Картинки по клеточкам сложные: Рисунки по клеточкам «Сложные» ☆ 1000 рисунков

Что вычисляют простые и сложные клетки

Визуальные нейробиологи ищут ответы на два взаимосвязанных вопроса. Во-первых, что делает зрительная система? Во-вторых, как он это делает? В то время как ответ на второй вопрос — это описание, основанное на анатомии и биофизике, ответ на первый вопрос — это описание вычислений, выполняемых с изображениями. Важные шаги в обеспечении этого описания были сделаны с публикацией двух классических исследований первичной зрительной коры Movshon et al. (1978 a , b ). Эти исследования не устарели в своей удобочитаемости и не требуют ключа к толкованию, которым может воспользоваться современный читатель. Однако в качестве введения в этой статье «Перспективы» кратко рассматривается состояние дел на момент их появления, их основные выводы и их влияние на три десятилетия последующих исследований.

1960-е годы принесли важные достижения в понимании вычислений, выполняемых сетчаткой. Возникла влиятельная точка зрения, описывающая ганглиозные клетки сетчатки как линейные фильтры, то есть как процессы, вычисляющие взвешенную сумму интенсивностей стимула с весами, определяемыми рецептивным полем (Enroth-Cugell & Robson, 19). 66). Эта простая «линейная модель» применима к большинству ганглиозных клеток сетчатки глаза кошки (к клеткам Х-типа, соответствующим Р-клеткам у приматов). Он был весьма мощным, так как обещал предсказать реакцию X-ганглиозных клеток на произвольные стимулы на основе простого знания о рецептивном поле.

Эта чисто линейная точка зрения была дополнена открытием, что другой тип ганглиозных клеток, клетки Y-типа (соответствующие М-клеткам у приматов), выполняют нелинейные операции, предполагая, что они суммируют искаженный выход субъединиц, которые, в свою очередь, имеют линейные рецептивные поля (Enroth-Cugell & Robson, 1966; Хохштейн и Шепли, 1976). Такое расположение обеспечивает инвариантность положения: на стимулы высокой пространственной частоты Y-клетки реагируют одинаково независимо от положения в рецептивном поле.

Эти достижения позволили по-новому взглянуть на простые и сложные клетки первичной зрительной коры. Hubel и Wiesel (1962) определили простые клетки как имеющие отчетливые антагонистические области в своих рецептивных полях и предположили, что, зная эти области, можно предсказать «ответы на любую форму стимула, стационарного или движущегося». Они определили сложные клетки как любые клетки, которые не были простыми, и сообщили, что сложные клетки достигли инвариантности положения в пределах своего рецептивного поля: они будут реагировать на стимул соответствующей ориентации независимо от положения в рецептивном поле. Эти признаки простых и сложных клеток напоминали свойства ганглиозных клеток X и Y. Некоторые авторы предположили, что соответствие может быть анатомическим, т. е. что оно отражает преобладание X-входов в простые клетки и Y-входов в сложные клетки (Stone, 19).72; Мовшон, 1975), что в дальнейшем не подтвердилось. Однако в более общем плане линейные и нелинейные модели и процедуры стимуляции, столь полезные для анализа X- и Y-клеток (Enroth-Cugell & Robson, 1966; Hochstein & Shapley, 1976), стали многообещающими отправными точками для краткого и точная характеристика простых и сложных клеток.

В дополнение к прорывам в физиологии сетчатки другая сила подталкивала к использованию методов количественной инженерии в первичной зрительной коре: такие методы оказались успешными для изучения человеческого восприятия. В частности, Кембриджский университет, где работали Мовшон, Томпсон и Толхерст, был очагом исследований связи между реакциями отдельных нейронов и явлениями восприятия. Эти явления были исследованы с помощью строгих психофизических измерений и описаны с помощью количественных моделей, основанных на фильтрации изображений (Graham, 19).89; Ванделл, 1995). Большая часть этого исследования основывалась на концепции «каналов», которые представляют собой линейные фильтры. Простые клетки коры оказались хорошими кандидатами на эту роль. Показывали ли они линейную сумму? Пришло время применить возможности анализа линейных систем и связанных с ним методов к первичной зрительной коре.

В своей первой статье Movshon et al. (1978 a ) применил линейный системный анализ к реакциям простых клеток. Они измерили реакции простых клеток на решетки и бруски и спросили, согласуются ли такие реакции с выходом линейного рецептивного поля (10).

Открыто в отдельном окне

Модели простых и сложных ячеек, предложенных Movshon, Thompson и Tolhurst (Movshon и др. 1978 A , B )

, Lineear Model of Lineear Модели модели модели Lineear of of Model of of of of Linear модели модели линейеры из модели линейеры из модели линейеры из модели линейара простые клетки. Первый этап – линейная фильтрация, т.е. е. взвешенная сумма интенсивностей изображения с весами, заданными рецептивным полем. Второй этап — исправление: в ответе скорости стрельбы видна только часть ответов, превышающая порог. B , субъединичная модель сложных клеток. Первый этап — линейная фильтрация по ряду рецептивных полей, таких как поля простых клеток (здесь показаны четыре из них со смещением пространственных фаз на 90 град). Последующие этапы предполагают ректификацию, а затем суммирование.

Подобно тому, как Enroth-Cugell и Robson (1966) сделали для X-клеток сетчатки, они задались вопросом, являются ли ответы на дрейфующие синусоидальные стимулы синусоидальными, как можно было бы ожидать от линейного фильтра. Результаты подтвердили эту точку зрения при условии, что ответы были скорректированы с помощью пикового порога, который показывает только часть ответов, лежащих выше порога ().

Затем авторы спросили, как отклики зависят от пространственной фазы стоячей решетки, контрастность которой колеблется синусоидально во времени. Этот тест был применен к клеткам сетчатки X и Y Hochstein & Shapley (1976). Здесь линейная модель была подвергнута количественному тестированию, и соответствие было хорошим, при условии, что выходной сигнал рецептивного поля был пропущен через стадию ректификации, которая установила его порог (2). Мовшон, Томпсон и Толхерст даже смогли предположить, насколько высоким должен быть порог по отношению к покою. Они выражали этот порог в единицах скорострельных ответов, спайках с ⁻¹ . Например, для клетки на рис. 4 расчетный порог был равен 8 импульсам s ^-1 (если бы рецептивное поле должно было выдать 12 импульсов s ^-1 , нейрон выдал бы 4 импульса s ^-1 ). ).

Наконец, авторы задали ключевой вопрос: можно ли было предсказать селективность простых клеток на основе только рецептивного поля, как это было предложено Хьюбелем и Визелем, и как можно было бы ожидать от линейного фильтра? Чтобы проверить эту гипотезу, они снова обратились к подходу, продемонстрировавшему линейность Х-клеток сетчатки (Enroth-Cugell & Robson, 19). 66). Во-первых, они измерили отклики на дрейфующие решетки различных пространственных частот (). Затем они измеряли реакцию на полоски, вспыхивающие в разных положениях, таким образом оценивая профиль рецептивного поля (гистограммы). Согласно линейной гипотезе, первый набор данных может быть использован для предсказания второго. Это действительно имело место для клеток (кривая ,): точно так же, как предсказывала линейная модель, избирательность простых клеток по пространственной частоте могла быть предсказана на основе профиля рецептивного поля.

Открыть в отдельном окне

Линейность пространственного суммирования в простых ячейках эксперимент на рис. 9 первой статьи Мовшона, Томпсона и Толхерста 1978 г. были смоделированы из модели простой клетки с линейным пространственным рецептивным полем, которое суммирует сильно искаженные таламические входы (Carandini et al. 2002). A , настройка пространственной частоты простой ячейки. По оси ординат отложена амплитуда синусоидальной модуляции, вызванной дрейфующими синусоидальными решетками, пространственная частота которых отложена по оси абсцисс. B , профиль рецептивного поля простой клетки. На гистограмме показана частота возбуждения, вызванная миганием полосок в различных пространственных положениях рецептивного поля. Отрицательные ответы указывают на реакции, возникающие при снятии стержня. Кривая показывает прогноз, основанный на линейности, полученной преобразованием Фурье данных в A .

Несмотря на все свои успехи в объяснении реакций простых клеток, линейная модель () не могла работать для сложных клеток. Сложные клетки нечувствительны к точному положению полоски в рецептивном поле и реагируют как на появление, так и на смещение полоски. Ни одно из этих свойств не могло возникнуть из одного линейного рецептивного поля. Хьюбел и Визель (1962) поэтому описал сложные клетки как сумму выходных данных ряда простых клеток с одинаковым предпочтением ориентации, но разными профилями рецептивного поля.

Заимствуя модель субъединиц, предложенную для Y-ганглиозных клеток Hochstein & Shapley (1976), такое описание можно сделать количественным, постулируя ряд линейных рецептивных полей, ориентированных в пространстве (субъединиц), выходы которых ректифицируются порогом, и объединены в один ответ (). Во второй статье Мовшон и др. (1978 b ) предложил такую ​​модель субъединиц для сложных клеток () и обосновал каждый из ее компонентов. Они начали с выполнения тех же трех измерений, что и в простых клетках.

Сначала авторы изучили модуляцию скорости стрельбы, вызванную дрейфующими синусоидальными решетками. Сложные клетки реагировали фазно только на самых низких пространственных частотах, но как только частота приближалась к оптимальной, ответы становились постоянными во времени. Это соответствовало субъединичной модели (). Каждая из субъединиц отреагировала бы синусоидой, но выпрямленные синусоиды были бы смещены во времени, и поэтому их сумма давала бы приблизительно постоянное значение.

Во-вторых, они задались вопросом, как сложные клеточные ответы зависят от пространственной фазы стоячей решетки, контрастность которой меняется во времени. Так же, как и Y-ганглиозные клетки (Hochstein & Shapley, 1976), клетки не заботились о пространственной фазе, давая два ответа на каждый цикл раздражителя (по одному на каждый признак контраста). Эти результаты снова согласуются с моделью субъединиц (): каждая субъединица будет давать положительные ответы только один раз в каждом цикле и только в определенных пространственных фазах, но сумма положительных ответов субъединиц будет увеличиваться дважды в каждом цикле, независимо от пространственной фазы. .

В-третьих, они задались вопросом, можно ли предсказать селективность сложных клеток только на основе рецептивного поля. Ответом было решительное нет: как и предсказывает субъединичная модель (), рецептивные поля сложных клеток не имеют четко выраженных субрегионов, поэтому невозможно предсказать их избирательность по профилю рецептивного поля.

В то время как все эти результаты казались согласующимися с моделью субъединиц (), осталось проверить ключевой атрибут этой модели: действительно ли рецептивные поля субъединиц линейны? Чтобы проверить эту гипотезу, авторы разработали изящный эксперимент, в котором они измерили взаимодействие темных и светлых полос в разных положениях рецептивного поля.

Чтобы понять этот эксперимент, рассмотрим упрощенную модель сложной клетки, которая включает только четыре субъединицы (), и представьте, что яркая полоса помещается над центральной положительной областью в рецептивном поле первой субъединицы. Эта субъединица будет давать сильный положительный ответ и, таким образом, будет работать намного выше порогового значения. И наоборот, третья субъединица, обладающая противоположным рецептивным полем, будет сильно подавлена ​​и будет работать намного ниже порога. Вторая и четвертая субъединицы, в свою очередь, почти не будут реагировать, поэтому будут работать (как обычно) чуть ниже порога. Таким образом, добавление второй полосы к стимулу в основном выявит свойства рецептивного поля первой субъединицы. Действительно, как показано на рис. 8 оригинальной статьи, профили взаимодействия между стержнями напоминают рецептивные поля. Если эти рецептивные поля субъединиц действуют линейно (и если все субъединицы сходны в предпочтениях пространственной частоты), то должна быть возможность предсказать избирательность нейрона по пространственной частоте на основе профиля рецептивного поля субъединиц, как и для простых нейронов. клетки (). Результаты этого эксперимента, проиллюстрированные на рис. 9оригинальной статьи, подтверждают это предсказание, обеспечивая сильную поддержку субъединичной модели сложных клеток ().

Таким образом, результаты двух статей можно обобщить с помощью двух моделей: линейной модели простых клеток () и субъединичной модели сложных клеток (). Эти модели имеют два общих ключевых атрибута: (1) вся обработка изображений выполняется линейными фильтрами; (2) нелинейности действуют на изменяющиеся во времени сигналы, выдаваемые фильтрами.

Эти модели легли в основу многих последующих десятилетий. Очевидно, что здесь нет места, чтобы охватить эту территорию, для чего мы отсылаем читателя к недавним обзорам (например, Carandini и др. 2005). Что может быть полезнее, так это обсудить те аспекты, которые, оглядываясь назад на 100%, можно было бы проанализировать по-другому и, возможно, привести к несколько иным выводам.

Во-первых, при сравнении ответов на решетки с профилями рецептивного поля (), будь то для простых клеток или для субъединиц сложных клеток, для получения совпадения допускался свободный коэффициент масштабирования. Такой коэффициент масштабирования не должен быть необходим для простых моделей, показанных на рисунке, но он необходим для реальных клеток, чья чувствительность очень сильно зависит от локального распределения контраста. Чтобы учесть эту зависимость, модели позже были расширены, чтобы включить стадию разделения, которая контролирует реакцию на основе распределения локального контраста (обзоры см. Heeger, 19).92; Карандини и др. 1999).

Во-вторых, авторы, возможно, поступили мудро, сосредоточившись на одном пространственном измерении и, таким образом, избежав спорного вопроса об избирательности ориентации. Кривые настройки ориентации в этом исследовании не измерялись, возможно, потому, что при вращении устройства для стимуляции рука помещалась в сантиметрах от поражения электрическим током, что делалось неохотно, по одному разу для каждой клетки (Дж. А. Мовшон, личное сообщение). Если бы авторы измерили 2-мерные профили рецептивного поля, они могли бы спросить, предсказывают ли эти профили избирательность ориентации. Этот вопрос оставался открытым на протяжении десятилетий и до сих пор не закрыт полностью (обзор Ferster & Miller, 2000).

Наконец, возможно, самым большим ограничением этих исследований является то, что они концентрировались на пространственной области и не проверяли линейность во временной области. С одной стороны, как было показано в последующие десятилетия, концепция пространственного рецептивного поля может быть плодотворно распространена на трехмерное пространство-время для учета явлений направленной избирательности (фактически зарождающиеся признаки такого расширения могут можно увидеть уже во второй статье 1978 г. ). С другой стороны, как позже показал Толхерст и др. (1980), в первичной зрительной коре временная суммация далека от линейной: ответы гораздо более скоротечны, чем можно было бы ожидать из кривых частотной избирательности. Эта нелинейность сбивает с толку: как рецептивное поле может быть линейным в пространстве и нелинейным во времени?

В настоящее время считается, что, поскольку корковая клетка суммирует входные сигналы от различных пространственно смещенных таламических нейронов, даже если отдельные входные сигналы сильно искажены насыщением и пороговыми нелинейностями, общие свойства пространственной суммации нейрона останутся приблизительно линейными. (Карандини и др. 2002; Прибе и Ферстер, 2006). Действительно, симуляции, показанные здесь (), были получены с помощью ячейки модели, которая суммирует такие сильно нелинейные входные данные. Эта модельная ячейка проходит тест на пространственную линейность, разработанный в статьях 1978 г. (1978), но не проходит ни один тест на линейность во времени.

Если для достижения этого понимания потребовалось три десятилетия, то, возможно, это потому, что в этих работах 1978 года приводились столь убедительные доводы в пользу линейности, и ученые восприняли их как свидетельство того, что каждый шаг в зрительной системе вплоть до первичной зрительной коры должен быть линейный. Аргументация, частично явная в этих статьях и неявная в большей части последующей литературы, заключалась в том, что не может быть нелинейных стадий от колбочек до коры, потому что эти стадии помешали бы клеткам коры пройти тесты на линейность.

Это скромные ограничения, и они очевидны только спустя три десятилетия. В целом влияние этих документов на поле было сильным и положительным. Как видно из любого недавнего обзора (например, Carandini et al. 2005), многое из того, что было сделано на сегодняшний день для объяснения ответов первичной зрительной коры, например, для объяснения таких свойств, как избирательность ориентации, избирательность направления и бинокулярная интеграция, опирались на результаты этих двух классических статей. Более того, этим исследованиям удалось заложить основу для моделей восприятия паттернов, основанных на психофизических каналах (Graham, 19).89). Наша единственная надежда состоит в том, что вскоре появятся столь же мощные количественные исследования для областей за пределами первичной зрительной коры.

Оригиналы документов:

Нажмите здесь для просмотра.

Трехмерная микроскопия сверхвысокого разрешения позволяет получить беспрецедентно подробные изображения клеток

Используя новый трехмерный инструмент сверхвысокого разрешения, исследователи запечатлели эту визуализацию «первичной реснички», антенны клетки. (Фото предоставлено Хуангом и др./Cell) Скачать изображение

WEST LAFAYETTE, Ind. – Новый «наноскоп» со сверхвысоким разрешением способен получать трехмерные изображения всей клетки и ее клеточных составляющих с беспрецедентной детализацией. медицинские инсайты.

Работа проводилась исследователями из Йельского университета, Университета Пердью, Кембриджского университета, Лаборатории Джексона, Медицинского института Говарда Хьюза и Оксфордского университета.

Эта технология включает в себя несколько инноваций в области флуоресцентной микроскопии и микроскопии сверхвысокого разрешения, а также использует ту же технологию «адаптивной оптики», которая используется в астрономии — деформируемые зеркала, которые меняют форму, чтобы компенсировать световые искажения. В астрономии деформируемые зеркала используются для компенсации атмосферных искажений и получения четких изображений небесных объектов. Деформируемые зеркала также можно использовать для противодействия искажениям, возникающим при прохождении света через биологические ткани.

Флуоресцентная микроскопия сверхвысокого разрешения принесла своим разработчикам Нобелевскую премию по химии 2014 года и стала важным инструментом в исследованиях клеточной биологии. Однако его использование было ограничено из-за проблем с определением особенностей глубоко под поверхностью образцов.

Исследователи решили эту проблему, разработав новую систему, называемую наноскопией с переключением одной молекулы 4Pi для целых клеток (W-4PiSMSN), сказал Фан Хуан, доцент кафедры биомедицинской инженерии в Purdue.