使用Neuropixels 1.0 NHP探针揭示树鼩视觉神经系统“压缩层次”特性
2025-11-06 来源:本站 点击次数:50
2025年8月27日，由美国加州大学伯克利分校 Doris Y. Tsao 教授领导的研究团队在《Nature》（IF2024=50.5）期刊上发表了题为《A compressed hierarchy for visual form processing in the tree shrew》的研究论文。
研究揭示了树鼩腹侧视觉通路采用一种“压缩层次”结构进行视觉形态处理。通过大规模Neuropixels记录发现，尽管其视觉系统保留了感受野增大、反应延迟等层次化特征，但高级视觉功能（如完整物体空间表征、精确物体解码与重建、面孔选择性）在早期视觉区域V2中即已实现，其物体解码性能甚至与猕猴后颞叶皮层相当。该机制表明，大脑可通过在早期皮层实现高级功能来构建高效的视觉系统，为理解不同哺乳动物视觉系统的演化与计算原理提供了新视角。
买 Neuropixels，找礼智生物！
礼智生物是 IMEC 中国区授权代理商，在使用Neuropixels 技术进行实验操作及数据分析方面积累了丰富的经验。如果需要采购 Neuropixels，欢迎联系我们！（联系方式见文末）
研究主要结果
该研究在清醒树鼩上，利用多通道Neuropixels探针（Neuropixels 1.0 NHP）同步记录V1、V2、TP、TI-ITi、ITr及丘脑枕共6个视觉脑区神经元活动。通过呈现一系列视觉刺激（包括稀疏噪声、光栅、自然纹理、噪声及1593张物体和面孔图像），系统量化了各脑区的感受野、反应潜伏期、特征调谐、物体编码能力及面孔选择性，并与猕猴V2和颞叶皮层数据进行对比。
1. 树鼩视觉系统具有层次化特征
研究通过Neuropixels 1.0 NHP记录发现，从V1到前颞叶区域（如ITr），树鼩视觉通路中神经元的感受野大小和反应潜伏期逐渐增加（Figure 1）。例如，V1的感受野中位数为5°，而ITr增至15°；V1的半峰潜伏期约为40 ms，ITr则延长至80 ms。这些变化与灵长类视觉层次结构一致。
Figure 1：树鼩腹侧视觉通路的功能层次
a–b：实验示意图，显示树鼩大脑结构和Neuropixels记录设置。
c：电极轨迹标记，确认目标区域定位。
d：各区域记录单元数量。
e：各区域视觉响应细胞比例。
f：具有感受野的细胞比例（ON/OFF）。
g：感受野位置与大小分布。
h：感受野大小随区域前移而增大。
i：反应潜伏期随区域前移而延长。
j：感受野大小与潜伏期共同支持层次结构。
2. V2在纹理处理中起关键作用
树鼩V2对自然纹理与频谱匹配噪声的区分能力最强，差异在刺激开始后45 ms即出现，而V1则在90 ms后才出现差异（Figure 2）。这表明V2在早期阶段就对高阶统计特征敏感，可能通过反馈机制影响V1。
频谱匹配噪声是一种经过特殊处理的控制刺激，它的目的是与另一类图像（通常是自然图像或自然纹理）在低阶统计属性上完全匹配，但同时不包含自然图像中存在的高阶统计结构。可以把它理解为：“保留了所有‘原料’，但打乱了‘配方’的图像。”
频谱匹配噪声示例。a为自然纹理图，b为与之相对应的频谱匹配噪声图
Figure 2：方向、空间频率与纹理编码
a：静态光栅刺激示例。
b：对光栅有响应的细胞比例。
c：V2与ITr细胞对光栅的调谐示例。
d–e：方向与空间频率调谐强度。
f–i：自然纹理与噪声的响应差异，V2最早出现区分。
3. V2编码高级物体空间
使用AlexNet的FC6层特征空间建模发现，树鼩V2神经元能够编码完整的物体空间，其偏好轴分布覆盖所有四个象限（Figure 3）。V2在物体识别和解码任务中表现最佳，其解码准确率甚至与猕猴的后颞叶皮层相当。
Figure 3：物体编码与轴编码模型
a：各区域细胞对物体刺激的响应示例。
b：对物体有响应的细胞比例。
c：图像身份解释的方差比例。
d：AlexNet与树鼩视觉通路对比示意图。
e–f：神经元在AlexNet FC6空间中的偏好轴与正交轴响应。
4. V2支持高精度物体重建
从V2神经活动中重建的图像与原始图像最为接近，其归一化解码距离在所有区域中最小（约1.7），显著优于V1（约2.0）和TI-ITi（约2.1）（Figure 4）。这表明V2在树鼩视觉系统中承担了高级物体表征的功能。
Figure 4：AlexNet特征编码与图像重建
a–b：单个V2细胞与群体对AlexNet各层的响应。
c：各区域最佳解释层（V2为Conv4–Conv5，前区为FC6）。
d–e：FC6主成分的编码与解码性能，V2最优。
f–g：图像重建效果与归一化解码距离，V2重建最准确。
5. V2中存在面孔选择性细胞
尽管面孔在树鼩行为中并不重要，但在V2及更前区域（如TI-ITi和Pulv）中发现了强面孔选择性细胞（t ≥ 15）。这些细胞的存在支持了“面孔细胞可能源于一般物体空间编码”的观点。
Figure 5：物体空间与类别选择性
a：物体在AlexNet FC6空间中的分布。
b：各区域细胞偏好轴在物体空间中的投影。
c–d：面孔与其他类别选择性细胞的响应示例。
e：各区域面孔选择性细胞比例。
6. 与猕猴系统的对比揭示“压缩层次”
与猕猴相比，树鼩V2在物体解码、图像重建和面孔选择性方面的功能相当于猕猴的IT皮层（Figure 6）。例如，树鼩V2的面孔身份解码准确率接近猕猴后颞叶，而猕猴V2几乎无面孔细胞。
Figure 6：树鼩与猕猴视觉系统对比
a–c：猕猴记录区域与响应示例。
d：猕猴中图像身份解释方差随层次递增。
e：猕猴图像重建性能随层次提升。
f：猕猴各区域面孔细胞比例。
g：面孔与物体身份解码性能，树鼩V2相当于猕猴后颞叶。
h：三种动物视觉系统特征对比图。
7. 缺乏视角不变性趋势
与猕猴不同，树鼩视觉系统中未发现明显的视角不变性随层次递增的趋势，提示其视觉处理可能更依赖于局部特征而非全局不变性（Figure 6）。
研究总结本研究首次系统揭示了树鼩视觉系统的“压缩层次”结构：尽管保留了层次化特征，但高级视觉功能（如物体表征、面孔选择性）在早期区域V2中即已实现。
这一发现挑战了传统深度前馈网络模型，提示视觉系统可通过局部循环实现高效编码，为理解不同哺乳动物视觉系统的演化提供了新视角。
参考文献
Lanfranchi FF, Wekselblatt J, Wagenaar DA, Tsao DY. A compressed hierarchy for visual form processing in the tree shrew. Nature. 2025 Oct;646(8086):872-882. doi: 10.1038/s41586-025-09441-w.
想要获取本篇文献的老师同学们，可以拉到文末添加礼智小客服哦！