Invarianza bipartita funzionale nei campi recettivi della corteccia visiva primaria del topo

Come il cervello vede attraverso il disordine visivo

Trovare un amico in mezzo alla folla o scorgere un uccello tra i rami frondosi sembra semplice, ma richiede un’abilità notevole: il nostro cervello deve riconoscere ciò che conta nonostante cambiamenti continui di luce, distanza e sfondo. Questo studio esplora come piccoli circuiti nel cervello del topo raggiungano una visione così flessibile. Gli autori scoprono un modo inatteso in cui singoli neuroni dividono la loro “visione” del mondo in due parti per restare sensibili ai contorni degli oggetti ignorando i dettagli distraenti.

Esplorare il cervello visivo con computer sofisticati

Lo studio si concentra sulla corteccia visiva primaria, una regione che elabora per prima le immagini provenienti dagli occhi. Invece di mostrare schemi semplici come bande, i ricercatori hanno presentato a topi svegli migliaia di fotografie naturali ricche di contenuto registrando l’attività di decine di migliaia di neuroni. Hanno poi addestrato un modello di deep learning per prevedere come ogni neurone avrebbe risposto a qualunque nuova immagine. Questo modello ha funzionato come un “gemello digitale” del tessuto cerebrale reale: un sostituto rapido e flessibile che poteva essere sondato con innumerevoli immagini sintetiche che sarebbe stato impraticabile testare direttamente sugli animali.

Tante immagini diverse, stessa eccitazione neuronale

Usando il gemello digitale, il team ha generato, per ciascun neurone, un’immagine massimamente eccitante (la sua immagine preferita) e poi un insieme di “input eccitanti variati”. Si tratta di 20 immagini che appaiono il più diverse possibile l’una dall’altra ma che attivano comunque fortemente la stessa cellula. Quando hanno mostrato queste immagini speciali ai topi, i neuroni reali si sono attivati quasi quanto previsto dal modello, confermando che il metodo di sintesi aveva rivelato proprietà genuine del cervello. I pattern attraverso queste immagini riassumevano ciò a cui ogni neurone prestava attenzione e quali variazioni nell’immagine potesse tollerare senza perdere l’entusiasmo.

Una sorprendente visione divisa all’interno di singoli neuroni

Molti neuroni si comportavano come previsto, rispondendo a semplici bordi o a texture che potevano spostarsi senza cambiare la risposta. Ma un gruppo numeroso mostrava un nuovo tipo di comportamento che gli autori chiamano “invarianza bipartita”. Per questi neuroni, la porzione di spazio visivo che monitorano si divide effettivamente in due zone non sovrapposte. In una zona il neurone richiede un pattern specifico e fisso. Nell’altra zona risponde in modo robusto purché compaia una versione di una texture fine preferita, anche se quella texture è spostata. Questa combinazione — un pattern rigido accanto a un rilevatore di texture flessibile — non può essere spiegata dai modelli classici delle cellule visive precoci e suggerisce che questi neuroni sono sintonizzati in modo speciale sulle transizioni tra diversi tipi di dettaglio superficiale.

Rilevare i bordi degli oggetti in un mondo rumoroso

I ricercatori si sono quindi chiesti a cosa potesse servire questa struttura divisa nelle scene reali. Hanno analizzato oltre un milione di fotografie etichettate di uccelli, cercando ritagli naturali che attivassero fortemente ciascun neurone. Quei ritagli altamente efficaci tendevano a contenere il bordo tra l’uccello e lo sfondo. Inoltre, il lato del campo recettivo del neurone che tollerava input variabili favoriva tipicamente dettagli spaziali elevati — piume sottili, corteccia o ghiaia — mentre il lato fisso preferiva pattern più lisci e a frequenza più bassa. Quando il team ha ricostruito le immagini di uccelli usando semplici griglie, ha scoperto che questi neuroni prediligevano fortemente i confini in cui i due lati differivano nella nitidezza della texture, talvolta insieme a differenze di orientamento. In altre parole, queste cellule sembrano progettate per segnalare i punti in cui il mondo visivo cambia bruscamente da struttura grossolana a struttura fine, un indizio potente per separare gli oggetti dal contesto.

Collegare il cablaggio del circuito alla visione flessibile

Per mettere in relazione questo calcolo con il cablaggio fisico, gli autori si sono rivolti a un grande dataset di “connettoma funzionale” in cui sono state mappate sia le risposte sia le connessioni sinaptiche di migliaia di neuroni visivi murini. Applicando lì il loro approccio con il gemello digitale, hanno scoperto che i neuroni che ricevono input (cellule postsinaptiche) mostravano in generale maggiore invarianza — maggiore tolleranza a input eccitanti variati — rispetto ai neuroni che li alimentano. Allo stesso tempo, i neuroni con minore invarianza tendevano a formare più connessioni. Questo schema supporta un’idea di lunga data: risposte più complesse e tolleranti si costruiscono raggruppando segnali da molti input più semplici, ma qui questa gerarchia è dimostrata all’interno di un singolo strato corticale, non solo tra aree cerebrali.

Perché questo è importante per cervelli e macchine

Complessivamente, questi risultati rivelano un nuovo principio organizzativo nella corteccia visiva del topo: molti neuroni ritagliano la loro vista in una regione stabile e una regione flessibile alle texture, rendendoli rivelatori naturali di bordi definiti da differenze nei dettagli fini. Questa struttura bipartita appare robusta attraverso i metodi ed è allineata con i contorni reali degli oggetti, offrendo un meccanismo concreto a livello di circuito su come il cervello segmenta scene affollate. Oltre alle neuroscienze di base, il lavoro suggerisce anche idee di progettazione per i sistemi di visione artificiale, dove introdurre unità a campo diviso simili potrebbe rendere la visione computerizzata più robusta ai cambiamenti di sfondo mantenendo una forte sensibilità ai contorni degli oggetti.

Citazione: Ding, Z., Tran, D., Ponder, K. et al. Functional bipartite invariance in mouse primary visual cortex receptive fields. Nat Neurosci 29, 851–863 (2026). https://doi.org/10.1038/s41593-026-02213-3

Parole chiave: corteccia visiva, segmentazione della texture, invarianza neuronale, contorni degli oggetti, neuroscienze computazionali