近日，来自宾夕法尼亚大学（University of Pennsylvania）的研究人员开发了一个简化的、基于统计学的模型，可以用来解释个别气味如何根据情景被认为与其他气味更相似或更不相似。这个模型为产生新的假设和进行实验提供了一个起点，可以帮助研究人员更好地了解嗅觉系统，这是大脑一个复杂而关键的部分。

每个分子都可以与许多受体结合，每个受体也可以与许多分子结合，所以会得到很多组合混杂的情况。鼻子以一种涉及许多受体类型的方式对气味进行编码，以共同告诉你什么是气味。因为受体类型比分子种类少得多，所以基本上人体必须把一个非常高维的嗅觉空间压缩到一个低得多的神经反应空间。

在这项研究中，研究人员尝试了一种更简单的方法，将中枢大脑和嗅球之间的非结构性随机反馈纳入其中。

为了在模型中囊括尽可能多的复杂性，研究人员结合了两种方法。一种是比较典型的物理学工作，涉及到将一个系统分解成仅有的基本特征，以便进行计算和理解关键原理。另一种更符合生物学的方法，结合尽可能多的已知输入，这里包括大脑解剖学和生理学的数据，神经元离子通道动力学，电子显微照片，以及嗅球的详细三维几何形状。

研究人员发现，新的简化模型可以用来重现在嗅觉实验中看到的相同类型结果，这样一个复杂的过程需要学习和可塑性，以适应和改变神经突触来修改大脑对气味的表述。目前研究可能已经发现了一种使用某些种类的随机信号，来诱导这些效应的一般策略。

在未来，研究人员希望将其统计模型的结果与实验结果联系起来。一个具体领域是皮质兴奋性的增加，这发生在某些神经系统疾病，如阿尔茨海默病，如何影响不同气味的感知。此外，拥有这些类型的模型和理论也可以帮助研究人员更好地了解新冠肺炎之后的嗅觉障碍。

题为Cortical feedback and gating in odor discrimination and generalization的相关研究论文发表在《PLoS计算生物学》上。

前瞻经济学人APP资讯组

论文原文：

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

标签： 嗅觉 气味