Simple Science

最先端の科学をわかりやすく解説

# 生物学 # 神経科学

新しい方法で神経の反応を刺激に対して可視化することができるようになったよ。

さまざまな視覚入力に対する反応に基づいてニューロンを整理する新しいアプローチ。

Steven W Zucker, L. Dyballa, G. D. Field, M. P. Stryker

― 1 分で読む


神経応答の可視化 神経応答の可視化 用を明らかにする方法。 視覚刺激に対する複雑なニューロンの相互作
目次

感覚神経科学は、神経群が外の世界をどう表現するかに焦点を当ててるんだ。この作業は難しいんだよね、だって人工的な刺激も自然の刺激も複雑だから、神経も複雑に反応するし。研究者たちは、これらの神経の反応が遭遇するさまざまな刺激にどう対応するかを可視化して理解しようとしてる。

高次元データの課題

神経は多くの異なるタイプの刺激に反応するから、データがめっちゃ多くなるんだ。刺激も神経活動も高次元のことが多いから、分析が難しい。従来の方法では、神経が刺激をどう表現するかの全体の複雑さを捉えられないことがあるんだ。

新しいツール:エンコーディングマニフォールド

この課題に対処するために、科学者たちはエンコーディングマニフォールドって呼ばれる方法を開発したんだ。このツールは、神経がさまざまな視覚刺激にどう反応するかに基づいて神経を整理するんだ。エンコーディングマニフォールドの各ポイントは神経を表してて、近くにある神経は似たような刺激に似た反応を示すんだ。

この方法は神経科学で他の一般的なアプローチとは違っていて、他の方法が神経集団が特定の刺激にどう反応するかに焦点を当てるのに対し、エンコーディングマニフォールドは機能的な反応に基づいて神経を整理することに焦点を当ててる。これによって、研究者たちは異なる神経タイプや脳内のつながりについての予想ができるんだ。

異なる視覚領域での神経反応の比較

エンコーディングマニフォールドの便利な機能の一つは、処理のさまざまな段階での感覚符号化の比較を可能にすることなんだ。マウスの網膜と一次視覚皮質(V1)の反応を見たとき、研究者たちは面白い違いを発見したんだ。網膜の反応から作られたエンコーディングマニフォールドは、既知の網膜神経節細胞のタイプに一致する明確なクラスターを示していた。一方で、V1から得られたマニフォールドはより連続的で、ここにある神経はより広範囲の刺激に反応することを示していた。

これらの発見は、V1のエンコーディングマニフォールドの構造が異なる刺激セットによってどう変わるかや、高次視覚領域でのエンコーディングマニフォールドの類似性についての重要な疑問を投げかけているんだ。研究者たちはアレン研究所からの大きなデータセットを使って、これらの疑問を探求したんだ。

研究での刺激セット

データセットには、静止している格子や漂う格子、自然画像など、さまざまな刺激が含まれていた。このセットを使って、研究者たちは高次視覚領域のエンコーディングマニフォールドを作成し、これらの領域の神経が静止した格子や漂う格子にどう反応するかに焦点を当てたんだ。刺激の違いにもかかわらず、得られたV1のエンコーディングマニフォールドは以前の発見と類似していて、一貫した組織を示していた。

エンコーディングマニフォールドの構造

エンコーディングマニフォールドは、異なる刺激に対する神経の反応において滑らかな移行を示すんだ。特定の特徴、たとえば方向選択性インデックス(OSI)や発火率を見ることで、研究者は明確なパターンを観察したんだ。神経は発火パターンに基づいて仮説的な興奮性と抑制性のタイプに分類された。

V1では、興奮性神経は特定の特徴に対して好みを示す一方で、抑制性神経はあまり選択的でない傾向があった。この組織は、異なる細胞タイプがさまざまな皮質層にどう分布しているかについての洞察を提供するんだ。

自然シーンに対する反応の分析

データセットには自然シーンに対する反応も含まれていて、これらの反応が全体のマニフォールドにどうフィットするかを見られるチャンスを提供したんだ。自然シーンと静止した格子に対する神経の反応の関係を調べた結果、似たようなパターンが見られたんだ。マニフォールド内の神経は、さまざまなタイプの刺激に対する発火率に基づいてグループ化され、根底にある構造が明らかになったんだ。

驚くべきことに、エンコーディングマニフォールドは明確な組織を示していて、自然シーンを好む神経が格子を好む神経とは異なる軸に沿って分布していることがわかった。これは、神経が両方のタイプの刺激に反応することを示唆しているけど、その好みは異なるかもしれないんだ。

高次視覚領域からの発見

研究者たちはマウスの脳の5つの高次視覚領域に対する分析を広げたんだ。ここで、エンコーディングマニフォールドはV1と似たように連続性があることがわかった。滑らかなパターンは、方向選択性と発火率で類似性を示した。ただし、空間周波数に対する好みは明確な組織を示さなかったんだ。

自然シーンと格子の関係は、これらの領域でも明らかで、各視覚領域では格子を好む細胞が高い方向選択性を持つ傾向があり、自然シーンを好む細胞は異なる特徴を示すことがわかった。

視覚領域間の違いの探求

代表的な領域に焦点を当てて、研究者たちは、腹側と背側の視覚ストリームに対応すると考えられているVISpmとVISalのデータを分析したんだ。VISpmでは、神経が低い時間周波数を好む傾向があって、物体認識に関与する可能性があることを示唆している。エンコーディングマニフォールドは組織されたパターンを示していて、興奮性と抑制性神経の明確な分布があった。

VISalは高い時間周波数と低い空間周波数を好む傾向があって、空間処理に関与している可能性があるんだ。VISpmに似て、自然シーンと静止した格子に対する反応に勾配があったけど、方向選択性の違いが各領域の間で多様な機能的役割を際立たせていたんだ。

層の好みに関する洞察

この研究では、皮質層に基づく神経の好みの顕著な違いが見つかったんだ。V1では、最も方向選択的な興奮性神経が主に層5と層6に存在してたけど、高次視覚領域では層2/3の興奮性神経が異なるパターンを示したんだ。

興奮性と抑制性神経の組織も層によって異なっていて、感覚処理に関与する可能性のある経路を特定する手助けをしてる。層5には反応特徴が異なる興奮性神経の特異な集団が含まれてることがわかったんだ。

自然シーンの反応が隠れたパターンを明らかにする

自然シーンからの反応を利用することで、分析に深みが加わるんだ。この反応は最初のエンコーディングマニフォールドには含まれていなかったけど、すでに確立されたフレームワークの中で整理できる可能性があるんだ。自然シーンは変動性があるけど、神経がマニフォールド全体でどう反応したかは興味深い一貫性を示したんだ。

研究者たちは、極端な空間周波数に反応する細胞が自然シーンに反応するときにもっと活発になる傾向があり、中間周波数を好む細胞は格子を好むことに気づいたんだ。この二面性は、神経が異なる種類の刺激にどう反応するかの明確な組織的トレンドを示唆しているんだ。

結論:エンコーディングマニフォールドの有用性

エンコーディングマニフォールドの方法は、大規模な神経集団がさまざまな刺激にどう反応するかを可視化するのに役立つアプローチなんだ。神経の反応ダイナミクス、神経タイプ、およびその機能特性の関係を評価するフレームワークを提供するんだ。

この方法を多様な視覚刺激に適用することで、研究者たちは神経が感覚情報をどう処理するかをよりよく理解できるんだ。これらの発見は、視覚皮質内の連続的な組織パターンを強調していて、異なる神経タイプと視覚情報処理における彼らの役割との間の複雑な相互作用についての洞察を明らかにしてる。

エンコーディングマニフォールドは感覚符号化の理解を深めるだけでなく、他の生物学の分野でも、複雑な関係を理解するのが重要な場合に広く有用になりそうだね。

オリジナルソース

タイトル: Functional organization and natural scene responses across mouse visual cortical areas revealed with encoding manifolds

概要: A challenge in sensory neuroscience is understanding how populations of neurons operate in concert to represent diverse stimuli. To meet this challenge, we have created "encoding manifolds" that reveal the overall responses of brain areas to diverse stimuli with the resolution of individual neurons and their response dynamics. Here we use encoding manifold to compare the population-level encoding of primary visual cortex (VISp) with five higher visual areas (VISam, VISal, VISpm, VISlm, and VISrl). We used data from the Allen Institute Visual Coding-Neuropixels dataset from the mouse. We show that the encoding manifold topology computed only from responses to grating stimuli is continuous, for V1 and for higher visual areas, with smooth coordinates spanning it that include orientation selectivity and firing-rate magnitude. Surprisingly, the manifolds for each visual area revealed novel relationships between how natural scenes are encoded relative to static gratings--a relationship that was conserved across visual areas. Namely, neurons preferring natural scenes preferred either low or high spatial frequency gratings, but not intermediate ones. Analyzing responses by cortical layer reveals a preference for gratings concentrated in layer 6, whereas preferences for natural scenes tended to be higher in layers 2/3 and 4. The results reveal how machine learning approaches can be used to organize and visualize the structure of sensory coding, thereby revealing novel relationships within and across brain areas and sensory stimuli. Significance StatementManifolds have become a commonplace for analyzing and visualizing neural responses. However, prior work has focused on building manifolds that organize diverse stimuli in neural response coordinates. Here, we demonstrate the utility of an alternative approach: building manifolds to represent neurons in stimulus/response coordinates, which we term encoding manifolds. This approach has several advantages, such as being able to directly visualize and compare how different brain areas encode diverse stimulus ensembles. We use the approach to reveal novel relationships between layer-specific responses and the encoding of natural versus artificial stimuli.

著者: Steven W Zucker, L. Dyballa, G. D. Field, M. P. Stryker

最終更新: Dec 20, 2024

言語: English

ソースURL: https://www.biorxiv.org/content/10.1101/2024.10.24.620089

ソースPDF: https://www.biorxiv.org/content/10.1101/2024.10.24.620089.full.pdf

ライセンス: https://creativecommons.org/licenses/by-nc/4.0/

変更点: この要約はAIの助けを借りて作成されており、不正確な場合があります。正確な情報については、ここにリンクされている元のソース文書を参照してください。

オープンアクセスの相互運用性を利用させていただいた biorxiv に感謝します。

類似の記事