マウス一次視覚野受容野における機能的二分不変性

視覚的雑音の中で脳はどう見分けるか

人混みで友人を見つけたり、葉の茂みの中で鳥を見つけるのが簡単に感じられるのは、驚くべき能力のおかげです。照明や距離、背景が常に変化する中でも重要な対象を認識し続けなければなりません。本論文は、マウスの脳内の小さな回路がどのようにしてその柔軟な視覚を実現しているかを探ります。著者らは、個々のニューロンが世界の「視界」を二つに分けることで、物体の境界に敏感であり続けつつ、気を散らす細部を無視するという予期せぬ仕組みを明らかにします。

高度な計算機で視覚脳を探る

研究は、目からの画像を最初に処理する領域である一次視覚野に焦点を当てています。研究者たちは縞模様のような単純なパターンを提示する代わりに、覚醒下のマウスに何千もの豊かな自然写真を見せながら、数万のニューロンの活動を記録しました。次に、各ニューロンがどのように新しい画像に反応するかを予測する深層学習モデルを訓練しました。このモデルは実際の脳組織の「デジタルツイン」として機能し、動物に直接試すのが現実的でない無数の合成画像で高速かつ柔軟に探査できる代理となりました。

多様な画像で同じニューロンが興奮する

デジタルツインを使って、研究チームは各ニューロンについて最も興奮させる画像（そのニューロンの好みの画像）と、一連の「多様な刺激画像」を生成しました。これらは互いにできるだけ異なって見えるが、いずれも同じ細胞を強く活性化する20枚の画像です。これらの特別な画像をマウスに再提示すると、実際のニューロンはモデルが予測したほど近い強さで反応し、合成手法が脳の真の特性を明らかにしたことが確認されました。これらの画像にわたるパターンは、各ニューロンが何を重要視しているか、そしてどのような画像の変化を許容できるかを要約しています。

単一ニューロン内の意外な二分された視野

多くのニューロンは予想どおりに振る舞い、単純なエッジや、移動しても反応が変わらないテクスチャに応答しました。しかし、大きなグループが著者らが「二分不変性」と呼ぶ新しい振る舞いを示しました。これらのニューロンでは、監視する視空間のパッチが互いに重ならない二つの領域に事実上分割されます。一方の領域ではニューロンは特定の固定パターンを要求します。他方の領域では、細かなテクスチャの好ましいバージョンがそこに現れる限り、テクスチャが移動しても強く応答します。この組み合わせ――硬直したパターンと隣接する柔軟なテクスチャ検出器――は古典的な初期視覚細胞のモデルでは説明できず、これらのニューロンが異なる種類の表面ディテールの切り替わりに特化して調整されていることを示唆します。

雑多な世界で物体の縁を検出する

研究者たちは次に、この分割構造が実際の場面で何に役立つかを調べました。彼らはラベル付きの鳥の写真を100万枚以上スキャンし、各ニューロンを強く活性化する自然な切り抜きを探しました。強く反応する切り抜きは、鳥と背景の境界を含む傾向がありました。さらに、可変入力を許容する側は通常、高い空間周波数の細かいディテール――細かい羽毛、樹皮、砂利など――を好み、固定側はより滑らかで低周波のパターンを好む傾向がありました。チームがこれらの鳥画像を単純なグレーティングで再構成したところ、こうしたニューロンは両側でテクスチャの鋭さ（細かさ）が異なる境界、場合によっては配向の違いを伴う境界を強く好むことがわかりました。言い換えれば、これらの細胞は視覚世界が粗い構造から細かい構造へと急に変化する場所を検出するように配線されており、物体を背景から分離する強力な手がかりとなります。

回路配線と柔軟な視覚のつながり

この計算を物理的な配線に結びつけるため、著者らは何千ものマウス視覚ニューロンの応答とシナプス結合の両方がマッピングされた大規模な「機能的コネクトミクス」データセットに目を向けました。そこでもデジタルツイン手法を適用したところ、入力を受けるニューロン（後シナプス側の細胞）は一般により大きな不変性――多様な刺激入力に対する許容度――を示し、入力を与える側のニューロンよりも不変性が高いことが分かりました。同時に、不変性の低いニューロンはより多くの接続を形成する傾向がありました。このパターンは長年の考えを支持します：より複雑で許容度の高い応答は多くの単純な入力をプールすることで構築される、しかしただしここではその階層性が脳領域間だけでなく同一皮質層内でも示されています。

脳と機械にとっての意義

これらの発見を総合すると、マウス視覚野における新たな組織原理が浮かび上がります。多くのニューロンが視野を一つの安定領域と一つのテクスチャに対して柔軟な領域に分割し、細かいディテールの違いによって形作られる境界を自然に検出する素地を作っているのです。この二分構造は手法を超えて頑健であり、実世界の物体の縁とよく一致し、脳が雑多な場面を分割するための具体的な回路レベルのメカニズムを提供します。基礎神経科学を超えて、同様の分割フィールドユニットを導入することは、背景変化に対してより堅牢でありながら物体輪郭に対する鋭敏さを保つ人工視覚システムの設計にも示唆を与えます。

引用: 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

キーワード: 視覚野, テクスチャ分割, ニューロンの不変性, 物体境界, 計算神経科学