模块化结构和功能在生物学中无处不在,从动物体和大脑的组织到生态系统的规模。然而,模块化的机理尚不清楚。在这里,我们介绍了峰值选择的原理,该过程纯粹是局部相互作用和光滑的梯度可以导致全球模块化组织。可以从平稳的全局梯度中导致不连续模块边界的自组织,从而统一了形态发生的位置假设和图灵模式形成假设。应用于大脑的网格细胞网络,峰选择会导致具有离散间隔空间周期的功能不同模块的潮流出现。应用于生态系统,该过程的概括导致离散的系统级别的壁ni。动力学表现出对系统大小和“台式鲁棒性” [1]的新自我缩放,从而使模块出现和模块属性对大多数参数不敏感。此外,峰选择赋予模块内的鲁棒性。即使在单个网格细胞模块中,它也对连续吸引力动力学的微调需求进行了评估。它做出了一个独立于细节的预测,即网格模块周期比率应近似相邻的整数比率,并提供迄今为止最准确的数据匹配。其他可测试的预测有望弥合生理学,连接组学和转录。总的来说,我们的结果表明,与低信息全局梯度相结合的局部交互可以驱动强大的全局模块出现。
主要关键词