Nature Neuroscience | 看見紋理，也看見邊界：小鼠V1感受野中的“雙分區不變性”

一鍵關注，點亮星標 ?? 前沿不走丟！

認知神經科學前沿文獻分享

基本信息

Title:Functional bipartite invariance in mouse primary visual cortex receptive fields

發表時間：2026.2.25

發表期刊:Nature Neuroscience

影響因子：19.5

獲取原文：

1. 添加小助手:PSY-Brain-Frontier即可獲取PDF版本

引言

視覺系統最了不起的地方，不是把外界原樣“拍”進腦子，而是能在輸入不斷變化時，依然抓住那些真正重要的特征。

現實生活里，不論物體遠近、角度、光照怎樣變化，我們都能較穩定地識別它。這種在變化中保持識別的能力，背后依賴的正是神經系統對“不變性”的表征。可問題在于，神經元究竟對什么保持穩定、又允許什么發生變化，并不容易直接看出來。

傳統研究往往依賴條紋、光柵等參數化刺激，或者直接看語義類別，但這兩條路都容易把問題限制在研究者預設的框架里，難以真正打開神經元可能偏好的高維刺激空間。

這篇文章把目光放在初級視覺皮層（V1），尤其是小鼠V1第2/3層興奮性神經元上。作者并不滿足于回答“一個神經元最喜歡什么圖像”，而是進一步追問：有哪些彼此差異很大、卻都能強烈激活同一個神經元的圖像？圍繞這個問題，他們在此前“最強興奮輸入（most exciting input, MEI）”工作的基礎上，進一步提出“變異興奮輸入（varied exciting inputs, VEIs）”，試圖系統描繪單個神經元的“不變性輪廓”。更重要的是，這項研究沒有停留在模型推斷層面，而是把模型生成的刺激重新回放給動物，在體內做閉環驗證。也正是在這一過程中，作者發現了一種此前未被清楚定義的新型感受野（receptive field, RF）組織方式：同一感受野內部，竟然可以同時容納“固定圖樣”和“可平移的紋理”兩種功能上截然不同的子區域。這讓我們重新理解V1：它未必只是簡單編碼邊緣和方向，也可能已經在為場景分割做更精細的準備。

實驗設計與方法邏輯

作者先讓清醒、固定頭部的小鼠觀看 5,100 張自然圖像，并用雙光子鈣成像（two-photon calcium imaging）記錄V1第2/3層興奮性神經元活動；隨后訓練卷積神經網絡（ CNN）作為神經元反應的“數字孿生”，為每個神經元合成MEI和20張彼此差異很大但仍能強烈激活它的VEIs。接著，作者把這些刺激回放給同一批神經元做體內閉環驗證，并用參數化紋理模型、自然圖像分割數據集以及MICrONS功能連接組數據，逐層回答“不變性長什么樣”、“它和自然圖像中的邊界有什么關系”、“它又如何嵌入局部皮層回路”這三個問題。

Fig. 1 | A deep neural network model accurately predicts mouse V1 responses to natural scenes.

核心發現

VEI不僅能被模型找到

也能在活體內真正激活目標神經元

論文首先證明，VEI不是模型里的“虛假最優解”，而是能在真實動物中站得住腳的刺激。圖2顯示，單個VEI回放后通常都能在體內引發接近MEI的反應，而圖3進一步說明，這種效果并不是因為VEI只是在像素空間上“長得像”MEI：無論是隨機方向擾動得到的合成對照，還是與MEI相近的自然圖像塊，激活效果都明顯更弱。讀這部分最重要的是抓住一點：作者真正找到的是一條“響應保持不變的方向”，而不是MEI附近的普通近鄰。

Fig. 2 | VEIs evoked strong and selective responses in target neurons while exhibiting population-decodable differences.

Fig. 3 | VEIs evoked stronger responses than controls and generalized across different synthesis conditions.

小鼠V1感受野里存在一種新的“雙分區不變性”

真正新穎的結果出現在圖4。作者發現，很多神經元的VEIs并不是圍繞整個感受野一起變化，而是自然分成兩個互不重疊的子區：一個子區偏好固定空間圖樣，另一個子區則能容忍同一種紋理在局部范圍內平移。更關鍵的是，用這種“部分紋理+部分固定圖樣”的參數化模型重建出來的刺激，比“整塊感受野都做紋理平移”的模型更接近原始VEIs，也更能在體內保留激活效果。讀圖時要注意，這意味著V1里并非只有經典的簡單細胞/復雜細胞連續譜，還存在一種更異質、更分區化的功能組織。

Fig. 4 | Bipartite parameterization reproduces the visual features and in vivo responses of nonparametric VEIs.

雙分區結構與自然場景中的物體邊界高度對齊

這項工作最有畫面感的一步，是把雙分區不變性放回自然場景中理解。圖5表明，能夠強烈激活這些神經元的自然圖像塊，更容易讓其雙分區掩膜與物體—背景邊界對齊；而進一步構造的CUB-grating數據集則提示，驅動這種對齊的關鍵線索不只是方向差異，更突出的是空間頻率（spatial frequency）突變。多數神經元的可變子區偏向更高頻率，固定子區則偏向更低頻率。讀者需要抓住的重點是：這些神經元可能不是單純“看見紋理”，而是在利用紋理和頻率突變幫助區分邊界。

Fig. 5 | Bipartite structure aligns with natural object boundaries formed by spatial frequency differences.

V1局部回路中存在由連接關系支撐的不變性層級

論文最后把功能不變性推進到連接組層面。借助MICrONS數據集，作者比較了真實存在突觸連接的神經元對與解剖上接近但并未連接的對照，發現前者在MEI和VEI表征上更相似，說明“相似連相似”的規則在突觸尺度依然成立。更重要的是，圖6提示后突觸神經元通常比其前突觸輸入擁有更高的不變性，而不變性較低的前突觸神經元每單位軸突—樹突共行距離形成的突觸更多。這里最值得關注的是邏輯方向：局部回路并不只是復制表征，它可能在同一層內把較簡單的輸入整合成更復雜的不變性。

Fig. 6 | MICrONS functional connectomics analysis.

歸納總結和點評

這篇文章最重要的推進，不只是又發現了一類新型V1神經元，而是把視覺神經科學中“神經元最喜歡什么”這個經典問題，推進到了“神經元在什么變化下仍然保持響應”這一更接近真實視覺計算的問題。作者通過VEI、體內閉環驗證、自然圖像邊界分析和連接組整合，較完整地搭起了一條從刺激結構到回路機制的證據鏈。尤其“雙分區不變性”這一發現，讓我們看到V1并非一個功能均勻的局部濾波器集合，而可能已經在感受野內部完成了對邊界信息的分工編碼。對理解視覺分割、構建更接近生物視覺的模型，這都是很有啟發性的工作。

分享人：BQ

審核：PsyBrain 腦心前沿編輯部

你好，這里是「PsyBrain 腦心前沿」

專注追蹤全球認知神經科學的最尖端突破

視野直擊 Nature, Science, Cell 正刊 及 Nat Neurosci, Nat Hum Behav, Neuron, Sci Adv 等核心子刊與頂級大刊

每日速遞「深度解讀」與「前沿快訊」，為你打破信息差

科研是一場探索未知的長跑，但你無需獨行。歡迎志同道合的你加入PsyBrain 學術社群，和一群懂你的同行，共同丈量腦與心智的無垠前沿。

點擊卡片進群，歡迎你的到來

一鍵分享，讓更多人了解前沿