《Nature Neuroscience》：Functional bipartite invariance in mouse primary visual cortex receptive fields
編輯推薦：
為解決神經系統如何在輸入變化下保持特征表征（不變性）這一難題，研究人員利用“初始環路”范式，結合大規模記錄、預測模型和體內驗證，系統性地刻畫了小鼠初級視皮層（V1）神經元的反應不變性。他們發現了一種新的二分體感受野組織方式：一個子場編碼平移不變的高頻紋理，另一個子場編碼固定的低頻模式。該結構有助于物體邊界的分割，且通過MICrONS功能連接組學分析揭示了V1 2/3層興奮性神經元中突觸層級的不變性遞增規律。這項工作為理解視覺感知的神經基礎提供了新見解和新方法。
論文解讀
識別熟悉的物品，比如在人群中找到一張面孔，是視覺系統的核心任務之一。盡管距離、視角、光照等“干擾”因素不斷變化，但我們的大腦總能穩定地提取出物品的本質特征，這種能力被稱為視覺感知的不變性。然而，神經元究竟如何編碼這種不變性，一直是神經科學領域的重大挑戰。傳統的參數化刺激（如光柵）或語義類別刺激（如物體、面孔）研究受限于先驗假設和有限的實驗空間，難以系統地刻畫神經元對各種復雜視覺變換的響應不變性。
為了解決這個問題，一個研究團隊在《Nature Neuroscience》上發表了一項研究，他們開發并運用了一種稱為“初始環路”的數據驅動范式，系統地探究了小鼠初級視皮層（V1）神經元的功能性不變性，并取得了一系列突破性發現。這項研究不僅揭示了一種全新的感受野組織方式——“二分體不變性”，還結合大規模功能連接組學數據，首次在突觸水平上揭示了視覺皮層內層級化的不變性組織規律。
為了開展這項研究，研究人員綜合運用了幾項關鍵技術。首先，他們通過雙光子鈣成像技術大規模記錄清醒小鼠V1皮層第2/3層（L2/3）神經元對大量自然圖像的反應。其次，他們利用這些數據訓練深度卷積神經網絡（CNN）模型，構建能夠高精度預測神經元響應的“數字雙胞胎”。接著，他們利用這個模型進行高通量的“硅內實驗”，為每個目標神經元合成多種不同但都能強烈激活它的圖像，稱為“多樣化激發輸入（VEIs）”。最后，他們將模型生成的VEIs在“體內閉環實驗”中呈現給動物，以驗證模型預測，并利用MICrONS功能連接組學數據集，分析了神經元不變性與突觸連接之間的關系。
研究結果
VEIs識別神經元不變性
研究團隊首先驗證了VEIs方法的有效性。他們成功合成了模擬的Hubel和Wiesel經典簡單細胞與復雜細胞的VEIs：簡單細胞的VEIs均為相同相位、朝向、空間頻率的Gabor斑，而復雜細胞的VEIs則在保持朝向和頻率不變的情況下相位發生變化。這表明VEIs能夠捕捉已知的神經元不變性。在小鼠V1神經元中，VEIs揭示了比經典模型更豐富的多樣性。除了類似簡單細胞（低不變性）和復雜細胞（相位不變性）的類型外，他們還發現了“紋理細胞”（其整個感受野對特定紋理的平移表現出不變性）以及“二分體細胞”，后者展現了一種全新的不變性模式。
二分體VEIs的參數化
為了定量描述這種新發現的不變性，研究人員開發了一個“部分平移不變性”模型。該模型將神經元的感受野參數化為兩個非重疊的子場：一個是固定子場，其內容直接來自最優化刺激（MEI）并保持不變；另一個是可變子場，其中呈現同一紋理圖像的不同局部裁剪仍能保持高激活。通過優化定義的“二分體不變性指數（BII）”顯示，模擬簡單細胞、復雜細胞和V1神經元的BII值依次遞增，表明V1神經元普遍存在介于兩者之間的部分不變性。體內實驗證實，基于該模型合成的“部分紋理VEIs（VEIspartial）”在激活目標神經元方面與非參數化VEIs效果相當，而假設整個感受野都為紋理的“全紋理VEIs（VEIsfull）”則效果很差，驗證了二分體結構的必要性。
二分體結構與由空間頻率差異定義的自然物體邊界對齊
為了探究二分體感受野的功能意義，研究人員分析了其與自然圖像中物體邊界的關系。他們發現，最能激活這些神經元的自然圖像片段（取自CUB鳥類數據集）中，物體-背景邊界與神經元的“二分體掩模”（可變子場與固定子場的劃分）對齊程度顯著高于隨機片段。進一步分析發現，大多數V1神經元的可變子場偏好比固定子場更高的空間頻率。使用合成“CUB-光柵”數據集的實驗證實，V1神經元幾乎只偏好包含物體邊界的圖像，并且對由空間頻率差異定義的邊界響應最強。這表明V1中的二分體神經元可能專門用于檢測由紋理和空間頻率的突變定義的物體邊界。
MICrONS數據集揭示了V1 L2/3中功能不變性的突觸層級結構
研究團隊進一步將方法應用于MICrONS功能連接組學數據集。他們利用一個動態“數字雙胞胎”模型預測神經元對靜態圖像的響應，并計算其VEIs和不變性指數。對突觸連接對的分析顯示，功能相似的神經元（MEI和VEI表征相似性高）更有可能形成突觸連接，且連接強度（單位軸-樹突重疊距離的突觸轉換率）隨功能相似性增加而增加，這證實了“相似-連接”的布線規則在突觸水平成立。更重要的是，他們發現連接對的不變性指數差異顯著大于解剖鄰近但無突觸連接的控制對，且突觸前神經元的不變性指數越低，其突觸轉換率越高。這些結果表明，在小鼠V1 L2/3的興奮性神經元網絡中，存在一個功能層級：突觸后神經元比其突觸前輸入伙伴表現出更高的不變性，而較低不變性的神經元則形成更多的突觸連接。
結論與意義
這項研究通過創新的“初始環路”框架和VEIs合成方法，系統性地描繪了小鼠V1神經元的功能不變性圖譜，并揭示了一種新的“二分體不變性”感受野組織。這種結構將感受野分為一個對紋理平移不變得“可變子場”和一個偏好固定模式的“固定子場”，且可變子場傾向于更高空間頻率。這種特性使其可能專門用于檢測由紋理和空間頻率差異定義的物體邊界，為視覺分割提供了潛在的神經機制。更為重要的是，通過整合MICrONS數據集，研究首次在突觸分辨率上證實了視覺皮層內存在一個功能不變性遞增的層級結構，為經典的層級計算理論（如Hubel和Wiesel的簡單-復雜細胞模型）提供了直接的電路連接證據。這項工作不僅為理解視覺感知的神經基礎提供了新的原理性見解，其提出的系統化映射神經元不變性的方法論，也為未來研究其他腦區和更復雜的不變性形式提供了可擴展的框架。
