神经元形态的物理特性和变异性定义了连接的非随机结构

神经网络的连接性以高度复杂性为特征，这是电路正确功能所必需的。迄今为止，我们对其的捕捉尝试限制于将复杂性的单个特征添加到随机模型中，这导致对其起源的见解有限。基于神经元形态学是网络结构基础的观点，我们开发了一个直观的解释，揭示了导致有结构的非随机连接的机制。虽然一类神经元平均来说会支配其周围环境，但每个单独的神经元只能覆盖空间的一小部分。这个部分对每个神经元来说是不同的，但不是完全随机的，因为由于神经突起的物理特性，它们必须在空间上是连续的。我们在生物物理细节模型和皮层连接的电子显微镜（EM）重建中成功测试了我们假设的预测。我们将其提炼为一个简单的随机算法，生成的网络在基本网络统计和功能相关的复杂性指标上与EM重建准确匹配。我们的工作可能会改善对神经元畸形影响的理解，并使得在简化模型中研究非随机网络结构的功能作用成为可能。