在自然界中，從樹木的分枝模式，到動物的腦和身體的區域化組織，模塊化結構（modular structure）無處不在。然而，這些模塊化結構是如何形成的？它們的大小、數量和邊界等特征是由基因決定的嗎？還是可以通過物理機制，如對稱性破缺等自發涌現？這些問題長期困擾著科學界。

在近期發表在《自然》雜志的一項研究中，一個研究團隊提出了一種名為 “峰值選擇”（peak selection） 的數學模型，它描述了一種無需遺傳指令的情況下，僅依靠局部相互作用和平滑梯度，就可以驅動模塊自組織的過程。

這一發現不僅解釋了模塊化如何在不同尺度上自發出現，還為理解生物系統的組織方式提供了全新視角。

兩大核心理論

長期以來，科學家們嘗試從不同角度解釋模塊化結構的形成。

一種發育形態發生學中的觀點認為，基因在不同位置的選擇性激活，決定結構的啟動或終止。例如，這解釋了昆蟲胚胎如何發育出不同的身體節片，即基因在昆蟲卵中的平滑化學梯度下，根據特定濃度被激活或抑制，從而引導不同結構的形成。

另一種理論源自艾倫·圖靈（Alan Turing）的研究，他提出競爭作用可能驅動結構的形成。在這一框架下，局部競爭性相互作用能夠自發形成模式化結構，例如獵豹皮毛上的斑點或沙丘上的漣漪。該理論強調，不同尺度上的相互作用可以自發形成有序結構，而無需基因精確控制。

這兩種理論各有所長，卻難以單獨解釋所有自然現象。現在，新的研究表明，大自然可能不需要在這兩者之間做出選擇，而是可以通過“峰值選擇”原理，即平滑梯度和局部競爭的結合，自發形成模塊化結構。換句話說，生物系統可以在沒有詳細的自上而下的指令的情況下，通過這種方式自發地組織成具有清晰邊界的模塊。

腦中的模塊化系統

研究人員在網格細胞（grid cells） 上檢驗了他們的理論。網格細胞是動物腦中負責空間導航和記憶存儲的神經元。當動物在環境中移動時，這些細胞會以重復的三角形模式放電，從而幫助建立空間感知。然而，科學家發現，這些網格細胞并非以單一尺度工作，而是分化成多個不同尺度的模塊，每個模塊負責在不同的空間分辨率下進行導航計算。

網格細胞中兩個不同模塊的可視化示意圖，它們以略微不同的分辨率映射空間。（圖/Fiete Lab）

目前尚不清楚這些模塊是如何形成的，而新研究的模型預測，在動物腦中的某個維度上，細胞特性的逐步變化與局部相互作用相結合，或許可以解釋整個結構的形成。

換句話說，網格細胞會自發地分化成多個不同的群組，形成具有清晰邊界的模塊，而這一過程無需基因程序或外部指令的指引。這意味著，當網格細胞的尺度從一個模塊跳轉到另一個模塊時，這種變化可能并非由特定的基因或固有細胞特性所驅動。

自然界的模塊化系統

這一原理不僅適用于神經科學，也同樣適用于更大尺度的生態系統。想象一個環境中，溫度和降水量沿空間平緩變化。按理來說，物種應該均勻分布并逐漸適應環境變化。然而，在現實中，生態系統往往表現出清晰的生態群落邊界，即不同的物種群體在空間上形成明顯的分區，而不是均勻過渡。

新研究提供了可能的解釋：局部物種間的競爭、合作和捕食關系，與大尺度的環境梯度相結合，能夠自發形成清晰的生態分區。這種現象與動物腦中網格細胞模塊的形成機制高度相似，說明塑造神經回路的相同原理也適用于森林、海洋等生態系統。

一個自組織的世界

研究人員進一步發現，這一模塊化形成過程具有高度的魯棒性。當系統整體規模發生變化時，模塊的數量保持穩定，僅僅按比例縮放。這表明，小鼠和人類的腦可以遵循相同的基本規則來形成空間導航系統，只是尺度有所不同。

該模型還提出了一些可檢驗的預測。如果理論成立：網格細胞模塊應遵循簡單的間距比率；在生態系統中，即使環境變化平緩，物種分布仍應形成獨特的集群。

研究人員認為，這項研究為生物學提供了新的理論框架。“峰值選擇”原理不僅有助于解釋網格細胞的組織方式，還可能為整個發育生物學領域提供重要線索。

#參考來源：

https://news.mit.edu/2025/how-nature-organizes-itself-from-brain-cells-to-ecosystems-0310

https://www.nature.com/articles/s41586-024-08541-3

#圖片來源：

封面圖&首圖：ANDREASCLAVADETSCHER / Pixabay