MétaCan
Menu
← Retour à la cohorte
Enregistrement W4405806985 · doi:10.1101/2024.12.25.630346

<i>Visual circuitry for distance estimation in</i> Drosophila

2024· preprint· en· W4405806985 sur OpenAlexfundno aff
Joseph Shomar, Enhua Wu, Braedyn Au, Kate Maier, Baohua Zhou, Natália Castelo Branco Matos, Gustavo M. Santana, Ryosuke Tanaka, Caitlin M. Gish, Damon A. Clark

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2024
Typepreprint
Langueen
DomaineNeuroscience
ThématiqueNeurobiology and Insect Physiology Research
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNational Institutes of HealthNational Science Foundation
Mots-clésDrosophila (subgenus)EstimationComputer scienceArtificial intelligenceComputer visionBiologyEconomicsGenetics

Résumé

récupéré en direct d'OpenAlex

Abstract Animals must infer the three-dimensional structure of their environment from two-dimensional images on their retinas. In particular, visual cues like motion parallax and binocular disparity can be used to judge distances to objects. Studies across several animal models have found neural signals that correlate with visual distance, but the causal role of these neurons in distance estimation as well as the range of possible neural properties that can inform distance estimation have remained poorly understood. Here, we developed a novel high-throughput behavioral assay to identify neurons in the Drosophila visual system that are involved in distance estimation during free locomotion. We found that silencing the primary motion detectors in the fly visual system eliminated their ability to perceive distance, consistent with a reliance on motion parallax to judge distance. Through a targeted silencing screen of visual neurons during behavior and through in vivo two-photon microscopy, we identified a visual projection neuron that encodes the parallax signal in the relative motion of foreground and background. Interestingly, it differs from previously identified parallax-tuned neurons in its lack of direction selectivity both to moving bars and to moving backgrounds. This non-canonical tuning is interpretable in the context of parallax signals that the fly would likely encounter during naturalistic walking behavior. Our results demonstrate how both direction selective and non-direction selective feature-detecting neurons can contribute to distance estimation using parallax cues, providing a framework for considering broader classes of parallax-encoding neurons in distance estimation across visual systems.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,026
Tête enseignante GPT0,286
Écart entre enseignants0,260 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetNeurobiology and Insect Physiology Research→Travaux en français237 207→