望將其統計模型的結果與實驗結果聯系起來。一個具體領域是皮質興奮性的增加，這發生在某些神經系統疾病，如阿爾茨海默病，如何影響不同氣味的感知。此外，擁有這些類型的模型和理論也可以幫助研究人員更好地了解新冠肺炎之后的嗅覺障礙。

題為Cortical feedback and gating in odor discrimination and generalization的相關研究論文發表在《PLoS計算生物學》上。

前瞻經濟學人APP資訊組

論文原文：

https://journals.plos.org/ploscompbiol/article?id=10.1371/journal.pcbi.1009479

標簽： 嗅覺 氣味