معلومة

ما هي العلاقة بين الخلايا العقدية الشبكية W و X و Y و P و M؟

ما هي العلاقة بين الخلايا العقدية الشبكية W و X و Y و P و M؟


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

في كتاب جايتون وهال لعلم وظائف الأعضاء الطبي (12 هـ) تصنف الخلايا العقدية الشبكية (RGCs) إلى أنواع W و X و Y. ومع ذلك، في تشريح جراي (40ذ إد.)، RGS تنقسم إلى خلايا قزم ومظلة. ما هي العلاقة بين تصنيفات W-X-Y مقابل تصنيفات المظلة القزمة؟

ملخص تصنيف WXY كما في علم وظائف الأعضاء الطبية:

حوالي 40٪ من الخلايا العقدية هي خلايا دبليو. هم الأصغر (<10 ميكرومتر) ، والأبطأ (8 م / ث) لنقل الإشارات ، لكن لديهم أوسع مجال استقبال. يستقبلون إشارات من قضبان ويكتشفون حركة الاتجاه.

حوالي 55٪ خلايا س. لديهم حجم متوسط ​​(10 ~ 15 ميكرومتر) وسرعة نقل (14 م / ث). حقولهم صغيرة. ينقلون رؤية الألوان.

حوالي 5٪ خلايا Y. هم الأكبر (<35 ميكرومتر) والأسرع (35 م / ث) لنقل الإشارات. لديهم مجالات واسعة. يستجيبون للتغيرات السريعة في الرؤية.


اجابة قصيرة
X = P = قزم = β
Y = M = شمسية = α
W = γ
خلفية
أولاً ، لا تتساوى الخلايا P و M مع خلايا البارسول والقزم ؛ على العكس من ذلك - الخلايا P هي أقزام وتعتبر الخلايا M مظلات.

X, ص و خلايا دبليو تستخدم للدلالة على خلايا العقدة الشبكية المختلفة في القطط ، كما اقترحت التجارب Enroth-Gubel & Robson (1966). كما أشرت بالفعل ، فإن هذه الخلايا لها خصائص استجابة فسيولوجية مختلفة. خلايا X و Y لها المعيار مركز المحيط توزيع مجالها الاستقبالي ، خلايا X لها خصائص استجابة مضافة خطية في المركز والمحيط وخلايا Y غير الخطية. وبالتالي ، فإن خلايا X لها استجابات تنبؤية بحيث يمكن توقع أن تكون الاستجابات قصوى (على سبيل المثال ، ضوء ساطع على مركز التشغيل ولا يوجد تحفيز ضوئي على محيط إيقاف التشغيل). تميل الخلايا Y إلى الاستجابة بطرق أكثر تعقيدًا. لا تحتوي خلايا W على بنية محيطية مركزية (Bruce وآخرون, 1996).

بناءً على التشكل ، تم تصنيف خلايا العقدة الشبكية في القط α, β و γ خلايا، والتي يعتقد أنها تتوافق مع الفئات الفسيولوجية لـ ص, X و دبليو الخلايا ، على التوالي (Boycott & H. Wässle ، 1974).

ال ص و م تم تقديم التقسيم بواسطة De Monasterio & Gouras (1975) بناءً على تجارب القرود. P و M تشير إلى parvocellular و كبير الخلايا الوصلات تصنع الخلايا العقدية الشبكية في القردة في LGN من الدماغ. كلا النوعين من الخلايا لهما هيكل مجال استقبالي محيطي مركزي مثل الخلايا X و Y في القط. تظهر الخلايا P. لون الخصم وتستجيب لأطوال موجية محددة من الضوء ، وتشارك في رؤية الألوان. تستجيب الخلايا P لـ نطاق الأطوال الموجية والاستجابة بقوة أكبر عندما تضيء شدة الضوء المختلفة المركز والمحيط (Bruce وآخرون, 1996).

الخلايا P. تعتبر في الغالب قزمة الخلايا العقدية ، وما يعادل β خلايا من القط. الخلايا M.، من ناحية أخرى ، تعتبر في الغالب خلايا شمسية ويشبه خلايا ألفا (كولب ، 2001).

مراجع
- مقاطعة و H. Wässle ، ياء فيزيول (1974); 240(2): 397-419
- بروس وآخرون، الإدراك البصري (1996) ؛ 3بحث وتطوير إد. مطبعة علم النفس
- De Monasterio & Gouras ، ياء فيزيول (1975); 251(1): 167-95
- Enroth-Gubel & Robson ، ياء فيزيول (1966); 187(3): 517-52
- Kolb H. Webvision (2001). مدينة سالت ليك (UT): مركز العلوم الصحية بجامعة يوتا


وفق التشريح العصبي الفقاري المقارن، يتم استخدام فئة XYW لشبكية القط. تتوافق تقريبًا مع خلايا M و P و K في الرئيسيات ، على التوالي.


التغيرات في طبقة الألياف العصبية الشبكية وطبقة الخلايا العقدية مع اختلاف شدة مرض العين الدرقية

لتقييم التغيرات في طبقة الألياف العصبية الشبكية (RNFL) وطبقة الخلايا العقدية / طبقة الضفيرة الداخلية (GCL / IPL) مع شدة مرض العين الدرقية (TED).

أساليب

تم تضمين مائة وخمسة وأربعين عينًا من 75 مريضًا مصابًا بـ TED و 70 عينًا من 35 عنصر تحكم سليم. تم تقسيم العيون المصابة بـ TED إلى مجموعة خفيفة (35 عينًا) ومجموعة متوسطة إلى شديدة (42 عينًا) ومجموعة DON (68 عينًا). تم قياس سمك RNFL و GCL / IPL بواسطة التصوير المقطعي البصري (OCT). تم تقييم درجة النشاط السريري (CAS) ، أفضل حدة بصرية مصححة (BCVA) ، ضغط العين (IOP) ، جحوظ وانحراف متوسط ​​(MD) بواسطة قياس محيط همفري.

نتائج

كان لدى CAS فرق كبير بين المجموعات الثلاث (ص & lt 0.001). كان كل من التهاب القولون العصبي و IOP أعلى بشكل ملحوظ في مجموعة DON والمجموعة المتوسطة إلى الشديدة من المجموعة الخفيفة (ص & lt 0.05). كان كل من MD و BCVA أسوأ بشكل ملحوظ في مجموعة DON مقارنة بالمجموعة الخفيفة والمجموعة المتوسطة إلى الشديدة (ص & lt 0.001). كان متوسط ​​سمك GCL / IPL أنحف في مجموعة DON (ص & lt 0.001). كان لسمك RNFL المتوسط ​​فرق كبير بين المجموعة المتوسطة إلى الشديدة ومجموعة DON (ص = 0.036). كان لسمك GCL / IPL المتوسط ​​علاقة كبيرة مع MD (ص = 0.449, ص & lt 0.001) و VA (ص = −0.388, ص & lt 0.001) ، في حين أن متوسط ​​سمك RNFL ليس له علاقة معنوية مع MD (ص = 0.082) أو VA (ص = 0.226).

الاستنتاجات

قد يتطور اعتلال العصب البصري تحت الإكلينيكي في المرضى الذين يعانون من TED المعتدل إلى الشديد. تعتبر قياسات OCT لـ GCL / IPL و RNFL مفيدة للكشف عن التغيرات المبكرة في العصب البصري. قد يكون ترقق GCL / IPL اقتراحًا قويًا لمتابعة الرؤية عن كثب وجراحة تخفيف الضغط في وقت مبكر.


الملخص

الأهداف:

الصدفية هي مرض جلدي التهابي مزمن مفرط التكاثر مجهول السبب ويمكن أيضًا أن تتأثر الهياكل العينية والمسارات البصرية أثناء هذا المرض. سبق أن لوحظ التهاب العصب البصري تحت الإكلينيكي في مرضى الصدفية في الدراسات المحتملة المستحثة البصرية. صممت هذه التجربة لتقييم حساسية الشبكية لدى مرضى الصدفية الشائع.

أساليب:

تم تضمين ما مجموعه 40 عينًا من 40 مريضًا يعانون من الصدفية المزمن من نوع البلاك و 40 عينًا من 40 عامًا من الأشخاص الذين يتطابقون مع الجنس والجنس في هذه الدراسة. تم تأكيد تشخيص الصدفية عن طريق خزعة الجلد. تم تحديد الخطورة باستخدام مؤشر منطقة الصدفية والخطورة وتم تسجيل مدة المرض. بعد فحص طب العيون الكامل ، بما في ذلك اختبارات الرؤية اللونية وردود فعل التلميذ ، تم تقييم المجال البصري لكل موضوع باستخدام كل من القياس اللوني القياسي ومحيط الطول الموجي الآلي.

النتائج:

كان متوسط ​​مؤشر منطقة الصدفية وشدتها 22.05 & # x000b16.40 & # x02032. لم تكن هناك فروق ذات دلالة إحصائية في معلمات المجال البصري للموضوعات عكس الضوابط باستخدام أي من الطريقتين. كانت هناك ارتباطات بين شدة المرض والانحرافات المتوسطة في القياس اللوني القياسي ومحيط الطول الموجي الآلي القصير وبين شدة المرض والانحراف المعياري للنمط المصحح والانحراف المعياري للنمط المحيط الآلي القصير الطول الموجي (r & # x0200a = & # x0200a-0.363، r & # x0200a = & # x0200a-0.399 ، r & # x0200a = & # x0200a0.515 و r & # x0200a = & # x0200a0.369 ، على التوالي).

الاستنتاجات:

يبدو أن حساسية الشبكية تتأثر بشدة الصدفية الشائع.


تعريف "المرتبطة"

هناك نوعان من الارتباطات في الأدبيات. أحدهما يسمى "ارتباط الضوضاء" (17) ويتم تعريفه على النحو التالي: الاستجابات العصبية مرتبطة بالضوضاء إذا وفقط إذا [2]

النوع الثاني يسمى "ارتباط الإشارة" (17) ويختلف عن ارتباط الضوضاء من حيث أنه يشتمل على متوسط ​​فوق المنبهات. على وجه التحديد ، تكون الاستجابات مرتبطة بالإشارة إذا وفقط إذا

يوضح المثال التالي الفرق. لنفترض أننا قدمنا ​​وميضًا من الضوء أثناء التسجيل من خليتين من الخلايا العقدية الشبكية من النوع ON والتي تقع بعيدًا عن شبكية العين (بعيدًا بما يكفي بحيث لا تتداخل مجالاتها الاستقبالية). نظرًا لأن كلتا الخلايا من النوع ON ، فسيتم إطلاق كلاهما عند وميض الضوء. هذا التشابه في استجابتهم هو مثال على ارتباط الإشارات ، ودوره في الترميز العصبي واضح ولا جدال فيه. من ناحية أخرى ، إذا كانت الخليتان من النوع ON قريبتين بدرجة كافية لتلقي مدخلات مشتركة من الخلايا قبل المشبكية (على سبيل المثال ، المستقبلات الضوئية الشائعة ، وخلايا amacrine ، وما إلى ذلك) ، فإنها ستظهر ارتباطات فوق ارتباطات الإشارة. هذه الارتباطات الإضافية هي ارتباطات ضوضاء ، تلك التي أصبحت وظيفتها موضوعًا للنقاش. هذه هي الأشياء التي نركز عليها في هذه المقالة. وبالتالي ، بالنسبة لبقية هذه المقالة ، عندما نشير إلى "مترابط" فإننا نعني "مرتبط بالضوضاء".


نقاش

تدعم نتائج هذه الدراسة الافتراض السابق بأن تقارب المدار يرتبط بدرجة تداخل المجال البصري ثنائي العين في الثدييات. الأصناف ذات الهوامش المدارية المواجهة جانبًا ، مثل الخيول والأرتوداكتيل ، لها حقول ضيقة من التداخل ثنائي العينين وحقول بصرية بانورامية كبيرة يفترض. الأصناف ذات التقارب العالي في المدار ، مثل الرئيسيات ، لها مجالات بصرية مجهر واسعة جدًا نسبيًا. الأهم من ذلك ، لا يمكن استبعاد التساوي القياس كوصف للعلاقة الخطية بين هذين المتغيرين ، مما يشير إلى أن العلاقة الوظيفية بين العين وتوجيه المدار متكافئة تقريبًا عبر الثدييات.

من بين الأصناف التي تم أخذ عينات منها في هذه الدراسة ، الجرابيات فقط Sminthopsis crassicaudata و الهلوسة Dasyurus، والتي ترتبط ارتباطًا وثيقًا نسبيًا (الشكل 3) (Wroe and Muirhead ، 1999) ، انحرفت عن العلاقة العامة العامة الموضحة في الشكل 4. قد يكون تفسير سبب انحراف هذين التصنيفين عن الاتجاه العام مرتبطًا بحقيقة أنهما من بين أصغر حجم الجسم من بين أولئك الذين شملتهم هذه الدراسة. اقترح Cartmill (1970 ، 1972) أن تقارب المدار يميل إلى أن يكون أقل في الأصناف الصغيرة الحجم لأن عيونهم الأكبر نسبيًا قد تؤدي إلى إزاحة جانبية للهامش المداري الجانبي ، أو إزاحة منقارية للهامش المداري الإنسي ، أو كليهما. من المثير للاهتمام أن تكون الحقول المجهرية لهذين التصنيفين أكبر من المتوقع بناءً على تقارب المدار لأنها تشير إلى أنه ، على الأقل في ظل الظروف التجريبية ، قد تقوم الحيوانات بتوسيع التداخل ثنائي العينين عن طريق تقارب المحاور المرئية. هناك ميزتان تم الاستشهاد بهما للمجالات المرئية ثنائية العين وهما حساسية الضوء المعززة وتمييز التباين ، وكلاهما سيفيد التصنيف الليلي (Lythgoe ، 1979 Ross et al. ، 2005). سمينثوبسيس هو قسطرة ، نشط في جميع مستويات الضوء ، و Dasyurus هو ليلي (Arrese et al. ، 1999). على الرغم من التكهنات ، إلا أن أحد الأسباب المحتملة لمنطقة مجهر أكبر في هذين الحيوانين قد يتعلق بعاداتهما الليلية والمفترسة. ومع ذلك ، يُظهر كلا النوعين مستويات منخفضة نسبيًا من حدة البصر بالإضافة إلى السمات الفسيولوجية لشبكية العين المشابهة للثدييات الأخرى التي تنفق بعضًا أو ميزانية نشاطها بالكامل في ظل ظروف ليلية (Arrese et al. ، 1999) ، لذلك ليس من الواضح ما هي الفائدة. من شأن توسيع المجهر أن يوفر هذه الحيوانات. ومع ذلك ، في ظل ظروف معينة ، قد يلزم أحيانًا تقارب المحاور البصرية وظيفيًا لبعض المهام البصرية ، وقد تعكس قياسات تنظير العين هذه القدرة.

بالنظر إلى هذه النتائج ككل ، ربما لا تكون هذه النتائج مفاجئة تمامًا بالنظر إلى التنظيم الشبكي الموثق جيدًا للقشرة البصرية (Allman and Kaas ، 1971 Kaas ، 1978 Allman and McGuinness ، 1988) ، والتي ربما تقيد جزئيًا على الأقل معالجة الرؤية المجهرية. البيانات. قد تسمح حركة العينين بتوسيع مجال تداخل المجهر ، لكن الحقول الموسعة قد لا تُسقط على المناطق القشرية الأولية التي تحتوي على خلايا عصبية انتقائية للتفاوت ثنائي العينين (Cumming and DeAngelis ، 2001). سيوفر هذا تفسيراً معقولاً للتوافق العالي بين طبوغرافيا شبكية العين ، وتوجيه الكرة الأرضية ونصفي الحقل الأنفي والزمني للعينين ، واتجاه الهوامش المدارية العظمية.

الرؤية المجهرية والمجسمة في الرئيسيات القاعدية

تمتلك الرئيسيات الأنثروبويدية أعلى قيم تقارب في المدار بين الثدييات ، وتعيش الرئيسيات الستريبسيرين في أعلى نهاية نطاق الأصناف eutherian (Cartmill، 1972، 1974 Ross، 1995 Heesy، 2003). هذا يعني أنه بناءً على البيانات المقدمة في هذه الدراسة ، تمتلك الرئيسيات من بين أكبر المجالات المرئية ثنائية العين بين الثدييات eutherian. يتم الاحتفاظ جزئيًا بالتاريخ الوراثي للرؤية المجهرية للرئيسيات في السجل الأحفوري. على سبيل المثال ، omomyiform القاعدية الموصوفة مؤخرا تيلاردينا اسياتيكا من أوائل العصر الأيوسيني في الصين ، تقدر قيمة تقارب المدار بـ 51 درجة (Ni et al. ، 2004) ، على غرار الرئيسيات strepsirrhine صغيرة الحجم الموجودة (Ross ، 1995 Heesy ، 2003). تقارب عالي في تيلاردينا وغيرها من الرئيسيات المبكرة عند النظر إليها جنبًا إلى جنب مع توزيع تقارب المدار بين الرئيسيات الموجودة تشير إلى أن التقارب العالي والرؤية المجهرية بدائية للقرود (Cartmill، 1972، 1974 Allman، 1977 Ross، 1995 Heesy، 2003 Kirk et al.، 2003). توفر وجهة النظر التطورية هذه دعمًا إضافيًا للفرضية التي أصبحت تُعرف باسم فرضية الافتراس البصري الليلي لأصول الرئيسيات ، والتي تشرح تقارب المدار وتداخل المجال البصري ثنائي العين كمكون موحد للنظام البصري الذي تم تكييفه للسلوك المفترس في بيئة محدودة الضوء (Cartmill، 1972، 1974، 1992 Allman، 1977، 1999 Pettigrew، 1978، 1986 Heesy and Ross، 2001 Kirk et al.، 2003 but see Ni et al.، 2004).

باختصار ، توضح هذه المقالة أن تقارب المدار وتداخل المجال البصري ثنائي العينين متساويان القياس ومرتبطان بشكل كبير في الثدييات. تدعم هذه البيانات الدراسات السابقة التي استخدمت التقارب المداري كبديل عن المجهر ، خاصةً لدراسات تطور الرئيسيات (Collins، 1921 Cartmill، 1972، 1974، 1992 Allman، 1977، 1999 Pettigrew، 1978، 1986 Heesy، 2003).


الترميز المكاني غير الخطي بواسطة الخلايا العقدية الشبكية: عندما 1 + 1 2

يحدد تكامل الإشارات الناشئة في أوقات و / أو مواقع مختلفة ميزات التحفيز المستخرجة والممثلة بواسطة نظام حسي. على هذا النحو ، فإن فهم هذه المشكلة أمر أساسي لفهم الترميز الحسي. هنا ، نركز على التكامل المكاني بواسطة الخلايا العقدية ، الخلايا الناتجة لشبكية العين. تم وصف استجابات كل من المستقبلات الضوئية والخلايا العقدية لمجموعة متنوعة من محفزات الضوء بدقة ، ولدينا معلومات تشريحية وفيرة حول أنواع الخلايا الشبكية والاتصال. لهذه الأسباب ، توفر شبكية العين فرصة ممتازة لدراسة التكامل الحسي من منظور تجريبي وآلي. من المرجح أن تنطبق العديد من القضايا والمبادئ الحسابية التي تظهر على أنظمة حسية أخرى.

شهد العمل الأخير على معالجة شبكية العين تقدمًا كبيرًا في مجالين: (1) دراسات الآليات التي تشكل استجابات الضوء أثناء عبور شبكية العين و (2) دراسات الخصائص التجريبية للتشفير على مستوى إشارات خرج الخلية العقدية. توفر هذه الأساليب المختلفة لدراسة معالجة الشبكية صورًا مختلفة تمامًا لكيفية عمل شبكية العين: فقد أكدت الدراسات الميكانيكية على المعالجة غير الخطية التي تشكل الإشارات أثناء عبورها الدائرة (Singer ، 2007) ، في حين أن دراسات التشفير التجريبية نموذجًا نموذجًا للتكامل المكاني والزماني في الشبكية الدوائر كعملية خطية (Field and Chichilnisky ، 2007).

هذا التمييز مهم. اللاخطية هي جوهر الحسابات الأكثر إثارة للاهتمام و / أو المهمة في شبكية العين والدوائر العصبية الأخرى. في الواقع ، لا يمكن للتكامل الخطي أن يفسر العديد من جوانب استجابات الخلايا العقدية - على سبيل المثال ، دقة استجابات الخلايا العقدية لإشارات الإدخال المتفرقة. وهكذا ، فإن استجابات الخلايا العقدية في ضوء النجوم ، عندما تصل الفوتونات نادرًا إلى مستقبلات ضوئية للقضيب الفردي ، تعتمد على عتبة اللاخطية بين العصي والخلايا ثنائية القطب التي تحتفظ بشكل انتقائي بالإشارات من القضبان القليلة التي تمتص الفوتونات بينما ترفض الضوضاء من القضبان الأخرى (فيلد وآخرون. ، 2005). يمكن أن يؤدي هذا اللاخطي إلى تحسين نسبة الإشارة إلى الضوضاء لإخراج شبكية العين بمقدار 100 ضعف. لكي تكون فعالة ، من المهم أن تحدث اللاخطية قبل ، وليس بعد ، دمج مدخلات القضيب. تنطبق اعتبارات مماثلة على العديد من الحسابات الأخرى.

هنا ، نناقش بعض نجاحات وإخفاقات النماذج الخاصة بكيفية تكامل الخلايا العقدية الشبكية للإشارات عبر الفضاء. نحن نربط هذه النماذج بالأوصاف الآلية لتشغيل دوائر الشبكية ونسلط الضوء على بعض المشكلات المطلوبة لجمع هذه الأساليب المختلفة معًا. سيتطلب سد هذه الفجوة نماذج وظيفية مقيدة بشكل أكثر إحكامًا بالمعرفة المتزايدة حول علم التشريح وعلم وظائف الأعضاء في شبكية العين. وهذا بدوره سيساعد في وضع آليات معالجة الإشارات في سياق وظيفي. احتضنت العديد من الدراسات السابقة التعقيد الإضافي لمثل هذه النماذج ووصفت ميزاتها الوظيفية (Demb، 2008 Gollisch and Meister، 2010).

السمات الأساسية لدائرة الشبكية

يتم ترميز المحفزات البصرية عند المدخلات إلى شبكية العين عن طريق استجابات العصب والمستقبلات الضوئية المخروطية. يتكون هذا التشفير الأولي من شدة الضوء على المكان والزمان ، وفي حالة المخاريط ، الطول الموجي. توفر إشارات المستقبلات الضوئية من نواح كثيرة تمثيلًا شبيهًا بالكاميرا للعالم. يختلف الترميز في مخرجات الشبكية نوعياً: تعكس استجابات 15-20 نوعًا مختلفًا من الخلايا العقدية الشبكية سمات مميزة للنمط المكاني والزماني لنشاط المستقبلات الضوئية (Field and Chichilnisky ، 2007).

تعتمد انتقائية السمات في الخلايا العقدية على كل من التقارب والتباعد للإشارات أثناء عبور شبكية العين (Masland ، 2001). وهكذا ، تتباعد إشارات المخروط إلى -10 أنواع محددة تشريحيًا من الخلايا ثنائية القطب في الثدييات (الشكل 1 أ). تتلقى معظم الخلايا ثنائية القطب المخروطية مدخلات من 5-10 مخاريط ، والخلايا ثنائية القطب من أنواع مختلفة تظهر خصائص فيزيائية حيوية مختلفة (ديفريز ، 2000). يبدو أن المعالجة المتوازية التي بدأت في الخلايا ثنائية القطب يتم الحفاظ عليها إلى حد كبير من خلال الاتصالات المشبكية الانتقائية التي يتم إجراؤها بواسطة نوع أو نوعين من الخلايا ثنائية القطب لنوع خلية عقدية معينة. في المجموع ، تتلقى معظم الخلايا العقدية مدخلات مثيرة من عشرات إلى مئات الخلايا ثنائية القطب ومئات المخاريط. الاستثناء الملحوظ هو دائرة القزم في نقرة الرئيسيات في هذه الدائرة ، تتلقى خلية العقدة القزمة مدخلات من مخروط واحد عبر خلية ثنائية القطبية واحدة.

تلعب الفئة الثانية من interneuron ، وهي خلية amacrine ، دورًا رئيسيًا في المعالجة المتوازية. تتلقى خلايا Amacrine مدخلات مثيرة من الخلايا ثنائية القطب وتوفر مدخلات مثبطة للخلايا ثنائية القطب والخلايا العقدية وخلايا amacrine الأخرى. لا يُعتقد أن معظم الخلايا العصبية في شبكية العين بخلاف الخلايا العقدية تولد إمكانات فعلية ، على الرغم من أن بعض أنواع الخلايا ثنائية القطب والأماكرين توفر استثناءات. تُظهر خلايا Amacrine تباينًا تشريحيًا وفسيولوجيًا أكبر بكثير من الخلايا ثنائية القطب (Masland ، 2001). لدينا فهم فقير لوظائفهم.

على الرغم من أن لدينا صورة واضحة نسبيًا للوصلات التشريحية التي تمكّن الخلايا العقدية من جمع المدخلات من مناطق مختلفة من الفضاء ، فإننا نفتقر إلى إطار عمل وظيفي موجز يلتقط بدقة كيفية دمج الإشارات في مواقع مختلفة في الفضاء للتحكم في ناتج ارتفاع الخلية العقدية.

نجاحات وإخفاقات النماذج الخطية وشبه الخطية للتكامل المكاني

يتم وصف تكامل إشارات المستقبلات الضوئية بواسطة الخلايا العقدية بشكل كلاسيكي من حيث المجال الاستقبالي للخلية. تعتمد فائدة هذا الوصف على ما إذا كان التكامل المكاني لمدخلات المستقبلات الضوئية يمكن وصفه بأنه عملية خطية أو غير خطية. قد يعني التكامل الخطي أن الاستجابة الناتجة عن الضوء في منطقة واحدة من الفضاء لا تعتمد على مدخلات الضوء في مناطق أخرى ، أي أن المجال الاستقبالي سيعمم عبر المنبهات المختلفة المستخدمة لقياسه. يمكن أن يتسبب التكامل غير الخطي في تفاعل المدخلات في مناطق مكانية مختلفة ، مما ينتج عنه تعميم ضعيف لخصائص المجال الاستقبالي الخطي المقاسة باستخدام محفزات مختلفة.

لطالما استخدمت النماذج التجريبية لالتقاط خصائص المجال الاستقبالي للخلايا العقدية. شدد العمل المبكر على وصف "فرق الغاوسين" الذي يتم فيه التحكم في إطلاق الخلايا العقدية من خلال الاختلاف بين إشارات الإدخال في الوسط الخطي والمناطق المحيطة (الشكل 1 ب) (Kuffler ، 1952 Barlow ، 1953). يتطلب النموذج الخطي الصارم أن تكون الاستجابات للمنبهات في منطقتين من الفضاء تضاف عندما يتم تقديم المحفزات معًا ، وأن تكون الاستجابة للمثير وعكسه معكوسة. لا يتم استيفاء هذه المتطلبات تقريبًا على سبيل المثال ، غالبًا ما تنتج المنبهات التي تنشط محيط المجال الاستقبالي فقط استجابة قليلة أو معدومة ، ولكن نفس المحفزات قادرة على إلغاء الاستجابات جزئيًا أو كليًا الناتجة عن تنشيط مركز المجال الاستقبالي. يمكن أن تكون خصائص الاستجابة غير الخطية هذه نتيجة لعدم الخطية في دارة الشبكية أو لتصحيح اللاخطية في توليد السنبلة ومتطلب أن تكون معدلات إطلاق النار غير سالبة. يؤدي تضمين تصحيح اللاخطية بعد التكامل إلى تحسين قدرة نماذج فرق غاوس على التقاط التفاعلات بين المركز والمحيط.

النماذج الخطية - غير الخطية (LN) هي سليل مباشر لاختلاف النماذج الغاوسية. في نموذج LN ، يتم تمرير حافز الإدخال عبر مرشح خطي زماني مكاني L (x ، t) متبوعًا بغير خطي ثابت (ثابت زمنيًا) N (الشكل 1 C) (Chichilnisky ، 2001). عادةً ما يتم تقدير المرشح الخطي واللاخطي الثابت من المحفزات التي يتم تعديلها عشوائيًا في المكان والزمان لأن كل الاعتماد على الوقت في النموذج يتم التقاطه بواسطة المرشح الخطي ، ويتم تحديد مكونات النموذج بشكل فريد من خلال البيانات حتى عامل مقياس إجمالي واحد . وهكذا ، يوفر L (x ، t) أفضل مؤشر خطي لاستجابة الخلية بالنظر إلى التحفيز ويمكن حسابه بشكل مستقل عن اللاخطية. يصحح N هذا التنبؤ الخطي للخطية ، على سبيل المثال ، تلك الموجودة في توليد السنبلة ، وهو فريد من نوعه بالنظر إلى L (x ، t). توفر L (x ، t) مقياسًا للضبط المكاني والزماني للخلية (إسقاطات المكان والزمان في الشكل 1 ج). الأهم من ذلك ، تحتفظ نماذج LN بافتراض أن الإشارات يتم دمجها خطيًا في الفضاء متبوعة بظاهرة غير خطية واحدة بعد التكامل (الشكل 1 ج).

يوضح الشكل 2 مكونات نموذج LN المحسوب من استجابات خلية عقدة شمسية OFF لمدخل ضوء معدل مؤقتًا (ولكن ليس مكانيًا). يوضح الشكل 2 أ معدل إطلاق النار (أسفل) المقاس استجابة لتكرار متعدد لنفس الحافز العشوائي (أعلى). إن اللاخطية في استجابة الخلية واضحة: لا يمكن تعديل معدل إطلاق النار إلا لأعلى لأن الخلية لديها معدل إطلاق نار قريب من الصفر.

يوضح الشكل 2 ج المرشح الخطي L (t) واللاخطي N المقاس من استجابة السنبلة. يشير الانخفاض السلبي في المرشح الخطي إلى أن الخلية تستجيب بشكل تفضيلي لانخفاض شدة الضوء ، ومتكاملة على مدار فترة زمنية من

50 مللي ثانية. يشير الشكل ثنائي الطور للمرشح الخطي إلى أن الخلية تستجيب بشدة للتغيرات في شدة الضوء بدلاً من الضوء الثابت. يقارن اللاخطي معدل إطلاق النار المقاس (المحور y) مع المعدل المتوقع المعطى من خلال ارتباط التحفيز الذي يسبق الارتفاع بالمرشح الخطي (المحور x). يكون معدل إطلاق النار قريبًا من الصفر إذا كان للمنبه السابق مسار زمني مشابه للمرشح الخطي ولكن القطبية المعاكسة. تنجم معدلات الحرق العالية عن المحفزات ذات الارتباط الإيجابي العالي مع المرشح الخطي. بعبارة أخرى ، يتم تعديل معدل إطلاق الخلية بشدة لتقليل شدة الضوء ولكن ليس لزيادة شدة الضوء.

إن التصحيح الذي تشير إليه اللاخطية هو نموذجي إلى حد ما لذلك الذي تم قياسه في الخلايا العقدية الخارجية لمثل هذه المحفزات غالبًا ما تظهر خلايا ON تصحيحًا أقل وضوحًا (Demb et al.، 2001a Chichilnisky and Kalmar، 2002 Zaghloul et al.، 2003). يوفر نموذج LN توصيفًا تجريبيًا لاستجابة الخلية ، لكن تفسير مكونات النموذج من حيث عناصر الدائرة أمر غامض. على وجه الخصوص ، يمكن أن تحدث اللاخطية في توليد السنبلة و / أو في مواقع المنبع. يوضح الشكل 2 ب (أعلى) مدخلات متشابكة مثيرة لنفس الخلية تم تصحيحها أيضًا بقوة. من أجل البساطة ، نقوم بتحويل التيارات إلى مواصلات (الشكل 2 ب ، أسفل) ، أي ، Gباستثناء(ر) = أناباستثناء(ر) / (الخامس - الخامسباستثناء) ، حيث V.باستثناء هو جهد الانعكاس و V هو الجهد الذي تم عنده الاحتفاظ بالخلية أثناء قياس التيارات في الشكل 2 ب. يوضح الشكل 2 د مكونات نموذج LN للتوصيل الاستثاري. في هذه الحالة ، يكون المرشح الخطي هو أفضل مقدر خطي للتوصيل بالنظر إلى الحافز ، ويقارن اللاخطي هذا التقدير بالتوصيل المقاس. إن اللاخطية للمدخلات المثيرة تشبه إلى حد بعيد تلك التي تم حسابها لاستجابات السنبلة (الشكل 2 د ، الدوائر المفتوحة) ، مما يشير إلى أن الكثير من الحسابات غير الخطية تحدث قبل توليد السنبلة (ديمب وآخرون ، 1999 ، 2001 أ).

يتم توفير المدخلات المثيرة للخلية العقدية من خلال تقارب المدخلات من العديد من الخلايا ثنائية القطب. وبالتالي ، تحدث اللاخطية في المدخلات المثيرة قبل تكامل الإشارات عبر الفضاء الذي يحدث في تشعبات الخلايا العقدية. في حالة الشكل 2 ، يكون الحافز منتظمًا في الفضاء ويكون لموقع اللاخطية تأثير ضئيل على القدرة التنبؤية للنموذج. ومع ذلك ، فإنه سيؤثر على القدرة على التعميم على منبهات جديدة. سنعود إلى هذه المسألة في سياق المحفزات ذات البنية المكانية أدناه.

لقد نجحت نماذج فرق غوسيين ونماذج LN بعدة طرق. يمكنهم فصل الخلايا العقدية إلى أنواع وظيفية بناءً على مكانيها (Chichilnisky and Kalmar ، 2002) ، والزمانية (Segev et al. ، 2006) ، والضبط اللوني (Chichilnisky and Baylor ، 1999 Field et al. ، 2009). تم استخدام نماذج LN أيضًا لتحديد تكيف الحالة المستقرة عن طريق قياس كيفية تغيير المرشح الخطي واللامخطي عند تغيير متوسط ​​أو تباين مدخلات الضوء (Demb ، 2008).

قامت عدة مجموعات بإنشاء نماذج محسّنة على غرار LN لحساب الجوانب المختلفة لاستجابة الارتفاع التي لم يتم التقاطها في النموذج الأصلي. كيت وآخرون. (2001) قدم مصطلح التغذية المرتدة بعد الارتفاع لجعل ناتج النموذج يعتمد على تاريخ الارتفاع الأخير (على سبيل المثال ، الشكل 1 ج). يمكن لمثل هذه النماذج تقدير احتمالية مسارات التحفيز المختلفة نظرًا للاستجابة السريعة للخلية ، وهي تحدد ميزات التحفيز التي يمكن استنتاجها من استجابة الارتفاع وموثوقية هذه الاستدلالات (Paninski ، 2004 Pillow et al. ، 2005) . تم توسيع هذه النماذج لتفسير النشاط المترابط من خلال تضمين مصطلح اقتران يعتمد على الارتفاع بين الخلايا المجاورة (وسادة وآخرون ، 2008). حتى بالنسبة لهذه النماذج الأكثر تعقيدًا ، فإن معيار الاحتمالية المستخدم لملاءمة معلمات النموذج له حد أقصى عالمي واحد ، وبالتالي يمكن تحديد المعلمات المثلى باستخدام الأساليب الرقمية القياسية (Paninski ، 2004).

كانت نماذج LN بما في ذلك مصطلح التغذية المرتدة مفيدة بشكل خاص في وصف كيفية تشكيل آليات التكيف ديناميكيًا أنماط إطلاق النار. بيري وآخرون. (1999) استخدم نموذج LN مع ردود فعل تباين في التحكم في الكسب لحساب قدرة الخلية العقدية الشبكية على تصحيح التأخير الخاص بها والاستجابة للحافة الرائدة للمحفز المتحرك. استخدم Ostojic and Brunel (2011) مؤخرًا عدة نماذج مختلفة لالتقاط الجوانب الزمنية لنمط إطلاق النار ، ووجدوا أن نموذج LN التكيفي الذي تغير فيه الفلتر بناءً على نمط الارتفاع الأخير كان أفضل عمل في التقاط تفاصيل إطلاق الخلية معدل لتحفيز معدل.

نماذج LN مع أو بدون ردود فعل ما بعد الارتفاع هي جميع التفاصيل على شكل مشترك: التكامل المكاني الخطي ، متبوعًا بخطوة غير خطية ، والتي تعتمد في العموم الكامل على كل من الوقت وتاريخ الارتفاع. على الرغم من أن كل نموذج يؤدي أداءً جيدًا للمهام التي تم تصميمه من أجلها ، إلا أن عددًا متزايدًا من الظواهر في استجابات الخلايا العقدية تتحدى التفسير في مثل هذا الإطار (Gollisch and Meister ، 2010) ، ولم ينجح أي نموذج مع تكامل ما بعد المكاني غير الخطي في التنبؤ بنجاح استجابات الخلايا العقدية للمنبهات الطبيعية أو الطبيعية. نجادل أدناه أن النماذج من هذا النوع محدودة بشكل أساسي لأن العديد من خطوات المعالجة غير الخطية في شبكية العين تحدث قبل التكامل المكاني.

الخلايا Y وإخوتها: فشل كبير في النماذج الخطية

إن فكرة وجود الوحدات المكانية غير الخطية داخل المجال الاستقبالي للخلية العقدية هي أكثر من 40 عامًا. بدأ العمل الأخير على خصائص النقل التشابكي في شبكية العين في الكشف عن فهم ميكانيكي أكثر لهذا التجريد الوظيفي الموقر.

قدم Enroth-Cugell and Robson (1966) أول عرض واضح للتكامل المكاني غير الخطي في الخلايا العقدية لشبكية القط (الشكل 3 أ). قاموا بتصنيف الخلايا المسجلة على أنها خلايا X ، والتي دمجت مدخلاتها المكانية خطيًا ، أو خلايا Y ، والتي دمجت الفضاء بشكل غير خطي. لاختبار ما إذا كانت الخلية من النوع X أو Y ، قدموا شبكة موجة جيبية كبيرة للخلية في عدة مواضع مختلفة. إذا كانت الخلية تدمج مدخلات الضوء والظلام خطيًا في الفضاء (نوع X الشكل 3 أ ، يسار) ، في بعض المواضع يجب إلغاء هذه المدخلات ويجب أن تفشل الخلية في الاستجابة للشبكة. سيحدث هذا الإلغاء في تكامل الإشارات عبر الفضاء ، وبالتالي لن يعتمد على المرحلة النهائية غير الخطية. إذا كانت الخلية تتكامل بدلاً من ذلك بشكل غير خطي في الفضاء (الخلية Y الشكل 3 أ ، على اليمين) ، فإن إلغاء الاستجابات من المناطق المظلمة والمضيئة لا يكتمل أبدًا ، وتستجيب الخلية لعرض الشبكة في جميع المواضع. أظهرت العديد من الخلايا في القط مثل هذا اللاخطي المكاني. ومنذ ذلك الحين تم وصف الخلايا من النوع Y في الفئران (Stone and Pinto ، 1993) ، والأرانب (Caldwell and Daw ، 1978) ، وخنزير غينيا (Demb et al. ، 1999) ، والقرد (de Monasterio ، 1978 Petrusca et al. ، 2007 كروك وآخرون ، 2008).

نظرًا لأن الخلايا Y تستجيب بشكل غير خطي للمناطق الصغيرة من الضوء أو الظلام ، فهي حساسة للشبكات ذات التردد المكاني الأعلى مما هو متوقع من مدى مجالها الاستقبالي الخطي (الشكل 3 ب) (Enroth-Cugell and Robson ، 1966 Hochstein and Shapley ، 1976). لم يتم استكشاف النتائج الوظيفية لحساسية التردد المكاني العالية بالتفصيل. من خلال قياس استجابات الخلايا Y للحواجز الشبكية عند ترددات وتباينات مكانية مختلفة ، أنشأ Victor and Shapley (1979) نموذجًا للتكامل المكاني غير الخطي للوحدات الفرعية في حقل استقبالي للخلية العقدية حيث يكون لكل وحدة فرعية وزن غير خطي وتحكم في الكسب. لم يتخذ نموذجهم موقفًا قويًا من الركيزة التشريحية للوحدات الفرعية ، فقط أشار إلى احتمال توافقها مع الخلايا ثنائية القطب.

ديمب وآخرون. (1999 ، 2001 أ) استخدم مزيجًا من التسجيلات داخل الخلايا وعلم الأدوية لتحديد عناصر الدائرة العصبية المسؤولة عن السلوك من النوع Y في الخلايا العقدية لخنازير غينيا. وجدوا أن الاستجابات غير الخطية من مركز المجال الاستقبالي كانت مدفوعة بالإثارة من الخلايا ثنائية القطب - من المحتمل أن تكون نفس الخلايا ثنائية القطب التي توفر مدخلات خطية للمركز - وأن الاستجابات غير الخطية من المحيط كانت حساسة لحجب قنوات الصوديوم وبالتالي من المحتمل تشارك خلايا amacrine المتصاعدة. أسست هذه الدراسات إطارًا لربط استجابات الخلايا العقدية غير الخطية بالعناصر المعروفة لدوائر المنبع. كما أنها توفر لمحة عن تعقيد الآليات غير الخطية التي تشكل التكامل المكاني في الخلايا العقدية.

Nonlinear retinal processing

Nonlinear synaptic and cellular processes abound in the retina, as in other neural circuits. Responsible mechanisms include the voltage dependence of calcium channels that control transmitter release, the nonlinear dependence of transmitter release on intracellular calcium concentration, history dependence of synaptic transmission via synaptic depression or facilitation, and active conductances in retinal interneurons or ganglion cell dendrites. These nonlinear mechanisms are spread across circuit elements that collect information from differently sized regions of visual space and hence can, in principle, influence processing on multiple spatial scales.

We will discuss only a few of the best-characterized examples of nonlinear computations in the retinal circuitry in the most physiologically realistic conditions. Nonlinearities are often revealed by experiments that push cells and circuits well out of their normal operating range. To evaluate the importance of such nonlinearities on processing of light responses, it is important to view them in the context of the physiological operating range of cells and synapses.

Linear synaptic transmission requires that equal contrast light increments and decrements cause equal and opposite postsynaptic responses. Such symmetry requires a high sustained rate of neurotransmitter release if a synapse is to transmit a wide range of signals. The same issue, applied to spike generation and the requirement that a truly linear cell maintain a high spontaneous firing rate, motivated the inclusion of a post-integration nonlinearity in the LN model framework. To support the encoding of both positive and negative contrasts, photoreceptors and bipolar cells both use graded potentials rather than spikes, and the output synapses of both cell types have a special presynaptic structure, the ribbon (Matthews and Fuchs, 2010).

The linearity of retinal ribbon synapses has been the subject of several studies (Shapley, 2009). At the first synapse in the retina, rods make contact with rod bipolar cells, and cones make contact with cone bipolar cells and horizontal cells. Sakai and Naka (1987) found that a linear filter adequately described the voltage responses of catfish horizontal cells and bipolar cells to a randomly varying light input. A nearly linear relationship between light intensity and voltage has also been observed in salamander bipolar cells (Rieke, 2001 Baccus and Meister, 2002 Thoreson et al., 2003). The linearity of the rod synaptic output originates from a near-linear dependence of the rate of exocytosis on calcium concentration in the physiological range of rod voltages (Rieke and Schwartz, 1996 Thoreson et al., 2004) this near-linear calcium dependence is produced by a highly calcium-sensitive component of exocytosis (Thoreson et al., 2004). The rod’s high calcium sensitivity and linearity differ from the situation at most central synapses and at bipolar ribbon synapses, where exocytosis requires higher calcium concentrations and depends nonlinearly on increases in calcium (Neher and Sakaba, 2008).

Processes downstream of transmitter release from the photoreceptors can create nonlinearities in bipolar cell light responses. Burkhardt and Fahey (1998) compared the responses of salamander cones and bipolar cells to contrast increments and decrements. Although cones responded near-linearly for steps up to 100% contrast, some bipolar cells exhibited clear nonlinearities for

20% contrast steps. Differences between this work and the studies supporting linearity of transmission are likely the result of differences in the cell types studied and the larger and more rapid changes in contrast used by Burkhardt and Fahey (1998). At low light levels, signal transfer from rods to rod bipolar cells in mouse retina acts to (nonlinearly) threshold the rod responses (van Rossum and Smith, 1998 Field and Rieke, 2002), an operation that is critical to the sensitivity of photon detection by ganglion cells. This nonlinearity originates in the transduction cascade linking metabotropic glutamate receptors to channels in the rod bipolar cell dendrites (Sampath and Rieke, 2004).

Even if signals arrive at bipolar cells proportionate to the light collected by the photoreceptors, nonlinearities in the bipolar output could lead to nonlinear spatial integration in the ganglion cell. Indeed, a ganglion cell’s excitatory synaptic input is often both profoundly rectified (see Fig. 2) (Zaghloul et al., 2003) and history dependent because of rapid adaptational mechanisms (Demb, 2008). For example, contrast adaptation (Demb, 2008) has been observed in the voltage responses of bipolar cells, in spatial subunits of the retinal ganglion cell receptive field, and in a ganglion cell’s excitatory synaptic inputs. Further, the synapse between rod bipolar cells and AII amacrine cells depresses after single-photon events (Dunn and Rieke, 2008) and voltage steps (Singer and Diamond, 2006). The effect of nonlinearities in the output of bipolar cells could be mitigated by similarly rectified inhibitory input from amacrine cells (Werblin, 2010). Inhibitory feedback circuits provided by some amacrine cells, however, enhance nonlinear transfer by decreasing the tonic release rate from the bipolar cell (Freed et al., 2003).

Active dendritic conductances can also cause nonlinearities in signal processing. NMDA receptors used in ganglion cell signaling are one example (Manookin et al., 2010). The computations underlying directionally selective responses provide additional examples (first described by Barlow and Levick, 1965 Demb, 2007). First, voltage-sensitive dendritic processing causes starburst amacrine cells to respond more strongly to stimuli moving from the soma toward the dendritic tips than vice versa (Euler et al., 2002). Second, directionally selective ganglion cells sharpen the direction tuning that they inherit from starburst cells by generating spikelets at multiple locations within their dendrites (Oesch et al., 2005).

Synaptic inputs to many ganglion cell types exhibit pronounced nonlinearities. Excitatory synaptic inputs can have nonlinearities that are similar to those in a cell’s spike output (Fig. 2), and the few inhibitory inputs that have been studied appear to be nonlinear as well. Thus, much of the nonlinearity in a ganglion cell’s spike output is already present in its synaptic inputs (Demb et al., 1999, 2001a) and hence occurs before spatial integration. In the case of excitatory inputs, this suggests that spots of light positioned within the relatively small receptive fields of the bipolar cells will interact differently that those that are spaced between bipolar cells, and functional models based on linear integration of inputs across space will fail to capture these interactions. Light stimuli that preferentially stimulate particular amacrine cells (like directional stimuli for the starburst cells) are also likely to produce inhibition in a ganglion cell that cannot be captured by a model with linear spatial integration.

A framework for the functional characterization of ganglion cell selectivity that includes nonlinear spatial integration

We are only beginning to appreciate the functional consequences of nonlinear spatial integration by retinal ganglion cells. Early work by Lettvin et al. (1959) described ganglion cell feature selectivity in terms of features inspired by natural scenes, characterizing cells as “dimming detectors, convexity detectors, and moving edge detectors.” The focus of coding studies in the retina shifted with the adoption of LN models, but recent studies have described ganglion cell selectivity for features like the approach of a dark object (Münch et al., 2009), the reversal of direction of a moving object (Schwartz et al., 2007), or the differential motion of foreground and background (Olveczky et al., 2003 Baccus et al., 2008). Gollisch and Meister (2008) presented a phase-shifted edge stimulus, like the one used by Enroth-Cugell and Robson (1966), and found that a model with linear spatial integration failed to capture the distribution of first spike latencies they observed. A model with rectifying spatial subunits (both ON and OFF type) was able to fit their data. Similar models that include a nonlinear step before spatial integration have been successful in accounting for the responses of ganglion cells to particular classes of stimuli (Gollisch and Meister, 2010). Such models are typically not fit to the data parametrically like LN models. In particular, the nonlinear step is often modeled as a straight rectification rather than an arbitrary function (Baccus et al., 2008 Gollisch and Meister, 2008). This could limit the ability of such models to generalize to arbitrary spatial stimuli.

What role does nonlinear spatial integration play in the types of information relayed by different ganglion cell types? We are far from understanding how visual information is segregated into the parallel pathways defined by each ganglion cell type. Even for the Y cell, we have only fragmentary clues about feature selectivity. As noted above, nonlinear subunits provide the Y cell with the ability to respond to much higher spatial frequencies than would be predicted by the size of the receptive field center (Fig. 3 B). Demb et al. (2001b) showed that this leads to the Y cell’s ability to respond to “second-order motion,” the movement of a high spatial frequency contrast pattern with no change in mean luminance across the ganglion cell receptive field. Nonlinear subunits might also enable the ganglion cell to signal the location of small objects within the receptive field or to distinguish between texture patterns with information at small spatial scales, but these ideas have not been tested experimentally.

Anatomical work continues to identify the cell types of the retina and their connections, and physiology is offering new insights into the ways signals are transmitted through the circuit. These advances will allow the next generation of functional models of ganglion cell behavior to move away from linear spatial integration as they confront the complexities of the nonlinearities in the retinal circuit. There are both challenges and opportunities associated with this new approach. Nonlinear spatial integration adds considerable complexity as ganglion cell sensitivity can no longer be described by a traditional receptive field. Instead, the nonlinearities of individual circuit elements, like the bipolar cells, must be measured and understood mechanistically so that they in turn can be modeled and their impact on responses to novel stimuli predicted. Although a linear receptive field can be mapped with white noise stimuli, mapping the locations and properties of subunits in the nonlinear receptive field will require the synthesis of new stimuli and analysis techniques. The general class of models that includes a nonlinearity before spatial integration can capture an enormous variety of spatial transformations (Funahashi, 1989 Hornik et al., 1989), and such models are likely to generalize across stimuli, even natural scenes, better than linear models.


أساليب

Preparation and recording

Recordings from central retinal ganglion cells of the isolated mouse retina were obtained via a flat array of 64 microelectrodes as described in Dedek et al. (2008). Briefly, spike waveforms were recorded using a Multichannel Neuronal Acquisition Processor (Plexon Instruments, Dallas, TX). Two different standard spike-sorting methods were used: a window discriminator or a principal component analysis (PCA)�sed waveform sorting algorithm implemented in Chronux (Mitra and Bokil 2008) based on the method of Fee et al. (1996).

Stimuli

The white-noise stimulus consisted of a pseudorandom binary sequence presented in a 20 × 18 stimulus array of 80 × 80-micron (2.6 × 2.6°) square checks, updated every 67 ms. The naturalistic sequence consisted of a movie of a ground-level animal's view of the landscape in New York City's Central Park. The luminance within each 67 ms block was averaged, rescaled to an 8-bit range [0, 255], and presented in the same array as was used for the white-noise stimulus. The two levels used for the binary stimulus were 92 and 202, chosen so that the two stimuli were matched for mean (148) and SD (54). The mean luminance for both stimuli at the retina was 0.24 μW/cm 2 . Each stimulus sequence was presented for 9,000 frames, lasting 600 s.

In addition to the above-cited stimulus samples used for constructing the model, we measured responses to repeated presentation of a validation (out-of-sample) sequence. For white noise, this consisted of 60 to 200 repeats of a 90-frame (6 s) sequence (seven retinae) for the naturalistic stimulus (all 82 cells), this consisted of 70 to 180 repeats of a 90-frame sequence (one retina) or a 150-frame (10 s) sequence (eight retinae).

Response modeling

To compare ganglion cell dynamics in white-noise and naturalistic conditions in the context of the predictive coding hypothesis, we require a filter-based description of the stimulus–response relationship in each of the two environments. To provide these descriptions, we fitted separate linear-nonlinear-Poisson (LNP) models (Chichilnisky 2001) to data obtained under the two experimental conditions. The parameter-fitting strategy was based on the maximum-likelihood approach of Pillow et al. (2008) and was tailored to the needs of this study as described in the next section.

Model structure

Neuronal firing is modeled as an inhomogeneous Poisson process whose intensity (firing probability) ص(ر) is the result of filtering the stimulus س by a linear filter إل, and then applying a nonlinearity ن

where ∗ represents spatiotemporal convolution, formally defined by

Since the stimulus is constant on pixels of size Δx × Δذ = 80 × 80 microns and frames of length Δر = 67 ms, we replace this integral by a discrete sum

أين أنا أغلفة تي = 18 time steps (1.2 s) and the spatial indices نx و نذ each cover 10 contiguous integers, corresponding to a 10 × 10 array of pixels covering and approximately centered on the receptive field. Here, the range of stimulus intensities س is mapped to [𢄠.5, 0.5], with 𢄠.5 corresponding to black and 0.5 corresponding to the maximum luminance, i.e., 0.42 μW/cm 2 .

To reduce the number of free parameters, we assume that the linear filter إل is separable into a product of a temporal kernel جيtemp(τ) characterized by 18 parameters, one for each lag, and a spatial kernel جيبصق(x, ذ) characterized by 100 parameters, one for each pixel [Pillow et al. (2008) used two such terms]. To remove the ambiguity of multiplicative constants shared by these factors, the kernels جيtemp(τ) and جيبصق(x, ذ) are normalized by ∑أنا=1 تي [جيtemp(أناΔτ)] 2 = 1 and ∑نxنذ [جيبصق(نx& # x00394x, نذ& # x00394ذ)] 2 = 1 and the overall size of إل is brought into a single factor كmult

To further reduce the number of free parameters and to provide for a principled extrapolation of the temporal kernel to long times without incurring an artifactual transient after the longest lag explicitly considered (1.2 s), the temporal kernel was constrained to be a sum of 10 basis functions (Pillow et al. 2008). The first five basis functions هي (ي = 1,…, 5) were set to 1 on the يth time bin (of length Δτ) and 0 elsewhere. The last five basis functions هي (ي = 6,…, 10) were single lobes of raised cosine functions in logarithmic time

where αي ranged from 0.22 to 0.55, βي ranged from 1.8 to 2.6, and λي was chosen for unit normalization. This extrapolation had a negligible effect on the estimated transfer functions, since impulse responses had largely returned to zero at 1.2 s.

To allow for exploration of a wide range of kinds of neural responses, the nonlinearity ن من مكافئ. 1 was parameterized as a cubic spline (i.e., a piecewise cubic polynomial with continuous second-order derivatives), which was not constrained to be monotonic. This allowed us to capture the behavior of neurons with on–off characteristics. As we show, this model also provided for accurate estimation of response dynamics under both white-noise and natural scene conditions ( Figs. 1ب and ​ and2ب), 2ب ), as is required to study adaptation.

أ: temporal kernels (top row) and their Fourier transforms (bottom row) of 3 example on retinal ganglion cells under white-noise (solid) and naturalistic (dotted) conditions. Under naturalistic conditions, the response at high frequencies is enhanced and the response at low frequencies is attenuated. Temporal kernels are normalized (root mean squared) to unity power Fourier transforms maintain this normalization. Bias indices for the 3 cells (from اليسار إلى حق): 0.87, 0.89, 0.99. ب: parallel analysis of model linear-nonlinear-Poisson (LNP) neurons whose parameters are chosen to match the white-noise behavior of the neurons in أ. For model LNP neurons, the temporal characteristics are identical under white-noise and naturalistic conditions.

أ: temporal kernels (top row) and their Fourier transforms (bottom row) of 3 example off cells. Under naturalistic conditions, there is virtually no change in the response at the highest frequencies, and only very modest changes in the responses at low frequencies. Both behaviors contrast with that of the on cells in Fig. 1 . Bias indices for the 3 cells (from اليسار إلى حق): 𢄠.27, 𢄠.26, 𢄠.81. Other details as in Fig. 1 . ب: parallel analysis of model LNP neurons whose parameters are chosen to match the white-noise behavior of the neurons in أ. For model LNP neurons, the temporal characteristics are identical under white-noise and naturalistic conditions.

Model fitting

Instances of the preceding model were independently fit to responses to white-noise and naturalistic stimulation by maximizing the likelihood of the observed responses. To carry out this fit, we began with an exponential nonlinearity ن(x) = exp(x + ك0)، هذا هو

because for this nonlinearity, there are no local maxima (Paninski 2004), thus facilitating the parameter estimation. We then replaced the exponential nonlinearity by an approximating 6-knot cubic spline. The model parameters were fit by coordinate ascent (i.e., alternating stages of maximizing the log-likelihood with respect to (أنا) the spline coefficients and (ثانيا) the filter parameters, until a maximum was reached). The spline parameters were not restricted to monotonic nonlinearities. Empirically, this procedure did not incur a drift in the values of كmult أو ك0, even though in principle they are redundant with spline parameters. This procedure was vetted by demonstrating that it properly recovered the parameters of model LNP systems (including systems with nonmonotonic nonlinearities) from their responses to both white-noise and naturalistic inputs (see Figs. 1ب and ​ and2ب 2ب ).

Calculations were carried out in Matlab, using code adapted from that of Pillow et al. (2008).

Analysis of model parameters

To calculate the frequency response, we Fourier-transformed the temporal kernel جيtemp(τ) numerically. Since the impulse response was measured up to تي = 1.2 s, frequency resolution is bounded by 1/ تي = 0.8 Hz. That is, the DC value of the frequency response, which is the average of the impulse response over the previous تي = 1.2 s (18 time points), captures the average behavior over frequencies from 0 to 0.8 Hz.

في التين. 1 ​ 1 ​ – 4 we show in addition, for the interested reader, the frequency response at a step beyond the guaranteed resolution. To calculate this, we used the fact that the impulse response approaches zero at تي = 1.2 s. Thus we tapered it to zero beyond تي = 1.2 s by projecting it on the basis functions indicated in مكافئ. 5 and calculated frequency responses by Fourier transformation over the interval from 0 to 4تي. As a check, we also used zero-padding and found nearly identical results. Note that the conclusions of this study do not depend on knowledge of this fine structure.

Changes in temporal response characteristics across the population of on (اليسار) and off (حق) ganglion cells. أ: geometric mean of the Fourier transforms of the temporal kernels under white-noise (solid) and naturalistic (dotted) conditions. ب: ratios. The dashed line indicates a slope of 0.41, the quantitative expectation of predictive coding. Error bars: 95% confidence limits (ر-test).

Temporal tuning and adaptation along the on–off continuum. Abscissa is bias index (see methods ), which spans the gamut from 𢄡 (pure off ) to +1 (pure on ). Ordinate is the Fourier transform of the temporal kernel measured under white-noise conditions (أ), naturalistic stimulation (ب), and the ratio (ج). Note the different ordinate scale on the leftmost panel in the bottom row (ج).

To measure the goodness of fit of the model, we compared the ability of the model response to predict the neuron's response to the neuron's intrinsic reproducibility. To measure the model's predictive ability, we used the variance explained by the model's prediction of the response to the out-of-sample validation trials (Chichilnisky 2001). To measure the neuron's intrinsic reproducibility, we compared the neural responses to the first and second halves of the validation trials. Our measure of goodness of fit (GOF) was the ratio of these quantities

أين الخامس is the fraction of variance explained, م is the model response, ص1 is the firing rate for the first half of validation-sequence trials, and ص2 is the firing rate for the second half of validation-sequence trials. Firing rates ص1 و ص2 were calculated by convolving the raw spike train sequence with a Gaussian whose standard deviation was half the bin width, 33 ms. We report results for the goodness of fit to the natural scene stimulus, which was measured in all cells similar results were obtained for the goodness of fit measured with the white-noise stimulus (53/82 cells).

Bias index

The bias index (BI) is a measure of the overall balance of on and off inputs, defined by

أين صتشغيل is the peak firing rate following a step increase in luminance and صإيقاف is similarly defined for the offset transient. Note that for a cell that has only an on response (صتشغيل > 0, صإيقاف = 0), then BI = 1. Similarly, for a cell that only has an off response, BI = 𢄡.

صتشغيل و صإيقاف were measured by adapting the procedure of Carcieri et al. (2003) for use with random binary stimulation. Specifically, we first identified the “optimal” check—i.e., the one that was closest to the receptive field center and covered most of it. Then, to measure صتشغيل, we calculated a poststimulus time histogram (PSTH) triggered by portions of the stimulus sequence in which optimal check was off for five frames (333 ms) and then on for two frames (133 ms). صتشغيل was taken as the maximum of the smoothed (Gaussian standard deviation 20 ms) PSTH in the window from 230 to 330 ms (see kernel functions in Figs. 1 and ​ and2) 2 ) following the onset transient. صإيقاف was analogously measured from segments of the stimulus sequence in which the optimal check was on for five frames and then off for two frames. With this method, the population distribution of BI values was nearly identical to that reported by Carcieri et al. (2003) who used an “optimal spot,” rather than the optimal check used here.


مقدمة

The hypothalamic suprachiasmatic nucleus (SCN) is the master clock responsible for controlling circadian rhythms in mammals 1 . These rhythmic cycles generated by the SCN are entrained to the environmental light/dark cycle via photic signals from intrinsically photosensitive retinal ganglion cells (ipRGCs) expressing the photopigment melanopsin. In addition to their critical role in nonimage-forming vision, ipRGCs also project to the lateral geniculate nucleus (LGN) to modulate conscious vision, and the pretectal olivary nucleus (PON) to control pupil constriction 2, 3, 4 . Orexin is a neuropeptide that regulates arousal, wakefulness, and appetite. Orexingeric cells in the posterior hypothalamus receive input from the circadian system 5 . It has been reported that orexin is present in melanopsin-expressing ipRGCs 6, 7 . However, most knowledge of these cells has been gained from studies on nocturnal rodents, whose visual systems are distantly related to those of humans and other diurnal primates. Injection of cholera toxin B (CtB), an anterograde axonal tracer, was used to visualize retinal projections in the brain, and anti-orexin antibodies were used to determine if these projections also contained orexin.


Bishop, P.O., Burke, W., Davis, R.: The interpretation of the extracellular response of single lateral geniculate cells. J. Physiol. (Lond.) 162, 451–472 (1962)

Bishop, P.O., Jeremy, D., Lance, J.W.: The optic tract. Properties of a central tract. J. Physiol. (Lond.) 121, 415–432 (1953)

Boycott, B.B., Wässle, H.: The morphological types of ganglion cells of the domestic cat's retina. J. Physiol. (Lond.) 240, 397–419 (1974)

Bullier, J., Norton, T.T.: Receptive-field properties of X, Y, and intermediate cells in the cat lateral geniculate nucleus. Res الدماغ. 121, 151–156 (1977)

Bullier, J., Norton, T.T.: X and Y relay cells in cat lateral geniculate nucleus: Quantitative analysis of receptive-field properties and classification. J. Neurophysiol. 42, 244–273 (1979)

Campbell, F.W., Cooper, G.F., Enroth-Cugell, C.: The spatial selectivity of the visual cells of the cat. J. Physiol. (Lond.) 203, 223–235 (1969)

Cleland, B.G., Dubin, M.W., Levick, W.R.: Sustained and transient neurones in the cat's retina and lateral geniculate nucleus. J. Physiol. (Lond.) 217, 473–496 (1971a)

Cleland, B.G., Dubin, M.W., Levick, W.R.: Simultaneous recording of input and output of lateral geniculate neurones. Nature (New Biol.) 231, 191–192 (1971b)

Cleland, B.G., Levick, W.R.: Brisk and sluggish concentrically organized ganglion cells in the cat's retina. J. Physiol. (Lond.) 240, 421–456 (1974)

Cleland, B.G., Levick, W.R., Sanderson, K.J.: Properties of sustained and transient ganglion cells in the cat retina. J. Physiol. (Lond.) 228, 649–680 (1973)

Coenen, A.M.L., Vendrik, A.J.H.: Determination of the transfer ratio of cat's geniculate neurons through quasi-intracellular recordings and the relation with level of alertness. إكسب. Res الدماغ. 14, 227–242 (1972)

Cooper, G. F., Robson, J. G.: Successive transformations of spatial information in the visual system. I.E.E./N.P.L. Conference on Pattern Recognition, 1968, I.E.E. Conference publication 47, 134–143 (1968)

Dubin, M.W., Cleland, B.G.: Organization of visual inputs to interneurons of lateral geniculate nucleus of the cat. J. Neurophysiol. 40, 410–427 (1977)

Enroth-Cugell, C., Robson, J.G.: The contrast sensitivity of retinal ganglion cells of cat. J. Physiol. (Lond.) 187, 517–552 (1966)

Famiglietti, E.V., Kolb, H.: Structural basis for on- and off-center responses in retinal ganglion cells. علم 194, 193–195 (1976)

Fukada, Y.: Receptive field organization of cat optic nerve fibers with special reference to conduction velocity. Vision Res. 11, 209–226 (1971)

Fukada, Y., Saito, H.A.: The relationship between response characteristics to flicker stimulation and receptive field organization in the cat's optic nerve fibers. Vision Res. 11, 227–240 (1971)

Fukada, Y., Saito, H.A.: Phasic and tonic cells in the cat's lateral geniculate nucleus. Tohoku J. Exp. ميد. 106, 209–210 (1972)

Hochstein, S., Shapley, R.M.: Quantitative analysis of retinal ganglion cell classifications. J. Physiol. (Lond.) 262, 237–264 (1976a)

Hochstein, S., Shapley, R.M.: Linear and nonlinear spatial subunits in Y cat retinal ganglion cells. J. Physiol. (Lond.) 262, 265–284 (1976b)

Hoffmann, K.P., Stone, J., Sherman, S.M.: Relay of receptive-field properties in dorsal lateral geniculate nucleus of the cat. J. Neurophysiol. 35, 518–531 (1972)

Hubel, D.H., Wiesel, T.N.: Integrative action in the cat's lateral geniculate body. J. Physiol. (Lond.) 155, 385–398 (1961)

Ikeda, H., Wright, M.: Receptive field organization of ‘sustained” and ‘transient’ retinal ganglion cells which subserve different functional role. J. Physiol. (Lond.) 227, 769–800 (1972)

Kratz, K.E., Webb, S.V., Sherman, S.M.: Electrophysiological classification of X- and Y-cells in the cat's lateral geniculate nucleus. Vision Res. 18, 1261–1264 (1978)

Levick, W.R., Cleland, B.G.: Selectivity of microelectrodes in recordings from cat retinal ganglion cells. J. Neurophysiol. 37, 1387–1393 (1974)

Levick, W.R., Cleland, B.G., Dubin, M.W.: Lateral geniculate neurons of cat: Retinal inputs and physiology. استثمار. Ophthal. 11, 302–311 (1972)

Maffei, L., Fiorentini, A.: The visual cortex as a spatial frequency analyser. Vision Res. 13, 1255–1267 (1973)

Milkman, N., Shapley, R.M., Schick, G.: A microcomputer-based visual stimulator. Behav. الدقة. Methods and Instrum. 10, 539–545 (1978)

Movshon, J.A., Thompson, I.D., Tolhurst, D.J.: Spatial and temporal contrast sensitivity of neurones in areas 17 and 18 of the cat's visual cortex. J. Physiol. (Lond.) 283, 101–120 (1978)

Robson, J.G.: Receptive fields: Neural representation of the spatial and intensive attributes of the visual image. In: Handbook of perception, Vol. 5, pp. 81–116 (ed. Carterette, E.G. and Friedman, M.P.). New York: Academic Press 1975

Rodieck, R.W., Pettigrew, J.D., Bishop, P.O., Nikara, T.: Residual eye movements in receptive field studies of paralyzed cats. Vision Res. 7, 107–110 (1967)

Rowe, M.H., Stone, J.: Properties of ganglion cells in the visual streak of the cat's retina. J. كومب. نيورول. 169, 99–125 (1976)

Sanderson, K.J.: The projection of the visual field to the lateral geniculate and medial interlaminar nuclei in the cat. J. كومب. نيورول. 143, 101–118 (1971)

Shapley, R.M., Hochstein, S.: Visual spatial summation in two classes of geniculate cells. Nature (Lond.) 256, 411–413 (1975)

Singer, W.: Control of thalamic transmission by corticofugal and ascending reticular pathways in the visual system. فيسيول. القس. 57, 386–420 (1977)

Singer, W., Bedworth, N.: Inhibitory interaction between X and Y units in the cat lateral geniculate nucleus. Res الدماغ. 49, 291–307 (1973)

Singer, W., Creutzfeldt, O.D.: Reciprocal lateral inhibition of on- and off-center neurons in the lateral geniculate body of the cat. إكسب. Res الدماغ. 10, 311–330 (1970)

Stone, J.: Sampling properties of microelectrodes assessed in the cat's retina. J. Neurophysiol. 36, 1071–1080 (1973)

Stone, J.: The number and distribution of ganglion cells in the cat retina. J. كومب. نيورول. 180, 753–772 (1978)

Stone, J., Fukuda, Y.: Properties of cat retinal ganglion cells: A comparison of W-cells with X- and Y-cells. J. Neurophysiol. 37, 722–748 (1974)


Hae-Young Lopilly Park and Jie Hyun Kim contributed equally.

الانتماءات

Department of Ophthalmology, Seoul St. Mary’s Hospital, College of Medicine, The Catholic University of Korea, Seoul, Korea

Hae-Young Lopilly Park, Jie Hyun Kim & Chan Kee Park

يمكنك أيضًا البحث عن هذا المؤلف في PubMed Google Scholar

يمكنك أيضًا البحث عن هذا المؤلف في PubMed Google Scholar

يمكنك أيضًا البحث عن هذا المؤلف في PubMed Google Scholar

مساهمات

Design and conduct of the study (C.K.P., H.Y.P., J.H.K.), collection (C.K.P., H.Y.P., J.H.K.), management (C.K.P., H.Y.P., J.H.K.), Analysis (C.K.P., H.Y.P., J.H.K.), interpretation of the data (C.K.P., H.Y.P., J.H.K.), preparation (H.Y.P.), review or approval of the manuscript (C.K.P., H.Y.P., J.H.K.).

المؤلف المراسل


شاهد الفيديو: كامن الفعل في الخلايا العضلية القلبية و النسيج العقدي و انتشار موجة زوال الاستقطاب - تاثير النواقل (ديسمبر 2022).