Geometric reshaping of task-relevant representations in the primary visual cortex supports perceptual decisions
Cette étude démontre que chez les souris entraînées à une tâche de discrimination d'orientation, le cortex visuel primaire (V1) subit un remodelage géométrique de l'activité de la population — caractérisé par une compression statique du manifold et une séparation dynamique — qui améliore la séparabilité linéaire et la stabilité des représentations pertinentes pour la tâche afin de soutenir les décisions perceptuelles.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA d'un preprint qui n'a pas été évalué par des pairs. Ce n'est pas un avis médical. Ne prenez pas de décisions de santé basées sur ce contenu. Lire la clause de non-responsabilité complète
Le cerveau ne se contente pas d'enregistrer le monde comme une caméra ; il construit activement notre expérience de celui-ci. Lorsque nous apprenons à distinguer deux choses similaires, comme le visage d'un ami dans une foule ou un son spécifique dans une pièce bruyante, nos neurones doivent modifier la façon dont ils s'activent pour rendre cette distinction possible. Depuis des décennies, les scientifiques savent que l'apprentissage remodèle l'activité des neurones dans les centres de traitement supérieurs du cerveau, là où les décisions complexes sont prises. Ces zones agissent comme un bureau de tri, organisant des signaux chaotiques en catégories claires. Cependant, une question fondamentale restait sans réponse : ce réorganisation se produit-elle dès le tout début du système visuel, dans le cortex visuel primaire ? Il s'agit de la première étape de l'information visuelle, une région traditionnellement considérée comme une station de relais passive qui se contente de transmettre des données brutes vers l'avant. Si l'apprentissage remodèle la géométrie de l'activité neuronale ici, cela signifierait que le cerveau optimise ses premières entrées sensorielles pour faciliter les décisions futures, plutôt que de simplement corriger les problèmes plus loin dans la chaîne.
Pour enquêter sur ce point, les chercheurs se sont tournés vers des souris entraînées à effectuer une tâche de discrimination visuelle. Les animaux étaient placés dans une configuration où ils devaient regarder un écran affichant des rayures de lumière en mouvement. Un angle spécifique de rayures signalait une récompense, tandis qu'un angle différent signifiait l'absence de récompense. Les souris apprenaient à lécher un tube lorsqu'elles voyaient l'angle récompensé et à rester immobiles lorsqu'elles voyaient l'angle non récompensé. À mesure que les souris devenaient expertes, les chercheurs rendaient la tâche plus difficile en rapproçant lentement les deux angles de rayures, jusqu'à ce qu'ils deviennent presque identiques. Pendant que les souris effectuaient cette tâche, les scientifiques utilisaient un microscope spécialisé pour observer l'activité de milliers de neurones dans le cortex visuel primaire des souris entraînées. Ils ont comparé cette activité à celle d'un groupe distinct de souris qui regardaient simplement les mêmes rayures sans entraînement ni récompense.
Les chercheurs ont découvert que l'apprentissage modifiait fondamentalement la forme des modèles d'activité neuronale. Chez les souris non entraînées, la réponse du cerveau aux deux angles de rayures différents était désordonnée et se chevauchait, comme deux nuages de fumée qui dérivent l'un dans l'autre. Chez les souris entraînées, cependant, le cerveau s'était réorganisé de telle sorte que les réponses aux deux angles étaient distinctes et bien séparées. Les chercheurs ont visualisé ces modèles sous forme de « variétés » (manifolds), qui sont essentiellement des nuages de points représentant toutes les manières possibles dont les neurones pourraient s'activer pour un stimulus donné. Chez les animaux entraînés, ces nuages sont devenus plus serrés et plus compacts, ce qui signifie que les neurones s'activaient de manière plus cohérente et fiable à chaque fois que le même stimulus apparaissait. Parallèlement, les deux nuages s'éloignaient l'un de l'autre dans l'espace d'activité cérébrale. Ce remodelage géométrique rendait beaucoup plus facile pour le cerveau de faire la différence entre les deux stimuli, même lorsqu'ils étaient très similaires.
Cette réorganisation n'était pas un événement unique, mais un processus qui se déroulait au fil du temps. Dès l'apparition des rayures, les souris entraînées montraient une réponse plus compacte et organisée. Au fur et à mesure que l'essai progressait, la séparation entre les deux modèles devenait encore plus grande, créant un chemin clair à suivre pour le cerveau. Cette séparation dynamique était cruciale car elle fournissait un signal stable que les parties en aval du cerveau pouvaient utiliser pour prendre une décision. Les chercheurs ont découvert que la position de l'activité neuronale au sein de cette géométrie nouvellement apprise prédisait directement si la souris allait lécher ou non. Si l'activité dérivait plus près du modèle de « récompense », la souris était plus susceptible de lécher ; si elle restait proche du modèle « sans récompense », la souris s'abstenait. Cela a confirmé que les changements géométriques n'étaient pas seulement un effet secondaire de l'apprentissage, mais qu'ils alimentaient directement le processus de prise de décision.
L'étude a également écarté soigneusement d'autres explications pour ces changements. Les chercheurs ont examiné si l'acte physique de léchage, le mouvement de la souris ou les changements d'éveil auraient pu provoquer une différence dans l'apparence du cerveau. Ils ont analysé les données en divisant les essais selon la quantité de léchage, la vitesse de mouvement et la taille des pupilles des souris. Ils ont constaté qu'aucun de ces facteurs comportementaux ne pouvait expliquer l'amélioration spectaculaire de la capacité du cerveau à séparer les deux modèles. Les changements géométriques étaient spécifiques à la tâche consistant à apprendre à distinguer les rayures, et n'étaient pas simplement le résultat de l'activité ou de l'excitation de la souris.
Les conclusions suggèrent que le cortex visuel primaire est bien plus actif dans l'apprentissage qu'on ne le pensait auparavant. Au lieu d'être un relais passif, il agit comme un espace de travail à haute résolution où le cerveau affine ses premières impressions sensorielles pour soutenir des décisions complexes. En compressant le bruit du signal et en éloignant les représentations de différents stimuli, le cerveau crée une base plus claire et plus stable pour le reste du système visuel. Cette étude fournit la première preuve directe que l'apprentissage remodèle la géométrie des représentations neuronales au tout premier stade du traitement cortical, garantissant que la vision initiale du monde par le cerveau est déjà optimisée pour les tâches qu'il doit accomplir.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.