Nouvelles idées sur le noyau géniculé latéral
Une étude montre des formes d'onde de spikes variées chez les neurones du LGN, remettant en question les idées reçues.
― 8 min lire
Table des matières
Le Noyau géniculé latéral (NGL) est une partie super importante du cerveau qui nous aide à voir. C'est comme un hub principal pour les infos visuelles qui viennent des yeux. Le NGL se trouve dans le thalamus, qui joue le rôle de centre de relais pour les signaux dans le cerveau. Le NGL prend les infos de la rétine, la couche sensible à la lumière à l'arrière de l'œil, et les envoie au cortex visuel, la zone du cerveau responsable du traitement de ce qu'on voit.
Chez les primates comme les singes et les humains, le NGL est divisé en plusieurs couches. Ces couches sont connues sous les noms de magnocellulaire (M), parvocellulaire (P) et koniocellulaire (K). Chaque couche gère différents types d'infos visuelles. Les Neurones M sont rapides et bons pour détecter le mouvement. Les neurones P se concentrent sur la couleur et la forme, tandis que les neurones K sont sensibles à la lumière bleue.
Les chercheurs ont appris plein de choses sur ces couches grâce à des études qui examinent comment les neurones réagissent quand ils reçoivent des signaux. La plupart de ce travail a impliqué de mesurer des signaux électriques appelés « spikes » que les neurones produisent quand ils s'activent. Ces spikes peuvent révéler beaucoup aux scientifiques sur le fonctionnement des neurones et sur le type d'infos qu'ils traitent.
Découvertes récentes sur les formes d'onde des neurones
Traditionnellement, quand les scientifiques mesuraient ces spikes dans le NGL, ils remarquaient que les signaux avaient souvent des formes spécifiques, généralement biphasés avec une tension négative. Cela voulait dire que les signaux descendaient d'abord avant de remonter. En fonction de la forme et de la taille de ces signaux, les chercheurs pouvaient déterminer si un neurone était excitateurs (ou actif) ou inhibiteur (ou calme).
Mais avec la nouvelle technologie, les chercheurs peuvent enregistrer des signaux de plein de neurones en même temps. Ça a révélé une variété surprenante de formes de spikes qui diffèrent des formes négatives standard. Par exemple, ils ont trouvé des formes d'onde triphasiques chez les rats, des formes à spikes positifs chez les chats, et des formes à double spikes chez les furets.
Cette découverte est importante car elle change la façon dont les scientifiques perçoivent les signaux que les neurones envoient. Ça met aussi en lumière le fait que les méthodes précédentes pourraient avoir raté des types de neurones importants. Comprendre les différentes formes de spikes peut aider les chercheurs à en apprendre plus sur la façon dont l'info visuelle est traitée aux premiers stades.
Objectif de l'étude
Dans cette étude, les chercheurs voulaient examiner de plus près le NGL chez des macaques rhésus, un type de singe. Ils ont enregistré des signaux de neurones sans essayer d'isoler des unités individuelles, ce qui veut dire qu'ils pouvaient capturer une image complète de l'activité dans le NGL. En examinant à la fois les signaux et les champs récepteurs (zones de l'espace visuel qui affectent la réponse du neurone), ils voulaient trouver des patterns qui pourraient lier les formes de spikes au type de neurone.
Fait étrange, certaines unités n’avaient pas de champ récepteur identifié. Ces unités à champ non récepteur (N) réagissaient quand même à des Stimuli visuels, mais montraient une activité plus faible que les unités avec des champs récepteurs clairs. Ça soulève des questions sur les fonctions de ces unités N et suggère qu'il pourrait y avoir plus de complexité dans la façon dont le NGL traite l'info visuelle que ce qu'on pensait avant.
Méthodes
Préparation des animaux
L'étude impliquait trois singes macaques rhésus adultes, qui étaient gardés dans une installation animale spécialisée. Les singes ont été soigneusement préparés pour l'étude en plaçant chirurgicalement des dispositifs qui permettraient aux scientifiques d'enregistrer des signaux directement de leur cerveau. Ils ont été entraînés à rester immobiles et à regarder un écran pendant que leurs mouvements oculaires étaient surveillés.
Procédure d'enregistrement
Quand les singes étaient en place, les chercheurs affichaient des stimuli visuels sur un moniteur. Les singes étaient entraînés à fixer un point central sur l'écran pendant que différents types de motifs visuels étaient montrés. Leurs mouvements oculaires étaient suivis, et les électrodes placées dans le NGL mesuraient l'activité électrique des neurones durant ce processus.
Types de stimuli visuels
Les stimuli visuels comprenaient divers motifs qui testaient différents aspects de la vision, comme la luminosité et la couleur. Les chercheurs contrôlaient soigneusement ces stimuli pour s'assurer qu'ils pouvaient obtenir des données claires et fiables des neurones enregistrés.
Analyse des signaux
Une fois les signaux électriques enregistrés, les chercheurs ont organisé les données. Ils ont cherché des patterns spécifiques, classé les formes de spikes en groupes, et ensuite examiné comment ces patterns étaient liés au type de neurone et à son champ récepteur.
Résultats sur les neurones dans le NGL
La variété des formes d'onde des spikes
À partir de leurs enregistrements, les chercheurs ont identifié une gamme diversifiée de classes de Formes d'onde de spikes. Ils ont catégorisé ces spikes en plusieurs groupes selon leurs formes. Par exemple, il y avait des classes à spikes étroits-négatifs, larges-négatifs, triphasiques, et à spikes positifs. Chaque classe présentait des caractéristiques distinctes.
Les formes d'onde étroites-négatives étaient généralement associées à certains types de neurones, tandis que les formes larges-négatives étaient liées à d'autres. Les formes triphasiques comportaient une première déviation ascendante avant le spike descendant, suggérant des processus sous-jacents différents. Les classes à spikes positifs étaient remarquables pour leurs formes uniques et leur incidence plus faible.
Champs récepteurs et unités à champ non récepteur
Sur le total des unités enregistrées, 75% ont été classées comme ayant un champ récepteur, ce qui signifie qu'elles pouvaient réagir à des stimuli visuels spécifiques. Cependant, environ 25% des neurones enregistrés ne semblaient pas avoir de champ récepteur clair. Ces neurones montraient quand même un certain niveau de réponse aux stimuli, mais leur activité était souvent plus faible que celle observée chez les unités à champ récepteur typiques.
Caractéristiques de la réponse
L'étude a aussi trouvé des différences dans l'activité de ces unités. Par exemple, les unités réactives avec des champs récepteurs adéquats avaient des taux de tir plus élevés comparés aux unités à champ non récepteur. Même parmi les unités réceptrices, il y avait des différences notables dans la façon dont elles réagissaient selon leur classification en cellules M, P ou K.
Implications des résultats
Défis aux compréhensions traditonnelles
La présence d'unités à champ non récepteur remet en question les idées précédentes sur l'organisation du NGL. Plutôt que de strictement séparer les neurones en classifications M, P et K, l'étude suggère que les rôles fonctionnels des neurones dans le NGL pourraient être plus complexes et entrelacés.
Importance des classifications de formes d'onde
Le fait que différentes formes de spikes correspondent à divers types de fonctions du NGL éclaire les subtilités du traitement visuel. Les différences dans le timing de réponse et les caractéristiques suggèrent que même les unités traditionnellement considérées comme similaires peuvent jouer des rôles distincts dans le grand ensemble du traitement de l'info visuelle.
Impact des techniques d'enregistrement sur les résultats
Enfin, l'étude met en avant les biais potentiels dans la façon dont les données sont collectées par diverses techniques d'enregistrement. En utilisant des électrodes multi-canaux, les chercheurs ont pu capturer une gamme plus large d'activité que ce qui pourrait être observé avec des méthodes à simple canal, qui tendent à privilégier les signaux plus grands et plus forts.
Conclusion
En gros, cette étude améliore notre compréhension du NGL et de sa population neuronale complexe. Avec la découverte d'unités à champ non récepteur et la variété des formes de spikes, ça ouvre la porte à de nouvelles enquêtes sur le traitement visuel. Les recherches futures peuvent s'appuyer sur ces résultats pour explorer les fonctions de types de neurones auparavant négligés et améliorer notre compréhension de la façon dont l'info visuelle est traitée dans le cerveau.
Le travail effectué ici signifie qu'il y a un potentiel pour une exploration plus approfondie des mécanismes du NGL, ce qui pourrait avoir des implications non seulement pour comprendre la vision mais aussi pour des études neurologiques plus larges. Les résultats encouragent à continuer d'examiner la variété des signaux au sein du NGL, ouvrant la voie à une compréhension plus complète du traitement visuel.
Titre: More than expected: extracellular waveforms and functional responses in monkey LGN
Résumé: Unlike the exhaustive determination of cell types in the retina, key populations in the lateral geniculate nucleus of the thalamus (LGN) may have been missed. Here, we have begun to characterize the full range of extracellular neuronal responses in the LGN of awake monkeys using multi-electrodes during the presentation of colored noise visual stimuli to identify any previously overlooked signals. Extracellular spike waveforms of single units were classified into seven distinct classes, revealing previously unrecognized diversity: four negative-dominant classes that were narrow or broad, one triphasic class, and two positive-dominant classes. Based on their mapped receptive field (RF), these units were further categorized into either magnocellular (M), parvocellular (P), koniocellular (K), or non-RF (N). We found correlations between spike shape and mapped RF and response characteristics, with negative and narrow spiking waveform units predominantly associated with P and N RFs, and positive waveforms mostly linked to M RFs. Responses from positive waveforms exhibited shorter latencies, larger RF sizes, and were associated with larger eccentricities in the visual field than the other waveform classes. Additionally, N cells, those without an estimated RF, were consistently responsive to the visually presented mapping stimulus at a lower and more sustained rate than units with an RF. These findings suggest that the LGN cell population may be more diverse than previously believed. Significance statementThis study uncovers evidence for an intricate diversity of neuronal responses within the lateral geniculate nucleus (LGN), challenging conventional classifications and revealing previously overlooked populations. By characterizing extracellular spike waveforms and revising receptive field classifications, we provide novel insights into LGN function. Our findings have significant implications for understanding early visual processing mechanisms and interpreting extracellular signals in neural circuits. Furthermore, we identify non-receptive field units, prompting exploration into their functional roles and broader implications for visual and non-visual computations. This study not only advances our understanding of LGN organization but also highlights the importance of considering recording biases in electrophysiological studies. Overall, our work opens new avenues for interdisciplinary research and contributes to advancing our knowledge of neural dynamics in the visual system.
Auteurs: Shi Hai Sun, N. J. Killian, J. S. Pezaris
Dernière mise à jour: 2024-05-16 00:00:00
Langue: English
Source URL: https://www.biorxiv.org/content/10.1101/2023.11.22.568065
Source PDF: https://www.biorxiv.org/content/10.1101/2023.11.22.568065.full.pdf
Licence: https://creativecommons.org/licenses/by/4.0/
Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.
Merci à biorxiv pour l'utilisation de son interopérabilité en libre accès.