Geometric reshaping of task-relevant representations in the primary visual cortex supports perceptual decisions
Questo studio dimostra che nei topi addestrati in un compito di discriminazione dell'orientamento, la corteccia visiva primaria (V1) subisce una rimodellazione geometrica dell'attività di popolazione — caratterizzata da compressione statica del manifold e separazione dinamica — che potenzia la separabilità lineare e la stabilità delle rappresentazioni rilevanti per il compito al fine di supportare le decisioni percettive.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA di un preprint non sottoposto a revisione paritaria. Non è un consiglio medico. Non prendere decisioni sulla salute basandoti su questo contenuto. Leggi il disclaimer completo
Il cervello non si limita a registrare il mondo come una telecamera; esso costruisce attivamente la nostra esperienza di esso. Quando impariamo a distinguere tra due cose simili, come il volto di un amico in mezzo alla folla o un suono specifico in una stanza rumorosa, i nostri neuroni devono cambiare il modo in cui si attivano per rendere possibile tale distinzione. Per decenni, gli scienziati hanno saputo che l'apprendimento rimodella l'attività dei neuroni nei centri di elaborazione superiore del cervello, dove vengono prese decisioni complesse. Queste aree agiscono come un ufficio di smistamento, organizzando segnali caotici in categorie chiare. Tuttavia, una domanda fondamentale rimaneva senza risposta: questa riorganizzazione avviene proprio all'inizio del sistema visivo, nella corteccia visiva primaria? Questa è la prima tappa delle informazioni visive, una regione tradizionalmente vista come una stazione di rilancio passiva che trasmette semplicemente dati grezzi in avanti. Se l'apprendimento rimodella la geometria dell'attività neurale qui, significherebbe che il cervello ottimizza i suoi primi input sensoriali per facilitare le decisioni future, piuttosto che limitarsi a correggere i problemi più avanti nella catena.
Per investigare su questo, i ricercatori si sono rivolti a topi addestrati a eseguire un compito di discriminazione visiva. Gli animali venivano inseriti in un allestimento in cui dovevano guardare uno schermo che mostrava strisce di luce in movimento. Un angolo specifico delle strisce segnalava una ricompensa, mentre un angolo diverso significava nessuna ricompensa. I topi imparavano a leccare un tubo quando vedevano l'angolo premiato e a stare fermi quando vedevano quello non premiato. Man mano che i topi diventavano esperti, i ricercatori rendevano il compito più difficile avvicinando lentamente i due angoli delle strisce, rendendoli infine quasi identici. Mentre i topi eseguivano questo compito, gli scienziati utilizzavano un microscopio specializzato per osservare l'attività di migliaia di neuroni nella corteccia visiva primaria dei topi addestrati. Confrontavano questa attività con quella di un gruppo separato di topi che semplicemente guardavano le stesse strisce senza alcun addestramento o ricompensa.
I ricercatori hanno scoperto che l'apprendimento ha alterato fondamentalmente la forma dei modelli di attività neurale. Nei topi non addestrati, la risposta del cervello ai due diversi angoli delle strisce era disordinata e sovrapposta, come due nuvole di fumo che si mescolano tra loro. Nei topi addestrati, tuttavia, il cervello si era riorganizzato in modo che le risposte ai due angoli fossero distinte e ben separate. I ricercatori hanno visualizzato questi modelli come "manifold", che sono essenzialmente nuvole di punti che rappresentano tutti i modi possibili in cui i neuroni potrebbero attivarsi per un dato stimolo. Negli animali addestrati, queste nuvole sono diventate più strette e compatte, il che significa che i neuroni si attivavano in modo più coerente e affidabile ogni volta che lo stesso stimolo appariva. Allo stesso tempo, le due nuvole si sono allontanate l'una dall'altra nello spazio dell'attività cerebrale. Questa rimodellazione geometrica rendeva molto più facile per il cervello distinguere tra i due stimoli, anche quando erano molto simili.
Questa riorganizzazione non è stata un evento singolo, ma un processo che si è svelato nel tempo. Non appena le strisce apparivano, i topi addestrati mostravano una risposta più compatta e organizzata. Man mano che la prova procedeva, la separazione tra i due modelli cresceva ulteriormente, creando un percorso chiaro da seguire per il cervello. Questa separazione dinamica era cruciale perché forniva un segnale stabile che le parti a valle del cervello potevano utilizzare per prendere una decisione. I ricercatori hanno scoperto che la posizione dell'attività neurale all'interno di questa nuova geometria prediceva direttamente se il topo avrebbe leccato o meno. Se l'attività si avvicinava al modello di "ricompensa", il topo era più propenso a leccare; se restava vicino al modello di "nessuna ricompensa", il topo si tratteneva. Ciò ha confermato che i cambiamenti geometrici non erano solo un effetto collaterale dell'apprendimento, ma alimentavano direttamente il processo decisionale.
Lo studio ha anche escluso con cura altre spiegazioni per questi cambiamenti. I ricercatori hanno considerato se l'atto fisico di leccare, il movimento del topo o i cambiamenti nell'allerta potessero aver causato un aspetto diverso del cervello. Hanno analizzato i dati dividendo le prove in base a quanto i topi leccassero, a quanto si muovessero e a quanto fossero grandi le loro pupille. Hanno scoperto che nessuno di questi fattori comportamentali poteva spiegare il drammatico miglioramento nella capacità del cervello di separare i due modelli. I cambiamenti geometrici erano specifici per il compito di apprendere a distinguere le strisce, non solo il risultato del fatto che il topo fosse attivo o eccitato.
Le scoperte suggeriscono che la corteccia visiva primaria è molto più attiva nell'apprendimento di quanto precedentemente pensato. Invece di essere un relè passivo, agisce come uno spazio di lavoro ad alta risoluzione dove il cervello affina le sue prime impressioni sensoriali per supportare decisioni complesse. Comprimendo il rumore nel segnale e allontanando le rappresentazioni di stimoli diversi, il cervello crea una base più chiara e stabile su cui il resto del sistema visivo possa lavorare. Questo studio fornisce la prima prova diretta che l'apprendimento rimodella la geometria delle rappresentazioni neurali proprio nella prima fase dell'elaborazione corticale, assicurando che la visione iniziale del mondo sia già ottimizzata per i compiti che il cervello deve svolgere.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.