Come gli Animali Svegli Elaborano la Posizione dei Suoni
Uno studio rivela come i neuroni nei topi svegli codifichino la posizione del suono.
Juan Carlos Boffi, B. Bathellier, H. Asari, R. Prevedel
― 8 leggere min
Indice
- Il Processo di Localizzazione del Suono
- Importanza del Collicolo Inferiore
- Limitazioni delle Ricerche Precedenti
- Indagare la Localizzazione del Suono in Animali Sveglie
- Progettazione dello Studio
- Raccolta Dati
- Risultati
- Rumore Neuronale e Variabilità di Risposta
- Decodificare la Posizione del Suono
- Il Ruolo delle Correlazioni di Rumore
- Implicazioni per Futuri Ricercatori
- Conclusione
- Fonte originale
- Link di riferimento
L'udito è fondamentale per la sopravvivenza in molti animali. Aiuta a trovare cibo, accoppiarsi e evitare i predatori. La capacità di capire da dove proviene un suono è una parte chiave dell'udito. Questa abilità dipende da come il suono raggiunge entrambe le orecchie e da come il cervello elabora queste informazioni.
Negli animali con colonna vertebrale, la localizzazione del suono si basa su diversi indizi. Questi includono quanto è forte il suono tra le orecchie e il tempo che impiega un suono a raggiungere ciascun orecchio. Altri indizi riguardano le differenze nella frequenza del suono. Il cervello usa questi indizi per capire da dove proviene un suono.
Una parte importante del cervello per questo processo è il Collicolo Inferiore (IC). L'IC funge da stazione di passaggio per le informazioni sonore provenienti dalle orecchie prima di raggiungere aree cerebrali superiori. Capire come il cervello rappresenta la Posizione del suono all'IC può offrire spunti su come gli animali ascoltano.
Il Processo di Localizzazione del Suono
Quando viene prodotto un suono, genera onde che viaggiano attraverso l'aria. Quando queste onde sonore raggiungono le orecchie, vengono elaborate dal cervello. Entrambe le orecchie ricevono il suono, ma non nello stesso momento o con la stessa intensità. Il cervello usa queste differenze per individuare da dove proviene il suono.
Negli mammiferi, i suoni sono elaborati in vari passaggi. Prima, il suono entra nell'orecchio esterno e viaggia verso il timpano. Il timpano vibra, inviando il segnale sonoro a piccoli ossicini nell'orecchio medio, che amplificano il suono. Il suono raggiunge poi la coclea nell'orecchio interno, dove viene convertito in segnali elettrici. Questi segnali viaggiano lungo il nervo uditivo fino al cervello.
Il cervello elabora prima i segnali sonori nel tronco encefalico, dove calcola le differenze di tempo e intensità. Queste informazioni vengono inviate all'IC, dove i dati provenienti da entrambe le orecchie vengono combinati per formare un'immagine della posizione del suono nello spazio.
Importanza del Collicolo Inferiore
L'IC è cruciale per capire come localizziamo i suoni. Raccoglie informazioni da entrambe le orecchie e integra questi dati per la prima volta. Questo processo aiuta a creare una comprensione più completa di dove provengono i suoni.
I ricercatori hanno studiato come i Neuroni nell'IC rispondono a diverse posizioni sonore. Questi studi hanno dimostrato che i neuroni sono sintonizzati su indizi sonori specifici. Le risposte di gruppi di neuroni lavorano insieme per creare un codice di popolazione che rappresenta le posizioni sonore.
Tuttavia, la maggior parte degli studi ha esaminato come funziona questo in animali che non erano svegli o attenti. Questo solleva interrogativi su quanto bene questi risultati possano tradursi in situazioni reali, dove gli animali sono attivi e ascoltano suoni.
Limitazioni delle Ricerche Precedenti
La maggior parte degli studi precedenti sull'IC si basava su dati raccolti da animali che non erano completamente svegli o impegnati. Spesso usavano metodi che non catturavano l'attività dei singoli neuroni in tempo reale. Invece, si affidavano a medie su molte prove, il che potrebbe non riflettere accuratamente come un animale sveglio elabora il suono.
Una limitazione chiave è che l'elaborazione del suono negli animali svegli potrebbe differire significativamente da quella negli animali anestetizzati. Comprendere l'elaborazione del suono in condizioni più naturali è fondamentale per avere un quadro completo di come gli animali ascoltano e rispondono al loro ambiente.
Indagare la Localizzazione del Suono in Animali Sveglie
Per colmare l'attuale lacuna di conoscenza, i ricercatori hanno iniziato a indagare l'elaborazione del suono in animali svegli. Questo implica l'uso di tecniche di imaging avanzate che permettono agli scienziati di vedere l'attività di molti neuroni contemporaneamente in tempo reale.
I recenti progressi nella tecnologia, come microscopi specializzati e dispositivi di registrazione, hanno reso possibile studiare grandi gruppi di neuroni in animali svegli. Questo consente ai ricercatori di ottenere informazioni su come il cervello elabora la localizzazione del suono in condizioni più naturali.
Progettazione dello Studio
In questo studio, i ricercatori hanno utilizzato una combinazione di tecniche per raccogliere dati dal DCIC, una parte specifica dell'IC. Hanno esaminato l'attività dei neuroni in topi svegli mentre riproducevano suoni in diverse posizioni.
I ricercatori hanno utilizzato un metodo chiamato scansione a focalizzazione temporale con microscopia a due fotoni. Questa tecnica consente un'imaging ad alta risoluzione dei segnali di calcio nei neuroni, che indicano la loro attività. Hanno anche usato dispositivi di registrazione avanzati chiamati sonde neuropixel per catturare l'attività di neuroni singoli.
I topi sono stati collocati in un ambiente tranquillo, dove ascoltavano passivamente suoni provenienti da varie direzioni. I ricercatori miravano a catturare le risposte di migliaia di neuroni simultaneamente. Questo approccio avrebbe aiutato a capire come i gruppi di neuroni lavorano insieme per elaborare la localizzazione del suono.
Raccolta Dati
Lo studio ha coinvolto il monitoraggio dell'attività dei neuroni mentre i topi ascoltavano stimoli di Rumore a banda larga. I suoni venivano presentati da diversi angoli, coprendo un'ampia gamma del campo sonoro di fronte ai topi. Registrando le risposte dei neuroni durante questi stimoli, i ricercatori potevano creare una mappa dettagliata di come la posizione del suono è rappresentata nel DCIC.
Durante gli esperimenti, i ricercatori hanno monitorato i movimenti del volto dei topi per vedere se le risposte sonore si correlavano con azioni fisiche. Questo passaggio era cruciale per capire come l'elaborazione del suono si relaziona al comportamento.
Risultati
I ricercatori hanno scoperto che le popolazioni del DCIC mostrano attività continua insieme a risposte evocate dal suono. Questo significa che i neuroni non reagivano solo ai suoni, ma avevano anche un'attività regolare anche quando non c'era suono. Le risposte evocate dal suono variavano significativamente tra le prove, mostrando che i neuroni rispondevano in modo diverso ogni volta.
Nonostante la variabilità, lo studio ha mostrato che gruppi specifici di neuroni erano sensibili alla posizione del suono. I risultati indicavano che i neuroni nel DCIC potevano codificare accuratamente le informazioni sulla posizione del suono, anche considerando la variabilità nelle loro risposte.
Inoltre, lo studio ha trovato che alcuni neuroni avevano una correlazione più significativa con i suoni presentati. Questi neuroni hanno svolto un ruolo cruciale nella formazione del codice di popolazione per la localizzazione del suono.
Rumore Neuronale e Variabilità di Risposta
Un'altra scoperta interessante è stata l'esistenza di rumore neuronale e variabilità di risposta da prova a prova. Questo rumore si riferisce a fluttuazioni nell'attività neuronale che non sono correlate agli stimoli sonori esterni. Il rumore può influenzare quanto bene i neuroni codificano le informazioni sonore, portando potenzialmente a inesattezze nella rappresentazione della posizione del suono.
Tuttavia, i dati hanno indicato che quando si guarda a gruppi di neuroni, il rumore potrebbe effettivamente aiutare a migliorare l'accuratezza della codifica della posizione del suono. Questo suggerisce che le interazioni tra neuroni potrebbero avere un ruolo più significativo nella codifica della posizione del suono di quanto si pensasse in precedenza.
Decodificare la Posizione del Suono
Per valutare quanto bene le informazioni sulla posizione del suono potessero essere previste a partire dalle risposte neuronali registrate, i ricercatori hanno utilizzato tecniche di classificazione. Hanno impiegato un classificatore naive Bayes per analizzare i dati raccolti dalle popolazioni neuronali.
La classificazione ha permesso ai ricercatori di determinare quanto accuratamente potevano prevedere la posizione del suono basandosi sui modelli delle risposte neuronali. Hanno scoperto che utilizzando particolari sub-popolazioni di neuroni, in particolare quelli con forti dipendenze di risposta, si potevano ottenere predizioni migliori per l'azimut del suono rispetto all'analisi dell'intera popolazione neuronale.
Questo risultato mostra che il cervello potrebbe fare affidamento su alcuni neuroni chiave per codificare efficacemente la posizione del suono, mentre altri neuroni contribuiscono a una comprensione più ampia dell'ambiente uditivo.
Il Ruolo delle Correlazioni di Rumore
Lo studio ha anche evidenziato la presenza di correlazioni di rumore tra i neuroni registrati. Queste correlazioni si riferiscono a quando due o più neuroni mostrano variazioni simili nei loro modelli di attività tra le prove. I ricercatori hanno esaminato se queste correlazioni di rumore potessero aiutare a migliorare l'accuratezza della localizzazione del suono.
I dati hanno rivelato che la presenza di correlazioni di rumore ha effettivamente contribuito al codice di popolazione per l'azimut del suono. Questa scoperta suggerisce che le interconnessioni e le interazioni tra neuroni nel DCIC hanno un impatto significativo su come vengono elaborate le informazioni sulla posizione del suono.
Implicazioni per Futuri Ricercatori
I risultati di questo studio offrono spunti preziosi su come la posizione del suono è codificata nel DCIC. Mostrando che specifiche popolazioni di neuroni lavorano insieme per rappresentare la posizione del suono, la ricerca apre nuove domande su come le informazioni uditive vengono elaborate in ambienti più complessi.
Inoltre, le tecniche utilizzate in questo studio possono servire da base per la ricerca futura che mira a esplorare come gli animali utilizzano il loro udito in contesti naturali. Comprendere le variabilità e le influenze sull'elaborazione del suono sarà importante per svelare le complessità della percezione uditiva.
Conclusione
Questa ricerca ha messo in luce il ruolo del DCIC nella codifica della posizione del suono. Esaminando l'attività dei neuroni in topi svegli, lo studio ha mostrato che popolazioni specifiche sono responsabili per l'elaborazione efficace delle informazioni uditive. La variabilità e il rumore presenti nelle risposte neuronali giocano un ruolo importante in questo processo, suggerendo che le interazioni tra neuroni sono cruciali per una localizzazione accurata del suono.
Con il progresso della tecnologia, ulteriori studi possono costruire su queste scoperte per esplorare come la posizione del suono viene rappresentata in diverse regioni del cervello e in varie condizioni. In generale, questa ricerca arricchisce la nostra comprensione dell'udito e fornisce una base per future indagini sulle complessità della percezione uditiva.
Titolo: Noisy neuronal populations effectively encode sound localization in the dorsal inferior colliculus of awake mice
Estratto: Sound location coding has been extensively studied at the central nucleus of the mammalian inferior colliculus (CNIC), supporting a population code. However, this population code has not been extensively characterized on the single-trial level with simultaneous recordings or at other anatomical regions like the dorsal cortex of inferior colliculus (DCIC), which is relevant for learning-induced experience dependent plasticity. To address these knowledge gaps, here we made in two complementary ways large-scale recordings of DCIC populations from awake mice in response to sounds delivered from 13 different frontal horizontal locations (azimuths): volumetric two-photon calcium imaging with [~]700 cells simultaneously recorded at a relatively low temporal resolution, and high-density single-unit extracellular recordings with [~]20 cells simultaneously recorded at a high temporal resolution. Independent of the method, the recorded DCIC population responses revealed substantial trial-to-trial variation (neuronal noise) which was significantly correlated across pairs of neurons (noise correlations) in the passively listening condition. Nevertheless, decoding analysis supported that these noisy response patterns encode sound location on the single-trial basis, reaching errors that match the discrimination ability of mice. The detected noise correlations contributed to minimize the error of the DCIC population code of sound azimuth. Altogether these findings point out that DCIC can encode sound location in a similar format to what has been proposed for CNIC, opening exciting questions about how noise correlations could shape this code in the context of cortico-collicular input and experience dependent plasticity.
Autori: Juan Carlos Boffi, B. Bathellier, H. Asari, R. Prevedel
Ultimo aggiornamento: 2024-10-23 00:00:00
Lingua: English
URL di origine: https://www.biorxiv.org/content/10.1101/2022.08.19.504510
Fonte PDF: https://www.biorxiv.org/content/10.1101/2022.08.19.504510.full.pdf
Licenza: https://creativecommons.org/licenses/by/4.0/
Modifiche: Questa sintesi è stata creata con l'assistenza di AI e potrebbe presentare delle imprecisioni. Per informazioni accurate, consultare i documenti originali collegati qui.
Si ringrazia biorxiv per l'utilizzo della sua interoperabilità ad accesso aperto.
Link di riferimento
- https://billkarsh.github.io/SpikeGLX/
- https://billkarsh.github.io/SpikeGLX/#catgt
- https://github.com/MouseLand/Kilosort/releases/tag/v2.5
- https://github.com/cortex-lab/phy
- https://billkarsh.github.io/SpikeGLX/#tprime
- https://github.com/grbl/grbl
- https://blog.protoneer.co.nz/arduino-cnc-controller/
- https://winder.github.io/ugs_website/
- https://vidriotechnologies.com/scanimage/