Nature 子刊:我们所看到的往往并不总是我们能够得到的

2016-09-21 佚名 生物谷

图片摘自:mcb.berkeley.edu 近日,来自瑞士巴塞尔弗雷德里希米歇尔研究所生物医学研究的科学家通过研究在视觉皮质中鉴别出了特殊的神经元,其活性能够帮助预测即将出现的视觉刺激物,同时这种活性还会随着机体的经历而出现,并且能够同实际的感觉输入进行结合,相关研究刊登于国际杂志Nature Neuroscience上;研究者指出,我们所感觉到的东西实际上是我们期待看到的东西同实际看到东西

图片摘自:mcb.berkeley.edu

近日,来自瑞士巴塞尔弗雷德里希米歇尔研究所生物医学研究的科学家通过研究在视觉皮质中鉴别出了特殊的神经元,其活性能够帮助预测即将出现的视觉刺激物,同时这种活性还会随着机体的经历而出现,并且能够同实际的感觉输入进行结合,相关研究刊登于国际杂志Nature Neuroscience上;研究者指出,我们所感觉到的东西实际上是我们期待看到的东西同实际看到东西的结合。

实际上这发生在我们所有人身上,我们通常并不会注意到朋友们佩戴的眼镜、配偶的新发型或者演讲标题的错误等,我们或许根本不明白我们眼前的所见;如今研究者们通过研究发现,机体所出现的这些疏忽或许并不取决于我们的不重视,而这些现象可以通过生物学来进行解释。

研究者指出,随着经历事情的增加,视觉皮质中的特定神经元就能够帮助预测确定情况下特殊的视觉输入,研究者Keller解释道,大脑能够产生对我们未来所看到事物的预测,比如,当我们每天都能看到一个人的话,我们就会知道接下来会发生什么并且大脑能够产生面部的影像,而这些期望随后就会影响到我们实际看到的东西。

在这项研究中,研究者让小鼠学会通过虚拟隧道来进行导航,隧道的墙壁上会出现不同的模式来作为视觉线索,随着小鼠不断获取经验,研究者就能够在小鼠大脑视觉皮质确定的神经元中发现特殊的反应,而这些反应就能够预测即将到来的刺激;文章第一作者Aris Fiser说道,在特定的视觉线索出现之前,这些细胞都处于活性状态,通过分析观察这些细胞,我们就能够预测小鼠接下来能够看到的东西,而来自这些神经元的信号随后就能够在视觉皮质中传输地更远,同时还会同来自眼睛中实际的感觉信号相结合。

此外,如果小鼠没有遇到预期的刺激,其视觉皮质中的一类神经元就会选择性并且强烈地对这种刺激缺失产生反应,本文研究表明,大脑的视觉加工能够被期望严重影响,而这些期望能够通过亲身经历所形成,同时还会抑制且增强对偏离的反应。在这种方式下,视觉感知似乎就是我们所期待的看到的东西与我们实际看到的东西的结合体。

原始出处

Aris Fiser, David Mahringer, Hassana K Oyibo, Anders V Petersen, Marcus Leinweber & Georg B Keller.Experience-dependent spatial expectations in mouse visual cortex.Nature Neuroscience

版权声明:
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
评论区 (3)
#插入话题
  1. [GetPortalCommentsPageByObjectIdResponse(id=1881337, encodeId=ff90188133e46, content=<a href='/topic/show?id=3b2112532d8' target=_blank style='color:#2F92EE;'>#Nat#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=13, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=12532, encryptionId=3b2112532d8, topicName=Nat)], attachment=null, authenticateStatus=null, createdAvatar=, createdBy=2e6f107, createdName=liye789132251, createdTime=Sun Dec 11 05:10:00 CST 2016, time=2016-12-11, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=133935, encodeId=ca85133935b4, content=期待和实际的结合体, beContent=null, objectType=article, channel=null, level=null, likeNumber=40, replyNumber=0, topicName=null, topicId=null, topicList=[], attachment=null, authenticateStatus=null, createdAvatar=, createdBy=cb571956164, createdName=187清风, createdTime=Fri Sep 23 22:45:00 CST 2016, time=2016-09-23, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=133933, encodeId=5d0013393305, content=错误的视觉输入, beContent=null, objectType=article, channel=null, level=null, likeNumber=39, replyNumber=0, topicName=null, topicId=null, topicList=[], attachment=null, authenticateStatus=null, createdAvatar=, createdBy=cb571956164, createdName=187清风, createdTime=Fri Sep 23 22:44:00 CST 2016, time=2016-09-23, status=1, ipAttribution=)]
    2016-12-11 liye789132251
  2. [GetPortalCommentsPageByObjectIdResponse(id=1881337, encodeId=ff90188133e46, content=<a href='/topic/show?id=3b2112532d8' target=_blank style='color:#2F92EE;'>#Nat#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=13, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=12532, encryptionId=3b2112532d8, topicName=Nat)], attachment=null, authenticateStatus=null, createdAvatar=, createdBy=2e6f107, createdName=liye789132251, createdTime=Sun Dec 11 05:10:00 CST 2016, time=2016-12-11, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=133935, encodeId=ca85133935b4, content=期待和实际的结合体, beContent=null, objectType=article, channel=null, level=null, likeNumber=40, replyNumber=0, topicName=null, topicId=null, topicList=[], attachment=null, authenticateStatus=null, createdAvatar=, createdBy=cb571956164, createdName=187清风, createdTime=Fri Sep 23 22:45:00 CST 2016, time=2016-09-23, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=133933, encodeId=5d0013393305, content=错误的视觉输入, beContent=null, objectType=article, channel=null, level=null, likeNumber=39, replyNumber=0, topicName=null, topicId=null, topicList=[], attachment=null, authenticateStatus=null, createdAvatar=, createdBy=cb571956164, createdName=187清风, createdTime=Fri Sep 23 22:44:00 CST 2016, time=2016-09-23, status=1, ipAttribution=)]
    2016-09-23 187清风

    期待和实际的结合体

    0

  3. [GetPortalCommentsPageByObjectIdResponse(id=1881337, encodeId=ff90188133e46, content=<a href='/topic/show?id=3b2112532d8' target=_blank style='color:#2F92EE;'>#Nat#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=13, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=12532, encryptionId=3b2112532d8, topicName=Nat)], attachment=null, authenticateStatus=null, createdAvatar=, createdBy=2e6f107, createdName=liye789132251, createdTime=Sun Dec 11 05:10:00 CST 2016, time=2016-12-11, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=133935, encodeId=ca85133935b4, content=期待和实际的结合体, beContent=null, objectType=article, channel=null, level=null, likeNumber=40, replyNumber=0, topicName=null, topicId=null, topicList=[], attachment=null, authenticateStatus=null, createdAvatar=, createdBy=cb571956164, createdName=187清风, createdTime=Fri Sep 23 22:45:00 CST 2016, time=2016-09-23, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=133933, encodeId=5d0013393305, content=错误的视觉输入, beContent=null, objectType=article, channel=null, level=null, likeNumber=39, replyNumber=0, topicName=null, topicId=null, topicList=[], attachment=null, authenticateStatus=null, createdAvatar=, createdBy=cb571956164, createdName=187清风, createdTime=Fri Sep 23 22:44:00 CST 2016, time=2016-09-23, status=1, ipAttribution=)]
    2016-09-23 187清风

    错误的视觉输入

    0

相关资讯

机器学习助力神经科学的高维数据分析,相得益彰

作者: Moritz Helmstaedter 引言:神经科学家正在生产庞大规模的数据组,其复杂性堪比真实世界中的分类任务。机器学习已经大大帮助了数据分析,但是,其准确性经常不如人类进行的数据分析。本文中,作者讨论了受神经科学启发的机器学习所面临的挑战以及希望。 当有机体在环境中行动时,有机体大脑负责处理高维感官数据。因此,从事大脑研究的神经科学家需要处理极其复杂的高维数据集,这给分析工作

美国神经重症监护学会《大面积脑梗死治疗指南(2015)》解读

大面积脑梗死(large hemispheric infarction,LHI)也称恶性大脑中动脉梗死,是导致人类死亡或残疾的重要疾病。此类患者具有较典型的临床症状,相对单一的进程,常常因小脑幕切迹疝而死亡。为此,在美国心脏协会/美国卒中协会(American heart association/American stroke association,AHA/ASA)《大脑和小脑梗死伴水肿治疗

ADA 2016:与神经病变相关的代谢因素不仅仅是糖尿病

糖尿病、前驱糖尿病和肥胖可能导致多发性神经病变,对这些代谢因素进行治疗可以减少其进展。“多发性神经病变是常见的致残性疾病,糖尿病是其主要原因,”研究人员写道。“有研究表明,前驱糖尿病和代谢综合征也与多发性神经病变有关,但是部分联系仍不明确。”密歇根大学的神经学助理教授Brian C. Callaghan和同事对4001名成人参与者(平均年龄51岁;女性50%)进行了研究,其中18%为糖尿病,44.

失去这一个分子,大脑便不会有记忆?

神经科学重要的研究目标之一就是理解记忆。其中一个极具吸引力的问题就是:是否存在一种特殊的分子,专门用于保存记忆。经过了 20 多年的细心钻研,神经科学家 Todd Sacktor 和同事以为他们找到了答案。2006 年他们报道了一种名为 PKM-ζ 的非典型蛋白激酶 C ( enzyme protein kinase C, PKC)。PKM-ζ 参与小鼠的记忆维持 ;让 PKM-ζ 失活会擦除

Natuer子刊:年轻人注意了!音乐太吵易耳聋

近期,Nature子刊《Scientific Reports》期刊发表了一篇学术文章,揭示了当下青少年沉迷喧嚣音乐,易引发耳鸣等问题的现状。现在的年轻人喜欢戴耳机沉浸在高分贝音乐的世界里,研究人员对此表示担忧,因为这种习惯容易导致过早失聪。当内耳的耳蜗毛细胞受损会引发耳鸣。长时间聆听噪音或者高分贝声音会使得这些细胞“不堪重负”,从而引发暂时性或者永久性损害。而且,这种伤害会迫使耳朵其他部件“加倍工

“神经灰尘”仅一立方毫米:可以追踪你体内的一切数据

近年来,健身追踪器已变成了一种更加流行的可穿戴科技产品。不过,加州大学伯克利分校的工程师们将这个概念更推进了一步,开发出了极小的无线传感器用以检测人体内的健康状况。 这些设备大约只有一粒灰尘大小,并将被植入人的体内。它们将在那里对组织、肌肉及神经进行实时检测。研究人员们在八月三日出版的《神经元》杂志上阐述了他们的发明。 这个植入物科技实时检测身体任何部位的神经或肌肉活动