Funkcjonalna bipartytowa inwariantność w polach recepcyjnych pierwotnej kory wzrokowej myszy

Jak mózg widzi przez wizualny bałagan

Znajdowanie znajomej osoby w tłumie czy dostrzeżenie ptaka wśród gęstych liści wydaje się proste, ale wymaga niezwykłej umiejętności: mózg musi rozpoznawać istotne obiekty mimo ciągłych zmian oświetlenia, odległości i tła. W artykule badano, jak małe układy w mózgu myszy osiągają tak elastyczne widzenie. Autorzy odkrywają niespodziewany sposób, w jaki pojedyncze neurony dzielą swoje „pole widzenia” na dwie części, aby pozostać czułymi na granice obiektów przy jednoczesnym ignorowaniu rozpraszających detali.

Badanie wzrokowego mózgu za pomocą sprytnych komputerów

Badanie koncentruje się na pierwotnej korze wzrokowej, obszarze, który jako pierwszy przetwarza obrazy z oczu. Zamiast prezentować proste wzory, takie jak paski, badacze pokazywali świadomym myszom tysiące bogatych, naturalnych zdjęć, rejestrując aktywność dziesiątek tysięcy neuronów. Następnie wytrenowali model głębokiego uczenia, aby przewidywał, jak każdy neuron zareaguje na dowolny nowy obraz. Ten model służył jako „cyfrowy bliźniak” prawdziwej tkanki mózgowej: szybki, elastyczny substytut, który można było badać za pomocą niezliczonych syntetycznych obrazów, które w praktyce byłyby trudne do przetestowania bezpośrednio na zwierzętach.

Wiele różnych obrazów, ta sama aktywacja neuronu

Wykorzystując cyfrowego bliźniaka, zespół wygenerował dla każdego neuronu obraz maksymalnie go pobudzający (jego ulubiony obraz), a następnie zestaw „zróżnicowanych pobudzających wejść”. To 20 obrazów, które wyglądają jak najbardziej odmiennie, a mimo to wszystkie silnie aktywują tę samą komórkę. Gdy pokazano te specjalne obrazy z powrotem myszom, prawdziwe neurony zapalały się niemal tak silnie, jak przewidział model, potwierdzając, że metoda syntezy ujawniła autentyczne właściwości mózgu. Wzorce występujące w tych obrazach podsumowywały, na czym zależy każdemu neuronowi i jakie zmiany w obrazie potrafi tolerować bez utraty reaktywności.

Zaskakujące podwójne spojrzenie w pojedynczych neuronach

Wiele neuronów zachowywało się zgodnie z oczekiwaniami, reagując na proste krawędzie lub na tekstury, które mogły się przemieszczać bez zmiany odpowiedzi. Jednak duża grupa wykazała nowy rodzaj zachowania, które autorzy nazwali „bipartytową inwariantnością”. Dla tych neuronów obszar przestrzeni wizualnej, który monitorują, skutecznie dzieli się na dwie niepokrywające się strefy. W jednej strefie neuron wymaga konkretnego, stałego wzoru. W drugiej strefie reaguje silnie, o ile pojawi się tam pewna wersja preferowanej, drobnoziarnistej tekstury, nawet jeśli ta tekstura jest przesunięta. To połączenie — sztywny wzór obok elastycznego detektora tekstury — nie da się wytłumaczyć klasycznymi modelami wczesnych komórek wzrokowych i sugeruje, że te neurony są specjalnie dostrojone do wykrywania przejść między różnymi rodzajami szczegółów powierzchni.

Wykrywanie krawędzi obiektów w hałaśliwym świecie

Następnie badacze zapytali, do czego ta podzielona struktura może się przydawać w prawdziwych scenach. Przeskanowali ponad milion oznaczonych zdjęć ptaków, szukając naturalnych wycinków, które silnie aktywowały każdy neuron. Te szczególnie skuteczne wycinki zwykle zawierały krawędź między ptakiem a tłem. Co więcej, strona pola recepcyjnego neuronu, która tolerowała zmienne wejście, zazwyczaj preferowała wysokie przestrzenne detale — drobne pióra, korę czy żwirek — podczas gdy strona stała wolała gładsze, niskoczęstotliwościowe wzory. Gdy zespół odtworzył obrazy ptaków za pomocą prostych gratów, okazało się, że neurony te silnie preferują granice, gdzie obie strony różnią się ostrością tekstury, czasem razem z różnicami orientacji. Innymi słowy, komórki te wydają się być skonfigurowane do sygnalizowania miejsc, gdzie świat wizualny gwałtownie zmienia się z struktury gruboziarnej na drobnoziarnistą — silny sygnał do oddzielania obiektów od otoczenia.

Łączenie okablowania obwodu z elastycznym widzeniem

Aby powiązać to obliczenie z fizycznym okablowaniem, autorzy sięgnęli do ogromnego zestawu danych „funkcjonalnej konektomiki”, w którym zarówno odpowiedzi, jak i połączenia synaptyczne tysięcy neuronów wzrokowych myszy zostały zmapowane. Stosując tam swoje podejście cyfrowego bliźniaka, odkryli, że neurony odbierające wejścia (komórki postsynaptyczne) zwykle wykazywały większą inwariancję — większą tolerancję na zróżnicowane pobudzające wejścia — niż neurony, które do nich doprowadzały. Jednocześnie neurony o niższej inwariancji miały tendencję do tworzenia większej liczby połączeń. Ten wzorzec wspiera od dawna głoszoną ideę: bardziej złożone, tolerancyjne odpowiedzi budowane są przez łączenie sygnałów z wielu prostszych wejść, a tutaj hierarchia ta jest zademonstrowana w obrębie jednej warstwy kory, nie tylko między obszarami mózgu.

Dlaczego to ma znaczenie dla mózgów i maszyn

Łącznie te odkrycia ujawniają nową zasadę organizacyjną w korze wzrokowej myszy: wiele neuronów dzieli swoje pole widzenia na jedną stabilną strefę i jedną elastyczną względem tekstury strefę, co czyni je naturalnymi detektorami granic wyznaczanych przez różnice w drobnych detalach. Ta bipartytowa struktura wydaje się odporna na różne metody badawcze i dobrze koreluje z krawędziami obiektów w rzeczywistym świecie, oferując konkretny mechanizm na poziomie obwodów wyjaśniający, jak mózg segmentuje zatłoczone sceny. Poza podstawową neuronauką praca sugeruje też pomysły projektowe dla systemów widzenia sztucznego, gdzie wprowadzenie podobnych jednostek z podzielonym polem mogłoby zwiększyć odporność komputerowego widzenia na zmiany tła, zachowując jednocześnie wysoką czułość na kontury obiektów.

Cytowanie: 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

Słowa kluczowe: kora wzrokowa, segmentacja tekstury, neuronalna inwariancja, granice obiektów, neuronauka obliczeniowa