Nature Neuroscience
神经元调谐动态对齐物体与纹理流形

小赛推荐：

该研究揭示了腹侧视觉通路中神经元对物体与纹理特征的分层编码机制，为研究 视觉系统 的层次化表征提供了关键实验设计范式，提示未来应结合动态响应分析以更准确解码高级皮层功能。

 

文献概述

本文《Neuronal tuning aligns dynamically with object and texture manifolds across the visual hierarchy》，发表于《Nature Neuroscience》杂志，系统探讨了非人灵长类动物视觉腹侧通路中V1、V4和后下颞叶皮层（PIT）神经元如何响应由生成模型合成的图像。研究采用闭环优化技术，驱动两个具有不同先验的生成模型——DeePSim（强调纹理）和BigGAN（强调物体结构）——生成激活神经元的图像，从而揭示不同层级皮层对局部纹理与整体物体结构的偏好差异。研究进一步结合动态响应分析，发现PIT神经元在晚期阶段更倾向于物体特征，为理解高级视觉皮层的编码原则提供了新视角。

背景知识

视觉系统如何从复杂自然场景中提取有意义信息，是神经科学长期关注的核心问题。传统观点认为，初级视觉皮层（如V1）主要编码简单特征如朝向与边缘，而高级区域（如IT）则负责整体对象识别。然而，许多神经元对语义无关图像表现出强反应，提示其可能编码跨对象的“关键”局部特征，而非完整模板。目前，腹侧通路的层级编码机制仍存在争议，尤其是高级皮层是否真正形成物体为中心的表征，或仍依赖于局部特征组合。现有模型如深度卷积网络（CNN）虽能模拟部分视觉功能，但通常表现出强烈的纹理偏差，难以匹配高级皮层的物体偏好。本研究通过引入双生成模型闭环优化策略，直接比较神经元对纹理与物体流形的对齐程度，精准切入视觉编码机制的层级演化问题，为解析PIT等高级区域的真实调谐特性提供了创新路径。

 

针对阿尔茨海默病、脊髓性肌萎缩、视网膜色素变性等罕见病，可提供HUGO-GT®全基因组人源化模型，搭载了更高效的大片段载体融合技术，可以作为万能模板进行针对性的突变定制服务，是更贴近真实世界生物机制的药物临床前研究模型，我们期待与你共同开发新型全基因组人源化小鼠，加速基因治疗研究

了解更多

 

研究方法与核心实验

研究采用非人灵长类动物（猕猴）电生理记录体系，在V1、V4和PIT植入浮动微电极阵列，记录单/多单位神经活动。实验中使用两个生成对抗网络——DeePSim和BigGAN，分别代表纹理与物体导向的图像流形。通过协方差 matrix 自适应进化策略（CMA-ES）进行闭环优化，使生成图像逐步增强目标神经元的放电率。每轮刺激以快速序列视觉呈现（RSVP）方式呈现，记录50–200 ms窗口内的平均放电率作为反馈信号。为评估调谐结构，研究还采用回归方法生成空间归因图，识别图像中驱动神经反应的关键区域，并通过Hessian调谐实验分析BigGAN潜空间中的局部调谐几何。

关键结论与观点

• 在V1和V4中，神经元对DeePSim生成的纹理图像优化成功率显著高于BigGAN，且优化后激活更强，表明这些早期区域更紧密对齐纹理流形，支持其以局部特征为基础的编码策略。
• PIT神经元在两种生成空间中的优化成功率和最终激活水平相当，提示其对物体流形和纹理流形均具有良好对齐性，揭示高级皮层具备更灵活的编码能力，不局限于单一表征模式。
• PIT神经元对物体图像的响应具有更长的潜伏期，动态分析显示其早期响应偏向纹理特征，晚期响应才偏向物体结构，表明物体识别是逐步构建的过程，依赖于时间维度上的信息整合。
• 图像相似性分析显示，尽管DeePSim和BigGAN生成的图像全局结构不同，但能诱发相似神经反应的图像共享局部关键特征，提示神经元优先编码局部模体而非整体对象模板。
• Hessian调谐实验发现，当优化接近峰值时，神经元表现出钟形调谐曲线；反之则呈现斜坡状调谐，说明调谐形状取决于刺激在潜空间中的位置，挑战了固定调谐函数的传统假设。

研究意义与展望

该研究颠覆了传统“简单-复杂”特征层级模型，提出腹侧流中神经元调谐动态对齐物体与纹理流形的新框架。其发现PIT神经元在晚期阶段偏好物体特征，提示时间维度在高级视觉处理中的关键作用，为构建更符合生物机制的计算模型提供了约束条件。未来研究可结合fMRI与单细胞记录，扩展至更多皮层区域，验证该动态对齐原则是否普遍适用于整个腹侧通路。

从药物开发角度看，理解高级皮层如何整合局部与全局信息，有助于设计更有效的神经反馈干预策略，例如在自闭症谱系障碍或视觉失认患者中，通过生成模型个性化调节异常的视觉表征。此外，该方法可推广至其他感知模态，探索跨模态表征的对齐机制。

 

基于成熟的动物模型构建技术，我们可以提供超2000例现货KO/CKO神经及肌肉小鼠；针对杜氏肌营养不良症、亨廷顿舞蹈症、阿尔茨海默氏病、帕金森氏病等超20类神经及肌肉疾病的基因编辑和药物诱导大小鼠模型，涵盖基因敲除、条件性敲除、点突变、转基因和人源化等多种打靶方式，除现货小鼠外，还可根据研究人员的需求进行定制或合作开发

了解更多

 

结语

本研究通过创新性地结合生成模型与闭环神经反馈，系统揭示了非人灵长类视觉腹侧通路中神经元调谐的动态特性。研究发现V1和V4主要对齐纹理流形，而PIT则在时间上逐步转向物体结构，表明高级皮层并非简单地“识别物体”，而是通过动态整合局部与全局信息实现鲁棒感知。这一发现为理解大脑如何从复杂视觉输入中提取意义提供了新框架，强调了时间动态在高级认知中的核心作用。从实验室到临床转化的视角，该成果为开发基于生成模型的神经调控工具奠定了基础，有望在未来用于诊断和干预视觉处理障碍，如面孔失认症或视觉忽视。此外，该研究揭示的编码原则可指导新一代人工视觉系统的设计，使其更接近生物系统的灵活性与鲁棒性，推动类脑计算的发展。

 

Binxu Wang and Carlos R Ponce. Neuronal tuning aligns dynamically with object and texture manifolds across the visual hierarchy. Nature Neuroscience.