UNIVERSIDADE FEDERAL DE MINAS GERAISINSTITUTO DE CIÊNCIAS BIOLÓGICAS

PROGRAMA DE PÓS-GRADUAÇÃO EM FISIOLOGIA E FARMACOLOGIA

Lucas Santos Neto Machado Pinto

PROPRIEDADES DE RESPOSTAS NEURONAIS RELACIONADAS AO PROCESSAMENTO DO MOVIMENTO NO WULST VISUAL DA

CORUJA

BELO HORIZONTE2009

Livros Grátis

http://www.livrosgratis.com.br

Milhares de livros grátis para download.

LUCAS SANTOS NETO MACHADO PINTO

PROPRIEDADES DE RESPOSTAS NEURONAIS RELACIONADAS AO PROCESSAMENTO DO MOVIMENTO NO WULST VISUAL DA

CORUJA

Disser tação de Mest rado apresentada ao Programa de Pós-Graduação em Ciências Biológicas – Fisiologia e Farmacologia do Instituto de C i ê n c i a s B i o l ó g i c a s d a Universidade Federal de Minas Gerais, como requisito parcial à obtenção do título de Mestre em Ciências Biológicas. Orientador: Jerome Baron.

BELO HORIZONTE2009

AGRADECIMENTOS

Agradeço às várias caras pessoas que foram de alguma forma importantes para a conclusão deste trabalho e desta etapa da minha vida. Em primeiro lugar, Jerome, meu grande amigo e orientador. A tentativa de dizer aqui qualquer coisa impactante e que expressasse toda minha gratidão seria fútil. Por isso, Jerome, gostaria de lhe agradecer imensamente pelo delicioso pâté de campagne que você levou aquela vez para o laboratório. Minha gratidão se estende também aos colegas (e ex-colegas) e amigos do Laboratório de Neurodinâmica pelos bons momentos e em particular Pedro, Marcelo, Claudiana, Ana e Karine pela ajuda com os registros. Como não poderia deixar de ser, uma agradecimento especial vai para a banda Fiat Verde (Adriano, Gabriel, Gonzaga) e seus agregados, Dan e Enéas, pela amizade e pelos diversos e marcantes momentos de rock, diversão e boas discussões científicas. Chegar aqui não teria sido possível sem minha linda família – em especial minha mãe, Claudia, meu pai, Julio, minha irmã, Ligia, minha avó, Gelcira, e meu fiel escudeiro, Abelardo. Também não teria sido possível sem o carinho e companheirismo da Maria Rita, e sem o apoio dos vários amigos de fora do ICB, cujos nomes ocupariam demasiadas linhas para serem listados aqui. Pela revisão do texto agradeço novamente a meu pai, Julio Pinto, e aos membros da minha banca examinadora, Professores Ricardo Gattass e Márcio Flávio Dutra Moraes. Este trabalho foi financiado pela sociedade brasileira, por intermédio da Fundação de Amparo à Pesquisa do Estado de Minas Gerais (FAPEMIG) e Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq), aos quais sou muito grato, como o sou à International Brain Research Organization (IBRO), pela bolsa para ir ao encontro anual da Society for Neuroscience, em 2008. Por último, deixo aqui o meu muito obrigado às corujas que participaram dos experimentos que relato a seguir. Espero ter sido um experimentador ético e ciente do valor incomensurável das suas vidas.

“What if everything is an illusion and nothing exists? In that case, I definitely overpaid for my carpet.”

WOODY ALLEN

RESUMO

A via retinotalamofugal das aves projeta-se a uma área do telencéfalo chamada wulst visual. Em corujas, em particular, estabeleceu-se uma grande analogia funcional entre essa área e o córtex estriado de primatas e carnívoros. O objetivo do presente estudo foi fornecer uma descrição quantitativa de neurônios do wulst visual em termos de sua seletividade para direção, freqüência espaço-temporal e velocidade, e de sua capacidade de integração de movimento. Esses aspectos ainda não haviam sido investigados no wulst de nenhuma ave. Na primeira parte da dissertação, estudaram-se 107 células em cinco corujas-buraqueiras (Athene cunicularia) acordadas, utilizando técnicas de registro extracelular. Nessa amostra, 88% das unidades exibiram respostas direcionais moduladas a grades (gratings) senoidais, com um índice de direcionalidade médio de 0,74 ± 0,03 e largura de banda de 28 ± 1,16 graus (º). Um índice maior que 0,5 foi observado em 66% das células, classificando-as como seletivas para direção. A integração do movimento foi testada com padrões xadrez (plaids) em movimento, feitos pela adição de duas grades senoidais de orientações diferentes. Oitenta por cento das células direcionais responderam otimamente à direção de movimento das grades componentes, e nenhuma respondeu ao movimento coerente dos padrões xadrez, cuja direção é intermediária à das grades. As outras 20% não foram classificáveis. O grau de seletividade ao movimento do componente aumentou rapidamente nos primeiros 200 ms seguintes ao aparecimento do estímulo, mantendo um perfil relativamente sustentado depois. Os dados sugerem que, assim como no córtex estriado de mamíferos, os neurônios do wulst visual da coruja sinalizam características orientadas locais de um objeto em movimento. Na segunda parte do estudo, grades senoidais em várias combinações de freqüência espaço-temporal foram usados para caracterizar a seletividade de neurônios do wulst visual à freqüência espaço-temporal e velocidade. Potenciais extracelulares de 131 neurônios foram registrados em quatro corujas acordadas e suas respostas foram ajustadas com uma função gaussiana modificada. A maioria das células (80%) foi significativamente modulada pelo estímulo, com freqüências espacial e temporal preferidas médias de 1,69 ± 0,12 ciclos/grau e 2,66 ± 0,17 Hz, respectivamente. As larguras de banda médias de unidades passa-faixa para freqüência espacial (80%) e temporal (62%) foram de 2,62 ± 0,11 e 4,67 ± 0,19 oitavas, respectivamente. As superfícies de resposta bidimensional dos neurônios foram ajustadas com uma função gaussiana bidimensional modificada da qual foi extraído um índice de seletividade à velocidade. Seletividade independente para freqüência espaço-temporal foi encontrada em 65% das células, enquanto 3% foram classificadas como seletivas para velocidade e 26% tiveram perfis de resposta intermediários. Seis por cento apresentaram índices de seletividade negativos. Os resultados mostram que a distribuição da seletividade à freqüência espaço-temporal no wulst é semelhante à encontrada no córtex visual primário de macacos, embora deslocada em direção a menores valores de freqüências preferidas e valores mais altos de largura de banda. Apesar de a maioria das células ter tido seletividade espaço-temporal independente, o achado de que células intermediárias e completamente seletivas à velocidade estão presentes no wulst da coruja pode indicar que o processamento da velocidade começa a ser realizado nesse nível. Como um todo, os resultados do presente estudo suportam a noção de que o wulst visual pode ser entendido como uma área telencefálica visual primária envolvida no processamento inicial do movimento. Onde e como os sinais

de movimento do wulst são integrados no cérebro da coruja permanecem questões abertas, cuja investigação futura será necessária para a compreensão dos mecanismos que estão por trás da percepção do movimento global.

Palavras-chave: wulst visual, coruja, processamento do movimento visual, seletividade direcional, seletividade à freqüência espaço-temporal, seletividade à velocidade, grades senoidais, padrões xadrez.

ABSTRACT

The avian retinothalamofugal pathway reaches the telencephalon in an area known as visual wulst. In owls, in particular, a close functional analogy between this area and the striate cortex of primates and carnivores has been established. The goal of the present study was to provide a quantitative description of visual wulst neurons in terms of their directional selectivity, spatiotemporal frequency and speed tuning, and motion integration capability, aspects that have not been previously investigated. In the first part of the study, 107 cells were sampled in five awake burrowing owls (Athene cunicularia), using extracellular recording techniques. From this sample, 88% of the units exhibited modulated directional responses to sinusoidal gratings, with mean directional index of 0.74 ± 0.03 and tuning bandwidth of 28º ± 1.16. A directional index higher than 0.5 was observed in 66% of the cells, thereby qualifying them as direction selective. Motion integration was tested with moving plaid patterns, made by adding two sinusoidal gratings of different orientations. Eighty per cent of direction-selective cells were found to respond optimally to the motion direction of the component gratings, while none responded to the coherent motion of plaids, whose direction was intermediate to that of the gratings. The remaining 20% were unclassifiable. The strength of component motion selectivity rapidly increased over a 200 ms period following stimulus onset, maintaining a relatively sustained profile thereafter. These data suggest that, like in the mammalian striate cortex, neurons in the visual wulst of the owl signal local oriented features of a moving object. In the second part of the study, sinusoidal gratings of various combinations of spatiotemporal frequency were used to characterize the tuning of wulst neurons to spatiotemporal frequency and speed. Extracellular potentials from 131 neurons were recorded in four awake owls and responses were fitted with a modified Gaussian function. Most cells (80%) were significantly modulated by the stimulus, with average preferred spatial and temporal frequencies of 1.69 ± 0.12 cycles/degree and 2.66 ± 0.17 Hz, respectively. Average tuning bandwidths of bandpass units for spatial (80%) and temporal frequency (62%) were found to be 2.63 ± 0.11 and 4.67 ± 0.19 octaves, respectively. The two-dimensional frequency tuning surfaces of the neurons were fitted using a modified two-dimensional Gaussian function from which a speed-tuning index was extracted. Independent spatiotemporal frequency tuning was found in 65% of the cells, while 3% were classified as selective for speed and 26% had intermediate tuning profiles. Six per cent had negative speed tuning indices. The results show that the distribution of spatiotemporal frequency selectivity of wulst neurons is similar to that found in primate V1, although slightly shifted towards lower values for preferred spatial and temporal frequency and higher values for tuning bandwidth. Even though most cells had independent spatiotemporal tuning, the finding that intermediate and fully speed tuned cells are present in the owl wulst may indicate that speed starts being elaborated already at this level. Overall, the results of the present study support the notion that the visual wulst can be regarded as a primary visual telencephalic area involved with initial processing of motion. How and where wulst motion signals get integrated in the owl brain remains an open question, which will need to be further investigated in order to understand the mechanisms underlying the perception of global motion.

Key words: visual wulst, owl, visual motion processing, directional selectivity, spatiotemporal frequency tuning, speed tuning, sinusoidal gratings, plaids.

LISTA DE ABREVIATURAS E SIGLAS

1D – unidimensional2D – bidimensionalA/D – analógico/digitalAMU – atividade multi-unitáriaANOVA – análise de variância anovaAU – atividade unitáriaCRT – cathode ray tubeEPM – erro padrão da médiaFE – freqüência espacialFT – freqüência temporalGL – graus de liberdadeHA – hiperpalio apicalHD – hiperpalio densocelularHI – hiperpalio intercaladoIC – intervalo de confiançaID – índice de direcionalidadeIHA – núcleo intersticial do hiperpalio apicalLB – largura de bandaLFP – potencial de campo localLM – núcleo lentiforme mesencefálico pré-tetalMT – área temporal medialnBOR – núcleo da raiz óptica basalPSTH – histograma de tempo peri-estímuloSDC – seletivo para a direção do componenteSDP –  seletivo para a direção do padrãoV1 – córtex visual primárioWIM – mecanismo de interseção ponderada (weighed intersection mechanism)

LISTA DE FIGURAS

Figura 1. Ilustração do problema da abertura pg. 14Figura 2. Vista dorsal e lateral do wulst visual da coruja pg. 18Figura 3. Exemplos dos estímulos utilizados pg. 32Figura 4. Respostas neuronais teóricas a padrões xadrez pg. 33Figura 5. Exemplos representativos de campos receptores do wulst pg. 37Figura 6. Propriedades de seletividade direcional pg. 40Figura 7. Respostas de neurônios SDC a grades e padrões xadrez pg. 43Figura 8. Respostas de neurônios não classificáveis a grades e padrões xadrez pg. 44Figura 9. Gráfico de dispersão dos coeficientes de correlação parcial pg. 45Figura 10. Relação entre índice de componente e seletividade direcional pg. 47Figura 11. Influência do ângulo dos padrões xadrez nas correlações parciais pg. 48Figura 12. Distribuição da razão de inibição por padrões xadrez pg. 50Figura 13. Dinâmica temporal dos coeficientes de correlação parcial pg. 52Figura 14. Evolução temporal das respostas de neurônios SDC pg. 54Figura 15. Comportamento do modelo de Priebe et al. (2006) pg. 68Figura 16. Exemplo da análise de correlação parcial pg. 69Figura 17. Análise de regressão linear para seletividade à velocidade pg. 70Figura 18. Exemplo da resposta de neurônio representativo à FE e FT pg. 72Figura 19. Exemplos de curvas de seletividade para FE e FT pg. 74Figura 20. Distribuição populacional dos parâmetros de seletividade pg. 76Figura 21. Correlações entre parâmetros das curvas de resposta pg. 78Figura 22. Exemplos das respostas de neurônios próximos pg. 83Figura 23. Agrupamento de propriedades de seletividade para FE e FT pg. 84Figura 24. Exemplos de resultados da análise de Priebe et al. (2006) pg. 88Figura 25. Perfil populacional de seletividade à velocidade pg. 89Figura 26. Resultados das análises alternativas pg. 91Figura 27. Exemplo da simulação pg. 94Figura 28. Resultados da simulação pg. 96

LISTA DE TABELAS

Tabela 1. Comparação das propriedades da seletividade à FE e FT entre o wulst visual e o córtex visual primário de várias espécies de mamíferos pg. 98

SUMÁRIO

1. INTRODUÇÃO 13 1.1. Detecção do Movimento e o Problema da Abertura 13 1.2. Modelos de Processamento de Movimento Visual 14 1.3. Integração da Direção de Movimento 15 1.4. Integração da Velocidade de Movimento 17 1.5. A Coruja como Modelo Experimental 18

2. OBJETIVOS 21 2.1. Objetivo Geral 21 2.2. Objetivos Específicos 21

3. MATERIAIS E MÉTODOS 22 3.1. Modelo Experimental e Manutenção dos Animais 22 3.2. Treinamento dos Animais 22 3.3. Procedimentos Cirúrgicos 23 3.4. Registros Eletrofisiológicos 24 3.5. Protocolos de Estimulação Visual 25 3.5.1. Mapeamento de Campos Receptores 26 3.5.2. Caracterização da Seletividade para Direção de Movimento do Estímulo 27 3.5.3. Caracterização da Seletividade para Freqüências Espacial e Temporal do Estímulo 27 3.6. Análise dos Dados 28 3.6.1. Separação de Potenciais de Ação 28 3.6.2. Análises Iniciais 29 3.6.3. Análise da Seletividade para Direção de Movimento 30 3.6.4. Ajuste de Curvas e Estatística Geral 31

4. SELETIVIDADE PARA DIREÇÃO E CAPACIDADE DE INTEGRAÇÃO DO MOVIMENTO GLOBAL EM NEURÔNIOS DO WULST VISUAL 32 4.1. Materiais e Métodos 32 4.1.1. Avaliação da Capacidade de Integração de Movimento no Wulst Visual 32 4.1.2. Análise de Correlação Parcial 34 4.2. Resultados 35 4.2.1. Observações Gerais 35 4.2.2. Propriedades de Resposta Seletivas à Direção 38 4.2.3. Respostas Neuronais aos Padrões Xadrez 41 4.2.4. Efeito do Ângulo dos Padrões Xadrez nos Coeficientes de Correlação Parcial 47

4.2.5. Inibição de Resposta aos Padrões Xadrez 49 4.2.6. Dinâmica Temporal da Seletividade à Direção do Componente 50 4.3. Discussão 55 4.3.1. Propriedades dos Campos Receptores no Wulst Visual 56 4.3.2. Incidência, Grau e Precisão da Seletividade Direcional 58 4.3.3. Integração do Movimento 60

5. SELETIVIDADE PARA FREQÜÊNCIA ESPAÇO-TEMPORAL E VELOCIDADE EM NEURÔNIOS DO WULST VISUAL 64 5.1. Materiais e Métodos 64 5.1.1. Protocolo de Estimulação 64 5.1.2. Análise dos Dados 65 5.1.2.1. Freqüência espaço-temporal 65 5.1.2.2. Velocidade 66 5.2. Resultados 71 5.2.1. Observações Gerais 71 5.2.2. Seletividade à Freqüência Espacial 73 5.2.3. Seletividade à Freqüência Temporal 78 5.2.4. Agrupamento das Propriedades de Seletividade Espaço-Temporal 80 5.2.5. Análise da Seletividade à Velocidade 85 5.3. Simulação 92 5.4. Discussão 97

6. DISCUSSÃO GERAL E CONSIDERAÇÕES FINAIS 103 6.1. Resumo dos Achados Principais 103 6.2. Direções Futuras 103 6.2.1. Código Populacional do Movimento Visual 103 6.2.2. Uma Solução Alternativa para o Problema da Abertura 104 6.2.3. Onde os Sinais de Movimento São Integrados? 105 6.3. Nota de Conclusão 106

7. REFERÊNCIAS BIBLIOGRÁFICAS 107

1. INTRODUÇÃO

1.1. Detecção do Movimento e o Problema da Abertura

O movimento é uma das mais importantes e poderosas dimensões da visão. Praticamente tudo que é de interesse no mundo visual se move. Estímulos próximos que compartilham velocidade e direção semelhantes tendem a ser vistos como uma unidade, uma figura, que é facilmente segregada do fundo, de acordo com o fator Gestalt de destino comum (SPILLMANN, 1999). Por exemplo, um animal que está perfeitamente camuflado enquanto fica parado irá aparecer logo que se mover. O movimento pode agrupar fragmentos de estímulos que estão amplamente distribuídos pelo campo visual, sobrepujando, assim, a proximidade e similaridade como fatores de agrupamento perceptual.

Entretanto, a implementação neural da associação inequívoca de um objeto a seu movimento não é uma tarefa trivial, já que depende da solução de dois problemas complementares: a integração de contornos em movimento pertencentes a um mesmo objeto e a segregação do movimento de objetos distintos (GROSSBERG et al., 1999). Esses problemas, por sua vez, são corolários do chamado problema da abertura (FENNEMA e THOMPSON, 1979; MARR e ULLMAN, 1981), que, no sistema visual de mamíferos, já se manifesta ao nível do córtex visual primário, onde grande parte dos neurônios apresenta pelo menos algum grau de seletividade para direção do movimento (HUBEL e WIESEL, 1962, 1968). No entanto, seus campos receptores são tipicamente pequenos. Assim, os sinais locais individuais de movimento codificados por esses neurônios são muitas vezes inerentemente ambíguos, já que a direção de movimento à qual determinada célula responde é sempre ortogonal à orientação do contorno (HENRY et al., 1974; SCHILLER et al., 1976a), e pode diferir da direção global de movimento do objeto (ver Figura 1 para uma ilustração do problema). De alguma forma, essas ambigüidades precisam ser resolvidas para que as operações de integração e segmentação sejam realizadas adequadamente.

13

Figura 1. Ilustração do problema da abertura. A. Os campos receptores (círculos) que “enxergam” os lados de um losango que se move para a direita (seta grande) só detectam a componente de movimento que é ortogonal à orientação dos lados (setas pequenas). B. Os sinais locais ambíguos devem ser integrados no espaço e no tempo para se obter uma estimativa do vetor de movimento global.

1.2. Modelos de Processamento de Movimento Visual

A tarefa do sistema visual é extrair a direção e magnitude (velocidade) do vetor global de movimento a partir de amostras de vetores locais que compõem o conjunto (BRADLEY e GOYAL, 2008). O modo pelo qual isso é levado a cabo pelo sistema ainda é ponto controverso, mas os modelos teóricos prevalecentes, por serem apoiados por mais evidências experimentais, são os ditos modelos de energia de movimento, ou de energia espaço-temporal (BRADLEY e GOYAL, 2008). Embora esses modelos difiram na implementação de alguns processos, todos compartilham da noção básica de que a sinalização do vetor global de movimento ocorre em pelo menos duas etapas, sendo que a primeira delas consiste em uma análise detalhada das freqüências espaço-temporais das seqüências de cenas visuais (ADELSON e BERGEN, 1985; WATSON e AHUMADA, 1985; HEEGER, 1987; SIMONCELLI e HEEGER; PERRONE, 2004; PERRONE e KRAUZLIS, 2008; para revisão ver BRADLEY e GOYAL, 2008). Para esses modelos, portanto, é central a idéia de que os campos receptores dos neurônios do córtex visual primário podem ser entendidos

w1

w2

w3

w4

wn

...

w x, y,tx,y,t

w1

w2

w3

w4

A B

14

como filtros de freqüência (CAMPBELL et al., 1969; MAFFEI e FIORENTINI, 1973; para revisão ver SHAPLEY e LENNIE, 1985). Segundo eles, a seletividade direcional emergiria pela combinação da saída de dois filtros com freqüências espaciais específicas e adequadas ao estímulo visual, com uma diferença de fase de 90˚, conhecidos como pares em quadratura. Os sinais direcionais locais seriam inerentemente ambíguos, e a recuperação da direção e velocidade globais dar-se-ia em uma etapa ulterior que consistiria na combinação dos sinais locais, de acordo com regras que variam de modelo para modelo. Diversas evidências psicofísicas e eletrofisiológicas sugerem que os primeiros estágios ocorrem do córtex visual primário (V1), enquanto a integração dos sinais ocorre na área temporal medial (MT) (MOVSHON et al., 1985, ALBRIGHT e STONER, 1995).

1.3. Integração da Direção de Movimento

O movimento de um estímulo visual pode ser dividido em duas dimensões básicas: sua direção e sua velocidade escalar, doravante referida como velocidade. Até o presente, grande parte dos estudos sobre integração do movimento privilegiou o estudo da detecção da direção de movimento. A abordagem básica desses estudos consiste na utilização de estímulos cujos contornos locais têm direção de movimento que difere da direção global do objeto, de modo a diferenciar se um neurônio responde ao componente local ou global, indicando, assim, sua capacidade de integração do movimento. O protocolo mais amplamente utilizado foi introduzido por Movshon et al. (1985), e consiste na comparação das respostas neuronais a estímulos chamados grades (gratings) e padrões xadrez (plaids) senoidais. As grades são funções senoidais de luminância, e padrões xadrez são formados pela soma de duas grades que se movem em direções diferentes (ver Figura 3). Se as grades componentes diferirem apenas na direção de movimento, serão percebidas como um único objeto que se move coerentemente em uma direção intermediária às duas. Essas características fazem do padrão xadrez um estímulo poderoso e por isso amplamente usado para o estudo dos mecanismos de integração do movimento (ALBRIGHT e STONER, 1995). Utilizando esse protocolo, diversos trabalhos

15

mostraram que a grande maioria das células do córtex visual primário de macacos e gatos responde apenas aos componentes dos padrões xadrez, não sendo capazes de sinalizar a direção global de movimento (MOVSHON et al., 1985, GIZZI et al., 1990; TINSLEY et al., 2003; GUO et al., 2004), sugerindo que, de fato, as células dessa região fornecem individualmente sinais locais ambíguos. Como mencionado previamente, esses sinais locais devem ser transmitidos a uma ou várias outras áreas para que ocorra um processo subseqüente de integração/segregação no espaço e no tempo, de forma a elaborar uma representação do movimento coerente e verídica. Acredita-se que esse segundo nível de análise ocorra em áreas corticais visuais hierarquicamente superiores, como a área MT em primatas (MOVSHON et al., 1985; RODMAN e ALBRIGHT, 1989) e córtex visual ectosilviano anterior em gatos (SCANNELL et al., 1996). De fato, essas áreas possuem uma porcentagem consideravelmente maior de células que são capazes de sinalizar a direção global de padrões xadrez (MOVSHON et al., 1985; RODMAN e ALBRIGHT, 1989; SCANNELL et al., 1996; MERABET et al., 1998; LI et al., 2001; PACK et al., 2001; OULLETTE et al., 2004; SMITH et al., 2005). A utilização de outros tipos de estímulos compostos também gerou resultados similares (PACK et al., 2004; HUANG et al., 2007).

Contudo, ainda não se conhece o mecanismo neural de integração. De fato, nem mesmo se sabe inequivocamente se esses dois ou mais estágios são realmente necessários para uma percepção integrada do movimento visual (VAN WEZEL e VAN DER SMAGT, 2003; SINGER, 2004). Além disso, mais recentemente, uma solução alternativa ao problema da abertura foi proposta. Segundo essa solução, a eliminação da ambigüidade do movimento poderia ser realizada através do uso de pistas não-orientadas do estímulo (PACK et al., 2003). De fato, existe um subgrupo de células do córtex visual primário que possui características adequadas para tal: as células end-stopped, que respondem melhor a terminações de linhas que estão em seu campo receptor (HUBEL e WIESEL, 1968). Pack et al. (2003) demonstraram que essa subpopulação de neurônios é capaz de sinalizar o movimento de um estímulo independente de sua orientação – ou seja, resolvem o problema da abertura. Portanto, os mecanismos subjacentes à integração neuronal da direção global de movimento de um objeto permanecem incertos.

16

1.4. Integração da Velocidade de Movimento

A velocidade de um estímulo é dada pela taxa de deslocamento no espaço dividida pela duração desse deslocamento. Entretanto, se o sistema visual é composto de filtros espaço-temporais, ele deve lançar mão de freqüências, e não de taxas absolutas de deslocamento, para determinação da velocidade (ADELSON e BERGER, 1985). De fato, a maior parte das células de áreas visuais primárias de mamíferos possui seletividade para as freqüências espacial e temporal de um estímulo (MAFFEI e FIORENTINI, 1973; IKEDA e WRIGHT, 1975a; TOLHURST e MOVSHON, 1975; MOVSHON et al., 1978b; DE VALOIS et al., 1982; FOSTER et al., 1985; HAWKEN e PARKER, 1987). As respostas seletivas a esses dois aspectos de um estímulo em movimento podem se relacionar de duas maneiras distintas: na primeira, as freqüências espacial e temporal são independentes, ou seja, uma não varia em função da outra; na segunda, essas freqüências são covariantes, ou seja, a modificação de uma leva à modificação da outra, de maneira que a razão entre elas se mantém constante. Nesse último caso, as células seriam seletivas para a velocidade escalar do estímulo, que é dada pela divisão da freqüência temporal pela espacial. No primeiro caso, no entanto, a ausência de covariância leva a um perfil inverso: a célula tem uma velocidade preferida para cada freqüência espacial (já que a freqüência temporal não muda). Grande parte das células do córtex visual primário de vários mamíferos possui esse último perfil (TOLHURST e MOVSHON, 1975; FOSTER et al., 1985; BAKER e CYNADER, 1988; HAMMOND e POMFRET, 1990). Por outro lado, como ocorre para a dimensão de direção do movimento, uma maior proporção de células na área MT de primatas tem real seletividade para a velocidade do movimento ou, em outras palavras, apresenta dependência entre as seletividades para as freqüências espacial e temporal (PERRONE e THIELE, 2001; PRIEBE et al., 2003). Isso sugeriria que a velocidade escalar do estímulo também é integrada apenas na área MT. Um estudo mais recente, no entanto, tem tornado esse quadro um pouco mais complexo. Priebe et al. (2006) demonstraram que, na área V1 de macacos, células do tipo simples não são seletivas para a velocidade, enquanto células complexas o são em uma proporção semelhante àquela da área MT, sugerindo que a capacidade de integração dessa área é herdada diretamente de

17

V1. Nesse caso, a única elaboração realizada em MT seria a resposta a estímulos contendo mais de uma freqüência espacial. Além disso, essa seletividade depende de outros fatores do estímulo, como contraste, por exemplo (CARANDINI et al., 1997; PRIEBE et al., 2006). Sendo assim, ainda restam muitas perguntas em relação à integração da velocidade do estímulo.

1.5. A Coruja como Modelo Experimental

As aves são animais altamente visuais, e a inegável importância da visão para essas criaturas é refletida no enorme tamanho relativo de seus olhos e da porção considerável de seus cérebros dedicada ao processamento da informação visual (ver, por exemplo, a Figura 2). Há também um grande volume de evidências comportamentais que as aves têm, de fato, excelente acuidade visual, visão de cores, habilidades de discriminação e memória visual (COOK, 2001). Algumas dessas habilidades são comparáveis, ou, em alguns aspectos, até superiores àquelas dos humanos (EMERY, 2006).

Figura 2. Vista dorsal (A) e lateral (B) de uma peça anatômica com o cérebro e olhos de uma coruja-buraqueira. O wulst visual, região na qual todos os registros deste trabalho foram realizados, é a estrutura protuberante que ocupa toda a superfície dorsal do cérebro. Na coruja-buraqueira ele chega a corresponder a cerca de 25% do volume cerebral total (IWANIUK et al., 2008).

18

Dentre as aves, a coruja apresenta diversas características que a tornam uma opção de estudo interessante. Em especial, a frontalização dos olhos, com a conseqüente visão binocular, possibilita uma série de estudos comparativos no que concerne à visão binocular em primatas (NIEDER e WAGNER, 2001; VAN DER WILLIGEN et al., 2003). De particular interesse é o wulst visual (Figura 2). Em aves, essa é a estrutura telencefálica recipiente das projeções da via retinotalamofugal (KARTEN et al., 1973; SHIMIZU e BOWERS, 1999). Nas corujas, essa estrutura é particularmente desenvolvida (IWANIUK e HURD, 2005; IWANIUK e WYLIE, 2006; IWANIUK et al., 2008), e, como V1, contém neurônios com pequenos campos receptores organizados retinotopicamente, seletividade para disparidade binocular, orientação do estímulo e direção de movimento (PETTIGREW e KONISHI, 1976; PETTIGREW, 1979; WAGNER e FROST, 1993, 1994; NIEDER e WAGNER, 2000, 2001a,b). Achados recentes de nosso grupo mostram também que a distribuição de marcadores endógenos de atividade neuronal no wulst visual da coruja, como por exemplo, citocromo oxidase e proteínas ligantes de cálcio, é camada-específica, de maneira semelhante à do córtex visual primário dos primatas (CASTELLO-BRANCO et al., 2005). Dessa forma, as evidências fisiológicas expostas acima sugerem ser o wulst da coruja muito mais desenvolvido que em outros grupos de aves. Em pombos e pintos, por exemplo, uma lesão completa do wulst visual causa poucos ou nenhum déficit em tarefas simples de discriminação visual, ao contrário do que ocorre quando estruturas da via tetofugal são lesadas (ver, por exemplo, HODOS e KARTEN, 1970; HODOS e BONBRIGHT, 1974; PASTERNAK e HODOS, 1977; DENG, 2006). Por outro lado, evidências de estudos de lesão e de registro eletrofisiológico sugerem que mesmo nesses grupos de aves o wulst pode estar envolvido em tarefas visuais mais complexas, como reversão de aprendizagem (por exemplo, MACPHAIL, 1976; PASTERNAK, 1977; BINGMAN et al., 2008). Em resumo, o wulst visual da coruja mostra uma enorme analogia com o cérebro de primatas e carnívoros. Provavelmente, isso é fruto de uma evolução convergente, uma vez que as aves se separaram filogeneticamente dos mamíferos há cerca de 300 milhões de anos, e as características descritas acima não são encontradas nos ancestrais comuns desses dois grupos (SHIMIZU e BOWERS, 1999; MEDINA e REINER, 2000). Em conjunto, esses fatos fazem da coruja um modelo comparativo excelente para o estudo dos mecanismos neuronais

19

subjacentes à percepção visual. Em particular, o estudo do wulst pode ajudar a entender as regras gerais que governam a implementação de soluções neurais para o processamento visual. Porém, até o presente, tal abordagem comparativa tem sido explorada principalmente no contexto da disparidade binocular e estereopsia (WAGNER e FROST, 1993, 1994; NIEDER e WAGNER, 2000, 2001a,b). Um domínio no qual essa abordagem pode-se mostrar particularmente útil é o processamento do movimento visual. Obviamente, o movimento exerce um papel ecológico central nas atividades predatórias da coruja, por dois motivos principais. Primeiro, uma avaliação precisa do movimento em si é importante tanto para o vôo, quanto para captura das presas. Em segundo lugar, evidências psicofísicas mostram que a coruja, assim como outros animais, efetuam movimentos da cabeça presumivelmente para gerar sinais de paralaxe de movimento, que podem ser usados de forma eficiente para estimar a profundidade de um objeto e segregar a figura do fundo (VAN DER WILLIGEN et al., 2002, 2003; OHAYON et al., 2006). Esses achados levam a pensar que o processamento do movimento visual nessa ave de olhos frontais provavelmente é bem elaborado e está intimamente relacionado à estereopsia. Em primatas, diversas evidências psicofísicas e neurofisiológicas (ver, por exemplo, BRADLEY et al., 1995; BRADSHAW e CUMMING, 1997; PACK et al., 2003), bem como modelos computacionais (RICHARDS, 1985; QIAN e ANDERSEN, 1997; DOMINI et al., 2006), mostram que o processamento de pistas estéreo e de movimento está intimamente relacionado no sistema visual.

20

2. OBJETIVOS

2.1. Objetivo Geral

O estudo dos mecanismos neuronais subjacentes à percepção do movimento visual constitui um ótimo modelo para compreender a maneira pela qual integrações de grande escala são realizadas no cérebro. Geralmente, esses mecanismos são investigados em primatas. O presente trabalho propôs um interessante modelo alternativo para abordar essa questão: a coruja. O wulst visual da coruja é, segundo diversas evidências, uma estrutura análoga ao córtex visual primário de primatas e gatos. O presente trabalho teve como objetivo geral caracterizar as propriedades de resposta dos neurônios do wulst visual relacionadas ao processamento do movimento. Com isso, pretendeu-se fornecer uma perspectiva comparativa para a compreensão dos mecanismos de surgimento da seletividade à direção e velocidade do movimento, e de sua integração, operações importantes, até mesmo vitais, para a adaptação de sistemas biológicos e artificiais em seus ambientes.

2.2. Objetivos Específicos

Utilizando registros eletrofisiológicos extracelulares de neurônios do wulst visual em corujas acordadas, o presente trabalho visou:

1. Caracterizar o perfil de seletividade para direção de movimento no wulst visual;

2. Caracterizar o perfil de seletividade para freqüência espaço-temporal e velocidade de movimento no wulst visual;

3. Avaliar a capacidade de integração do movimento por neurônios do wulst visual.

21

3. MATERIAIS E MÉTODOS

3.1. Modelo Experimental e Manutenção dos Animais

Os experimentos foram realizados na coruja-buraqueira (Athene cunicularia), uma espécie de coruja comum na fauna brasileira. Os animais foram obtidos por doação do Instituto Brasileiro do Meio Ambiente e dos Recursos Naturais Renováveis (IBAMA) e mantidos com autorização do mesmo órgão (Licença nº 122/2003) em um aviário espaçoso com iluminação natural, que se localiza nas dependências do Instituto de Ciências Biológicas (ICB) da Universidade Federal de Minas Gerais (UFMG). Sua alimentação foi feita basicamente com roedores e, quando necessário, receberam suplementação vitamínica. Todos os procedimentos experimentais adotados no decorrer da pesquisa foram aprovados pelo Comitê de Ética em Experimentação Animal da UFMG (protocolo n° 005/04).

3.2. Treinamento dos Animais

O registro extracelular da atividade elétrica de neurônios do sistema visual de corujas acordadas e com fixação passiva foi feito por meio de uma técnica recentemente desenvolvida por nosso grupo. Um ponto central dessa técnica é o treinamento de animais para que eles tolerem imobilização corporal e fixação da cabeça por períodos de tempo longos o suficiente para a realização dos registros. Para tanto, as corujas são inicialmente socializadas através de manuseamento diário por um período médio de duas semanas. Isso é feito com o uso de técnicas padrão de falcoaria, com as quais as corujas são carregadas e mantidas no laboratório, de modo a se acostumarem com a presença de pessoas e com os sons habituais do laboratório. Além disso, elas são freqüentemente deixadas na cabine de registro, onde são, muitas vezes, alimentadas, o que serve como um reforço positivo. Após esse período inicial, os animais são submetidos à cirurgia de implante do cilindro de

22

registro (descrito abaixo), após a qual segue-se um período de recuperação de pelo menos quatro dias. Dá-se, então, início ao treinamento para a aceitação da fixação da cabeça e imobilização corporal. Para isso, os animais são colocados sobre um poleiro e presos a ele por alças de couro, e são parcialmente envolvidos por uma jaqueta de couro, que impede o batimento das asas. Nessas condições, os animais são freqüentemente reforçados com pequenos pedaços de carne, e esse procedimento é repetido até que parem de dar sinais de resistência, como vocalizações e tentativas de desvencilhamento, o que normalmente dura cerca de uma semana. Só então se iniciam os experimentos eletrofisiológicos, que são bem aceitos pelas corujas. Os procedimentos de instalação dos dispositivos de restrição e fixação de cabeça são executados rapidamente, com pouco ou nenhum estresse para os animais, e, no decorrer do registro, eles tipicamente permanecem quietos e sem sinais de aversão. Assim que notamos neles sinais de cansaço ou inquietude, os registros são interrompidos. Isso tipicamente ocorre após 3 a 4 horas, durante as quais os animais são constante e cuidadosamente monitorados pelo experimentador.

3.3. Procedimentos Cirúrgicos

Câmaras de registro de baixo peso foram implantadas cirurgicamente sobre a área do crânio correspondente ao acesso à região de interesse (wulst visual). Essa mesma câmara foi utilizada para fixar a cabeça dos animais durante os registros, e consiste em uma peça de aço inoxidável de formato cilíndrico, com diâmetro interno de 10 mm, altura de 8 mm, espessura de 1,5 mm, e massa de 1 g (~ 0,7% da massa do animal). A anestesia foi feita com Zoletil® 50 (uma mistura de 1:1 de tiletamina e zolazepam, Virbac, Carros, França), administrado no músculo peitoral em uma dose de 20 mg/kg (e meia dose para manutenção). Após a perda dos reflexos, os animais foram envolvidos por uma jaqueta de couro, e suas cabeças fixadas em um aparelho estereotáxico (Modelo 1430, David Kopf Instruments, Tujunga, Califórnia, Estados Unidos). O crânio foi exposto através de uma incisão na pele com 25-30 mm de comprimento, e a posição da craniotomia foi marcada sobre a superfície óssea, de

23

acordo com coordenadas estereotáxicas definidas previamente em nosso laboratório para a região do wulst. Essas coordenadas correspondem às representações foveal e parafoveal do campo visual. A câmara de registro foi centrada nesse ponto de referência e fixada ao crânio com resina odontológica à base de fibra de vidro (Vitro Fil®, DFL, Rio de Janeiro, Brasil), de modo a permitir que os eletrodos entrem perpendicularmente ao cérebro. Previamente à fixação, pequenos orifícios foram feitos no crânio para permitir uma melhor aderência da resina. Procedeu-se, então, à sutura da pele, seguida pela realização de uma craniotomia circular (diâmetro de aproximadamente 3 mm), por dentro do cilindro implantado. As cirurgias tiveram duração aproximada de 1 hora, e foram realizadas sob condições assépticas. Após a cirurgia, foram administrados, por via intramuscular, um antibiótico de largo espectro (50 mg/kg de Terramicina®, Pfizer, São Paulo, Brasil) e um analgésico e anti-inflamatório (2 mg/kg de Ketofen® 1%, Merial, São Paulo, Brasil). As corujas foram deixadas em uma unidade de recuperação de aves, sob temperatura e umidade controladas, por um período de até 4 dias para recuperação pós-operatória.

3.4. Registros Eletrofisiológicos

Os registros eletrofisiológicos foram realizados utilizando-se um dispositivo de multi-eletrodos desenvolvido no Instituto Max Planck para Pesquisa do Cérebro (Frankfurt, AL). Esse dispositivo consiste em um arranjo compacto de eletrodos cilíndricos de tungstênio/platina com isolamento de quartzo (n = 1-3) (Thomas Recording, Alemanha; impedância: 0,3 – 0,7 MΩ a 1 KHz; diâmetro do corpo: 80 μm; diâmetro da ponta: ~ 2 μm). Os eletrodos foram montados dentro de microtubos guias eqüidistantes, acoplados a 3 micromanipuladores hidráulicos de precisão (Narishige, Japão). Esse dispositivo permite o posicionamento preciso e independente de pequenos grupos de eletrodos, de maneira a possibilitar a escolha de tipos celulares específicos durante a penetração dos eletrodos no tecido neural. O dispositivo fica preso à câmara de registro através de um adaptador metálico que é parafusado a ela. O dispositivo é mantido estável por um braço metálico, minimizando os

24

movimentos relativos entre os eletrodos e a cabeça do animal. É importante ressaltar que esse sistema proporciona uma excelente estabilidade de registro. Os sinais de atividade elétrica unitária captados pelos eletrodos foram amplificados (x10000) e filtrados (filtro passa-faixa 0,3kHz – 7kHz; Headset HST/16o25, Caixa pré-amplificadora de 32 canais, Plexon Inc., Texas). A digitalização do sinal foi feita a uma freqüência de amostragem de 32 kHz por uma placa A/D de 16 bits de resolução, com recursos de disparo e temporizador (PCI-6259, National Instruments, Austin, Texas, EUA). Os dados foram adquiridos, processados e armazenados em um PC AMD Athlon de 2 GHz, sob o controle de um sistema de programas computacionais, o SPASS, implementado em LabVIEW (National Instruments, Texas, EUA), desenvolvido por Sergio Neuenschwander, do Instituto Max Planck for Brain Research.

Durante o registro, foram isolados potenciais de ação de neurônios individuais tendo como base a qualidade de isolamento, e não a responsividade da célula. Foram gravados no computador apenas os disparos que excederam um limiar estabelecido no momento do registro. Esse limiar tipicamente variou entre 3 e 4 desvios padrão do traçado do sinal. Uma vez obtido um bom isolamento de uma ou poucas unidades facilmente distinguíveis, deu-se início à estimulação visual para a caracterização dos campos receptores.

3.5. Protocolos de Estimulação Visual

Os estímulos visuais foram apresentados em um monitor CRT analógico de 19 polegadas (Samsung SyncMaster 955DF), com uma resolução de 1024 × 768 pixels e uma taxa de renovação de 100 Hz, e linearizado com correção gama. O monitor foi posicionado a 57 ou 66 cm do olho da coruja. Destaca-se que, a 57 cm, 1 cm de estímulo corresponde a 1˚ de ângulo visual. A distância de 66 cm foi escolhida de tal maneira que a freqüência espacial de nenhum estímulo excedesse o limite de Nyquist do monitor nessa resolução. Utilizando software escritos em LabVIEW (National Instruments, EUA), os estímulos foram preparados como seqüências de imagens bitmap, apresentados com grande precisão temporal como filmes pelo

25

pacote ActiveStim (www.activestim.com). As medidas de luminância do monitor para a correção gama foram realizadas com o colorímetro ColorCal (Cambrigde Research Systems, Inglaterra). Os estímulos tiveram a mesma luminância média do fundo do monitor (54 cd/m2).

3.5.1. Mapeamento de campos receptores

Uma vez isolada a célula, seu campo receptor foi mapeado manualmente pelo método do campo de resposta mínima (minimum response field, BARLOW et al., 1967). Isso foi feito escutando as respostas neuronais a diferentes estímulos, tais como pontos luminosos, barras etc., controlados pelo experimentador por meio de um mouse, a partir de outro computador, e delimitando a região do espaço onde a apresentação de estímulos ativava o neurônio em questão. Também foram estabelecidos, com o mesmo método, os padrões de dominância ocular, seletividade para orientação e direção de movimento. Nos casos em que houve dúvidas em relação à confiabilidade dessas medidas manuais, foi realizada uma caracterização quantitativa do campo receptor, por meio da construção de um mapa bidimensional de responsividade a uma barra luminosa de 0,5º x 10º, que foi apresentada passando pela tela em 16 diferentes direções. O mapeamento automático do campo receptor foi feito com o auxílio de um programa desenvolvido em Matlab (MathWorks, EUA) pelo Prof. Mário Fiorani, do Instituto de Biofísica Carlos Chagas Filho, Universidade Federal do Rio de Janeiro.

Após a localização do campo receptor e a caracterização inicial de suas propriedades, os estímulos subseqüentes foram apresentados no centro do campo receptor, ao olho com maior responsividade ao estímulo. É importante ressaltar que o monitoramento de movimentos oculares, essencial em estudos com mamíferos, não foi necessário no presente trabalho, já que esses estão apenas minimamente presentes na coruja, alcançando uma amplitude máxima de 0,5º na coruja-buraqueira (STEINBACH e MONEY, 1973; STEINBACH et al., 1974; PETTIGREW & KONISHI, 1976; KNUDSEN, 1982; COOPER e PETTIGREW, 1979).

26

3.5.2. Caracterização da Seletividade para Direção de Movimento do Estímulo

A seletividade para direção de movimento foi caracterizada através do uso de grades (gratings) senoidais. Esses estímulos consistem em modulações senoidais bidimensionais de luminância, dados pela equação:

L(x, y,t) = L0 1+ C sin 2π fe(x cosθ + ysinθ) − 2π ftt[ ]{ } (1)

onde L é a luminância, x e y são coordenadas da tela, t é tempo, L0 é a luminância

máxima, C é o contraste, que varia de 0 a 1, fe é a freqüência espacial, ft é a freqüência temporal e θ é a direção de movimento. Dessa forma, podem-se

manipular os diversos parâmetros do estímulo (freqüências espacial e temporal, contraste, tamanho e direção de movimento/orientação), o que permite estudar de

forma paramétrica a seletividade de neurônios visuais às diversas dimensões de um estímulo. Por isso, grades vêm sendo classicamente utilizadas para a caracterização

do sistema visual tanto em estudos psicofísicos, quanto eletrofisiológicos (CAMPBELL e ROBSON, 1968; CAMPBELL et al., 1968; RUST e MOVSHON,

2005). Para o caso específico da direção de movimento, foram utilizadas grades

senoidais de contraste máximo e freqüência espaço-temporal otimizada, se movendo em 16 direções diferentes (incremento de 22,5°).

3.5.3. Caracterização da Seletividade para Freqüências Espacial e Temporal do

Estímulo

A seletividade para as freqüências espacial e temporal do estímulo foi avaliada através da utilização de grades senoidais com contraste máximo, movendo-se na

direção preferida da célula, e apresentadas em diferentes freqüências espaciais e temporais.

Todos os estímulos mencionados acima foram sempre apresentados em blocos de 10 apresentações para cada condição (sendo cada condição

correspondente a uma variação paramétrica – seja nas freqüências espacial ou temporal, ou na direção do movimento), em uma ordem pseudo-aleatória, de

27

maneira a sempre apresentar cada condição um mesmo número de vezes. O tamanho dos estímulos e o tempo de apresentação, bem como sua configuração, variaram de acordo com o protocolo específico utilizado em experimento, e serão detalhados nos capítulos apropriados.

3.6. Análise dos Dados

Os dados foram analisados utilizando-se um conjunto integrado de programas computacionais implementados em LabVIEW (National Instruments, EUA) e Matlab (MathWorks, EUA). As análises descritas nesta seção são comuns aos dois experimentos que compõem este trabalho. As análises específicas a cada experimento serão descritas em seus respectivos capítulos. 3.6.1. Separação de Potenciais de Ação

Os sinais eletrofisiológicos obtidos foram submetidos a um procedimento conhecido como separação de potenciais de ação (spike sorting; para revisão ver LEWICKI, 1998), usado para separar os potenciais de ação de células individuais, com base nas diferenças das formas de onda adquiridas. Formas de onda provenientes de uma mesma célula tendem a ser semelhantes e por isso tendem a ocupar posições próximas em um espaço paramétrico, formando aglomerados bem definidos. Neste trabalho, utilizou-se o programa desenvolvido por Nan-Hui Chen, ex-integrante da equipe de trabalho de Sergio Neuenschwander no Instituto Max Planck. Este programa utiliza o algoritmo de dynamic template matching. Tal algoritmo gera modelos de ondas baseado em vários parâmetros, e associa cada potencial de ação a um modelo, que é dinamicamente computado por uma rede neural artificial baseada na Teoria da Ressonância Adaptativa (CARPENTER e GROSSBERG, 1987). A separação foi feita de forma semi-automática. Primeiro, deixou-se o algoritmo encontrar automaticamente as unidades e em seguida passou-se ao modo manual, no qual o experimentador pode fundir ou não as classes de potenciais de ação encontradas pelo algoritmo. A qualidade da separação foi verificada por meio

28

de vários indicadores, a saber: 1) um bom agrupamento de escores da análise de componente principal; 2) não-violação de um período refratário absoluto estipulado em 2 ms, segundo verificado no histograma de intervalo inter-disparo; e 3) estabilidade da amplitude e largura do potencial de ação no decorrer do tempo. Agrupamentos de potenciais de ação que não passaram nos critérios de boa qualidade de separação foram considerados como atividade multi-unitária (AMU) não separável e, a não ser onde estiver especificado, foram excluídos das análises. 3.6.2. Análises Iniciais

Primeiramente, os dados da atividade unitária foram avaliados através de histogramas peri-estímulo (PSTH, tamanho do bin: 10 ms), que são histogramas de taxa de disparo por tempo após a apresentação do estímulo. As células foram, em seguida, classificadas em “simples” ou “complexas” (simple or complex cells), tendo como base a quantidade de modulação observada na resposta em relação à resposta média a uma grade na freqüência espaço-temporal preferida pela célula. Para tanto, foi utilizada uma análise do índice de modulação, que é obtido dividindo-se a amplitude da freqüência fundamental da resposta (f1) pelo componente d.c. da resposta (f0), determinado pela transformada de Fourier do PSTH. Células com um índice maior 1 exibem modulação da resposta em virtude de uma somação espacial linear dentro de seus campos receptores, e são, portanto, classificadas como células simples; células com índice menor que 1, por outro lado, são classificadas como células complexas, por exibirem não-linearidades nas respostas (DE VALOIS et al., 1982; SKOTTUN et al., 1991). Para as células classificadas como simples, tomou-se a amplitude de f1 como medida de atividade; enquanto a atividade de células complexas foi medida pela amplitude de f0, que efetivamente é a freqüência média de disparo. Além disso, foi verificado se a resposta máxima de cada célula era estatisticamente maior que a atividade basal, por meio do teste de Wilcoxon. Também verificou-se se as respostas neuronais eram significativamente moduladas pelo estímulo, ou seja, se o neurônio respondia mais para determinadas condições de estimulação que para outras, por meio do teste de Kruskal-Wallis. Apenas as

29

células que satisfizeram ambos esses critérios foram incluídas nas análises subseqüentes.

3.6.3. Análise da Seletividade para Direção de Movimento

O grau de seletividade à direção de movimento foi quantificado com um índice de direcionalidade (ID), calculado como:

ID = 1−Ranti − RspontRpref − Rspont (2)

onde Rpref é a taxa de resposta à direção preferida do estímulo, Ranti é a taxa de resposta à direção anti-preferida (ou a 180° da preferida) e Rspont é a taxa de disparo espontânea. Foram consideradas direcionais as células com ID ≥ 0,5; e bi-direcionais as células com ID < 0,5. As células que não passaram no teste de Kruskal-Wallis para a modulação do estímulo (ver item anterior) foram consideradas como não seletivas para direção, ou omnidirecionais, e foram excluídas das análises ulteriores. As respostas neuronais às várias direções de movimento das grades foram ajustadas com a soma de duas funções von Mises (SWINDALE et al., 2003):

M (ϕ ) = m + A1 exp k1 cos ϕ −ϕ1( ) −1⎡⎣ ⎤⎦{ } + A2 exp k2 cos ϕ −ϕ2( ) −1⎡⎣ ⎤⎦{ } (3)

onde m é o nível de atividade espontânea, A1 e A2 são os valores da atividade nos

picos, ϕ1 e ϕ2 são os ângulos (em radianos) nos quais os picos ocorrem, e k1 e k2 são

fatores de concentração, que se relacionam inversamente com a largura dos picos. A largura de banda da curva de seletividade para direção foi definida como a largura total à meia altura da curva.

30

3.6.4. Ajuste de Curvas e Estatística Geral

Nos casos em que as funções continham uma variável independente (direção, freqüências espacial e temporal), as curvas foram ajustadas utilizando o algoritmo de trust region, ou região de confiança, implementado na Curve Fitting Toolbox do Matlab, tanto para os valores de resposta média, quanto para todas as repetições de cada condição. No caso em que a função possuía duas variáveis independentes (curva bidimensional de velocidade, ver capítulo 5), utilizou-se a função de Matlab “nlfit”, que implementa o algoritmo de ajuste não linear de Gauss-Newton. Nesse caso, os intervalos de confiança dos parâmetros estimados foram calculados a partir das matrizes Jacobianas e valores residuais com a função “nlparci”, segundo descrito por Priebe et al. (2006). A precisão dos ajustes foi avaliada por meio dos intervalos de confiança (IC) dos parâmetros e da estatística F para ajuste de curvas (DANIEL e WOOD, 1980), que serviram como critérios de exclusão. Embora os valores de r2 tenham sido calculados, eles não serviram como critério de exclusão, já que essa estatística não é considerada como o melhor indicador de qualidade de ajuste (DANIEL e WOOD, 1980). A normalidade da distribuição dos dados foi analisada com a modificação de Lilliefors do teste de Kolmogorov-Smirnov. Caso a normalidade tenha sido verificada, as médias de duas populações foram comparadas com o auxílio do teste t de Student, e de mais de duas populações como o teste de Análise de Variância (ANOVA) adequado. Por outro lado, para dados de distribuição não paramétrica foram utilizados os testes de Wilcoxon e Kruskal-Wallis, equivalentes aos testes paramétricos, t de Student e ANOVA, respectivamente. Para avaliar a significância de diferenças entre propriedades categóricas, foram utilizados o teste qui-quadrado (χ2) ou o teste exato de Fisher, se o número de contagens em alguma categoria foi menor que cinco. O grau de dependência entre duas variáveis foi analisado com teste não paramétrico de correlação de Spearman. O nível de significância considerado foi de 5% para todos os testes, salvo exceções que serão especificadas no momento oportuno. A não ser caso especificado, as medidas populacionais estão apresentadas como média aritmética ± erro padrão da média (EPM).

31

4. SELETIVIDADE PARA DIREÇÃO E CAPACIDADE DE INTEGRAÇÃO DO MOVIMENTO GLOBAL EM NEURÔNIOS DO WULST VISUAL

4.1. Materiais e Métodos

4.1.1. Avaliação da Capacidade de Integração de Movimento no Wulst Visual

Para avaliar a capacidade de integração de movimento no wulst, utilizou-se um protocolo introduzido por Movshon et al. (1985): foram comparadas as respostas neuronais a grades senoidais e a padrões xadrez (exemplos nas Figuras 3 e 4). Esses últimos são estímulos compostos pela soma de duas grades se movendo em direções diferentes, e podem ser manipulados para serem percebidos como um único objeto que se move em uma direção intermediária às grades componentes. Quando esses estímulos são apresentados a neurônios, suas respostas podem ser de três tipos: 1) seletivas para a direção do componente (SDC), se são máximas sempre que uma das grades componentes está se movendo na direção preferida da célula, conferindo um padrão bilobado característico à sua curva de seletividade; 2) seletivas para a direção do padrão (SDP), se são máximas quando o movimento global do padrão xadrez se dá na direção preferida da célula, caso no qual a curva de seletividade será igual à curva obtida apenas com a grade, indicando capacidade de integração do movimento; e 3) resposta não classificável pelo método estatístico (por ser intermediária entre as alternativas 1 e 2).

Figura 3. Exemplos de estímulos utilizados nos experimentos descritos neste capítulo. À esquerda, dois exemplos de grades (gratings) senoidais, cuja soma gera

32

o estímulo de padrão xadrez (plaid), à direita, que é percebido como se movendo coerentemente em uma direção intermediária (direções de movimento indicadas por setas). Esse é um estímulo poderoso para a investigação da integração do movimento.

O protocolo de estimulação consistiu na apresentação de grades e padrões xadrez, cada um se movendo em 16 direções diferentes, num total de 32 condições repetidas 10 vezes cada em ordem aleatória. O ângulo de separação entre as grades componentes dos padrões xadrez foi de 90˚, tipicamente. O tempo de estimulação foi de 2 s, precedido por um período de 1 s, utilizado para o cálculo da atividade espontânea, e seguido por mais um segundo sem estimulação.

B. Resposta seletiva ao padrão

C. Resposta seletiva ao componente

A. Resposta à grade senoidal

Figura 4. Respostas neuronais teóricas a padrões xadrez, representadas em gráficos polares nos quais as coordenadas angulares representam a direção de movimento e as coordenadas radiais representam taxas de disparo. A. Curva de seletividade de um neurônio direcional que responde preferencialmente ao movimento para cima (90˚). B. Se esta mesma célula for seletiva ao movimento do padrão, ela terá uma curva de seletividade ao padrão xadrez semelhante à medida para a grade, sugerindo capacidade de integração de movimento. C. Se o neurônio não é capaz de integrar o movimento, ele responderá ao movimento das grades que compõem os padrões xadrez. Dessa forma, a curva terá um padrão bilobado, já que a célula responde mais às direções de movimento do padrão xadrez nas quais um dos componentes se move na direção 90˚. Esses dois modelos de resposta formam a base da análise apresentada a seguir.

33

4.1.2. Análise de Correlação Parcial

Para avaliar a capacidade de integração de movimento com base na comparação entre respostas a grades e padrões xadrez, utilizou-se um procedimento proposto por Movshon et al. (1985) e revisado por Movshon e Newsome (1996). A partir da resposta do neurônio às grades, foram geradas duas previsões de modelos de resposta: uma se o neurônio responde aos componentes, e outra se responde ao padrão global. A resposta de cada neurônio foi, então, comparada aos dois modelos, e coeficientes de correlação parcial entre a resposta e cada um desses dois modelos (Rp e Rc) foram calculados com as seguintes fórmulas:

Rp = (rp − rcrpc ) / 1− rc2( ) 1− rpc2( )⎡⎣ ⎤⎦ (4)

Rc = (rc − rprpc ) / 1− rp2( ) 1− rpc2( )⎡⎣ ⎤⎦ (5)

Onde rp é o coeficiente de correlação linear de Pearson entre a resposta do neurônio e o modelo de resposta ao padrão global, rc é o coeficiente entre a resposta e o modelo de resposta aos componentes dos padrões xadrez e rpc é o coeficiente de correlação entre os dois modelos. Em seguida, esses dois coeficientes foram submetidos a uma transformação de Fisher para escores Z, um para cada coeficiente calculado:

Zx = 0.5 × log (1+ Rx ) / (1− Rx )[ ] (6)

onde R é o coeficiente de correlação parcial e x pode ser p ou c. A partir desse valor Z, foram calculados os valores t para cada uma das previsões:

t = (Zp − Zc ) / (2 /GL) (7)

onde GL representa os graus de liberdade, que são iguais ao número de condições de estimulação subtraídos de 3. Assim, cada neurônio tem um valor bidimensional,

34

que são as coordenadas de um gráfico X-Y que contém uma linha de significância que o divide em três regiões estatísticas: uma na qual a resposta ao componente é significativamente maior, outra na qual a resposta ao padrão global de movimento é significativamente maior, e uma outra chamada não classificável, na qual não se observam diferenças estatísticas. Neste caso, o nível de significância considerado foi de 10%, para uma base de comparação com outros trabalhos em mamíferos, que utilizaram esse valor (MOVSHON et al., 1985; GIZZI et al., 1990; MOVSHON e NEWSOME, 1996). A justificativa apresentada pelos autores para esse nível relativamente permissivo é que esse é método conveniente de classificação dos neurônios, e não um teste estatístico stricto sensu.

4.2. Resultados

Todos os resultados apresentados a seguir foram publicados integralmente em Baron et al. (2007), com apresentações de resultados preliminares em Pinto et al. (2006, 2007a,b).

4.2.1. Observações Gerais

Um total de 107 neurônios foi estudado em 53 penetrações com o eletrodo perpendicular à superfície do wulst visual de cinco corujas. Tipicamente, os animais aceitaram bem as condições de contenção e permaneceram quietos por longos períodos de tempo, o que facilitou a obtenção de registros estáveis - apenas 6 unidades isoladas foram perdidas no decorrer dos protocolos de estimulação, o que foi revelado pelo sistema de separação de potenciais de ação como agrupamentos não separáveis de potenciais. Assim, 101 neurônios foram utilizados nas análises cujos resultados serão apresentados a seguir. Outro fato que comprova a boa estabilidade dos registros é o de que várias unidades foram mantidas e caracterizadas durante períodos de até três horas. Uma vez que os registros eram limitados a poucas horas (tipicamente quatro), conseguiu-se poucos neurônios por

35

penetração – aproximadamente 2 – embora por vezes fosse possível registrar até cinco unidades por penetração. As propriedades de resposta das células encontradas no wulst foram consistentes com as anteriormente descritas em outras espécies de corujas (PETTIGREW e KONISHI, 1976; PETTIGREW, 1979). Os campos receptores visuais eram normalmente bem delimitados e pequenos, atingindo um máximo de 5˚ em sua maior dimensão. Quase todas as células responderam à estimulação de qualquer um dos olhos (Figura 5A): apenas três foram exclusivamente monoculares (Figura 5B). Neste ponto, é importante reiterar que os estímulos utilizados para caracterizar as respostas direcionais dos neurônios foram apresentados apenas ao olho para qual a maior resposta foi obtida. As células da amostra também exibiram claros perfis de seletividade para freqüência espaço-temporal dos estímulos. Em alguns casos, os perfis de resposta a essas dimensões do estímulo foram avaliados de forma quantitativa, e via de regra os resultados obtidos foram próximos das estimativas qualitativas (Figuras 5C e D). Uma análise detalhada da seletividade espaço-temporal, no entanto, foi assunto do estudo seguinte e será detalhada no próximo capítulo. Pettigrew (1979) relatou a presença de diversas classes de neurônios no wulst visual da coruja, a maioria delas com correspondentes no córtex visual primário de mamíferos. Os perfis de resposta encontrados no presente trabalho são consistentes com muitas dessas classes. Em particular, cita-se um tipo de neurônio chamado “especialista em barras pretas” (black bar specialist). Tais células são peculiares por responderem a barras orientadas escuras que se movem contra um fundo claro. Para estimar a profundidade dos registros no wulst visual, utilizaram-se as leituras dos micromanipuladores, tendo como referência as coordenadas de entrada e saída do tecido neural. Essas estimativas devem, contudo, ser consideradas com cautela, pois elas são susceptíveis a imprecisões devidas, por exemplo, à deformação da superfície do tecido ocasionada pela compressão do eletrodo. Contudo, o fato de que as coordenadas de entrada normalmente coincidiram com as de saída fala a favor da idéia de que esse fenômeno provavelmente não foi uma fonte significativa de erro. A distribuição das estimativas de profundidade de registro variou entre 10 e 2360 μm. A maioria das células (~ 80%) foi registrada nos primeiros 1200 μm, profundidade que corresponde aproximadamente aos limites

36

inferiores da camada mais superficial e espessa do wulst (cerca de 40% da espessura dessa estrutura), o hiperpalio apical (HA), que é a principal camada de células eferentes do wulst (KARTEN et al., 1973). O wulst visual ainda se estende inferiormente por cerca de 1600 μm (perfazendo um total de aproximadamente 2800 μm), onde se localizam outras três camadas (KARTEN et al., 1973; PETTIGREW, 1979; REINER et al., 2004): o núcleo intersticial do HA (IHA), hiperpalio intercalado (HI) e hiperpalio densocelular (HD). Segundo as leituras dos micromanipuladores, poucas células (~ 20%) foram amostradas do IHA (camada granular) e nenhuma do HI ou HD.

Figura 5. Exemplos representativos das propriedades de campos receptores do wulst visual de corujas-buraqueiras acordadas. Os painéis superiores mostram os resultados do mapeamento quantitativo de campos receptores aplicados a (A) uma célula binocular (tipo mais freqüentemente encontrado na amostra); e (B) uma célula monocular, responsiva à estimulação do olho contralateral (tipo raramente encontrado). O mapeamento consistiu na apresentação de uma barra luminosa que se moveu em 16 direções diferentes (detalhes no capítulo 3, “Materiais e Métodos”). Os mapas foram normalizados. O centro dos campos receptores foi definido como o ponto de responsividade máxima no mapa 2D, indicado pelo círculo com linha sólida. No caso da unidade binocular mostrada no painel A, pode-se ver dois padrões de ativação distintos, embora parcialmente sobrepostos, indicando a presença de um campo receptor para cada olho. Os estímulos subseqüentes foram

Resposta

(%do m

áxim

o)

50

100

A B

0

0,25 0,5 1,0 2,0 4,0

D

0,25 0,5 1,0 2,0 4,0

0

10

20

30 C

3°osc016a01_2a osc010b01_1a

osc028a02_1a osc028a03_1a

Dis

paro

s/s

Freq. Espacial (ciclos/grau) Freq. Temporal (Hz)

37

apresentados ao olho para o qual foi obtida a maior resposta (círculo pontilhado). C. Curva de seletividade à freqüência espacial de uma célula, medida com uma grade se movendo na direção preferida da célula a uma freqüência temporal de 1 Hz. D. curva de seletividade para freqüência temporal da mesma célula, avaliada a uma freqüência espacial de 2 ciclos/grau. Em ambos os gráficos, os pontos representam a taxa média de disparo (disparos/s) para 10 repetições de 2 s de apresentação de estímulo. As barras de erro indicam ± EPM. As cabeças de seta indicam os valores ideais de freqüência.

4.2.2. Propriedades de Resposta Seletivas à Direção

Para testar se os neurônios do wulst visual são capazes de sinalizar o movimento global, restringiu-se a análise aos neurônios que exibiram pelo menos algum grau de seletividade direcional. Três das 101 unidades foram excluídas porque suas taxas de disparo não foram significativamente maiores que a atividade espontânea em nenhuma das direções. Embora esses neurônios tivessem campos receptores bem definidos, suas atividades, foram, na verdade, suprimidas pela presença das grades em movimento. Outro grupo de nove neurônios também foi excluído da amostra por terem sido classificados como omnidirecionais após uma análise de variância realizada para comparar as respostas às 16 diferentes direções de movimento (ver capítulo 3, “Materiais e Métodos”). Dos 89 neurônios restantes, 67 (75,3%) foram classificados como seletivos para direção, já que seus valores de ID excederam 0,5. As outras 22 células foram classificadas como bidirecionais. As Figuras 6A e 6C ilustram o padrão de respostas direcionais de dois neurônios representativos da amostra durante a apresentação das grades. Pode-se observar nessas figuras que ambos os neurônios responderam seletivamente para direções particulares de movimento, exibindo freqüências de disparo sustentadas no curso da apresentação do estímulo após componentes transitórios iniciais. Esses componentes transitórios (os primeiros 200 ms seguintes ao aparecimento do estímulo) não foram levados em conta na parte principal da análise, pois foram excluídos. Essa exclusão se deveu à possibilidade de que os componentes transitórios tenham sido induzidos por atributos do estímulo que não seu movimento. As curvas de seletividade direcional dos neurônios cujas respostas estão representadas nas Figuras 6A e C estão mostradas em escala linear nos painéis B e D, respectivamente. Também mostradas estão as curvas ajustadas, que a partir das quais estimou-se a meia largura à meia altura. Como ilustrado nos exemplos, os

38

ajustes fornecem uma boa descrição dos dados. De fato, apenas 6 de 89 células foram excluídas por não terem passado nos critérios de qualidade de ajuste. Para os 83 neurônios restantes, o valor médio de r2 foi de 0,91 ± 0,09 (intervalo: 0,81 – 0,99). Dados populacionais do índice direcional e largura de banda das curvas estão apresentados na forma de histogramas nas Figuras 6E e F, respectivamente. O grau de seletividade direcional variou de bidirecional (ID = 0,10) a fortemente unidirecional, com supressão da atividade espontânea na direção anti-preferida (ID = 1,35). Para a grande subpopulação de células seletivas para direção, os valores de ID se distribuíram em torno de uma média de 0,9, indicando uma tendência à unidirecionalidade sem inibição na direção anti-preferida, o que foi observado apenas em 20% das células. A variabilidade dos valores de largura de banda, como é aparente nas Figuras 6B e D, refletiu-se em uma distribuição ampla mostrada na Figura 6F (faixa: 14,2˚ – 61,0˚). O valor médio da população foi de 28,0˚, e cerca de 45% das células tiveram valores de largura de banda entre 20˚ e 30˚. Os valores encontrados para as células direcionais não foram significativamente diferentes dos das células bidirecionais (27,8° ± 1,25 vs. 29,0° ± 3,0, respectivamente; teste de Wilcoxon, P = 0,89). Dentre a população de neurônios com seletividade direcional, nenhuma direção preferida foi representada com mais freqüência que a esperada para uma distribuição homogênea (χ2 = 22,1; GL = 15; P = 0,105). Entretanto, foi observada uma tendência de uma representação maior de direções para baixo. Direções preferidas de 270˚ foram vistas duas vezes mais que qualquer outro dos 15 valores angulares. É interessante notar que um viés aparente semelhante já foi descrito para a área MT de primatas (ALBRIGHT, 1984, 1989) e foi significativo em um estudo feito por Diogo et al. (2003).

39

LB = 27,0°

F

1,5

0

5

10

15

20

10 20 30 40 50 60 70

E

0

5

10

15

20

0,5 1,00,0

180º

202,5º

225º

247,5º

270º

292,5º

315º

337,5º

90º

112,5º

135º

157,5º

0º

22,5º

45º

67,5º

0

250

0 3

C

0

90

0 3

180º

202,5º

225º

247,5º

270º

292,5º

315º

337,5º

90º

112,5º

135º

157,5º

0º

22,5º

45º

67,5º

A

0

5

10

15

20

25

0 90 180 270 360

LB = 17,7°

B

ID = 0,98

D

0

20

40

60

80

100

0 90 180 270 360

ID = 0,70

osc051a01_1c

osc033c01_1b

Taxa

de

disp

aro

(dis

paro

s/s)

Direção (graus)Tempo (s)

Índice de direcionalidade

Núm

ero

de c

élul

as

Largura de banda (graus)

Direção (graus)Tempo (s)

Núm

ero

de c

élul

asTa

xa d

e di

spar

o (d

ispa

ros/

s)Ta

xa d

e di

spar

o (d

ispa

ros/

s)

Taxa

de

disp

aro

(dis

paro

s/s)

Figura 6. Propriedades de seletividade direcional de 89 neurônios amostrados do wulst visual. A-D: Respostas de dois neurônios direcionais representativos a grades senoidais com 45% de contraste e freqüências espacial e temporal otimizadas. Painéis à esquerda: as respostas estão mostradas como histogramas de tempo peri-estímulo (PSTHs) médios para 16 direções diferentes do estímulo (indicadas no alto de cada histograma) com 10 medidas repetidas para cada condição em ordem aleatória (tamanho do bin = 10 ms). Os valores de atividade espontânea foram calculados com base nos 500 ms que precederam a apresentação do estímulo, que ocorreu entre 500 e 2500 ms, como mostrado pelas barras abaixo da primeira coluna de PSTHs. Os retângulos cinzas sombreados representam os períodos de 1800 ms considerados nas análises após a exclusão dos 200 ms iniciais de apresentação de estímulo. Painéis à direita: curvas de seletividade direcional nas quais a taxa média de disparo (disparos/s) estão representadas em função da direção do estímulo. Os círculos não preenchidos indicam a amplitude média da resposta nas direções preferida e anti-preferida. As linhas sólidas representam os modelos ajustados utilizados para determinar a meia largura à meia altura da maior

40

resposta do modelo, que foi a medida de largura de banda direcional (LB). As barras indicam o intervalo de confiança de 95% da média. A linha cinza horizontal indica o nível de atividade espontânea. E. Distribuição dos índices direcionais (ID), onde a linha tracejada vertical indica o corte entre células bidirecionais (ID < 0,5) e direcionais (ID ≥ 0,5). F. Distribuição dos valores de largura de banda de direção. Os valores da média e mediana para ID e largura de banda estão representados pelas cabeças de seta pretas e brancas, respectivamente.

4.2.3. Respostas Neuronais aos Padrões Xadrez

As 67 unidades seletivas para direção foram testadas em relação à sua capacidade de sinalizar o movimento global dos padrões xadrez. Um aspecto chave desse teste é a dissociação entre o movimento global e dos componentes desse estímulo, já que o movimento aparente do padrão xadrez é intermediário ao movimento real de seus componentes. Se um neurônio responde seletivamente ao movimento global do padrão, suas curvas de seletividade à grade e ao padrão xadrez serão essencialmente as mesmas, e ele será classificado como seletivo à direção do padrão (SDP). Por outro lado, se um neurônio responde seletivamente ao movimento do componente, sua curva e seletividade ao padrão xadrez será bilobada, com picos de reposta nas duas condições em que um das grades componentes coincidem com a direção preferida do neurônio, caso no qual ele é classificado como seletivo à direção do componente (SDC). Uma amostra representativa de três células SDC está mostrada na Figura 7. Nessa figura e na subseqüente, as respostas figuram em uma representação polar, na qual a distância entre o ponto e a origem representa a taxa de disparo em disparos por segundo, e o ângulo indica a direção de movimento dos estímulos. Quando estimulado com grades se movendo em 16 direções diferentes, o primeiro neurônio (Figura 7A) teve uma notável preferência pelo movimento para cima, e o grau (ID = 0,91) e precisão (LB = 27,0˚) de sua seletividade direcional foram típicos de muitas células direcionais (ver Figuras 6A e B). Em resposta aos padrões xadrez (Figura 7B), esse neurônio apresentou dois picos de atividade em direções de movimento simetricamente opostas uma à outra com um ângulo de 45˚ em relação à vertical. Isso é o que seria esperado de um neurônio que responde de forma independente a cada uma das grades que compõem um padrão xadrez com uma separação de 90˚. Para verificar essa observação objetivamente, a curva de seletividade direcional obtida com grades foi utilizada para prever as respostas de

41

um modelo de célula SDC ideal (representada pelas linhas cinzas pontilhadas nas Figuras 7B, D e F) e as de uma célula SDP ideal aos padrões xadrez (não mostrada), e esses modelos foram comparados às curvas de seletividade aos padrões xadrez medidas experimentalmente. O modelo previsto para um neurônio SDC ideal é a soma das curvas de seletividade às duas grades apresentadas isoladamente, enquanto a previsão para uma célula SDP ideal é idêntica à curva medida com as grades (ver seção “Materiais e Métodos” deste capítulo). Pode-se observar que a curva de resposta aos padrões xadrez da unidade na Figura 7B é bastante próxima à previsão do modelo SDC. Isso foi confirmado numericamente computando-se os coeficientes de correlação parcial entre as respostas aos padrões xadrez e as previsões dos dois modelos. Com uma alta correlação parcial de componente (Rc = 0,95) e uma baixa correlação parcial de padrão (Rp = -0,15), essa unidade foi inequivocamente classificada como SDC. A mesma classificação foi obtida para células que exibiram uma grande variedade de propriedades direcionais como, por exemplo, um ID mais baixo (Figura 7C e D) ou uma maior largura de banda (Figuras 7E e F). Embora a maior parte dos neurônios direcionais tenha mostrado um perfil SDC em resposta a padrões xadrez em movimento, vários tiveram respostas que não se correlacionaram bem com nenhuma das previsões. A Figura 8 ilustra a resposta de três neurônios diferentes com razões pelas quais não são classificados como SDC. A unidade nas Figuras 8A e B ilustra o caso de alguns neurônios com grande largura de banda para a direção das grades que não foram classificados como SDC porque suas respostas aos padrões xadrez, embora claramente direcionais, tiveram um perfil intermediário entre as previsões de componente e padrão. O exemplo na Figura 8C e D ilustra outro tipo de célula não classificável que apresentou uma resposta atenuada aos padrões xadrez, sem nenhuma característica clara de um perfil de resposta direcional ou bidirecional. O comportamento da célula na Figura 8E e F foi bastante atípico. Essa unidade era altamente direcional (ID = 1,06) e possuía grande largura de banda (LB = 49,16˚). Em resposta aos padrões xadrez, ela exibiu dois picos claros em ângulos que correspondiam aos componentes dos padrões xadrez. Contudo, ela não foi classificada como SDC porque sua curva de resposta ao padrão xadrez apresentou-se rotacionada no sentido anti-horário em um ângulo de cerca de 45˚ em relação à

42

previsão de componente. Esse deslocamento angular foi considerado genuíno, uma vez que se repetiu no experimento com padrões xadrez de 135˚ (ver abaixo e Figura 11). Quando esse desvio angular foi artificialmente compensado por uma rotação de 45˚ no sentido horário, a resposta modificada da célula pode ser classificada como SDC, com Rc = 0,60 e Rp = - 0,23.

Figura 7. Seletividade direcional de três neurônios SDC a grades senoidais em movimento (A, C, E) e padrões xadrez de 90˚ (B, D, F). O ângulo de cada gráfico polar corresponde à direção de movimento do estímulo, ao passo que a dimensão radial representa a amplitude de resposta (disparos/s). O círculo cinza centrado na

disparos/s

osc054c01_1a

ID = 0,91LB = 26,9°

A B

R = 0,95*

R = -0,15C

P

ID = 0,70LB = 24,1°

C D

osc024a02_1a

60

R = 0,93*

R = 0,09C

P

ID = 0,92LB =43,4°

E F

osc031a03_1a

60

R = 0,76*

R = -0,07C

P

disparos/s

disparos/s

43

origem indica o nível médio de atividade espontânea. As linhas sólidas e os pontos de dado mostram a resposta real do neurônio, e as barras de erro representam ± EPM. As linhas tracejadas nos painéis B, D e F indicam a previsão de componente, que representa a curva de resposta neuronal aos padrões xadrez se o neurônio responde apenas às grades componentes. ID: índice de direcionalidade; LB: largura de banda, segundo definido na Figura 2. Rc e Rp são as correlações parciais para as previsões de componente e padrão, respectivamente. Os asteriscos indicam significância estatística (P ≤ 0,1).

Figura 8. Seletividade direcional de três neurônios não classificáveis a grades senoidais (A, C, E) e padrões xadrez de 90˚ (B, D, F). As convenções são as

ID = 0,90LB = 45,4°

A B

osc027a01_1a

50

R = 0,86

R = 0,71C

P

80

ID = 0,51LB= 29,6°

C D

osc050b01_1b

R = 0,31

R = -0,04C

P

R = 0,21

R = 0,53C

P

osc053b01_1b

ID = 1,06LB = 49,2°

E F

disparos/s

disparos/s

disparos/s

44

mesmas da Figura 7. Nota-se que nenhum dos valores de correlação parcial está marcado com asterisco, já que tais valores não alcançam o nível de significância estatística em neurônios não classificáveis.

A Figura 9 mostra um gráfico de dispersão no qual os valores dos coeficientes de correlação de componente e padrão de todos os neurônios direcionais da amostra do wulst visual servem como coordenadas no eixo X e Y, respectivamente, como proposto por Movshon et al. (1985, ver Figura 11 na página 142). O gráfico é dividido em três regiões estatisticamente distintas que foram utilizadas para categorizar os neurônios como SDC, SDP ou não classificáveis (regiões marcadas como “COMPONENTE”, “PADRÃO” e “NÃO CLASSIFICÁVEL”, respectivamente). A predominância de células SDC na população é evidente. De 67 células, 54 (80%) foram classificadas como tal. Elas responderam melhor ao padrão xadrez quando o eixo de movimento de uma das grades componente coincidiu com seu eixo de movimento preferido, e suas curvas de seletividade foram mais bem descritas pela previsão de componente. As outras 13 células (20%) não foram classificáveis, e nenhum neurônio SDP foi encontrado. Globalmente, as proporções de células SDC e não classificáveis encontradas neste estudo foram bastante semelhantes àquelas relatadas para o córtex estriado de gatos e primatas (MOVSHON et al., 1985; GIZZI et al., 1990; GUO et al., 2004). Porém, na coruja acordada não foi encontrada a pequena população de células SDP encontradas por Guo et al. (2004) na área V1 de macacos executando uma tarefa de fixação.

-1,0 -0,5 0,0 0,5 1,0-1,0

-0,5

0,0

0,5

1,0

Cor

rela

ção

de p

adrã

o)

(Rp

PADRÃO

NÃO CLASSIFICÁVEL

CO

MP

ON

EN

TE

n = 67

)(RcCorrelação de componente

45

Figura 9. Gráfico de dispersão dos coeficientes de correlação parcial com a previsão de componente (Rc) e padrão (Rp) de 67 neurônios direcionais amostrados do wulst visual de corujas-buraqueiras acordadas. O gráfico mostra as correlações parciais em resposta a padrões xadrez de 90˚. A linha em forma de ogiva divide o gráfico em três zonas de interesse. Pontos localizados na região “COMPONENTE” indicam as células cujos valores de Rc são significativamente maiores que 0 ou Rp. Tais células são classificadas como SDC. De forma semelhante, os pontos da região “PADRÃO” correspondem às células cujos valores de Rp são significativamente maiores que 0 ou Rc, classificando-as como SDP. A região intermediária denominada “NÃO CLASSIFICÁVEL” contém células para as quais nenhum dos coeficientes difere de zero, ou para as quais os coeficientes não diferem significativamente um do outro. Células que foram classificadas como SDC estão indicadas por círculos pretos e as não classificadas, por círculos cinzas. Note que nenhuma célula foi classificada como SDP.

Com o objetivo de avaliar até que ponto cada célula expressou seletividade do tipo componente mais que a do tipo padrão, computou-se um índice de componente por meio da subtração da variância explicada pela previsão de componente daquela prevista para o padrão (Rc2 - Rp2). Valores positivos significam alto grau de concordância com a previsão do tipo componente, enquanto valores negativos favorecem a previsão do tipo padrão. A distribuição desses valores está mostrada na Figura 10A. Como esperado, a diferença entre os valores médios de índice de componente das células SDC (0,62 ± 0,02) e das não classificáveis (0,10 ± 0,05) foi muito significativa (teste de Wilcoxon, z = -5.3, P < 0,001). A grande maioria (85%) das células SDC teve um índice de componente maior que 0,5, indicando que a maioria dos neurônios classificados como SDC apresentou baixo grau de seletividade à direção do padrão. Além disso, o grau de seletividade para o componente de um dado neurônio não pôde ser previsto a partir de suas propriedades de seletividade direcional medidas apenas com grades. Como se nota na Figura 10B, não houve uma relação significativa entre a seletividade para o movimento do componente e o grau de seletividade direcional de um dado neurônio (correlação de Spearman, rho = -0,04, P = 0,61). Também não houve relação entre o grau de seletividade ao movimento do componente e a largura de banda da curva de seletividade para direção (correlação de Spearman, rho = -0,16, P = 0,88, Figura 10C).

46

NÃO CLASSIFICÁVEIS

-0,2 0,0 0,2 0,4 0,6 0,8 1,00

5

10

15A

-0,5 0,0 0,5 1,00,5

1,0

1,5B

-0,5 0,0 0,5 1,010

20

30

40

50

60

70C

SDC

Núm

ero

de c

élul

as

Índi

ce d

e di

reci

onal

idad

eÍndice de componente

Larg

ura

de b

anda

(gr

aus)

Índice de componente Índice de componente

Figura 10. Relação entre a seletividade ao movimento do componente e seletividade direcional para a população de neurônios seletivos para direção. A. Distribuição dos valores de índice de componente calculados para cada um dos 67 neurônios direcionais registrados do wulst visual em resposta a padrões xadrez de 90˚. O índice de componente é calculado como Rc2 - Rp2, e reflete o grau de seletividade ao componente em relação à seletividade ao padrão. B. Gráfico de dispersão dos índices de componente vs. direcional. C. Gráfico de dispersão do índices de componente vs. largura de banda da curva de seletividade direcional para a mesma população de neurônios. Símbolos pretos referem-se a neurônios SDC e símbolos cinzas indicam neurônios não classificáveis.

4.2.4. Efeito do Ângulo dos Padrões Xadrez nos Coeficientes de Correlação Parcial

A confiabilidade das medidas dos coeficientes de correlação parcial depende, em parte, da escolha apropriada do ângulo entre os componentes dos padrões xadrez. Por exemplo, é evidente que o perfil bilobado da curva de resposta ao padrão xadrez não apareceria para ângulos entre os componentes que fossem muito menores que a largura da curva de seletividade direcional da célula. Em geral, é também verdade que quão menor for o ângulo entre os componentes do padrão xadrez, mais semelhantes as previsões de componente e padrão tenderão a ser e, como conseqüência disso, menores serão as chances de se encontrarem diferenças significativas entre as previsões dos dois modelos. Um menor ângulo, portanto, aumentará a probabilidade de se categorizar células como não classificáveis, categoria essa que não deve ser interpretada como um tipo celular intermediário entre SDC e SDP. Tais células devem ser entendidas como aquelas para as quais as condições particulares dos testes e as estatísticas utilizadas não foram sensíveis o suficiente para classificá-las. No presente trabalho, escolheu-se um ângulo de 90˚, valor que já foi utilizado em diversos estudos que avaliaram questões semelhantes

47

no córtex estriado de mamíferos (MOVSHON et al,, 1985; GIZZI et al., 1990; TINSLEY et al., 2003; GUO et al., 2004). Dada a distribuição obtida para valores de largura de banda e a proporção relativamente pequena de células não classificadas, acredito que essa escolha foi adequada para capturar a sensibilidade de neurônios do wulst ao movimento de padrões xadrez. Outrossim, como forma de controle positivo, avaliou-se a probabilidade dessa inferência repetindo-se as medidas de correlação parcial com padrões xadrez de 135˚ em um subgrupo de neurônios. A Figura 11 mostra que um aumento substancial de 45˚ no ângulo entre os componentes dos padrões xadrez não mudou de forma fundamental a classificação dos 17 neurônios testados novamente dessa maneira. Apenas uma delas mudou de categoria, migrando da região “NÃO CLASSIFICÁVEL” para a “COMPONENTE”. Mudanças nos coeficientes de correlação foram observados em todas as células apresentadas na Figura 11. No entanto, segundo o teste de Wilcoxon, os valores de Rc calculados para padrões xadrez de 90˚ não diferiram significativamente daqueles calculados para padrões xadrez de 135˚ (z = -1,21, P = 0,23). O mesmo vale para os valores de Rp (z = -1,30, P = 0,20) e de índice de componente (z = 1,10, P = 0,27).

Figura 11. Influência do ângulo do padrão xadrez nas correlações parciais para a previsão de componente (Rc) e padrão (Rp) de 17 neurônios direcionais. Para cada célula, uma linha conecta os valores de correlação parcial em resposta a padrões xadrez de 90˚ (sem símbolos) àqueles obtidos para os padrões xadrez de 135˚ (símbolos). A direção das linhas, portanto, ilustra a mudança nos valores de

Cor

rela

ção

de p

adrã

o)

(Rp PADRÃO

NÃO CLASSIFICÁVEL

CO

MP

ON

EN

TE

)(RcCorrelação de componente-1,0 -0,5 0,0 0,5 1,0

-1,0

-0,5

0,0

0,5

1,0

48

correlação parcial em virtude da mudança no ângulo dos padrões xadrez. Todos os círculos pretos se referem a células que não foram apresentadas em figuras anteriores. Os símbolos ▽, ☐, e ◯ se referem às unidades osc031a03_1a, osc053b01_1b e osc050b01_1b, respectivamente. A curva de seletividade dessas unidades a padrões xadrez de 90˚ foi apresentada nas Figuras 7 e 8.

4.2.5. Inibição de Resposta aos Padrões Xadrez

O método de correlação parcial utilizado para classificar neurônios como SDC ou SDP efetivamente compara a forma das curvas de resposta obtidas para os padrões xadrez às curvas de resposta previstas para perfis de seletividade à direção do componente ou do padrão. Entretanto, essa comparação deixa de levar em conta diferenças absolutas entre os valores de atividade. É importante considerar esse ponto, uma vez que os níveis de resposta aos padrões xadrez foram, muitas vezes, menores do que os previstos a partir das respostas às grades (ver, por exemplo, Figuras 7B e D). Para quantificar a magnitude relativa desses efeitos inibitórios, calculou-se uma razão de inibição por padrões xadrez, um valor que compara a resposta real aos padrões xadrez à resposta prevista. Como nota-se na Figura 12, os valores dessa razão apresentaram distribuição normal fortemente concentrada em torno de uma média de 0.72 ± 0.08. Apenas 7 células (10%) apresentaram respostas máximas aos padrões xadrez que excederam a previsão do modelo (razão de inibição > 1). Não foram observadas diferenças estatísticas entre as distribuições de células SDC e não classificáveis. Razões semelhantes foram relatadas em outros estudos que utilizaram padrões xadrez para estudar neurônios do córtex visual primário de mamíferos (MOVSHON et al,, 1985; GIZZI et al., 1990; GUO et al., 2004). Nesses estudos, o efeito supressor dos padrões xadrez foi interpretado como uma manifestação de uma forma de inibição cuja existência no córtex estriado é conhecida, a saber, a “inibição trans-orientação” (cross-orientation inhibition) (BLAKEMORE e TOBIN, 1972; MORRONE et al., 1982; BONDS, 1989; DeANGELIS et al., 1992). Segundo essa hipótese, a resposta neuronal a uma das grades componentes seria inibida pela presença do outro, que possui orientação diferente.

49

Figura 12. Distribuição das razões de inibição por padrões xadrez para neurônios direcionais (n = 67). A razão foi calculada para cada célula dividindo-se a resposta máxima real aos padrões xadrez pelo resposta máxima prevista pelo modelo de seletividade ao movimento do componente (com atividade espontânea subtraída). Uma razão < 1 indica inibição pelo estímulo, e uma razão > 1, facilitação. As barras pretas se referem aos neurônios SDC e as cinzas indicam neurônios não classificáveis. Os valores médios para cada categoria estão representados por triângulos codificados segundo as mesmas convenções usadas para as barras.

4.2.6. Dinâmica Temporal da Seletividade à Direção do Componente

Todas as observações realizadas até agora basearam-se em análises nas quais os disparos neuronais dentro dos primeiros 200 ms de estimulação foram excluídos. Ao se fazer isso, buscou-se minimizar potenciais contaminações de atividade não diretamente relacionada à direção de movimento do estímulo. Porém, como exemplificado nas Figuras 6A e C, a presença de picos transitórios de atividade logo após o início do estímulo foi mais notável para estímulos se movendo nas direções preferida ou anti-preferida da célula ou próximos a elas, o que sugere que essas respostas iniciais são, pelo menos até certo ponto, seletivas para direção. Portanto, decidiu-se examinar a seletividade ao movimento do padrão ou componente na presente amostra durante esse período inicial de 200 ms, comparando-o à parte mais tardia (e sustentada) da resposta. A Figura 13 mostra a distribuição de coeficientes de correlação parcial em quatro janelas temporais cumulativas, começando de 0 a 50 ms após o aparecimento do estímulo, e expandindo 50 ms em cada gráfico sucessivo. O tom de cinza (ou preto) de cada ponto dos gráficos se refere à classificação das células

0,2 0,4 0,6 0,8 1,0 1,2 1,4 1,60

5

10

15

20

25 NÃO CLASSIFICÁVEIS

SDC

Núm

ero

de c

élul

as

Razão de inibição por padrões xadrez

50

estabelecida na Figura 9, o que permite a comparação entre essa classificação prévia e a obtida para os primeiros 200 ms de estimulação. Duas características desta figura tornam-se evidentes. A primeira concerne a população de células não classificáveis, que se mantêm na região “NÃO CLASSIFICÁVEL” já a partir da primeira janela de 50 ms, à exceção de uma célula que apresenta um perfil SDP significativo, embora menos estável. A segunda diz respeito à população de neurônios SDC, que migra gradualmente da região “NÃO CLASSIFICÁVEL” para a “COMPONENTE” à medida que a janela é expandida até 200 ms. Nos primeiros 50 ms, apenas 1 em 54 células (2%) foi classificada como SDC. Essa proporção cresce monotonicamente para 11/54 (20%), 24/54 (44%) e 36/54 (67%) no decorrer do segundo, terceiro e quarto gráficos, respectivamente, indicando um desenvolvimento precoce significativo de um perfil de resposta do tipo SDC. Contudo, aos 200 ms de apresentação de estímulo, um terço dos neurônios SDC ainda não adquiriu seu perfil de resposta característico, segundo determinado a partir da média calculada com o período mais tardio da resposta. Uma possível explicação para esse achado é o de que características do estímulo que não o movimento possam ter influenciado as respostas logo após o aparecimento do estímulo. Contudo, esses resultados devem ser interpretados com cautela, uma vez que as respostas estão sendo calculadas como médias em intervalos de tempo diferentes. Calcular a média de disparos em um período mais curto pode resultar em curvas de seletividade mais ruidosas, favorecendo a ocorrência de resultados não classificáveis de seletividade à direção.

51

A

-1,0 -0,5 0,0 0,5 1,0

-1,0

-0,5

0,0

0,5

1,0

-1,0

-0,5

0,0

0,5

1,0

-1,0 -0,5 0,0 0,5 1,0 -1,0 -0,5 0,0 0,5 1,0

-1,0

-0,5

0,0

0,5

1,0B1/54

12/13

500 - 550 ms

11/54

12/13

500 - 600 ms

24/54

10/13

500 - 650 ms

36/54

11/13

500 - 700 ms

Corr

ela

ção

de p

ad

rão

)(R

p

Corr

ela

ção d

e p

adrã

o)

(Rp

Corr

ela

ção d

e p

adrã

o)

(Rp

)(RcCorrelação de componente

)(RcCorrelação de componente )(RcCorrelação de componente

52

Figura 13. Gráficos de dispersão das correlações parciais para as previsões de componente (Rc) e padrão (Rp) durante os primeiros 200 ms que se seguiram ao aparecimento do estímulo. Todos os neurônios foram submetidos à mesma análise mostrada na Figura 9, com a diferença que as contagens de disparo foram realizadas em quatro janelas temporais cumulativas, começando de 500 ms (início do estímulo) e aumentando em 50 ms a cada janela de análise sucessiva. A. Exemplos representativos de cinco células (cada qual indicada por um símbolo distinto), onde cada ponto representa os valores de Rp e Rc para cada janela temporal específica. Para indicar a evolução temporal dos coeficientes de correlação parcial, janelas de análise sucessivas foram ligadas por linhas com setas. B. Evolução temporal dos valores de Rp e Rc para toda a população de células direcionais. Os tamanhos das janelas temporais estão indicados abaixo e à esquerda de cada gráfico. O gráfico abaixo e à direita mostra a distribuição dos coeficientes de correlação parcial computados em uma janela de resposta que cobre todos os 200 ms excluídos das análises anteriores. As convenções são as mesmas da Figura 9. Tanto em A quanto em B, os símbolos pretos representam as células previamente classificadas (na Figura 9) como SDC, e os símbolos cinzas representam as células não classificáveis. No painel B, para cada uma dessas categorias (mesmo código de cores), a proporção de neurônios que receberam a mesma classificação que na Figura 9 estão indicadas no canto superior esquerdo de cada gráfico.

Os resultados e considerações acima nos levaram a examinar, por meio de uma abordagem diferente, a maneira pela qual a seletividade para os componentes do estímulo variou no curso temporal de toda a apresentação do estímulo. Para tal, o índice de componente médio foi calculado para cada uma de uma série de janelas temporais de 100 ms deslizadas por todo o período de apresentação com incrementos de 50 ms. Os resultados dessa análise estão apresentados na Figura 14A. Apesar de uma grande variabilidade entre as células, fica claro que o grau de seletividade se desenvolve dinamicamente com um aumento transitório inicial seguido por um componente relativamente estável que permanece bem acima do nível observado no início e final do estímulo. Um grande aumento já é observável durante a primeira janela de 100 ms após o aparecimento do estímulo (segundo ponto da curva) e alcança um pico durante a quarta janela, centrada em 150 ms. Esse resultado sugere que a seletividade para o componente é um processo que se acumula durante os primeiros 150 ms da resposta dos neurônios, confirmando os resultados apresentados na Figura 13. Além disso, ele mostra que, embora maior durante a fase inicial da resposta, o grau de seletividade ao componente se estabelece em um nível sustentado no curso da resposta ao movimento do estímulo. Como pode ser visto na Figura 14B, as taxas de disparo da população de neurônios

53

SDC em resposta tanto a grades, quanto a padrões xadrez, mostram um perfil temporal bastante semelhante, indicando que o grau de seletividade ao componente está de alguma forma ligado a mudanças na capacidade de resposta dos neurônios.

Figura 14. Resumo da evolução temporal das respostas da população de neurônios SDC. A. Dinâmica temporal da seletividade ao componente durante todo o período de apresentação do estímulo (de 500 a 2500 ms). Os pontos indicam o componente de seletividade médio (± EPM) para a população de 54 neurônios SDC. B. Para cada célula, uma função de densidade de disparos foi gerada por meio da convolução da resposta média a um tipo particular de estímulo (grades ou padrões xadrez) distribuída em bins de 1 ms. O kernel de convolução foi uma Gaussiana com 15 ms de desvio padrão. As funções de densidade de disparo foram então normalizadas pela resposta máxima vista na população e então a média populacional foi calculada. Note a inibição relativa das respostas neuronais aos padrões xadrez.

0 500 1000 1500 2000 2500 3000

0.0

0,0

0,2

0,1

0,4

0,2

0,6

0,3

0,8

Índ

ice

de

co

mp

on

en

teR

esp

ost

a n

orm

aliz

ad

a0,4

1,0 Grades senoidais

Padrões xadrez

0 500 1000 1500 2000 2500 3000

Tempo (ms)

A

BTempo (ms)

54

4.3. Discussão

Os presentes experimentos foram realizados com o objetivo de obter mais informações a respeito da seletividade direcional de neurônios do wulst visual da coruja. Respostas a grades senoidais foram analisadas para caracterizar neurônios seletivos para direção em termos de sua proporção, grau e precisão de seletividade. Embora parcialmente disponíveis para o wulst de pombos (MICELI et al., 1979) e pintos (WILSON et al., 1980b), uma descrição quantitativa ainda não havia sido explicitamente relatada na coruja. No estudo, as respostas às grades também foram comparadas às respostas aos padrões xadrez para avaliar se os neurônios do wulst são capazes de integrar características locais para sinalizar o movimento global de um estímulo complexo. Apesar de sua importância fundamental para entender a percepção do movimento, essa questão nunca havia sido abordada no wulst visual. Na coruja, essa área é muito mais desenvolvida que na maioria das outras aves, e já foi demonstrado que ela contém neurônios capazes de uma integração em grande escala necessária para sinalizar contornos ilusórios (NIEDER e WAGNER, 1999). Aqui, examinou-se se tal forma de computação global também ocorre no domínio do movimento, à semelhança do ocorre no córtex visual de mamíferos (ALBRIGHT e STONER, 1995). Os achados podem ser resumidos em dois pontos principais. Primeiro, o wulst visual das corujas contém uma população substancial de neurônios seletivos para direção que respondem de forma robusta a uma direção de uma grade de orientação ótima, e pouco ou nada para a direção oposta. Em média, esses neurônios possuem larguras de curva de seletividade relativamente estreitas, embora uma grande gama de valores tenha sido observada. Segundo, quando testados com padrões xadrez, os neurônios direcionais não exibem seletividade para o movimento global desses estímulos. Pelo contrário, a maioria mostra curvas de seletividade bilobadas, que podem ser bem previstas pela soma linear das respostas às duas grades que compõem os padrões xadrez, medidas separadamente. Portanto, os neurônios normalmente mostram um perfil SDC, respondendo à direção de movimento ortogonal às orientações dos contornos que compõem o estímulo de padrões xadrez. A contribuição de um mecanismo sensível à orientação para a determinação

55

das respostas direcionais aos padrões xadrez foi também sugerida pelo fato de que essas respostas foram consistentemente menores que as respostas às grades apresentadas isoladamente, o que pode ser explicado pela inibição mútua dos dois componentes no domínio da orientação. Quando tomados em conjunto, os resultados sugerem que a seletividade direcional é uma característica distintiva do wulst visual da coruja. Também indicam que os mecanismos responsáveis pelas respostas direcionais são dependentes de mecanismos seletivos à orientação que são sensíveis ao movimento de contornos individuais. Considerando que os neurônios do wulst normalmente possuem campos receptores pequenos, é provável que a informação que eles são capazes de fornecer a respeito do movimento de um objeto seja unidimensional e local. Assim, o estudo sugere que o problema da abertura no domínio do movimento não pode ser resolvido no wulst, e deixa em aberto a questão a respeito de onde o movimento global é sinalizado no sistema visual das aves.

4.3.1. Propriedades dos Campos Receptores no Wulst Visual

Os achados confirmam estudos prévios, que relatam a presença de campos receptores bastante pequenos no wulst. Em dados agrupados de três espécies de coruja, Pettigrew (1979) encontrou campos receptores de 1 grau na região de representação central, e campos ainda menores no núcleo geniculado dorsolateral. O autor também descreveu uma grande sobrerrepresentação do hemicampo central, com mais da metade de toda a área do wulst dedicada aos 10 graus centrais. Tal organização visuotópica é típica de áreas visuais envolvidas na análise espacial em escala fina. De fato, vários estudos eletrofisiológicos no pombo (DE BRITTO et al., 1975; JASSIK-GERSCHENFELD et al., 1976) e no pinto (PATEROMICHELAKIS, 1981; WILSON, 1980a), bem como estudos de lesão mais recentes realizados em pombos (HAHMANN e GÜNTÜRKÜN, 1993; BUDZYNSKI e BINGMAN, 2004), corroboram a idéia de que essa capacidade de análise espacial de alta resolução é um traço relativamente bem conservado na via talamofugal de aves. Os resultados são também relevantes no que concerne outra característica central do wulst visual, a saber, a seletividade à orientação de seus neurônios (PETTIGREW e KONISHI, 1976; PETTIGREW, 1979; WILSON, 1980b). Em dados

56

agrupados de três espécies de coruja, 90% das 579 células estudadas por Pettigrew (1979) mostraram-se seletivas à orientação. Segundo o autor, muitas células seletivas à orientação localizadas na camada superficial do wulst (HA) mostram também um viés direcional na sua resposta a estímulos em movimento. Já que o HA é a principal camada de eferência do wulst (KARTEN et al., 1973), e que é nela onde a maior parte dos registros do presente estudo foi realizada, os presentes resultados lidam com os estágios finais de processamento no wulst. Aqui, não apenas fornecemos uma descrição quantitativa das respostas direcionais, mas também apresentamos evidências diretas de que as células direcionais são primariamente seletivas à orientação, na medida em que são sensíveis apenas a contornos individuais dos padrões xadrez. Em outras palavras, a seletividade direcional no wulst é sempre secundária à seletividade orientacional, o que reforça a idéia de que essa área está mais especificamente envolvida na análise detalhada de configurações espaciais de objetos. Também sugere que formas mais complexas de análise de movimento devem ocorrer, pelo menos parcialmente, em outras áreas do cérebro das aves. Outro indicador da importância da seletividade à orientação no wulst é que ele aparenta ser organizado em padrões colunares regulares. Neurônios registrados em penetrações normais à superfície apresentam preferências orientacionais similares, enquanto em penetrações tangenciais a orientação preferida muda de forma progressiva, em pequenos incrementos (PETTIGREW, 1979). Utilizando imageamento de sinais ópticos intrínsecos, Liu e Pettigrew (2003) confirmaram a presença de domínios de iso-orientação na Tyto alba e mostraram que esses domínios são comparáveis àqueles encontrados na área V2 do córtex de gatos e macacos. O achado de efeitos supressores dos padrões xadrez nas respostas celulares pode constituir uma nova informação a respeito da organização funcional da seletividade à orientação no wulst. De fato, como mencionado acima, esse resultado sugere a existência de inibição trans-orientação, o que implica que no wulst regiões com diferentes preferências orientacionais são conectadas por projeções laterais inibitórias. No córtex visual primário de mamíferos, esse tipo de circuito foi associado a um aumento na precisão da seletividade à orientação em relação àquele obtido apenas a partir das aferências talâmicas (FERSTER, 2004). Um estudo de modelagem demonstrou que isso pode favorecer a emergência da

57

seletividade direcional (WÖRGÖTTER et al., 1991). As considerações acima instam a realização de outros estudos para investigar de forma detalhada a inibição orientação-específica e seu papel funcional no wulst. Uma característica importante que separa a coruja da maioria das outras aves é o posicionamento frontal de seus olhos, o que lhes permite ter um grande grau de sobreposição binocular (MARTIN, 1984; WYLIE et al., 1994) e visão estereoscópica (VAN DER WILLIGEN et al., 1998, 2002). Presume-se que o wulst exerça um papel importante na mediação da estereopsia na coruja, na medida em que contém uma grande maioria de neurônios que são binoculares e seletivos a disparidades horizontais e verticais (PETTIGREW e KONISHI, 1976; PETTIGREW, 1979; WAGNER e FROST, 1993, 1994; NIEDER e WAGNER, 2000, 2001a,b). O fato de que todos os neurônios direcionais da presente amostra (n = 67) eram também binoculares é interessante, por levantar a possibilidade de os sinais de movimento e estéreo serem integrados e talvez interagirem em neurônios individuais no wulst. Vários estudos psicofísicos e fisiológicos indicam que não só essa integração ocorre no sistema visual de primatas, como também ela é passível de ter uma relevância funcional (ver, por exemplo, ROGERS e COLLETT, 1989; BRADLEY et al., 1995; BRADSHAW e CUMMING, 1997). Teoricamente, há várias vantagens em se processar pistas de movimento e estéreo conjuntamente (RICHARDS, 1985). É importante notar que ambas as características têm o mesmo pré-requisito, que é o de estabelecer uma correspondência correta entre imagens retinianas. No domínio do movimento, essa correspondência precisa ser estabelecida no tempo, entre seqüências de imagens, enquanto do domínio estéreo a correspondência deve ser estabelecida simultaneamente entre os dois olhos (TRUCCO e VERRI, 1998). 4.3.2. Incidência, Grau e Precisão da Seletividade Direcional

Em uma aproximação inicial, a via talamofugal das aves é comparável à dos mamíferos (SHIMIZU e BOWERS, 1999). Corroborando essa idéia, todas as propriedades funcionais anteriormente descritas para o wulst visual da coruja, e discutidas acima, são extremamente semelhantes àquelas encontradas nas áreas visuais primárias de primatas e carnívoros, particularmente V1. Contudo, quando comparada à maioria das outras aves e répteis, essa analogia funcional parece ser

58

um tanto atípica, sugerindo que provavelmente não se deve a um ancestral comum, mas a uma evolução independente (PETTIGREW, 1979; MEDINA e REINER, 2000). Assim, o sistema visual da coruja se mostra como um modelo experimental atraente para entender a questão fundamental de como pressões seletivas moldaram a evolução convergente ou paralela do cérebro dos amniotas modernos. Tendo tal abordagem comparativa em mente, seguimos de forma deliberada os métodos comumente utilizados em trabalhos anteriores para investigar as bases neurais da percepção do movimento no córtex visual. Para começar, 66% dos neurônios do wulst visual foram classificados como seletivos para direção estabelecendo-se um valor de corte do ID de 0,5, adotando o pressuposto de que a resposta de uma célula direcional é pelo menos duas vezes maior na direção preferida que na anti-preferida. Embora até certo ponto arbitrário, esse valor tem sido amplamente utilizado para determinar a seletividade direcional de neurônios do córtex visual, sendo, portanto, uma métrica adequada para os propósitos comparativos. Em termos da proporção de células direcionais, e mantendo critérios de classificação e estímulos semelhantes, os presentes resultados são muito próximos aos encontrados no córtex visual primário de gatos, onde a maioria dos valores relatados varia entre 60 e 75% (HAMILTON et al., 1989; GIZZI et al., 1990; HUMPHREY e SAUL, 1998; CARANDINI e FERSTER, 2000; PETERSON et al., 2004). Percentuais menores foram encontrados na área V1 de macacos (20 – 50%, DE VALOIS et al., 1982; HAWKEN et al., 1988; HAMILTON et al., 1989; SNODDERLY e GUR, 1995; MOVSHON e NEWSOME, 1996; OʼKEEFE et al., 1998; DE VALOIS et al., 2000; TINSLEY et al., 2003; GUO et al., 2004; GUR et al., 2005). Entretanto, essa discrepância diminui quando se considera que é conhecido que, nessa área, as células direcionais se concentram nas camadas 4b e 6, onde a proporção de neurônios direcionais chega a 70% (SCHILLER et al., 1976a; HAWKEN et al., 1988; SNODDERLY e GUR, 1995; OʼKEEFE et al., 1998; GUR et al., 2004). Como discutido anteriormente, a distribuição de células direcionais também é, provavelmente, camada-específica no wulst da coruja. Se isso for de fato verdadeiro, o wulst seria mais próximo do córtex estriado de macacos que de gatos. De qualquer maneira, está claro que a representação da direcionalidade no wulst é menos expressiva que em áreas corticais altamente especializadas para

59

processamento do movimento, como é o caso da área MT de primatas. Nela, por exemplo, as proporções relatadas de células direcionais giram em torno de 90% (MAUNSELL e VAN ESSEN, 1983; ALBRIGHT, 1984; FELLEMAN e KASS, 1984; RODMAN e ALBRIGHT, 1987; MOVSHON e NEWSOME, 1996; DIOGO et al., 2003). Os dados referentes à largura de banda das curvas também corroboram a noção de uma forte semelhança entre o wulst visual e V1. A média populacional encontrada aqui foi de 28 graus. Da mesma forma, os valores relatados para o córtex visual primário de gatos e macacos estão entre 20˚ e 40˚ (CAMPBELL et al., 1968; ROSE e BLAKEMORE, 1974; SCHILLER et al., 1976a; DE VALOIS et al., 1982; GIZZI et al., 1990; OʼKEEFE et al., 1998; CARANDINI e FERSTER, 2000; GUR et al., 2004). É interessante notar que os estudos supracitados que utilizaram grades senoidais em movimento tiveram os resultados mais próximos aos aqui relatados. Mais uma vez, os números do wulst são bastante diferentes dos relatados para a área MT, onde as estimativas de largura de banda são cerca de duas vezes maiores que as relatadas para V1, e têm uma distribuição mais dispersa (MAUNSELL e VAN ESSEN, 1983; ALBRIGHT, 1984; FELLEMAN e KASS, 1984; RODMAN e ALBRIGHT, 1987; LAGAE et al., 1993; BRITTEN e NEWSOME, 1998; DIOGO et al., 2003).

4.3.3. Integração do Movimento

Em resposta a padrões xadrez, 80% dos neurônios seletivos para direção da presente amostra foram classificados com SDC, nenhum como SDP, e 20% não foram classificáveis. Essa distribuição é globalmente semelhante à que foi descrita no córtex estriado de gatos e macacos anestesiados (MOVSHON et al., 1985; GIZZI et al., 1990; MOVSHON e NEWSOME, 1996; TINSLEY et al., 2003; GUO et al., 2004). Em trabalho recente, Guo et al. (2004) encontraram que a incidência de células seletivas para o padrão era um pouco mais alta em macacos acordados e especularam que isso pode ser devido a influências dependentes do estado central da retroalimentação de áreas extra-estriadas, em particular MT, sobre V1. A falta de evidências da existência de seletividade ao padrão no presente estudo é baseada em experimentos com animais acordados, mas não ativamente engajados em

60

alguma tarefa perceptual relacionada ao estímulo. Embora tenha sido esse o caso no estudo de Guo et al. (2004), é difícil tirar quaisquer conclusões sobre a não existência de tais mecanismos de retroalimentação na coruja. Além disso, apesar de várias áreas visuais projetarem para o wulst (WILD e WILLIAMS, 1999; DENG e ROGERS, 2000), a escassez de informações disponíveis acerca das suas propriedades funcionais não permite, no presente estágio, dizer qualquer coisa sobre uma organização hierárquica da via talamofugal da coruja em sua porção prosencefálica. De qualquer modo, as considerações acima não invalidam os dois principais pontos sugeridos pelos resultados deste estudo. Primeiro, como V1, o wulst parece ser o primeiro estágio da via talamofugal onde a seletividade direcional é elaborada. Segundo, neurônios em ambas essas áreas sinalizam o movimento de contornos orientados, e não o movimento global. Em primatas, evidências convergentes de estudos anatômicos, fisiológicos e de lesões sugerem que computações de movimento cada vez mais complexas ocorrem ao longo de uma via cortical paralela, que começa em V1 e segue em direção ao córtex parietal posterior (ANDERSEN et al., 1997). Nessa via, a área MT parece exercer um papel importante na integração do movimento (BORN e BRADLEY, 2005). Até o presente momento, MT é a única área cortical conhecida que contém uma proporção significativa de neurônios que respondem ao movimento global de padrões xadrez (cerca de um terço, MOVSHON et al., 1985; RODMAN e ALBRIGHT, 1989; MOVSHON e NEWSOME, 1996; PACK e BORN, 2001; SMITH et al., 2005). Em gatos, achados semelhantes foram relatados em regiões dos córtices suprasilviano lateral e ectosilviano (SCANNELL et al., 1996; OULLETTE et al., 2004). Embora os mecanismos exatos pelos quais a seletividade ao movimento do padrão emerge em tais áreas específicas para o movimento ainda estejam por ser esclarecidos (MAJAJ et al., 2007), várias evidências indicam que eles dependem criticamente das aferências de células SDC em V1 (MOVSHON et al., 1985; ALBRIGHT e STONER, 1995). De acordo com esse modelo, medidas iniciais de movimento são realizadas localmente por neurônios seletivos à orientação, dando origem ao problema da abertura. Os sinais provindos desses neurônios seriam então combinados em um segundo estágio de processamento de forma a obter uma estimativa unificada do movimento do objeto, resolvendo, assim, o problema da abertura para movimentos planares-translacionais. Tal modelo de processamento

61

em dois estágios é apoiado por uma abundância de dados psicofísicos (por exemplo, ADELSON e MOVSHON, 1982; MOVSHON et al., 1985) e modelos computacionais (por exemplo, SIMONCELLI e HEEGER, 1998; RUST et al., 2006). Dadas a semelhanças funcionais encontradas no presente trabalho e em estudos anteriores entre V1 e o wulst visual da coruja, é razoável especular que a computação do movimento global no cérebro da coruja pode ser levada a cabo por uma via que inclui o wulst como estágio inicial. Para validar essa hipótese, futuros trabalhos claramente serão necessários para identificar uma área em potencial para ser o sítio de integração dos sinais SDC fornecidos pelo wulst. Sabe-se que esse projeta para uma pletora de áreas visuais, localizadas tanto dentro quanto fora do telencéfalo. Vária delas, como o perientopalio, teto óptico e pré-teto, contêm neurônios sensíveis a movimento (KARTEN et al., 1973; SHIMIZU e BOWERS, 1999; DENG, 2006). No presente, todas essas áreas podem ser encaradas como potenciais candidatas, especialmente as telencefálicas, para as quais dados funcionais são escassos ou mesmo inexistentes. No gato, Merabet et al. (1998) forneceram evidências de que a integração do movimento depende de uma dinâmica cortical distribuída, que envolve não apenas conexões córtico-corticais, mas também alças córtico-talâmicas. Considerando que esse pode ser o caso também na coruja, futuras investigações devem estar atentas a possíveis circuitos de grande escala conectando áreas visuais intra- e extra-telencefálicas. Até o presente, o único estudo antes deste que examinou respostas direcionais a padrões xadrez em cérebros de aves foi realizado em dois núcleos que compõem o pré-teto e o sistema óptico acessório do pombo – o núcleo lentiforme mesencefálico pré-tetal (LM) e o núcleo da raiz óptica basal (nBOR), respectivamente (CROWDER e WYLIE, 2002). Altamente conservadas em vertebrados, essas duas estruturas estão envolvidas na análise do fluxo óptico resultante de auto-movimento, e com a geração de comportamentos motores compensatórios, tais como a resposta optocinética, que facilita a estabilização da imagem na retina (para revisão ver SIMPSON, 1984). Nessas regiões, os neurônios possuem campos receptores tipicamente grandes no hemicampo contralateral, e exibem seletividade à direção de estímulos se movendo em regiões grandes do campo visual (MORGAN e FROST, 1981; WYLIE e FROST, 1990; WYLIE e CROWDER, 2000). De forma interessante, quando testados com padrões xadrez, a

62

maioria dos neurônios de LM e nBOR foi classificada como SDP (~ 50%), e apenas alguns como SDC. Em pombos, as projeções telencefálicas para tais neurônios partem exclusivamente do wulst (WYLIE et al., 2005). Também foi demonstrado que a estimulação elétrica do wulst evoca atividade excitatória em cerca de um terço dos neurônios de LM (CROWDER et al., 2004) e nBOR (NOGUEIRA e BRITTO, 1991). Contudo, a questão de se as aferências do wulst são importantes para a elaboração da seletividade ao padrão observada nesses dois núcleos permanece obscura. De fato, os resultados com relação a até que ponto essas aferências são importantes para a seletividade direcional de neurônios de LM e nBOR são conflitantes. Dois estudos baseados na ablação do wulst falam a favor (BRITTO et al., 1990; HAMASSAKI et al., 1988), enquanto um estudo mais recente, no qual o wulst foi temporariamente desativado com lidocaína fornece evidências contrárias a tal idéia (CROWDER et al., 2004). Além disso, o fato de que Crowder e Wylie (2002) encontraram poucas células SDC tanto em LM quanto no nBOR sugere que sinais sensíveis à orientação, como os que vêm do wulst, não influenciam de forma preponderante as respostas nesses núcleos. Segundo a hipótese elaborada pelos autores, a seletividade para o movimento global nos sistemas pré-tetal e óptico acessório do pombo emergiria de mecanismos insensíveis à orientação, que envolveriam a integração de aferências da retina, a principal fonte de projeção para tais núcleos. Seria interessante investigar se essa hipótese também vale para corujas, nas quais o wulst pode ter uma influência maior sobre a rede visuo-motora do tronco encefálico, conforme sugerido pelo fato de que neurônios do nBOR da coruja, ao contrário dos de pombos, são predominantemente binoculares (WYLIE et al., 1994).

63

5. SELETIVIDADE PARA FREQÜÊNCIA ESPAÇO-TEMPORAL E VELOCIDADE EM NEURÔNIOS DO WULST VISUAL

5.1. Materiais e Métodos

5.1.1. Protocolo de Estimulação

Após o mapeamento dos campos receptores e determinação da seletividade direcional dos neurônios como descrito no capítulo 3 (“Materiais e Métodos”), procedeu-se à caracterização da seletividade para as freqüências espacial (FE) e temporal (FT) do estímulo e da seletividade à velocidade desse. Para isso, foram utilizadas grades senoidais em várias combinações de FE e FT, com contraste máximo e tamanho de cerca de 6˚ de ângulo visual, apresentados no centro do campo receptor e apenas ao olho para o qual foi obtida a maior resposta, e sempre se movendo na direção preferida da célula, segundo caracterização quantitativa prévia. A combinação mais freqüentemente utilizada foi a de 6 FEs e 6 FTs diferentes, com FTS tipicamente variando entre 0,25 e 8 Hz e FEs entre 0,25 e 8 ciclos/grau, em intervalos de uma oitava (-2 a 3 oitavas), resultando em um total de 36 combinações de freqüência espaço-temporal. Em alguns registros foram utilizadas 5 FEs e 7 FTs. Todos os estímulos foram apresentados por 4 s, de forma que pelo menos um ciclo completo da grade fosse apresentado mesmo na menor freqüência temporal. Cada condição de estimulação foi apresentada 10 vezes em ordem pseudo-aleatória, com intervalo de 2 s entre os estímulos.

64

5.1.2. Análise dos Dados

5.1.2.1. Freqüência espaço-temporal

A seletividade para freqüência espacial foi avaliada na freqüência temporal preferida, e vice-versa. As respostas foram ajustadas com o seguinte modelo:

R( f ) = A × exp−(log2 ( f ) − log2 ( fp ))

2

2(σ f +ζ (log2 ( f ) − log2 ( fp )))2

⎡

⎣⎢⎢

⎤

⎦⎥⎥− exp −1

ζ 2⎛⎝⎜

⎞⎠⎟

⎧⎨⎪

⎩⎪

⎫⎬⎪

⎭⎪ (8)

A equação acima é uma função gaussiana modificada utilizada por Priebe et al. (2006) para ajustar suas curvas unidimensionais de seletividade à velocidade, a qual foi adequada para descrever as respostas seletivas tanto à FE quanto à FT (ver item 5.2, “Resultados”). Na equação, f é a variável independente, ou seja, a freqüência temporal da grade em Hz ou sua freqüência espacial em ciclos/grau; A é a amplitude máxima de resposta; fp é a freqüência preferida da célula, σf é o desvio padrão da gaussiana e ζ é um parâmetro de skewness. Os neurônios foram então classificados em passa-baixa ou passa-faixa para FE e FT baseando-se em quanto a resposta à freqüência testada mais baixa diferia daquela à freqüência preferida. Para tanto, desenvolveu-se um critério estatístico simples: se o limite inferior do intervalo de confiança de 95% do valor máximo da curva ajustada sobrepusesse o intervalo de confiança de 95% da resposta da célula ao menor valor de freqüência, a célula era classificada como passa-baixa, se não, como passa-faixa. A partir das curvas obtidas pelo ajuste, foram extraídos os seguintes parâmetros de seletividade (como ilustrado na Figura 19): freqüência preferida das células classificadas como passa-faixa; 2) corte de alta freqüência das células passa-faixa, dada pelo valor de freqüência no qual a resposta corresponde a 50% do máximo; 3) largura de banda das células passa-faixa em oitavas, definida como a largura à meia altura; e 4) resolução, que é a maior freqüência à qual uma célula responde de forma robusta, definida aqui como o valor de freqüência no qual o limite inferior do intervalo de confiança de 95% da curva ajustada cruza uma linha dada por atividade de base + 2 EPM.

65

5.1.2.2. Velocidade

Para avaliar a seletividade à velocidade da grade, utilizou-se como análise principal um método inicialmente descrito por Priebe et al. (2003) e revisado por Priebe et al. (2006), que também foi aplicado por outros autores (WINSHIP et al., 2006; PERRONE, 2006; LUI et al., 2007). Essencialmente, o método estima a inclinação do eixo principal do padrão tipicamente elipsóide do perfil de resposta espaço-temporal 2D. Uma vez que a velocidade de uma grade é dada pela divisão FT/FE, uma célula que é realmente seletiva para essa dimensão do estímulo terá um perfil de resposta com uma inclinação de 1, indicando uma dependência entre FT e FE tal que sua razão é constante. Por outro lado, uma célula que tem seletividade independente para FT e FE exibe um perfil de resposta com uma inclinação de 0. No método de Priebe et al. (2006), a inclinação é estimada por meio de um índice de seletividade à velocidade, ε, que é um parâmetro livre de uma equação de ajuste gaussiana modificada:

R(sf ,tf ) = A × exp−(log2 (sf ) − log2 (sfp ))

2

2σ sf2

⎡

⎣⎢⎢

⎤

⎦⎥⎥× exp

−(log2 (tf ) − log2 (tfp (sf )))2

2(σ tf +ζ (log2 (tf ) − log2 (tfp (sf ))))2

⎡

⎣⎢⎢

⎤

⎦⎥⎥− exp −1

ζ 2⎛⎝⎜

⎞⎠⎟

⎧⎨⎪

⎩⎪

⎫⎬⎪

⎭⎪

onde log2 (tfp (sf )) = ε(log2 (sf ) − log2 (sfp )) + log2 (tfp ) (9)

onde sf e tf são as variáveis independentes e correspondem às freqüências espacial e temporal das grades, respectivamente. A é a amplitude máxima de resposta; sfp e tfp são a FE e FT preferidas; σsf e σtf os desvios padrões para cada dimensão; e ζ é o parâmetro de skewness. Com base em ε e seu intervalo de confiança de 95%, as células foram divididas em quatro categorias, conforme ilustrado na Figura 15: 1) seletividade para VELOCIDADE, se o intervalo de confiança sobrepusesse 1 mas não 0; 2) seletividade INDEPENDENTE para FE e FT, se o intervalo de confiança sobrepusesse 0 mas não 1 ou -1; 3) seletividade INTERMEDIÁRIA, se ε tivesse um valor entre 0 e 1 e seu intervalo de confiança não alcançasse nenhum desses valores; e 4) NEGATIVA, se o ε assumisse valores negativos e seu intervalo de confiança estivesse todo abaixo de 0. As células cujos intervalos de confiança de

66

95% de ε foram maiores que 1, ou seja, alcançaram tanto 0 quanto 1 ou -1 e 0, foram excluídas dessa análise. Dois outros métodos alternativos também foram utilizados para a análise de seletividade para velocidade do estímulo, ambos semelhantes às utilizadas em estudos anteriores (LEVITT et al., 1994; PRIEBE et al., 2003). O primeiro deles é uma análise de correlação parcial análoga à utilizada no capítulo anterior, e encontra-se exemplificado na Figura 16. Nesse método, duas previsões diferentes são calculadas a partir da curva de resposta à FE na melhor FT: uma de uma resposta ideal seletiva à velocidade; e outra de uma resposta que tem seletividade independente para FE e FT. As equações utilizadas no cálculo da correlação parcial são as mesmas das equações (4) – (7), substituindo-se c (de componente) por i (de independente) e p (de padrão) por s (de velocidade, do inglês speed). Com base nas estatísticas calculadas, as células são divididas em três categorias: 1) seletividade para VELOCIDADE, se a correlação parcial de velocidade, Rs, for significativamente maior que a correlação parcial independente, Ri, ou zero; 2) seletividade INDEPENDENTE, se Ri for significativamente maior que Rs ou zero; e 3) INTERMEDIÁRIA, se Ri e Rs não forem significativamente diferentes um do outro ou maiores que zero. Como no capítulo anterior, o nível de significância utilizado foi de 0,1, que foi o mesmo valor utilizado em estudos anteriores (LEVITT et al., 1994; PRIEBE et al., 2003).

67

Figura 15. Comportamento do modelo de Priebe et al. (2006) utilizado na análise de seletividade para velocidade, mostrando perfis ideais das quatro categorias nas quais as células foram classificadas. Na coluna da esquerda estão os gráficos de contorno dos perfis de resposta espaço-temporal 2D, com código de cores para a taxa de resposta mostrados nas barras laterais, e nos quais as linhas pontilhadas indicam linhas de isovelocidade, que unem pontos com combinações de FT e FE que resultam em um mesmo valor de velocidade (dados por FT/FE, números brancos). Na coluna da direita estão mostradas curvas de seletividade à velocidade em cada FE, para as respectivas células ideais à esquerda. A – B. Célula com seletividade independente para FT e FE (ε = 0), o que é evidenciado pela falta de inclinação do perfil de resposta e pelo fato de que prefere velocidades diferentes em cada FE da grade. C – D. Célula com perfil intermediário. Seu perfil de resposta é inclinado, mas não é paralelo às linhas de isovelocidade, mostrando que a divisão

NEGATIVA: epsilon = -1,0

FT

(H

z)

0,25

0,5

1

2

4

8

Re

sp

osta

0

0,5

1

0

0,5

1

INDEPENDENTE : epsilon = 0,0

A B

FT

(H

z)

0,25

0,5

1

2

4

8

0

0,5

1

Re

sp

osta

0

0,5

1INTERMEDIÁRIA: epsilon = 0,5

FT

(H

z)

0,25

0,5

1

2

4

8

0

0,5

1

Re

sp

osta

0

0,5

1

VELOCIDADE: epsilon = 1,0

,125,25 ,5 1 2 4 8 16 32

Velocidade (graus/s)FE (ciclos/˚)

,25 ,5 1 2 4 8

FT

(H

z)

0,25

0,5

1

2

4

8

0

0,5

1

Re

sp

osta

0

0,5

1

FE: 1

FE: 2

FE: 4

FE: 0,5

FE: 0,25

FE: 8

C D

FE

G H

8 ˚/s

4 ˚/s

2 ˚/s

1 ˚/s

.5 ˚/

s

.25

˚/s

.125

˚/s

.062

˚/s

8 ˚/s

4 ˚/s

2 ˚/s

1 ˚/s

.5 ˚/

s

.25

˚/s

.125

˚/s

.062

˚/s

8 ˚/s

4 ˚/s

2 ˚/s

1 ˚/s

.5 ˚/

s

.25

˚/s

.125

˚/s

.062

˚/s

8 ˚/s

4 ˚/s

2 ˚/s

1 ˚/s

.5 ˚/

s

.25

˚/s

.125

˚/s

.062

˚/s

68

FT/FE ainda não é constante. Embora os picos das curvas de seletividade 1D tenham se aproximado, ainda não se alinham. Esse comportamento é refletido em um ε de 0,5. E – F. Perfil de resposta dita negativa, por apresentar uma dependência entre FE e FT, porém com inclinação de sinal contrário ao que seria esperado para uma célula seletiva à velocidade (ε = -1). Sua não seletividade fica clara na grande separação entre os picos de resposta à velocidade para cada FE diferente. G – H. Célula seletiva à velocidade, exibindo um perfil de resposta inclinado e paralelo às linhas de isovelocidade (ε = 1). Nesse caso, a divisão entre FT preferida e FE preferida é constante, como pode ser conferido pelo fato de que ela responde à mesma velocidade em todas as FEs.

Figura 16. Exemplo da análise de correlação parcial. A partir da resposta da célula (A), são calculadas duas previsões: a de uma resposta ideal com seletividade independente para FT e FE (B) e outra de uma resposta idealmente seletiva à velocidade (C). D. São então calculados coeficientes de correlação parcial com essas duas previsões, e a célula é classificada como INDEPENDENTE, INTERMEDIÁRIA ou seletiva para VELOCIDADE com base na comparação estatística entre os dois coeficientes. A linha em forma de ogiva indica o nível de significância. Nesse caso, a célula foi classificada como INDEPENDENTE (ponto vermelho na região “INDEPENDENTE” do gráfico).

O segundo método alternativo para a análise de seletividade à velocidade foi desenvolvido para obter uma medida equivalente a ε, mas que, em princípio, tenderia a ser menos vulnerável a assimetrias no perfil de resposta espaço-temporal (ver seção 5.2, “Resultados”). Para cada célula, as relações entre taxa de disparo e FT foram ajustadas para todas as FEs para as quais a resposta excedeu a linha de base de forma significativa. Em seguida, representou-se a FT preferida pela FE em uma escala log x log, e realizou-se uma regressão linear nesses gráficos, utilizando-se a inclinação da reta obtida como uma medida de seletividade para velocidade cuja escala é numericamente equivalente a ε. Essa análise está ilustrada na Figura 17.

!1 0 1!1

0

1

VELOCIDADE

INTERMEDIÁRIA

IND

EP

EN

DE

NT

E

Cor

rela

ção

de v

eloc

idad

e (Rs)

Correlação independente (Ri)

0,25 0,5 1 2 4 8

0,25 0,5 1 2 4 80

5

10

15

20

25

30

35

0,25

0,5

1

2

4

8

0,25 0,5 1 2 4 8

FE (ciclos/˚)

FT

(H

z)

stt012b02_2b Previsão independente Previsão de velocidade

Res

post

a (d

ispa

ros/

s)

FE (ciclos/˚) FE (ciclos/˚)

A B C D

69

Figura 17. Análise de regressão linear para avaliação de seletividade para a velocidade do estímulo. À esquerda, encontram-se curvas de resposta para FT em cada FE da grade para a qual a célula responde acima da linha de base (legenda no painel A). À direita, estão gráficos de FT preferida (extraída das curvas) vs. FE, em eixos com escala logarítmica, onde os pontos são as condições de estimulação nas quais a resposta excedeu significativamente a linha de base. A – B. Exemplo de uma célula classificada como seletiva para velocidade, por preferir FTs diferentes para cada FE, de tal forma que a divisão FT/FE é constante ou próxima de constante, como pode ser constatado no gráfico de FT preferida vs. FE, com uma linha de regressão linear de inclinação muito próxima de 1 (0,909). C – D. Célula que prefere aproximadamente a mesma FT para todas as FEs, de forma que a divisão FT/FE é variável e a inclinação da reta no gráfico em D é próxima de zero (-0,098), revelando seletividade independente para FT e FE. Note que a escala dos valores de inclinação é equivalente à do parâmetro ε da análise que o utiliza o modelo da equação 2D.

0 1 2 3!3

!2

!1

0

1

FT

Pre

ferid

a (

oita

va

s)

0,25 0,5 1 2 4 8 16!5

0

5

10

15R

esp

osta

(d

ipa

ros/s

)

!1 !0,5 0 0,5 1!1

!0,5

0

0,5

1

FE (oitavas)

FT

Pre

ferid

a (

oita

va

s)

0,25 0,5 1 2 4 8 16

2

4

6

8

10

FT (Hz)

Re

sp

osta

(d

isp

aro

s/s

)

FE: 1

FE: 2

FE: 4

FE: 8

FE: 0,5

inclinação: 0,909r2: 0,969

inclinação: !0,098

r2: 0,75

A B

C D

stt022a03_1b

stt025a03_2b

70

5.2. Resultados

Os resultados relatados neste capítulo foram apresentados parcialmente na forma de resumos em congressos (PINTO et al., 2007c, 2008a,b). Um manuscrito contendo todos os resultados já foi submetido para publicação (PINTO e BARON, 2009).

5.2.1. Observações Gerais

O paradigma de estimulação foi executado para um total de 131 unidades isoladas e amostradas em 70 sítios de registro, em quatro corujas-buraqueiras. Desses neurônios, 105 (80%) foram significativamente modulados pelas grades de diferentes freqüências espaço-temporais, e o restante deste capítulo diz respeito apenas a eles. As células foram classificadas de acordo com sua seletividade direcional (direcionais, bidirecionais ou omnidirecionais) e nível de modulação de resposta (simples ou complexas), como descrito no capítulo 3, “Materiais e Métodos”. Isso foi feito para investigar se essas categorias de células exibem propriedades diferentes de seletividade à velocidade e/ou freqüência espaço-temporal, como já foi mostrado em mamíferos (por exemplo, MAFFEI e FIORENTINI, 1973; HAWKEN et al., 1988; PRIEBE et al., 2006). Três células foram classificadas como omnidirecionais e das 102 unidades restantes, 60 (59%) foram classificadas como direcionais (ID médio = 0,87 ± 0,03) e 42 (41%) como bidirecionais (ID médio = 0,28 ± 0,02), proporções que não diferem significativamente das apresentadas no capítulo anterior. Doze por cento dos neurônios (13/105) foram classificados como simples com base no índice de modulação f1/f0 (mediana: 1,89), enquanto a grande maioria (92/105, 88%) foi classificada como complexa (mediana: 0,37). O índice de modulação exibiu uma distribuição aparentemente bimodal (dados não mostrados), o que, contudo, não foi confirmado pelo teste de dip de Hartigan (P > 0,05, HARTIGAN e HARTIGAN, 1985; HARTIGAN, 1985; MECHLER e RINGACH, 2002). Uma vez que esse teste se baseia na função de distribuição de probabilidade empírica, não está claro se essa

71

falta de significância reflete uma real ausência de bimodalidade ou é conseqüência do número reduzido de células simples na amostra.

Figura 18. Resposta de um neurônio representativo do wulst visual a grades senoidais de várias combinações de FE (eixos x) e FT (eixos y). A. Gráficos tipo raster com funções de densidade de disparos sobrejacentes, mostrando uma clara seletividade espaço-temporal, com resposta máxima em uma freqüência espacial de 2 ciclos/grau e temporal de 2 Hz. As barras pretas abaixo das colunas de gráfico indicam o período de estimulação (4 s) e a barra preta à direita mostra a escala de taxa de disparo, na qual o nível basal é zero. B. Gráfico de contorno bidimensional de FE x FT da mesma célula, no qual a atividade de disparo (em disparos/s, disp/s) está com código de cores de acordo com a escala de cinza na barra abaixo. O gráfico de cima mostra a resposta à FE na melhor freqüência temporal (linha horizontal pontilhada no gráfico de contorno), no qual os círculos mostram as respostas da célula e a linha é a curva de melhor ajuste. A curva à direita mostra a resposta à FT na FE preferida (linha vertical pontilhada). Essas curvas de seletividade 1D foram utilizadas para caracterizar as propriedades de resposta à freqüência espaço-temporal.

A Figura 18 mostra o perfil de resposta à freqüência espaço-temporal de um neurônio direcional complexo da presente amostra. A figura ilustra um padrão de resposta comumente visto na amostra. Primeiro, freqüentemente se observa uma clara resposta evocada sustentada nas freqüências preferidas e próximo a elas durante todo o período de apresentação do estímulo, como pode ser visto na Figura 18A, que mostra gráficos raster (nos quais cada ponto representa a ocorrência de

25 disp/s

0,25 0,5 1 2 4 8

Freqüência Espacial (ciclos/grau)

Fre

qüência

Tem

pora

l (H

z)

0,25

0,5

8

1

2

4

A

Freqüência Espacial (ciclos/grau)

Fre

qüência

Tem

pora

l (H

z)

0,25 0,5 1 2 4 8

0,25

0,5

1

2

4

8

0 5 10 15 20 25 30

Resposta (disp/s)

0 30

dis

p/s

0

30

disp/s

B

stt019a02_2b

72

um potencial de ação) com funções de densidade de potenciais de ação sobrejacentes (kernel gaussiano, desvio padrão = 20 ms, tamanho do bin do PSTH = 10 ms) da resposta do neurônio a cada combinação de FE (eixo horizontal) e FT (eixo vertical). Outra característica vista em muitas células complexas é a presença de componentes de primeiro harmônico de grande amplitude nas respostas das células quando elas são estimuladas com grades de freqüências baixas e subótimas. Isso também foi observado no córtex estriado e normalmente é interpretado como um reflexo da presença de subunidades que constituem um campo receptor complexo (MOVSHON et al., 1978a). As taxas de disparo calculadas para cada repetição das diferentes combinações de FE e FT foram combinadas em gráficos de contorno 2D com código de cores, como mostrado na Figura 18B. A partir desses gráficos, o grau de dependência entre a seletividade para FE e FT foi determinado como forma de avaliar a seletividade à velocidade (ver item anterior). Antes de apresentar esses resultados, apresentaremos uma análise detalhada da seletividade para freqüências espacial e temporal baseada nos perfis de resposta 1D como os que estão mostrados acima e à direita na Figura 18B.

5.2.2. Seletividade à Freqüência Espacial

Os neurônios apresentaram uma variedade de perfis de resposta à freqüência espacial, e alguns exemplos representativos disso estão mostrados nas Figuras 19A, B e E. De forma geral, os perfis de resposta foram bem capturados pela função de ajuste: apenas uma unidade não passou nos critérios de qualidade de ajuste. Além disso, como está mostrado na Figura 19G, os valores de r2 para ajustes realizados com base na atividade média foram normalmente altos, com um valor médio de r2 de 0,96 ± 0,01. Os valores de r2 ficaram mais dispersos para os ajustes realizados sobre todas as repetições de estímulo, com um valor médio de 0,61 ± 0,02. Outrossim, para todas as células houve uma boa concordância entre os ajuste feitos sobre a média e repetições, indicando que os valores mais baixos de r2

obtidos para as repetições se deveram à variabilidade da resposta ao redor da média e não a maus ajustes. Quando representadas em escala logarítmica, a maior parte das unidades classificadas como passa-faixa exibiu curvas de seletividade

73

quase simétricas, como está exemplificado nas Figuras 19A e E. Um número menor de unidades, como a mostrada na figura 19C, mostrou um menor grau de atenuação de resposta nas freqüências baixas. De acordo com os critérios estabelecidos no item 5.1.2.1, 21/104 células foram classificadas como passa-faixa para FE. O número de células passa-faixa e passa-baixa não diferiu entre as classes de neurônios (simples/complexos, direcionais/bidirecionais, teste exato de Fisher, GL = 1, P > 0,05).

Figura 19. Exemplos de curvas de seletividade à FE (coluna da esquerda) e FT (coluna da direita) de três neurônios representativos (painéis A – F, onde cada fila corresponde a uma célula) e qualidade de ajuste (painéis G e H). Em cada gráfico, os círculos representam as taxas médias de disparo (disparos/s) e as barras representam os EPM, ao passo que as linhas são as curvas de melhor ajuste. Os

stt012a02_2a

0,25 0,5 1 2 4 8 16

0

25

50

Resposta

(dis

paro

s/s

)

LB = 3,33

A/2

A

0,25 0,5 1 2 4 8 16

0

25

50 B

stt017c02_1a

0,25 0,5 1 2 4 8 16

0

10

20

30

Resposta

(dis

paro

s/s

)

resolução = 2,42

2 * EPM

C

0,25 0,5 1 2 4 8 16

0

10

20

30 D

FE (ciclos/grau) FT (Hz)

stt047b02_1b

0,25 0,5 1 2 4 8 16

0

10

20

30

Resposta

(dis

paro

s/s

)

E

0,25 0,5 1 2 4 8 16

0

10

20

30

A/2

corte = 5,89

F

repetiçõesmédiaG

0

0 0,5 1

100

Núm

ero

de c

élu

las

r2 de ajuste (FE)

100

H

0

80

800 0,5 1

r2 de ajuste (FT)

Freqüência Espacial Freqüência Temporal

74

neurônios mostraram uma grande variedade de perfis de seletividade, que foram divididos em passa-baixa para FE (painel C) ou FT (painel F), ou passa-faixa (painéis A, B, D, E). Também ilustradas em cinza em alguns dos painéis encontram-se algumas definições dos parâmetros de seletividade usados para caracterizar a população: A. A largura de banda foi definida para unidades passa-faixa como a largura total à meia altura do pico da curva ajustada (A/2), e foi expressa em oitavas; C. A resolução foi definida para neurônios passa-baixa e passa-faixa como a freqüência na qual o limite inferior do intervalo de confiança do ajuste (não mostrado) cruzou a linha definida por atividade basal + 2 EPM (linha tracejada); F. A freqüência de corte foi definida para as células passa-baixa como a freqüência na qual a atividade caiu para 50% do pico da curva ajustada (A/2). G – H. Histogramas mostrando a distribuições dos valores de r2 para ajustes sobre todas as repetições (barra branca) e valores médios (barras pretas) para FE (G) e FT (H).

As distribuições dos valores dos parâmetros de seletividade para a amostra estão representadas nas duas colunas da esquerda da Figura 20. A freqüência espacial preferida das células passa-faixa (painel A) variou entre 0,15 e 8 ciclos/grau, com uma média populacional de 1,69 ± 0,13 ciclos/grau, e suas larguras de banda (painel E) foram normalmente distribuídas ao redor de um valor médio de 2,62 ± 0,11 oitavas (gama: 0,68 – 6,09 oitavas). O encarte da Figura 20A mostra a distribuição do corte de alta freqüência dos neurônios passa-baixa, que variaram entre 0,28 e 6,1, com uma média de 1,67 ± 0,30 ciclos/grau. Para estimar a maior freqüência que poderia ser resolvida por um dado neurônio do wulst visual, computou-se um indicador de resolução (ver seção 5.1.2.1). Como mostrado na Figura 20I, os valores populacionais obtidos com essa medida ficaram amplamente distribuídos em torno de uma média de 3,67 ± 0,27 (faixa: 0,34 – 14). As Figuras 20B, 20F e 20J mostram gráficos de freqüência cumulativa representando a distribuição dos parâmetros de seletividade à FE para células complexas e simples, bem como para células direcionais e bidirecionais. Uma inspeção desses gráficos sugere que a população de células simples exibe um deslocamento em direção a freqüências espaciais mais baixas (Figura 20B) e larguras de banda maiores (Figura 20F), quando comparada à de células complexas. Essas duas diferenças foram estatisticamente significativas (teste de Wilcoxon, P = 0,009 e 0,015, respectivamente). Não está claro até que ponto esse resultado é comparável à literatura sobre o córtex estriado de mamíferos, já que resultados sobre essa região são em si conflitantes, e de forma tal que não pode ser atribuída a diferenças entre espécies. Enquanto alguns autores encontraram diferenças na seletividade à FE entre células simples e complexas (MAFFEI e

75

FIORENTINI, 1973; SCHILLER et al., 1976b), outros não (IKEDA e WRIGHT, 1975a; MOVSHON et al., 1978b; FOSTER et al., 1985). O achado de que células complexas preferem, em média, freqüências espaciais ligeiramente mais altas que as células simples está de acordo com dois estudos anteriores (TOLHURST e THOMPSON, 1981 – gato; DE VALOIS et al., 1982 – macaco; mas ver MAFFEI e FIORENTINI, 1973). Células direcionais e bidirecionais não mostraram nenhuma diferença em suas distribuições de parâmetros de seletividade (teste de Wilcoxon, P > 0,05). Como no caso das células simples e complexas, os dados sobre os perfis de resposta à FE de células direcionais e bidirecionais no macaco rhesus são contraditórios: enquanto Schiller et al. (1976b) não encontraram diferenças, Hawken et al. (1988) encontraram que neurônios direcionais tendem a preferir FEs mais baixas.

Figura 20. Distribuições dos parâmetros de seletividade à FE e FT na população de neurônios do wulst visual. Em todos os histogramas, as cabeças de seta brancas indicam a média da população. A primeira coluna contém histogramas com as distribuições de freqüência preferida das unidades passa-faixa (n = 83)(A), largura

FE Preferida (ciclos/grau)

Largura de banda de FE (oitavas)

Resolução de FE (ciclos/grau)

0 2 4 6 8 100

10

20

30

Núm

ero

de c

élu

las 6

100Corte FE (ciclos/grau)

5

0 2 4 6 passa-baixa

0

10

20

30

Núm

ero

de c

élu

las

0 5 10 15 200

10

20

30

40

Núm

ero

de c

élu

las

0 2 4 6

1

0

,2

,4

,6

,8

Fre

qüência

cum

ula

tiva

direcionaisbidirecionaiscomplexassimples

0 5 10 15

1

0

,2

,4

,6

,8

Fre

qüência

cum

ula

tiva

80 2 4 6

1

0

,2

,4

,6

,8

Fre

qüência

cum

ula

tiva

0

1

8corte FE

A B

E F

I J

Freqüência Espacial

FT Preferida (Hz)

Largura de banda de FT (oitavas)

Resolução de FT (Hz)

0 2 4 6 8

1

0

,2

,4

,6

,8

Fre

qüência

cum

ula

tiva

0

1

0

,2

,4

,6

,8

Fre

qüência

cum

ula

tiva

5 10 15 20 25

0 2 4 6 8 100

5

10 4

100Corte FT (Hz)

5

0 2 4 6 passa-baixa

0

10

20

30

40

0 5 10 15 > 150

5

10

15

Núm

ero

de c

élu

las

Núm

ero

de c

élu

las

Núm

ero

de c

élu

las

0 2 4 6 8

1

0

,2

,4

,6

,8

Fre

qüência

cum

ula

tiva

0

1

10Corte FT

C D

G H

K L

Freqüência Temporal

76

de banda (E) e resolução (I) para FE. A mesma estrutura foi utilizada na terceira coluna para mostrar a distribuição dos parâmetros de seletividade à FT (C, G, K). Os encartes em A e C mostram a distribuição das freqüências de corte para FE e FT, respectivamente. A segunda (B, F, J) e quarta (D, H, L) colunas mostram gráficos de freqüência cumulativa para os mesmos parâmetros que os gráficos à sua esquerda para diferentes tipos de células: simples (linhas pontilhadas cinzas) e complexas (linhas pontilhadas pretas), direcionais (linhas cheias pretas) e bidirecionais (linhas cheias cinzas).

Em seguida, buscou-se saber se os parâmetros de seletividade à FE estão de alguma forma correlacionados entre si ou com outras propriedades neuronais. Encontrou-se uma relação negativa significativa entre as freqüências espaciais preferidas das células e sua largura de banda, o que quer dizer que as células com freqüências espaciais preferidas mais altas têm, em média, uma curva de seletividade mais estreita que aquelas que preferem freqüências mais baixas (Figura 21A, teste de correlação de Spearman, r = -0,327, P = 0,003). A largura de banda diminuiu uma média de 0,33 oitavas para cada vez que a freqüência espacial dobrou. Correlações muito similares foram encontradas no córtex estriado de macacos (DE VALOIS et al., 1982: r = -0,3; FOSTER et al., 1985), gatos (KULIKOWSKI e BISHOP, 1981: r = -0,3) e furões (BAKER et al., 1998: r = -0,5). Uma correlação ainda mais forte foi observada entre a freqüência preferida e a largura de banda normalizada, definida como a largura de banda dividida pela freqüência preferida, ambas em ciclos/grau (Figura 21B, teste de correlação de Spearman, r = -0,763, P << 0,001), uma valor mais alto que o relatado na área 17 do gato (TOLHURST e THOMPSON, 1981: r = -0,44). A largura de banda normalizada é inversamente correlacionada ao fator de qualidade de um filtro. Teoricamente, uma correlação perfeita entre esse parâmetro e a freqüência preferida (r = -1) indicaria que todos os neurônios têm a mesma LB quando representados em escala linear, o que significa que todos estariam realizando uma soma linear na mesma extensão espacial (TOLHURST e THOMPSON, 1981). Como está mostrado na Figura 21C, também foi encontrada uma correlação positiva significativa entre a largura de banda de FE e a largura de banda direcional (teste de correlação de Spearman, r = 0,283, P = 0,012). De forma interessante, a mesma correlação também foi encontrada no córtex visual primário do gato e do macaco (TOLHURST e THOMPSON, 1981; DE VALOIS et al., 1982). A Figura 21D mostra uma correlação negativa significativa entre FE e FT preferidas. Esse achado será discutido na próxima subseção.

77

Figura 21. Correlações significativas entre parâmetros de seletividade, com linhas tracejadas cinzas indicando as relações lineares, cujas inclinações são os coeficientes de correlação (r). A. Correlação negativa entre freqüência espacial preferida e largura de banda. B. Correlação negativa entre a freqüência espacial preferida e largura de banda de FE normalizada. C. Correlação positiva entre largura de banda de FE e largura de banda direcional. D. Correlação negativa entre FE preferida e FT preferida, mostrando que as células que preferem freqüências espaciais mais baixas preferem freqüências temporais mais altas, e vice-versa.

5.2.3. Seletividade à Freqüência Temporal

A seletividade à FT foi caracterizada utilizando o mesmo modelo de ajuste usado para a FE. Como mostrado na Figura 19H, os valores de r2 para os ajustes sobre a média e repetições foram ligeiramente menores que os obtidos para FE (0,92 ± 0,01 e 0,47 ± 0,02, respectivamente). Sete neurônios foram excluídos desta análise por não terem passado nos critérios de qualidade de ajuste. As Figuras 19B, D e F mostram perfis típicos de resposta à FT encontrados na população. A Figura 19F mostra uma unidade passa-baixa representativa, uma classe que correspondeu a

8

r = !0,327P = 0,003

0,25 0,5 1 2 40

1

2

3

4

5

6

7

FE Preferida (ciclos/grau)

LB

de

FE

(o

ita

va

s)

A

5

LB de FE (oitavas)0 1 2 3 4

0

20

40

60

80

100

120

140

LB

de

dire

çã

o (

gra

us)

r = 0,283P = 0,012

C

5

FE Preferida (ciclos/grau)0 1 2 3 4

0

1

2

3

4

5

6

7

FT

Pre

ferid

a (

Hz)

r = !0,418P = 0,003

D

0,25

0,5

1

2

4

8

16

32 r = !0,763P << 0,001

B

80,25 0,5 1 2 4FE Preferida (ciclos/grau)

LB

de

FE

No

rma

liza

da

78

38% da população (37/98), uma proporção maior que a encontrada para FE. Esse achado é consistente com relatos anteriores no córtex estriado de gatos e macacos (MOVSHON et al., 1978b, FOSTER et al., 1985). As células que exibiram comportamento passa-baixa para FT não tiveram maior probabilidade de serem passa-baixa para FE (teste exato de Fisher, GL = 1, P > 0,05). Os dados populacionais de todos os parâmetros de seletividade para FT tiveram, em média, uma distribuição mais ampla que os de FE. A freqüência temporal preferida média foi de 2,66 ± 0,17 Hz, com uma gama de 0,49 – 6,77 Hz (Figura 20C); enquanto para as unidades passa-baixa o corte de alta freqüência foi de 0,33 a 9,80 Hz, com uma média de 4,66 ± 0,46 Hz (encarte na Figura 20C). Os neurônios tiveram largura de banda maior para FT que para FE: a média de largura de banda teve média de 4,67 ± 0,19 e variou entre 1,13 e 7,93 oitavas, como mostrado na Figura 20G. A Figura 20K mostra a distribuição da resolução de FT, com uma gama de 0,77 – 23,06 e uma média de 8,28 ± 0,40 Hz. A distribuição dos parâmetros de seletividade para FT para diferentes categorias celulares estão exibidas nas Figuras 20D, H e L. Ao contrário do que foi encontrado para a seletividade à FE, não houve diferenças entre células simples e complexas em termos dos valores dos parâmetros de FT (teste de Wilcoxon, P > 0,05), o que está de acordo com os resultados obtidos em V1 de macacos (FOSTER et al., 1985; HAWKEN et al., 1996). As células direcionais diferiram das bidirecionais por terem em média uma largura de banda mais estreita (teste de Wilcoxon, P = 0,004) e uma menor resolução (teste de Wilcoxon, P = 0,033). Além disso, ao contrário do que foi relatado para o macaco (HAWKEN et al., 1996), curvas passa-baixa para FT não foram mais comuns entre células bidirecionais que entre direcionais (teste exato de Fisher, GL = 1, P > 0,05). Nenhuma das correlações observadas para a freqüência espacial foi vista nas propriedades de seletividade à freqüência temporal. Contudo, observou-se uma correlação negativa muito significativa entre as freqüências espacial e temporal preferidas (teste de correlação de Spearman, r = -0,418, P = 0,003), como mostrado na Figura 21D. Esse achado é comparável a dados do córtex visual primário de mamíferos (IKEDA e WRIGHT, 1975a; HAWKEN et al., 1988; SHOHAM et al., 1997), e pensa-se que ele reflete contribuições relativas de aferências magno e parvo que influenciam as respostas de células do córtex estriado (IKEDA e WRIGHT, 1975a;

79

TOOTELL et al., 1988a). Considerando que Pettigrew (1979) relatou a presença de células no núcleo geniculado lateral da coruja que podem ser classificadas como X ou Y, uma inferência semelhante poderia, em princípio, ser feita para o wulst. Esse é um ponto interessante, já que um modelo teórico recente de seletividade à velocidade (PERRONE e THIELE, 2002; PERRONE, 2004, 2005), que foi testado nos presentes dados (ver seção “Simulação”), é baseado em um mecanismo que explora as diferenças em perfis de seletividade espaço-temporal que supostamente emergem pelas influências diferenciais das aferências parvo e magno.

5.2.4. Agrupamento das Propriedades de Seletividade Espaço-Temporal

Em seguida, examinou-se se a seletividade para freqüência espaço-temporal é organizada espacialmente no wulst. No córtex visual primário de mamíferos, uma organização colunar já foi bem estabelecida para várias propriedades de resposta, como seletividade à orientação (HUBEL e WIESEL, 1977; HUBEL et al., 1978; TOOTELL et al., 1981), dominância ocular (HUBEL e WIESEL, 1977) e seletividade à freqüência espaço-temporal (TOOTELL et al., 1981, 1988b). Há também evidências de que existem domínios de freqüência temporal no córtex estriado de gatos (SHOHAM et al., 1997). No wulst da coruja, por sua vez, tanto estudos eletrofisiológicos quanto de imageamento óptico sugerem que a preferência para orientação e dominância ocular estão arranjadas em colunas (PETTIGREW, 1979; LIU e PETTIGREW, 2003). O achado de evidências consistentes com a idéia de que esse também é o caso para as freqüências espacial e/ou temporal reforçaria a noção de uma analogia funcional entre o wulst e o córtex visual primário de mamíferos. Neste ponto, deve-se enfatizar que os experimentos deste estudo foram realizados em animais acordados, o que limitou a duração das sessões de registro a no máximo cinco horas. Uma vez que a caracterização completa de uma célula normalmente levava cerca de duas horas, era difícil registrar de mais de dois sítios de registro por penetração. Portanto, não possuo os dados apropriados para fornecer evidências conclusivas de uma organização colunar. Entretanto, pode-se abordar a questão de se os neurônios do wulst visual estão agrupados segundo suas propriedades de resposta à FE e/ou FT.

80

Para investigar essa questão, avaliou-se a semelhança das propriedades de resposta de neurônios próximos comparando-se pares de unidades bem separadas ou de unidades com a atividade multi-unitária (AMU) de um mesmo sítio de registro. AMU foi definida como a atividade total de um dado sítio de registro, subtraída da atividade unitária (AU) sob comparação, e foi analisada apenas se exibiu uma resposta evocada significativa à condição de estimulação preferida (n = 48/51). De acordo com essa definição, a AMU podia ser um conjunto de unidades bem isoladas ou um agrupamento de potenciais de ação não separáveis, ou ambos. Dado que a abordagem principal do estudo foi o estudo de propriedades respostas de neurônios únicos, normalmente o limiar de detecção de disparos era colocado em níveis relativamente altos nos experimentos. Portanto, muitos pares analisados foram compostos de AU vs AMU composta por 2 AU bem separadas (27/48, correspondendo aos 9 casos nos quais 3 unidades foram separadas no mesmo sítio de registro). Para estimar o número de unidades que compunham as AMU, dividiu-se a atividade espontânea média da AMU pela da AU em comparação (NIEDER e WAGNER, 2000). Para tal estimação, excluíram-se os pares de células nos quais a atividade de base da AU estava abaixo de 1 disparo/s, porque a divisão geraria números muito grandes e artefatuais. O número médio estimado de unidades na AMU foi de 4,02 ± 0,66. A Figura 22 mostra exemplos representativos das curvas de seletividade à FE (esquerda) e FT (direita) de duas unidades isoladas do mesmo sítio de registro (painéis A e B) e de uma unidade isolada vs AMU (painéis C e D). Note que nesse exemplo a AMU foi composta exclusivamente por um grupo não separável de potenciais de ação que contribui com 72% da atividade total do sítio. Esses exemplos sugerem claramente que células próximas exibem respostas espaço-temporais muito similares. Para quantificar até que ponto esse resultado foi generalizável para a amostra, comparou-se um total de 48 pares de AU vs AU e 48 de AU vs AMU de duas formas diferentes, utilizando o teste de correlação de Spearman. A primeira comparação foi feita em vetores 1D contendo as respostas normalizadas a cada uma das combinações de freqüência espaço-temporal testadas (normalmente 36). Os resultados dessa comparação estão exibidos nas Figuras 23A e B para pares de AU vs AU e AU vs AMU, respectivamente. A maioria dois

81

pares teve respostas altamente correlacionadas (r médio de 0,75 ± 0,03 para AU vs AU, 44/48 correlações significativas; e 0,82 ± 0,02 para AU vs AMU, 47/48 correlações significativas), o que fala a favor da hipótese de que unidades próximas possuem propriedades semelhantes de seletividade espaço-temporal. Como essa análise foi realizada sobre toda a superfície de resposta, ela não apenas avaliou a semelhança de pares no que diz respeito às respostas à FE e FT, mas também em termos da relação entre as respostas seletivas a essas duas dimensões. Em outras palavras, pode-se também concluir dessa análise que o grau de dependência entre a seletividade à FE e FT, determinado na próxima subseção, tendeu a ser semelhante entre unidades próximas. O segundo tipo de comparações pareadas foi feito sobre dois parâmetros extraídos dos ajustes de curvas resposta à FE e FT, a saber freqüência preferida e largura de banda. Uma inspeção das Figuras 22C – J deixa claro que as unidades próximas apresentaram parâmetros de seletividade à FE bem correlacionados de forma geral, embora mais para a FE preferida que para a largura de banda. Os resultados para a FT, contudo, foram menos claros. Enquanto a FT não foi significativamente correlacionada para pares AU vs AU e nem AU vs AMU, a largura de banda o foi de forma robusta. Para esse achado, entretanto, não foi encontrado nenhum significado funcional óbvio.

82

Figura 22. Exemplos comparando as curvas de seletividade à FE e FT de unidades próximas. Em todos os painéis, círculos preenchidos representam a resposta média, barras representam os EPM e as linhas são as curvas de melhor ajuste. Curvas de seletividade à FE (A) e FT (B) de duas unidades bem separadas registradas do mesmo sítio. O encarte no painel A mostra o formato de onda médio (linhas cheias) ± desvio padrão (linhas pontilhadas) dos potenciais de ação das duas unidades. Curvas de seletividade à FE (C) e FT (D) de uma unidade bem separada (preto) e atividade multi-unitária (AMU, cinza) registradas do mesmo sítio. AMU foi definida como a atividade total de um sítio de registro subtraída da unidade em comparação. O encarte do painel C mostra o formato de onda médio (linha preenchida) ± desvio padrão (linhas pontilhadas) da unidade bem separada.

0

5

10

15

20

25

Resposta

(dis

p/s

)

stt047a02_1a

stt047a02_1b

B

0

5

10

15

20

25

Resposta

(dis

p/s

)

A

0,25 0,5 1 2 4 8 16

Freqüência temporal (Hz)

D

0

10

20

30

40

50

60

Resposta

(dis

p/s

)

stt043a02_AMU

stt043a02_1a

0,25 0,5 1 2 4 8 16

Freqüência espacial (ciclos/grau)

0

10

20

30

40

50

60C

Resposta

(dis

p/s

)

83

Figura 23. Agrupamento das propriedades de seletividade espaço-temporal, avaliado comparando-se pares de unidades bem separadas (AU)(coluna da esquerda) ou pares de AU e atividade multi-unitária (AMU)(coluna da direita) registradas do mesmo sítio. A e B. Histogramas mostrando a distribuição dos

AU vs AU AU vs AMURespostas

0 0, 5 10

5

10

15

r de Spearman N

úm

ero

de p

are

s

0 0, 5 10

10

20

r de Spearman

Núm

ero

de p

are

s

A B

FE Pref. (ciclos/grau)

AU

2

0 1 2 3 4 50

1

2

3

4

5

AU 1

r = 0,75P = 9,7 e!07

AM

U0 1 2 3 4 5

0

1

2

3

4

5

AU

r = 0,70P = 1,4 e!06

C D

LB de FE (oitavas)

AM

U

0 2 4 60

2

4

6

AU

r = 0,69

P = 1,9 e!05

AU

2

0 1 2 3 4 50

1

2

3

4

5

AU 1

r = 0,33P = 0,06

E F

FT Pref. (Hz)

AU

2

0 2 4 6 80

2

4

6

8

AU 1

r = 0,30P = 0,17

AM

U

0 2 4 6 80

2

4

6

8

AU

r = 0,33P = 0,12

G H

LB de FT (oitavas)

AU

2

0 5 100

5

10

AU 1

r = 0,73P = 7,9 e-06

AM

U

0 5 100

5

10

AU

r = 0,56

P = 0,007

I J

84

coeficientes de correlação de Spearman para vetores 1D contendo as respostas a cada condição do estímulo. Nos painéis C – J, cada fila mostra a correlação para diferentes parâmetros de seletividade: FE preferida (C e D), largura de banda de FE (E e F), FT preferida (G e H) e largura de banda de FT (I e J). As linhas tracejadas cinzas indicam os coeficientes de correlação.

5.2.5. Análise da Seletividade à Velocidade

Um dos principais objetivos desta parte do estudo foi investigar se os neurônios no wulst visual são seletivos de forma independente para as freqüências espacial e temporal de um estímulo ou se a seletividade a esses dois tipos de freqüência é dependente de maneira a sinalizar a velocidade do estímulo, dada pela divisão FT/FE. Para abordar essa questão, as respostas espaço-temporais de todos os 105 neurônios modulados pelo estímulo, com exceção daqueles classificados como omnidirecionais (n = 3), foram ajustadas com uma função Gaussiana bidimensional modificada que incorpora um índice de seletividade à velocidade, ε, desenvolvido para capturar o grau de dependência entre as funções de resposta a FE e FT. Os ajustes de 16 unidades (15%) não passaram nos critérios estatísticos de qualidade de ajuste, deixando uma amostra de 86 unidades para a análise. Razões possíveis para esse número relativamente alto de ajustes ruins serão discutidas no contexto de dois tipos de análises alternativas de seletividade à velocidade, apresentadas abaixo. Para as células que passaram os critérios de qualidade, bons ajustes foram obtidos, com um r2 médio de 0,53 ± 0,02 para ajustes feitos sobre as repetições e de 0,87 ± 0,01 para os feitos sobre os valores médios. A Figura 24 mostra exemplos representativos dos resultados dessa análise. Na figura, cada linha corresponde a uma célula atribuída a cada uma das quatro categorias de seletividade espaço-temporal: INDEPENDENTE, INTERMEDIÁRIA, NEGATIVA e VELOCIDADE, segundo os critérios explicados na seção de “Materiais e Métodos” deste capítulo. Para cada linha, a coluna da esquerda mostra os gráficos de contorno das respostas neuronais, com os ajustes 2D correspondentes na coluna do meio. À direita, encontram-se curvas 1D de seletividade à velocidade para cada freqüência espacial testada na qual a resposta excedeu a linha de base. A unidade na primeira linha (painéis A – C) é um exemplo típico de células que possuem seletividade independente para FE e FT, ou seja, não são seletivas à velocidade. As superfícies de resposta dessas células têm um perfil não inclinado (painel A), já que a FT

85

preferida é aproximadamente a mesma para cada FE que evoca uma resposta significativa. Conseqüentemente, a velocidade preferida dessa célula é diferente para cada valor de freqüência espacial da grade, variando entre 0,5 e 8 graus/s (painel C). Esse comportamento é capturado por um valor de ε de 0,02 (painel B), o que, junto ao fato de que o intervalo de confiança de 95% de ε sobrepõe zero (IC = [-0,07;0,10]), classifica essa unidade como INDEPENDENTE. A maioria dos neurônios submetidos a essa análise de ajuste de curvas 2D (56/86, ou 65%) foi alocada nessa categoria. A segunda categoria mais comum foi a INTERMEDIÁRIA (22/86, ou 26%), cujo exemplo encontra-se na segunda linha da Figura 24 (painéis D – F). Os neurônios pertencentes a essa categoria exibem um certo grau de covariância positiva entre as respostas seletivas à FE e FT, o que explica a pequena inclinação no perfil de resposta espaço-temporal tal como o visto no painel D. Os picos das funções de resposta à velocidade desses neurônios são mais próximos uns dos outros (ver, por exemplo, painel F), quando comparados aos neurônios INDEPENDENTES. Porém, o alinhamento entre os picos não é bom o suficiente para classificar esse tipo celular como completamente seletivo para velocidade. Esse perfil intermediário tipicamente resulta em valores de ε e respectivos intervalos de confiança que se encontram entre 0 e 1, como exemplificado pelo ajuste da Figura 24E (ε = 0,39 e IC = [0,27;0,51]). Outro tipo de perfil de resposta com inclinação, exibido por 5/86 (6%) dos neurônios, é o que chamamos de NEGATIVA, exemplificado pela unidade da terceira linha da Figura 24. Embora essas células apresentem uma clara dependência entre as respostas à FE e FT, a relação entre as duas é tal que a orientação do perfil de resposta tem uma inclinação de sinal contrário ao que seria esperado para células seletivas à velocidade. Portanto, os valores de ε para essas células são negativos (ver, por exemplo, a célula no painel H, ε = -0,79 e IC = [-1,23;-0,35]). Como fica claro no exemplo do painel I, tais neurônios não preferem a mesma velocidade em todas as FEs. Finalmente, apenas 3/86 células (3%) foram classificadas como seletivas para VELOCIDADE, já que tiveram valores de ε mais próximos de 1 que de 0 (0,69, 0,82 e 0,93) e ICs sobrepondo 1 ([0,23;1,16], [0,50;1,14], [0,51;1,35]). A célula mostrada nas Figuras 24J – L é aquela para qual se obteve o maior valor de ε da amostra. Note que o presente método estatístico permite que uma célula com um valor de ε mais próximo de 0,5 que de 1 (mas maior que 0,5) seja classificada como

86

seletiva para VELOCIDADE se o IC de 95% da estimativa de ε for grande o suficiente para ultrapassar 1. Por exemplo, quatro outras células da amostra tiveram valores de ε acima de 0,5 (0,58, 0,61, 0,67, 0,55), e poderiam ter sido classificadas como seletivas para VELOCIDADE se tivessem tido ICs maiores. Isso teria aumentado apenas discretamente a proporção de células nessa categoria (8%) e, portanto, não teria modificado a conclusão principal. Neste ponto, é importante mencionar que o intervalo de confiança depende essencialmente de dois fatores: a variabilidade da resposta para cada repetição e o quadrado médio do erro dos ajustes. Assim, uma alta variabilidade de resposta pode enviesar a classificação de células com ε > 0,5 em direção à categoria VELOCIDADE e daquelas com ε < 0,5 em direção à categoria INDEPENDENTE. Em outras palavras, uma alta variabilidade tende a polarizar a classificação das células entre essas duas categorias de seletividade espaço-temporal. Seguindo a mesma lógica, apenas células com um comportamento INTERMEDIÁRIO robusto (baixa variabilidade e baixo erro de ajuste) serão classificadas como tal. A Figura 25 resume os achados populacionais relativos à seletividade para velocidade. O painel A mostra o número de células em cada uma das quatro categorias discutidas no parágrafo anterior. Como fica claro no painel B, a distribuição dos valores de ε para toda a população (faixa: -0,79 – 0,93, média: 0,10 ± 0,03) é consistente com o fato de que a maioria dos neurônios da amostra foi classificada como tendo seletividade independente para FT e FE. Como ilustrado na Figura 25C, não há diferenças significativas na distribuição de ε para células simples/complexas e direcionais/bidirecionais (teste de Wilcoxon, P > 0,05). Todas as três células classificadas como seletivas eram direcionais, duas delas complexas e uma simples. Entretanto, a proporção relativa de categorias de seletividade não foi diferente entre os tipos celulares (teste exato de Fisher, GL = 3, P > 0,05). Esse resultado difere do de Priebe et al. (2006), que encontraram que o comportamento seletivo para velocidade era muito mais prevalente entre células complexas que em simples. O estudo de Priebe et al. (2006) foi direcionado às células seletivas para direção, o que não me permite realizar comparações com os presentes resultados com neurônios bidirecionais.

87

Figura 24. Exemplos representativos das superfícies de resposta para cada uma das quatro categorias de seletividade espaço-temporal. A coluna da esquerda contém gráficos de contorno 2D de FT x FE das respostas das células, codificadas por tons de cinza de acordo com as barras à direita de seus respectivos ajustes 2D, mostrados na coluna do meio. Curvas 1D de seletividade à velocidade determinadas para cada FE que evocou uma resposta máxima significativa (símbolos codificados com cores no painel F). As quatro categorias estão organizadas nas filas como INDEPENDENTE (A – C), INTERMEDIÁRIA (D – F), NEGATIVA (G – I) e seletiva à velocidade (J – L). Ver Materiais e Métodos para maiores detalhes sobre os critérios utilizados para estabelecer essas categorias.

FT

(H

z)

,25

,5

1

2

4

8

10

20

30

40

0

25

50

Res

post

a (d

isp/

s)

0

10

20

30

FT

(H

z)

,25

,5

1

2

4

8

10

20

30

Res

post

a (d

isp/

s)

FE (ciclos/grau),25 ,5 1 2 4 8 ,125 ,5 2 8 32

5

15

25

0

10

20

30

FT

(H

z)

,25

,5

1

2

4

8

FE (ciclos/grau),25 ,5 1 2 4 8

Velocidade (graus/s)

Res

post

a (d

isp/

s)

,031

2

4

6

0

6

FT

(H

z)

,25

,5

1

2

4

8

4

2

0 Res

post

a (d

isp/

s)

124

,5,25

8

stt012b02_2b

stt021a02_1b

stt044b02_1a

stt022a03_1b

C

Resposta Ajuste 2D Curvas de velocidade 1D

BA

D E F

G H I

J K L

! = 0.02

INDEPENDENTE

! = 0,39

INTERMEDIÁRIA

! = -0,79

NEGATIVA

! = 0,93

VELOCIDADE

88

Figura 25. Resumo dos resultados da análise de seletividade à velocidade por meio dos ajustes com a gaussiana 2D modificada. A. Gráfico de barras mostrando o número de células alocadas em cada categoria de seletividade espaço-temporal. B. Histograma mostrando a distribuição das estimativas do índice de seletividade à velocidade (epsilon) derivadas dos ajustes 2D como na Figura 24. A cabeça de seta indica a média aritmética da população. C. Gráficos de freqüência cumulativa das estimativas de epsilon para células direcionais (dir.), bidirecionais (bidir.), complexas (comp.) e simples (simp.). Indep.: independentes; veloc.: velocidade; interm.: intermediárias; negati.: negativas.

Como mencionado acima, a função de ajuste não foi capaz de explicar as respostas de uma proporção não negligenciável de neurônios da amostra. Na maioria dos casos, acreditamos que isso tenha ocorrido porque o modelo de ajuste, que é inerentemente simétrico por ser uma função gaussiana 2D modificada, não consegue capturar grandes assimetrias na superfície de resposta das células. Tal questão foi aventada por Perrone (2006), que também discute diversos problemas associados ao método estatístico desenvolvido por Priebe et al. (2003, 2006) para avaliar seletividade para velocidade. Perrone (2006) mostra, por exemplo, que a presença de assimetrias no perfil de resposta das células pode resultar em importante subestimação de ε. Por isso, decidiu-se testar dois outros métodos de análise de seletividade para velocidade, ambos iguais ou inspirados pelos já utilizados em outros estudos (LEVITT et al., 1994; PRIEBE et al., 2003), e descritos da seção de “Materiais e Métodos” do presente capítulo. O primeiro deles é o método de análise de correlação parcial, no qual duas previsões diferentes são calculadas com base na resposta do neurônio e as correlações dessa com aquelas são comparadas estatisticamente. Os resultados dessa análise estão exibidos na Figura 26A. A grande maioria das células foi classificada como tendo seletividade independente, enquanto apenas 2/97 foram classificadas como intermediárias e 1 como seletiva para velocidade. Esse resultado

0

60 A

30

indep.veloc.interm.negat.

Núm

ero

de c

élu

las

1

Epsilon

40 B

!1 00

20

Núm

ero

de c

élu

las

1

1 C

!1

Fre

qüência

cum

ula

tiva

0

dir.bidir.comp.simp.

0

Epsilon

89

discorda do da primeira análise, que gerou uma quantidade muito maior de células que são intermediárias ou completamente seletivas para velocidade. Note que na análise de correlação parcial o número de células em cada categoria não mudou significativamente quando o nível de significância foi reduzido para 0,05 ou 0,01 (4 e 10 unidades migraram da categoria independente para intermediária, respectivamente). Com base nesses resultados, poder-se-ia argumentar que a diferença entre os métodos de ajuste 2D e de correlação parcial consiste apenas em um deslocamento coletivo em direção à seletividade independente no último. No entanto, não parece ser esse o caso. Por exemplo, considere-se a célula classificada como seletiva para VELOCIDADE na quarta linha da Figura 24 (ε = 0,93). Essa célula se torna independente quando avaliada pelo método da correlação parcial (Rs = 0,40, Ri = 0,73). Outro exemplo é o da célula classificada como seletiva à velocidade pelo método da correlação parcial (Rs = 0,89, Ri = 0,19), que foi classificada como INDEPENDENTE pelo procedimento de ajuste (ε = 0,09). Para quantificar até que ponto o resultado geral da análise de correlação parcial foi comparável ao da análise dos ajustes 2D, computou-se, para cada célula, a quantidade Rs2 - Ri2, que dá uma medida da força relativa entre seletividade para velocidade e independente. Os valores obtidos foram então testados em termos de sua correlação com os valores de ε por meio do teste de Spearman. Nenhuma correlação significativa foi encontrada entre os resultados dos dois métodos (r = 0,16, P = 0,13), o que difere do que Priebe et al. (2003) encontraram na área MT de macacos (correlação de Pearson, r = 0,91). A partir disso, conclui-se que uma correspondência direta entre os dois métodos em questão pode nem sempre ocorrer, sendo possivelmente específica para diferentes perfis de resposta. Infelizmente, essa mesma comparação não foi realizada por Priebe et al. (2006) na área V1 do macaco, o que poderia ter ajudado a validar ou não essa hipótese. O segundo método alternativo para a análise de seletividade à velocidade também foi explicado anteriormente, e consiste na regressão linear em gráficos de FT preferida vs. FE, cuja inclinação pode ser entendida como uma medida equivalente a ε, porém menos vulnerável a assimetrias no perfil de resposta espaço-temporal. Os valores obtidos a partir das duas métricas encontram-se comparados na Figura 26B. Fica claro na figura que os dois métodos são, até certo ponto, equivalentes (r = 0,47, P = 3,73 x 10-6), embora os valores de ε tendam a ser mais

90

altos que os de inclinação, o que é análogo ao descrito por Priebe et al. (2003) para um método similar. Os intervalos de confiança associados à analise de inclinação foram, com freqüência, muito grandes devido ao pequeno número de pontos de dado. Esse problema não permitiu a aplicação de um esquema de classificação semelhante ao descrito para o método do ajuste com a gaussiana 2D, já que muitos ICs ultrapassaram tanto -1 quanto 0 e/ou 0 e 1 (58% dos casos). Dessa forma, embora o método de regressão linear seja aproximadamente equivalente ao que se baseia na estimação de parâmetros a partir dos ajustes, o primeiro está associado a uma validação estatística menos confiável das estimativas.

Figura 26. Resultados dos dois métodos alternativos empregados para analisar a seletividade à velocidade. A. Gráfico de dispersão dos coeficientes de correlação parcial, no qual a linha em forma de ogiva o divide estatisticamente em três regiões distintas, cada uma correspondendo a uma categoria de seletividade: seletiva à VELOCIDADE, na qual apenas uma célula foi classificada (círculo vazado); seletividade INDEPENDENTE à FE e FT, onde a maioria das células foram classificadas (94/97, círculos preenchidos pretos); e INTERMEDIÁRIAS, na qual apenas duas células foram alocadas (círculos preenchidos cinzas). B. Comparação entre os valores de ε dos ajustes 2D (eixo horizontal) e os valores de inclinação obtidos na regressão linear sobre os gráficos de FT preferida x FE. A linha tracejada cinza indica o coeficiente de correlação.

INTERMEDIÁRIA

n = 97

!1 !0, 5 0 0,5 1

!1

!0, 5

0

0,5

1

Correlação independente (Ri)

Cor

rela

ção

velo

cida

de (Rs)

VELOCIDADE

IND

EP

EN

DE

NT

E

A

Epsilon

Incl

inaç

ão (

regr

essã

o lin

ear)

B

!2

!1

0

1

2

3

4

!2 !1 0 1 2 3 4

r = 0,47

P = 3,73 e-06

91

Globalmente, os resultados mostram que a maioria dos neurônios do wulst visual da coruja exibe perfis de resposta diferentes à velocidade de uma grade dependendo de sua freqüência espacial. Portanto, esses neurônios não podem ser considerados realmente seletivos para velocidade. Contudo, para fornecer mais material de comparação com V1, determinou-se a velocidade preferida na FE preferida para neurônios que exibiram curvas passa-faixa para FT e FE (n = 48), calculando-se FT preferida/FE preferida. A velocidade média preferida foi de 2,62 ± 0,32 graus/s, com uma variação de 0,22 – 7,71 graus/s (dados não mostrados). Tais valores são mais baixos que os encontrados por Priebe et al. (2006, média geométrica: 4,47 graus/s, faixa: 0,3 – 43 graus/s). Como esperado pelo fato de que as células simples tenderam a preferir FEs mais baixas, essas células preferiram velocidades significativamente mais altas que as células complexas (4,71 ± 0,74 vs. 2,32 ± 0,32, teste de Wilcoxon, P = 0,012). Nenhuma diferença foi encontrada entre neurônios direcionais e bidirecionais.

5.3. Simulação

Os resultados apresentados até agora sugerem que as propriedades de filtragem espaço-temporal dos neurônios do wulst visual são muito semelhantes às do córtex estriado. Isso é interessante, de vez que a maioria dos modelos teóricos de computação do vetor de velocidade de movimento no sistema visual de primatas pressupõe que o estágio inicial de processamento é levado a cabo por filtros espaço-temporais orientados construídos de acordo com as propriedades de neurônios de V1 (ver, por exemplo, ADELSON e BERGEN, 1985; WATSON e AHUMADA, 1985; HEEGER, 1987; GRZYWACZ e YUILLE, 1990; NOWLAN e SEJNOWSKI, 1995; SIMONCELLI e HEEGER, 1998; PETKOV e SUMARIAN, 2007; para uma revisão recente ver BRADLEY e GOYAL, 2008). Esse é também o caso de um modelo recente proposto por Perrone e colaboradores, que lida mais especificamente com a questão de seletividade à velocidade (PERRONE e THIELE, 2002; ver também PERRONE, 2004, 2005; PERRONE e KRAUZLIS, 2008). O modelo, denominado Mecanismo de Interseção Ponderada (Weighed Intersection

92

Mechanism – WIM), mostra que, dadas certas restrições, é possível construir células seletivas à velocidade utilizando a entrada de apenas duas unidades fisiologicamente plausíveis inspiradas em neurônios de V1. A principal restrição é a de que as duas unidades possuem propriedades diferentes de resposta à freqüência espaço-temporal, cada uma correspondendo a uma das duas categorias propostas por Ikeda e Wright (1975a), a partir de seus achados experimentais na área 17 de gatos: a primeira categoria, chamada transitória (transient – T), engloba células que têm curvas de seletividade passa-faixa para FE e FT. De acordo com Ikeda e Wright, tais células têm propriedades de resposta do tipo magno, embora isso não seja uma restrição explícita no modelo WIM. Na segunda categoria, denominada sustentada (sustained – S), as unidades exibem curvas passa-faixa para FE mas passa-baixa para FT, uma característica associada a respostas tipo parvo (IKEDA e WRIGHT, 1975a). Segundo o modelo, as duas unidades de entrada são combinadas de forma multiplicativa de acordo com a seguinte equação (PERRONE e THIELE, 2002):

WIM =log(T + S +α )| logT − logS | +δ (10)

onde α é a constante que controla a sensibilidade às várias FEs e portanto a largura da superfície de resposta ao longo do seu maior eixo e δ é a constante que controla a largura de banda do mecanismo seletivo à velocidade. Na presente simulação, os valores desses dois parâmetros foram fixados em 1,5 e 1, respectivamente, que são valores dentro da faixa dos utilizados por Perrone e Thiele (2002) e Perrone (2006). Pode-se deduzir a partir da equação do modelo que a unidade computada responde maximamente onde as respostas das unidades T e S coincidem e minimamente onde elas diferem mais. Esse modelo já foi utilizado de forma bem-sucedida para explicar a seletividade à velocidade na área MT (PERRONE e THIELE, 2002), bem como os achados mais recentes de seletividade à velocidade em uma subpopulação de neurônios direcionais complexos em V1 (PERRONE, 2006). Dado o exposto acima, decidiu-se investigar como o modelo WIM iria se comportar quando alimentado com os presentes dados. O raciocínio foi que se a seletividade à velocidade resulta essencialmente de uma combinação apropriada de células S e T, combinando-se pares de neurônios da presente amostra que correspondessem a essas duas categorias, esperar-se-ia obter uma proporção

93

maior de células seletivas à velocidade que a de fato encontrada no wulst. Isso deveria servir para validar ainda mais os modelo WIM. Além disso, os resultados da simulação podem fornecer um padrão de comparação para futuros achados experimentais em uma área ainda desconhecida do cérebro da coruja que esteja envolvida com o processamento da velocidade de movimento. Dessa forma, neurônios da amostra com curvas passa-faixa para FE foram divididos em transitórios (n = 48) e sustentados (n = 30), se apresentaram curvas passa-faixa ou passa-baixa para FT, respectivamente, e foram combinados utilizando o mecanismo WIM. As unidades obtidas foram então ajustadas utilizando a equação gaussiana 2D modificada de Priebe et al. (2006) e classificadas nas mesmas quatro categorias utilizadas para classificar neurônios do wulst em termos de seu perfil de resposta espaço-temporal. A Figura 27 mostra um exemplo típico de uma combinação entre um neurônio de entrada T (painel A) e um S (painel B) que gera uma unidade claramente seletiva à velocidade (painel C). Porém, nem todas as combinações resultaram nesse tipo de unidade. Abaixo, encontra-se descrito o processo pelo qual algumas restrições que aumentam a probabilidade de se gerar células seletivas à velocidade foram identificadas.

Figura 27. Exemplo de uma combinação de células que resultou em uma unidade seletiva à velocidade em uma simulação com o modelo WIM. A. Célula da amostra classificada como transitória (T) por ser passa-faixa tanto para FE quanto para FT. B. Outra célula da amostra classificada como sustentada (S) por ser passa-faixa para FE mas passa-baixa para FT. C. Unidade que resultou da combinação das células mostradas em A e B pelo modelo WIM. Note que as unidades de entrada diferem em uma maneira particular em termos de sua seletividade para FE e FT: além de preferir FTs mais baixas, a FE preferida da unidade S excedeu a da unidade T por uma oitava. Essa foi a configuração de células de entradas que mais freqüentemente gerou células seletivas à velocidade.

0,25 0,5 1 2 4 80,25

0,5

1

2

4

8

0

2

4

6

8

10

12

0,25 0,5 1 2 4 80,25

0,5

1

2

4

8

0

5

10

15

20

25

30

0,25 0,5 1 2 4 80,25

0,5

1

2

4

8

0,5

1

1,5

2

2,5

3

FE (ciclos/grau) FE (ciclos/grau) FE (ciclos/grau)

FT

(H

z)

Resposta

(dis

paro

s/s

)

A B Cstt012a02_2c stt020a02_2a WIM_74

94

Em uma primeira simulação, neurônios transitórios e sustentados foram combinados de maneira irrestrita, gerando os resultados mostrados na Figura 28A. Tanto em termos da distribuição dos valores de ε (média: 0,23 ± 0,03, n = 845) e da distribuição entre as classes relativas à seletividade à velocidade (encarte, 72% INDEPENDENTES, 17% seletivas à VELOCIDADE, 7% INTERMEDIÁRIAS e 4% NEGATIVAS), esses resultados não foram substancialmente diferentes da distribuição experimental encontrada no wulst. Como estipulado por Perrone e Thiele (2002), para se gerar um perfil de resposta seletiva à velocidade, a unidade S precisa ser seletiva a freqüências espaciais mais altas que a unidade T, uma propriedade que também foi descrita experimentalmente para essas duas classes de células (IKEDA e WRIGHT, 1975a). Além disso, a curva de resposta à FT da unidade S deve ter seu pico em uma freqüência maior que aquela na qual a resposta passa-baixa da unidade T começa a cair (PERRONE e THIELE, 2002; PERRONE, 2005). O fato de que tais restrições não foram impostas pode ter contribuído para o baixo número de células seletivas à velocidade. Contudo, quando tais restrições foram impostas em uma segunda simulação, não houve nenhum aumento na incidência da seletividade à velocidade (resultados da população: 75% INDEPENDENTES, 21% seletivas à VELOCIDADE, 0% INTERMEDIÁRIAS e 4% NEGATIVAS; ε médio = 0,21 ± 0,07; n = 228; dados não mostrados). Uma inspeção dos resultados da primeira simulação revelou que quando a FE preferida da unidade S excedia a da unidade T por uma oitava, havia uma maior probabilidade de se produzir unidades seletivas à velocidade. Assim, em uma terceira simulação, impôs-se a restrição adicional que a FE preferida da unidade S deveria ser sempre uma oitava maior que a da unidade T. Os resultados dessa simulação estão mostrados na Figura 28B. Desta vez, o valor médio de ε foi significativamente maior que nas simulações anteriores: 0.55 ± 0.10 (n = 172; teste de Wilcoxon, P << 0,001 e P = 0,002 em relação à primeira e segunda simulações, respectivamente). Como pode ser visto no encarte da Figura 28B, essa mudança foi principalmente explicada por um aumento de 188% na proporção de unidades seletivas à velocidade e uma diminuição de 26% na proporção de independentes, quando comparada à primeira simulação. De forma interessante, tanto a distribuição de ε quanto a proporção de células seletivas à velocidade obtidas nessa última simulação são muito semelhantes às encontradas na área MT de macacos (PRIEBE et al., 2003).

95

Figura 28. Resultados das simulações nas quais as respostas das células registradas do wulst foram alimentadas ao modelo WIM. Os histogramas mostram a distribuição dos valores de epsilon obtidos a partir das funções gaussianas 2D modificadas, as cabeças de seta brancas indicam a média da população e os encartes mostram gráficos de barra da distribuição das unidades resultantes entre as categorias de seletividade espaço-temporal, como na Figura 25. A. Resultados da simulação na qual unidades transitórias e sustentadas foram combinadas de forma irrestrita. B. Resultados de uma segunda simulação na qual as combinações entre células transitórias e sustentadas foram restritas da seguinte forma: a curva de seletividade da unidade S deveria ter seu pico em uma freqüência maior que aquela na qual a resposta da unidade T começasse a cair; e a FE preferida da unidade S deveria sempre ser uma oitava mais alta que da unidade T.

0

50

100

150

200

250

300

Núm

ero

de c

élu

las

0

40

80

Po

rce

nta

ge

m

independentevelocidadeintermediárianegativa

!2 !1 0 1 2 > 2< -2

A

!2 !1 0 1 2

0

10

20

30

40

50

Epsilon

Núm

ero

de c

élu

las

0

40

80

Po

rce

nta

ge

m

> 2< -2

B

independentavelocidadeintermediárianegativa

96

5.4. Discussão

Esta parte do estudo teve como objetivo caracterizar a seletividade de neurônios do wulst visual da coruja às freqüências espacial e temporal utilizando grades senoidais. Embora fundamental para compreender os primeiros estágios de processamento visual, esse tipo de caracterização não havia sido realizado no wulst de nenhuma ave, exceto por uma caracterização breve da seletividade à FE na coruja-de-igreja, realizada como parte de uma investigação maior acerca da disparidade binocular (WAGNER e FROST, 1994). Os presentes resultados corroboram e ampliam esses achados mostrando que a maioria dos neurônios do wulst possui uma seletividade à FE e FT com largura de banda relativamente estreita e que, como uma população, eles representam uma ampla faixa de freqüências e aparentemente organizam tal representação de forma anatomicamente ordenada, pelo menos com relação à FE. Também foi testado se os neurônios possuem perfis de seletividade espaço-temporal inseparáveis. Muitas vezes não foi esse o caso, embora uma quantidade não negligenciável de células tenha demonstrado pelo menos algum grau de inseparabilidade. Uma população considerável de células seletivas à velocidade foi obtida ao se alimentar com os dados um modelo fisiologicamente realista de seletividade à velocidade no córtex visual (PERRONE e THIELE, 2002). Com base nesses resultados, argumento que, apesar de 300 milhões de anos de evolução independente (SHIMIZU e BOWERS, 1999), corujas e primatas compartilham de propriedades de filtragem espaço-temporal semelhantes em seus telencéfalos visuais primários que são adequadas para levar a cabo a fase inicial de computação da velocidade. Na via retinotalamofugal de mamíferos, uma filtragem passa-faixa substancial é uma propriedade emergente notória do córtex estriado (CAMPBELL et al., 1969; MAFFEI e FIORENTINI, 1973; SCHILLER et al., 1976; HAWKEN e PARKER, 1987; HAWKEN et al., 1996; PRIEBE et al., 2006; e referências na Tabela 1). Se essa é uma propriedade que surge no wulst ou reflete processamento anterior é uma questão que ainda está por ser investigada diretamente na coruja. Contudo, o fato de que os neurônios do núcleo geniculado da coruja possuem propriedades de

97

campos receptores semelhantes à do gato (PETTIGREW, 1979) favorece a última alternativa.

Tabela 1. Comparação das propriedades da seletividade à FE e FT entre o wulst visual e o córtex visual primário de várias espécies de mamíferos

Freqüência EspacialFreqüência EspacialFreqüência EspacialFreqüência Espacial Freqüência TemporalFreqüência TemporalFreqüência TemporalFreqüência Temporal

Freq. Pref.

(c/grau)

LB (oitavas)

Resolução (c/grau)

% Passa-baixa

Freq. Pref. (Hz)

LB (oitavas)

Resolução (Hz)

% Passa-baixa

Macaco rhesus

3,4 1

(+2,0) 1,5 (-1,7) __ __ __ __ __ __Macaco rhesus 2,2 2

(+1,3) 1.8 (-1,4) __ 9 (-2,2) 3,7 (+1,4) 2,9 (-1,6) __ 68 (+1,8)

Coruja-buraqueira 3 1,7 2,6 3,7 20 2,7 4,7 8,3 38

Gato

1,0 4* (-1,7) __ __ __ 2,2 (-1,2) __ __ 39 (1,0)

Gato0,8 5 (-2,1)

1,5 (-1,7) __ __ __ __ __ 100 (+2,6)

Macaco da noite 6 0,7 (-2,4) 2,1 (-1,2) 2,7 (-1,4) 10 (-2,0) 3,0

(+1,1) 3,8 (-1,2) 10,3 (+1,2) 5 (-7,6)

Galago 7 0,65 (-2,6) 2,6 (1,0) 1,7 (-2,2) __ 2,9

(+1,1)__ 10,7

(+1,3)__

Furão 8 0,25 (-6,8) 1,7 (-1,5) __ __ 3,5 9

(+1,3) 2,2 (-2,1) 10,1 (+1,2)§ 19 (-2,0)

Esquilo cinzento 10

0,21 (-8,1) 2,3 (-1,1) __ 18 (-1,1) 5,3

(+2,0) 3,0 (-1,6) __ 10 (-3,8)

Rato 11 0,08 (-21,3)

2,0 (-1,3)‡

0,4* (-9,25) 50 (+2,5) 3,9*

(+1,4)__ 20,3*

(+2,2)__

Camundongo 12

0,04 (-42,5) 2,5 (1,0) __ 5 (-4,0) 1,7 (-1,6) __ __ __

A não ser onde está especificado, os valores são a média populacional ou mediana, dependendo do estudo. Os traços indicam variáveis para as quais nenhuma informação quantitativa é fornecida ou que não foram avaliadas em um dado estudo. Os números entre parêntesis são fatores de escala em relação aos valores obtidos no presente estudo. Note que discrepâncias nos procedimentos de amostragem visuotópica provavelmente não são fatores de confusão, já que todos os estudos registraram neurônios que representam a porção central do campo visual. §Corte de alta freqüência de 80%; ‡moda; *segundo estimado a partir dos histogramas. Freq. Pref.: freqüência preferida; c/grau: ciclos/grau; LB: largura de banda. 1De Valois et al. (1982); 2Foster et al. (1985); 3presente estudo; 4Ikeda e Wright (1975a,b); 5Movshon

98

et al. (1978b); 6OʼKeefe et al. (1998); 7DeBruyn et al. (1993); 8Baker et al. (1998); 9Moore et al. (2005); 10Heimel et al. (2005); 11Girman et al. (1999); 12Niell e Stryker (2008).

A Tabela 1 apresenta comparações quantitativas entre os presentes dados e a literatura sobre V1 de mamíferos. No domínio espacial, é interessante observar que os neurônios do wulst visual da coruja-buraqueira preferem, em média, freqüências mais altas que aqueles no córtex estriado da maioria das espécies de mamíferos, com exceção do macaco rhesus, no qual a freqüência preferida média é até duas vezes mais alta. A freqüência preferida média em V1 tem uma relação positiva e aparentemente linear com a acuidade visual (coeficiente de correlação de 0,98, ver tabela 2 em HEIMEL et al., 2005). Supondo que uma relação linear semelhante se aplique às corujas, prever-se-ia um valor de 25 ciclos/grau para a coruja-buraqueira, o que a colocaria acima da maior parte das espécies de seu grupo em termos de acuidade visual [coruja-de-igreja (Tyto alba): 3,6 – 8,4 ciclos/grau, HARMENING, 2008; João-curucutu (Bubo virgianus): 6 – 7,5 ciclos/grau, FITE, 1973; coruja-do-mato (Strix aluco): 8 ciclos/grau, MARTIN e GORDON, 1974]. Isso seria compatível com o fato de que a coruja-buraqueira é uma das espécies de coruja mais diurnas (COULOMBE, 1971), e de que a acuidade tende a ser menor em espécies noturnas, presumivelmente sendo compensada pela sensibilidade visual. De forma interessante, as corujas-de-igreja são semelhantes a gatos tanto em termos da faixa de valores ótimos de FE, quanto da acuidade visual (WAGNER e FROST, 1994; HARMENING, 2008), o que é coerente com a idéia de que as características de filtragem espacial do wulst da coruja são, como em V1, boas preditoras da acuidade visual comportamental. Em contraste à freqüência preferida, os valores médios de largura de banda em V1 mudam muito pouco de uma espécie de mamífero para a outra, um achado que parece refletir restrições comuns ao processamento cortical (VAN HOOSER, 2007). Apesar de relativamente altos, os valores de LB na coruja-buraqueira estão dentro da faixa observada nos mamíferos, o que pode indicar que os mecanismos de filtragem no sistema retinotalâmico-wulst das corujas estão sujeitos a restrições similares. Essas provavelmente incluem fatores periféricos impostos pelas propriedades de filtragem ópticas e da retina, que, acredita-se, são principalmente responsáveis pelos cortes de alta freqüência nas curvas de seletividade à FE.

99

Pensa-se que as restrições também incluem, presumivelmente, fatores centrais que modelam a atenuação em baixas freqüências nas curvas, e que elas podem envolver uma série de mecanismos, tais como somação talamocortical do tipo feedforward (HUBEL e WISEL, 1962) e supressão intracortical (BAUMAN e BONDS, 1991; BREDFELDT e RINGACH, 2002). Tolhurst e Thompson (1981) argumentaram que uma correlação negativa perfeita entre a freqüência preferida e a largura de banda normalizada em uma população cortical retinotopicamente homogênea reflete a presença de somação linear dos sinais talâmicos. Portanto, o fato de que a correlação observada neste estudo é próxima a -1 sugere que a somação do tipo feedforward é um mecanismo preponderante na coruja. No domínio temporal, os neurônios do wulst exibem menos filtragem que no domínio espacial, já que possuem uma LB média muito maior e possuem comportamento passa-baixa com o dobro da freqüência. A faixa de FTs representadas, por outro lado, é tão ampla quanto a das FEs. Apesar da dificuldade em se comparar a incidência de células passa-baixa entre os estudos, devido ao emprego de muitos critérios de classificação diferentes, os presentes dados se assemelham aos obtidos no córtex estriado de macacos e gatos no que tange à alta ocorrência de tais células (ver Tabela 1). Como discutido abaixo, isso pode ser uma característica importante para a elaboração da seletividade à velocidade. Outro aspecto interessante desta parte do estudo é a perspectiva comparativa que ele traz à questão algo polêmica da seletividade à velocidade no córtex visual de mamíferos. Para avaliar a seletividade à velocidade, foi essencialmente adotada a mesma metodologia de Priebe et al. (2006), que considera uma célula como genuinamente seletiva à velocidade apenas se a estimativa deriva de um ajuste (ε) de sua invariância à FE pode ser validada com critérios estatísticos (intervalo de confiança). Utilizando essa definição, Priebe et al. (2006) encontraram que cerca de um quarto das células complexas na área V1 de macacos rhesus exibe seletividade à velocidade apenas quando testadas com grades de alto contraste, o que interpretaram como evidência do envolvimento de um mecanismo de ganho não-linear na computação da velocidade no córtex estriado. Embora tenha utilizado estímulos com contraste máximo, encontramos muito poucas evidências de seletividade invariante à velocidade no wulst da coruja. Tendo testado apenas um valor de contraste, não podemos conjeturar a respeito da existência de um

100

mecanismo de ganho semelhante no wulst, embora nosso grupo tenha evidências de que a maioria dos neurônios nessa área exibe o mesmo tipo de funções não-lineares de resposta ao contraste das vistas em V1 (P. G. VIEIRA, M. O. DIAS e J. BARON, dados não publicados). Antes do estudo de Priebe et al. (2006), os neurônios dos córtices visuais primário e secundário de gatos e macacos eram consensualmente descritos como filtros espaço-temporais separáveis (IKEDA e WRIGHT, 1975a; TOLHURST e MOVSHON, 1975; FOSTER et al., 1985; BAKER e CYNADER, 1988; FRIEND e BAKER, 1993; LEVITT et al., 1994; porém, ver BISTI et al., 1985). A mesma conclusão se aplica à maioria dos neurônios do wulst. Entretanto, ao contrário desses estudos mais antigos, e em linha com Priebe et al. (2006), relatamos a existência de uma proporção significativa (~ 30%) de neurônios com perfis de seletividade inseparáveis, o que pode não ter sido notado em estudos anteriores por razões metodológicas (por exemplo, protocolos de estimulação, procedimentos analíticos e tamanhos amostrais muito reduzidos em alguns dos estudos). De qualquer maneira, o que a distribuição unimodal de valores de ε sugere é que um contínuo de perfis de seletividade espaço-temporal, e não duas categorias extremas, existe no wulst, uma conclusão também alcançada por todos os estudos em V1 e MT que utilizaram a mesma metodologia que a presente investigação (PRIEBE et al., 2003, 2006; LUI et al., 2007). O presente estudo ainda traz à tona duas diferenças inter-específicas interessantes que merecem maior escrutínio: 1) A falta de qualquer relação óbvia entre o grau de dependência espaço-temporal e propriedades de resposta específicas, tais como modulação por luminância e grau de direcionalidade no wulst, o que complica, mas não nega, a elaboração de um esquema hierárquico intra-área de computação de velocidade, como o que Priebe et al. (2006) demonstraram em V1 entre as células simples e complexas. 2) O fato curioso de que a distribuição de ε encontrada no wulst é muito semelhante à da área MT de micos (LUI et al., 2007), sendo deslocada para a esquerda em comparação a V1 do macaco rhesus (PRIEBE et al., 2006). A habilidade de fazer julgamentos precisos sobre a velocidade de objetos em movimento independente de outros atributos físicos que definem tais objetos (por exemplo, distância, textura, forma) é supostamente necessária para a sobrevivência de um predador como a coruja. Sendo altamente influenciados pelo conteúdo

101

espectral espacial de estímulos, os sinais neuronais do wulst, por si só, parecem inadequados para a realização de tais julgamentos, assim como o são para a direção de movimento (ver capítulo 4 e BARON et al., 2007). Isso levanta a questão central de como estimativas não ambíguas de movimento são computadas no cérebro da coruja. O modelo WIM, recentemente desenvolvido por Perrone e colaboradores, tem fornecido uma solução elegante e biologicamente realista a esse problema no córtex visual de primatas (PERRONE e THIELE, 2002; PERRONE, 2004, 2005, 2006; PERRONE e KRAUZLIS, 2008). Os resultados deste estudo mostram que o wulst atende aos pré-requisitos desse modelo. Além disso, tendo alimentado o modelo com os dados brutos de resposta obtidos aqui, fornecemos evidências de que, dadas certas restrições (ver subseção 5.3), um deslocamento substancial em direção à seletividade à velocidade emerge do modelo mesmo quando confrontado com uma distribuição realista de perfis de seletividade espaço-temporal. Dada a natureza distribuída das projeções que saem do wulst (KARTEN et al., 1973; SHIMIZU et al., 1995), a implementação neural do modelo WIM no cérebro da coruja seria um esquema computacionalmente eficiente para despachar sinais incipientes de velocidade do wulst para diversas áreas visuais e visuo-motoras.

102

6. DISCUSSÃO GERAL E CONSIDERAÇÕES FINAIS

6.1. Resumo dos Achados Principais

O presente trabalho mostra que o processamento do movimento é uma característica central da fisiologia do wulst visual da coruja. Os principais achados podem ser resumidos da seguinte forma: 1) a maioria dos neurônios do wulst é seletiva para direção do movimento e freqüência espaço-temporal de grades; 2) as células dessa área não são capazes de integrar a direção global do movimento de padrões xadrez; 3) a resposta seletiva às grades componentes dos padrões xadrez é elaborada durante os primeiros 150 – 200 ms de apresentação do estímulo; 4) há evidências de que existe uma organização funcional de freqüência espaço-temporal no wulst; 5) a maioria das células dessa região é seletiva à FE e FT de forma independente, mas cerca de 30% dos neurônios exibem seletividade intermediária ou completa para a velocidade das grades; e 6) os resultados da simulação com um modelo cortical de seletividade à velocidade reforçam a noção de que os mecanismos de resposta relacionada ao movimento visual no wulst são similares aos de V1, no momento em que os sinais do wulst podem, em teoria, ser combinados para criar representações invariantes da velocidade de um estímulo.

6.2. Direções Futuras

6.2.1. Código Populacional do Movimento Visual

Este trabalho privilegiou a análise da resposta de neurônios individuais a estímulos em movimento, como uma forma de obter informações básicas acerca da fisiologia do wulst visual no tocante ao processamento dessa dimensão do estímulo. Essa abordagem, contudo, não permite investigar a possibilidade de que o vetor global de movimento seja sinalizado no nível populacional. Teoricamente, existem várias

103

vantagens em se criar um código populacional dinâmico para propriedades várias de um estímulo (HEBB, 1949; SINGER e GRAY, 1995). Diversas evidências experimentais sugerem que, de fato, o sistema visual emprega essa estratégia: seus neurônios podem se engajar em uma atividade síncrona, criando assim uma relação temporal que codifica características semelhantes de um estímulo e/ou separa um estímulo de outro (ver, por exemplo, GRAY et al., 1989; CASTELO-BRANCO et al., 2000; para revisões ver SINGER e GRAY, 1995; SINGER, 1999). Sendo assim, seria interessante investigar se esses códigos temporais dinâmicos também estão presentes no wulst visual da coruja, o que poderia ser feito de duas maneiras: pela análise da coerência temporal entre a atividade de neurônios isolados e pela investigação da presença de estruturas temporais oscilatórias nos sinais de potencial de campo local (LFP). Esses últimos são sinais adquiridos com o mesmo eletrodo e que refletem a atividade sináptica em um raio de cerca de 200 micrômetros ao redor da ponta do eletrodo (SINGER e GRAY, 1995).

6.2.2. Uma Solução Alternativa para o Problema da Abertura

Uma inspeção da Figura 1 mostra que, em teoria, é possível recuperar a direção de movimento global de um objeto bidimensional em translação se de alguma forma se rastrear características do estímulo que contêm informações sobre suas duas dimensões. No caso do losango, as quinas se prestariam a essa função, como ilustra a figura. É interessante notar, conforme explicado no capítulo de introdução, que algumas células do córtex visual primário sabidamente são capazes de sinalizar informações bidimensionais de estímulos. Essas células, denominadas de hipercomplexas por Hubel e Wiesel (1968), respondem melhor para contornos orientados quando esses terminam dentro de seu campo, um fenômeno conhecido como seletividade para o comprimento (length tuning), end inhibition ou end stopping (PACK, 2001). Até recentemente, no entanto, permaneceu incerto se essa capacidade teórica de resolver o problema da abertura por meio da sinalização de informações 2D estava de fato presente em células hipercomplexas. Em dois estudos elegantes, Pack e colaboradores demonstraram que isso de fato ocorre tanto em MT (PACK e BORN, 2001), quanto em V1 (PACK et al., 2003). Em congruência com Pettigrew (1979), achados preliminares do nosso laboratório

104

sugerem que o fenômeno de end stopping também ocorre no wulst visual de corujas-buraqueiras (dados não publicados), levantando a questão de se essas células seriam também capazes de resolver o problema da abertura. Isso seria um tema muito interessante para um trabalho futuro.

6.2.3. Onde os Sinais de Movimento São Integrados?

Como mencionado anteriormente, considerando os dados descritos no presente trabalho, é razoável especular que a computação do movimento global no cérebro da coruja pode ser levada a cabo por uma via que inclui o wulst como estágio inicial, uma hipótese que deverá ser testada por trabalhos futuros. A sede de um suposto segundo estágio de processamento do movimento visual no cérebro das corujas, no entanto, não é conhecida. Para ser validada como tal sede, essa área teria que satisfazer alguns critérios, a saber: 1) receber projeções do wulst; 2) ter uma quantidade significativa de neurônios direcionais com seletividade para velocidade e para o movimento global de padrões xadrez; e 3) depender das aferências do wulst para exibir tais propriedades fisiológicas; em outras palavras, a eliminação da atividade neuronal do wulst deveria resultar do desaparecimento das propriedades de integração de movimento. Com base no primeiro critério, diversas áreas dentro e fora do telencéfalo podem ser candidatas (KARTEN et al., 1973; SHIMIZU et al., 1995; WYLIE et al., 2005). Vária delas, como o perientopalio (região externa do entopalio), teto óptico e pré-teto, contêm neurônios sensíveis a movimento (KARTEN et al., 1973; SHIMIZU e BOWERS, 1999; DENG, 2006). Em corujas-buraqueiras, em particular, o perientopalio recebe uma grande projeção topograficamente organizada do wulst visual (KARTEN et al., 1973), em semelhança a projeções enviadas pelo córtex estriado de mamíferos ao córtex extra-estriado particularmente MT. Fisiologicamente, os neurônios do entopalio são caracterizados por grandes campos receptores e sensibilidade à direção de movimento (GU et al., 2002) e são modulados por neurônios eferentes do wulst visual (ENGELAGE e BISCHOF, 1994). Seria interessante, portanto, avaliar se neurônios do entopalio (ou, mais especificamente, perientopalio) são capazes de integrar o movimento global de padrões xadrez e/ou sinalizar a velocidade de grades independentemente de sua freqüência espacial. Além disso, seria crucial investigar os efeitos da desativação

105

farmacológica e/ou lesão do wulst sobre as propriedades dos campos receptores no entopalio, bem como avaliar os efeitos comportamentais de lesões nessas duas estruturas.

6.3. Nota de Conclusão

Concluindo, está claro que muito ainda resta a ser feito para se entender a base neural da integração do movimento no cérebro da coruja. Tal compreensão, além de possuir valor intrínseco, certamente ajudará a esclarecer até que ponto a via talamofugal da coruja é funcionalmente análoga à dos primatas e carnívoros. Diversos estudos relataram que neurônios na camada superior do wulst exibem algumas propriedades de visão de nível intermediário que normalmente são atribuídas a regiões extra-estriadas em mamíferos (PETTIGREW, 1979; NIEDER e WAGNER, 1999, 2000; LIU e PETTIGREW, 2003). Devido a esses achados, ainda restam dúvidas se uma analogia funcional estrita entre o wulst visual e o córtex estriado pode ser postulada. Pelo menos no domínio específico do movimento, os presentes resultados reforçam a idéia de que o wulst pode, de fato, ser considerado como uma área telencefálica visual primária, muito semelhante a V1.

106

7. REFERÊNCIAS BIBLIOGRÁFICAS

ADELSON, E. H.; BERGEN, J. R. Spatiotemporal energy models for the perception of motion. J Opt Soc Am A, Opt Im Sci, v.2, n.2, p.284-299, 1985.

ADELSON, E. H.; MOVSHON, J. A. Phenomenal coherence of moving visual patterns. Nature, v.300, n.5892, p.523-525, 1982.

ALBRIGHT, T. D. Direction and orientation selectivity of neurons in visual area MT of the macaque. J Neurophysiol, v.52, n.6, p.1106-1130, 1984.

ALBRIGHT, T. D. Centrifugal Directional Bias in the Middle Temporal Visual Area (Mt) of the Macaque. Visual Neuroscience, v.2, n.2, p.177-188, 1989.

ALBRIGHT, T. D.; STONER, G. R. Visual motion perception. Proc Natl Acad Sci USA, v.92, n.7, p.2433-2440, 1995.

ANDERSEN, R. A. Neural mechanisms of visual motion perception in primates. Neuron, v.18, n.6, p.865-872, 1997.

BAKER, C. L.; CYNADER, M. S. Space-time separability of direction selectivity in cat striate cortex neurons. Vision Res, v.28, n.2, p.239-246, 1988.

BAKER, G. E.; THOMPSON, I. D.; KRUG, K.; SMYTH, D.; TOLHURST, D. J. Spatial-frequency tuning and geniculocortical projections in the visual cortex (areas 17 and 18) of the pigmented ferret. Eur J Neurosci, v.10, n.8, p.2657-2668, 1998.

BARLOW, H. B.; BLAKEMORE, C.; PETTIGREW, J. D. The neural mechanism of binocular depth discrimination. J Physiol, v.193, n.2, p.327-342, 1967.

BARON, J.; PINTO, L.; DIAS, M. O.; LIMA, B.; NEUENSCHWANDER, S. Directional responses of visual wulst neurones to grating and plaid patterns in the awake owl. Eur J Neurosci, v.26, n.7, p.1950-1968, 2007.

BAUMAN, L. A.; BONDS, A. B. Inhibitory refinement of spatial frequency selectivity in single cells of the cat striate cortex. Vision Res, v.31, n.6, p.933-44, 1991.

107

BINGMAN, V. P.; GASSER, B.; COLOMBO, M. Responses of pigeon (Columba livia) Wulst neurons during acquisition and reversal of a visual discrimination task. Behav Neurosci, v.122, n.5, p.1139-47, 2008.

BISTI, S.; CARMIGNOTO, G.; GALLI, L.; MAFFEI, L. Spatial-frequency characteristics of neurones of area 18 in the cat: dependence on the velocity of the visual stimulus. J Physiol, v.359, p.259-68, 1985.

BLAKEMORE, C.; TOBIN, E. A. Lateral Inhibition between Orientation Detectors in Cats Visual Cortex. Exp Brain Res, v.15, n.4, p.439-441, 1972.

BONDS, A. B. Role of Inhibition in the Specification of Orientation Selectivity of Cells in the Cat Striate Cortex. Visual Neuroscience, v.2, n.1, p.41-55, 1989.

BORN, R. T.; BRADLEY, D. C. Structure and function of visual area MT. Annu Rev Neurosci, v.28, p.157-189, 2005.

BRADLEY, D. C.; GOYAL, M. Velocity computation in the primate visual system. Nat Rev Neurosci, v.9, n.9, p.686-695, 2008.

BRADLEY, D. C.; QIAN, N.; ANDERSEN, R. A. Integration of motion and stereopsis in middle temporal cortical area of macaques. Nature, v.373, n.6515, p.609-611, 1995.

BRADSHAW, M. F.; CUMMING, B. G. The direction of retinal motion facilitates binocular stereopsis. Proc Biol Sci, v.264, n.1387, p.1421-1427, 1997.

BREDFELDT, C. E.; RINGACH, D. L. Dynamics of spatial frequency tuning in macaque V1. J Neurosci, v.22, n.5, p.1976-84, 2002.

BRITTEN, K. H.; NEWSOME, W. T. Tuning bandwidths for near-threshold stimuli in area MT. J Neurophysiol, v.80, n.2, p.762-770, 1998.

BRITTO, L. R.; GASPAROTTO, O. C.; HAMASSAKI, D. E. Visual telencephalon modulates directional selectivity of accessory optic neurons in pigeons. Vis Neurosci, v.4, n.1, p.3-10, 1990.

108

BUDZYNSKI, C. A.; BINGMAN, V. P. Participation of the thalamofugal visual pathway in a coarse pattern discrimination task in an open arena. Behav Brain Res, v.153, n.2, p.543-556, 2004.

CAMPBELL, F. W.; CLELAND, B. G.; COOPER, G. F.; ENROTH-CUGELL, C. The angular selectivity of visual cortical cells to moving gratings. J Physiol (Lond), v.198, n.1, p.237-250, 1968.

CAMPBELL, F. W.; COOPER, G. F.; ENROTH-CUGELL, C. The spatial selectivity of the visual cells of the cat. J Physiol (Lond), v.203, n.1, p.223-235, 1969.

CAMPBELL, F. W.; ROBSON, J. G. Application of Fourier analysis to the visibility of gratings. J Physiol (Lond), v.197, n.3, p.551-566, 1968.

CARANDINI, M.; BARLOW, H. B.; O'KEEFE, L. P.; POIRSON, A. B.; MOVSHON, J. A. Adaptation to contingencies in macaque primary visual cortex. Philos Trans R Soc Lond, B, Biol Sci, v.352, n.1358, p.1149-1154, 1997.

CARANDINI, M.; FERSTER, D. Membrane potential and firing rate in cat primary visual cortex. J Neurosci, v.20, n.1, p.470-484, 2000.

CARPENTER, G. A.; GROSSBERG, S. Discovering Order in Chaos - Stable Self-Organization of Neural Recognition Codes. Ann NY Acad Sci, v.504, p.33-51, 1987.

CASTELLO-BRANCO, E. C.; BOTELHO, E. P.; SOARES, J. G. M.; BOHÓRQUEZ MAHECHA, G. A.; GATTASS, R.; BARON, J. Layer-specific distribution of cytochrome oxidase and calcium-binding proteins in the visual Wulst of the owl. XX Reunião Anual da Federação de Sociedades Brasileiras de Biologia Experimental - FeSBE, Águas de Lindóia, SP, 2005.

CASTELO-BRANCO, M.; GOEBEL, R.; NEUENSCHWANDER, S.; SINGER, W. Neural synchrony correlates with surface segregation rules. Nature, v.405, n.6787, p.685-689, 2000.

COOK, R. G. (Ed.) Avian Visual Cognition, 2001. Disponível em: <http://www.pigeon.psy.tufts.edu/avc>. Acesso em: 26 fev. 2009.

COOPER, M. L.; PETTIGREW, J. D. Neurophysiological Determination of the Vertical Horopter in the Cat and Owl. J Comp Neurol, v.184, n.1, p.1-25, 1979.

109

COULOMBE, H. N. Behavior and population ecology of the burrowing owl, Speotyto cunicularia, in the Imperial Valley of California. Condor, v.73, p.162-176, 1971.

CROWDER, N. A.; DICKSON, C. T.; WYLIE, D. R. Telencephalic input to the pretectum of pigeons: an electrophysiological and pharmacological inactivation study. J Neurophysiol, v.91, n.1, p.274-285, 2004.

CROWDER, N. A.; WYLIE, D. R. Responses of optokinetic neurons in the pretectum and accessory optic system of the pigeon to large-field plaids. J Comp Physiol A Neuroethol Sens Neural Behav Physiol, v.188, n.2, p.109-119, 2002.

DANIEL, C.; WOOD, F. S. Fitting Equations to Data: Computer Analysis of Multifactor Data. New York: Wiley, 1980, 458 p.

DE BRITTO, L. R.; BRUNELLI, M.; FRANCESCONI, W.; MAGNI, F. Visual response pattern of thalamic neurons in the pigeon. Brain Res, v.97, n.2, p.337-343, 1975.

DE VALOIS, R. L.; ALBRECHT, D. G.; THORELL, L. G. Spatial frequency selectivity of cells in macaque visual cortex. Vision Res, v.22, n.5, p.545-559, 1982.

DE VALOIS, R. L.; COTTARIS, N. P.; MAHON, L. E.; ELFAR, S. D.; WILSON, J. A. Spatial and temporal receptive fields of geniculate and cortical cells and directional selectivity. Vision Res, v.40, n.27, p.3685-3702, 2000.

DEANGELIS, G. C.; ROBSON, J. G.; OHZAWA, I.; FREEMAN, R. D. Organization of suppression in receptive fields of neurons in cat visual cortex. J Neurophysiol, v.68, n.1, p.144-163, 1992.

DEBRUYN, E. J.; CASAGRANDE, V. A.; BECK, P. D.; BONDS, A. B. Visual resolution and sensitivity of single cells in the primary visual cortex (V1) of a nocturnal primate (bush baby): correlations with cortical layers and cytochrome oxidase patterns. J Neurophysiol, v.69, n.1, p.3-18, 1993.

DENG, C. Relative contributions of the two visual pathways to avian behavior. Acta Zool Sin, v.52 (Suppl), p.379-383, 2006.

DENG, C.; ROGERS, L. J. Organization of intratelencephalic projections to the visual Wulst of the chick. Brain Res, v.856, n.1-2, p.152-162, 2000.

110

DIOGO, A. C.; SOARES, J. G.; KOULAKOV, A.; ALBRIGHT, T. D.; GATTASS, R. Electrophysiological imaging of functional architecture in the cortical middle temporal visual area of Cebus apella monkey. J Neurosci, v.23, n.9, p.3881-3898, 2003.

DOMINI, F.; CAUDEK, C.; TASSINARI, H. Stereo and motion information are not independently processed by the visual system. Vision Res, v.46, n.11, p.1707-23, 2006.

EMERY, N. J. Cognitive ornithology: the evolution of avian intelligence. Philos Trans R Soc Lond, B, Biol Sci, v.361, p.23-43, 2006.

ENGELAGE, J.; BISCHOF, H. J. Visual wulst influences on flash evoked responses in the ectostriatum of the zebra finch. Brain Res, v.652, n.1, p.17-27, 1994.

FELLEMAN, D. J.; KAAS, J. H. Receptive-field properties of neurons in middle temporal visual area (MT) of owl monkeys. J Neurophysiol, v.52, n.3, p.488-513, 1984.

FENNEMA, C. L.; THOMPSON, W. B. Velocity Determination in Scenes Containing Several Moving Objects. Comput Graph Im Process, v.9, n.4, p.301-315, 1979.

FERSTER, D. Assembly of receptive fields in primary visual cortex. In: CHALUPA, L. M.; WERNER, J. S. (Eds.). The Visual Neurosciences. Cambridge, MA: A Bradford Book, The MIT Press, v.1, 2004, p.695-703.

FITE, K. V. Anatomical and behavioral correlates of visual acuity in the Great Horned Owl. Vision Res, v.13, n.2, p.219-30, 1973.

FOSTER, K. H.; GASKA, J. P.; NAGLER, M.; POLLEN, D. A. Spatial and temporal frequency selectivity of neurones in visual cortical areas V1 and V2 of the macaque monkey. J Physiol (Lond), v.365, p.331-363, 1985.

FRIEND, S. M.; BAKER, C. L., JR. Spatio-temporal frequency separability in area 18 neurons of the cat. Vision Res, v.33, n.13, p.1765-71, 1993.

GIRMAN, S. V.; SAUVÉ, Y.; LUND, R. D. Receptive field properties of single neurons in rat primary visual cortex. J Neurophysiol, v.82, n.1, p.301-311, 1999.

111

GIZZI, M. S.; KATZ, E.; SCHUMER, R. A.; MOVSHON, J. A. Selectivity for orientation and direction of motion of single neurons in cat striate and extrastriate visual cortex. J Neurophysiol, v.63, n.6, p.1529-1543, 1990.

GRAY, C. M.; KÖNIG, P.; ENGEL, A. K.; SINGER, W. Oscillatory responses in cat visual cortex exhibit inter-columnar synchronization which reflects global stimulus properties. Nature, v.338, n.6213, p.334-337, 1989.

GROSSBERG, S.; MINGOLLA, E.; VISWANATHAN, L. Neural dynamics of motion integration and segmentation within and across apertures. Vision Res, v.41, n.19, p.2521-2553, 2001.

GRZYWACZ, N. M.; YUILLE, A. L. A model for the estimate of local image velocity by cells in the visual cortex. Proc R Soc Lond B Biol Sci, v.239, n.1295, p.129-61, 1990.

GU, Y.; WANG, Y.; ZHANG, T.; WANG, S. R. Stimulus size selectivity and receptive field organization of ectostriatal neurons in the pigeon. J Comp Physiol A Neuroethol Sens Neural Behav Physiol, v.188, n.3, p.173-178, 2002.

GUO, K.; BENSON, P. J.; BLAKEMORE, C. Pattern motion is present in V1 of awake but not anaesthetized monkeys. Eur J Neurosci, v.19, n.4, p.1055-1066, 2004.

GUR, M.; KAGAN, I.; SNODDERLY, D. M. Orientation and direction selectivity of neurons in V1 of alert monkeys: functional relationships and laminar distributions. Cereb Cortex, v.15, n.8, p.1207-1221, 2005.

HAHMANN, U.; GUNTURKUN, O. The visual acuity for the lateral visual field of the pigeon (Columba livia). Vision Res, v.33, n.12, p.1659-1664, 1993.

HAMASSAKI, D. E.; GASPAROTTO, O. C.; NOGUEIRA, M. I.; BRITTO, L. R. Telencephalic and pretectal modulation of the directional selectivity of accessory optic neurons in the pigeon. Braz J Med Biol Res, v.21, n.3, p.649-652, 1988.

HAMILTON, D. B.; ALBRECHT, D. G.; GEISLER, W. S. Visual cortical receptive fields in monkey and cat: spatial and temporal phase transfer function. Vision Res, v.29, n.10, p.1285-1308, 1989.

112

HAMMOND, P.; POMFRETT, C. J. Influence of spatial frequency on tuning and bias for orientation and direction in the cat's striate cortex. Vision Res, v.30, n.3, p.359-369, 1990.

HARMENING, W. M. Fundamentals of spatial vision in the barn owl (Tyto alba pratincola): Ocular aberrations, grating acuity, constrast sensitivity, and vernier acuity. Tese de Doutorado. Aachen, 2008, 111 p.

HARTIGAN, J. A.; HARTIGAN, P. M. The dip test of unimodality. Ann Statist, v.13, n.1, p.70-84, 1985.

HARTIGAN, P. M. Algorithm AS 217: Computation of the Dip Statistic to Test for Unimodality. Appl Statist, p.320-325, 1985.

HAWKEN, M. J.; PARKER, A. J. Spatial properties of neurons in the monkey striate cortex. Proc R Soc Lond, B, Biol Sci, v.231, n.1263, p.251-288, 1987.

HAWKEN, M. J.; PARKER, A. J.; LUND, J. S. Laminar organization and contrast sensitivity of direction-selective cells in the striate cortex of the Old World monkey. J Neurosci, v.8, n.10, p.3541-3548, 1988.

HAWKEN, M. J.; SHAPLEY, R. M.; GROSOF, D. H. Temporal-frequency selectivity in monkey visual cortex. Vis Neurosci, v.13, n.3, p.477-492, 1996.

HEBB, D. O. The Organization of Behavior. New York: Wiley, 1949, 335 p.

HEEGER, D. J. Model for the extraction of image flow. J Opt Soc Am A, Opt Im Sci, v.4, n.8, p.1455-1471, 1987.

HEIMEL, J. A.; VAN HOOSER, S. D.; NELSON, S. B. Laminar organization of response properties in primary visual cortex of the gray squirrel (Sciurus carolinensis). J Neurophysiol, v.94, n.5, p.3538-3554, 2005.

HENRY, G. H.; BISHOP, P. O.; DREHER, B. Orientation, axis and direction as stimulus parameters for striate cells. Vision Res, v.14, n.9, p.767-777, 1974.

HODOS, W.; BONBRIGHT, J. C. Intensity difference thresholds in pigeons after lesions of the tectofugal and thalamofugal visual pathways. J Comp Physiol Psychol, v.87, n.6, p.1013-31, 1974.

113

HODOS, W.; KARTEN, H. J. Visual intensity and pattern discrimination deficits after lesions of ectostriatum in pigeons. J Comp Neurol, v.140, n.1, p.53-68, 1970.

HUANG, X.; ALBRIGHT, T. D.; STONER, G. R. Adaptive surround modulation in cortical area MT. Neuron, v.53, n.5, p.761-770, 2007.

HUBEL, D. H.; WIESEL, T. N. Receptive fields, binocular interaction and functional architecture in the cat's visual cortex. J Physiol (Lond), v.160, p.106-154, 1962.

HUBEL, D. H.; WIESEL, T. N. Receptive fields and functional architecture of monkey striate cortex. J Physiol (Lond), v.195, n.1, p.215-243, 1968.

HUBEL, D. H.; WIESEL, T. N. Ferrier lecture. Functional architecture of macaque monkey visual cortex. Proc R Soc Lond B Biol Sci, v.198, n.1130, p.1-59, 1977.

HUBEL, D. H.; WIESEL, T. N.; STRYKER, M. P. Anatomical demonstration of orientation columns in macaque monkey. J Comp Neurol, v.177, n.3, p.361-80, 1978.

HUMPHREY, A. L.; SAUL, A. B. Strobe rearing reduces direction selectivity in area 17 by altering spatiotemporal receptive-field structure. J Neurophysiol, v.80, n.6, p.2991-3004, 1998.

IKEDA, H.; WRIGHT, M. J. Spatial and Temporal Properties of 'Sustained' and 'Transient' Neurones in Area 17 of the Cat's Visual Cortex. Exp Brain Res, v.22, p.363-383, 1975a.

IKEDA, H.; WRIGHT, M. J. Retinotopic Distribution, Visual Latency and Orientation Tuning of 'Sustained' and 'Transient' Neurones in Area 17 of the Cat. Exp Brain Res, v.22, p.385-398, 1975b.

IWANIUK, A. N.; HEESY, C. P.; HALL, M. I.; WYLIE, D. R. Relative Wulst volume is correlated with orbit orientation and binocular visual field in birds. J Comp Physiol A Neuroethol Sens Neural Behav Physiol, v.164, n.3, p.267-282, 2008.

IWANIUK, A. N.; HURD, P. L. The evolution of cerebrotypes in birds. Brain Behav Evol, v.65, n.4, p.215-230, 2005.

114

IWANIUK, A. N.; WYLIE, D. R. The evolution of stereopsis and the Wulst in caprimulgiform birds: A comparative analysis. J Comp Physiol A Neuroethol Sens Neural Behav Physiol, v.192, n.12, p.1313-1326, 2006.

JASSIK-GERSCHENFELD, D.; TEULON, J.; ROPERT, N. Visual receptive field types in the nucleus dorsolateralis anterior of the pigeon's thalamus. Brain Res, v.108, n.2, p.295-306, 1976.

KARTEN, H. J.; HODOS, W.; NAUTA, W. J.; REVZIN, A. M. Neural connections of the "visual wulst" of the avian telencephalon. Experimental studies in the piegon (Columba livia) and owl (Speotyto cunicularia). J Comp Neurol, v.150, n.3, p.253-278, 1973.

KNUDSEN, E. I. Auditory and visual maps of space in the optic tectum of the owl. J Neurosci, v.2, n.9, p.1177-1194, 1982.

KULIKOWSKI, J. J.; BISHOP, P. O. Linear analysis of the responses of simple cells in the cat visual cortex. Exp Brain Res, v.44, n.4, p.386-400, 1981.

LAGAE, L.; RAIGUEL, S.; ORBAN, G. A. Speed and direction selectivity of macaque middle temporal neurons. J Neurophysiol, v.69, n.1, p.19-39, 1993.

LEVITT, J. B.; KIPER, D. C.; MOVSHON, J. A. Receptive fields and functional architecture of macaque V2. J Neurophysiol, v.71, n.6, p.2517-2542, 1994.

LEWICKI, M. S. A review of methods for spike sorting: the detection and classification of neural action potentials. Network (Bristol, England), v.9, n.4, p.R53-78, 1998.

LI, B.; CHEN, Y.; LI, B. W.; WANG, L. H.; DIAO, Y. C. Pattern and component motion selectivity in cortical area PMLS of the cat. Eur J Neurosci, v.14, n.4, p.690-700, 2001.

LIU, G. B.; PETTIGREW, J. D. Orientation mosaic in barn owl's visual Wulst revealed by optical imaging: comparison with cat and monkey striate and extra-striate areas. Brain Res, v.961, n.1, p.153-158, 2003.

LUI, L. L.; BOURNE, J. A.; ROSA, M. G. Spatial and temporal frequency selectivity of neurons in the middle temporal visual area of new world monkeys (Callithrix jacchus). Eur J Neurosci, v.25, n.6, p.1780-92, 2007.

115

MACPHAIL, E. M. Effects of hyperstriatal lesions on within-day serial reversal performance in pigeons. Physiol Behav, v.16, n.5, p.529-36, 1976.

MAFFEI, L.; FIORENTINI, A. The visual cortex as a spatial frequency analyser. Vision Res, v.13, n.7, p.1255-1267, 1973.

MAJAJ, N. J.; CARANDINI, M.; MOVSHON, J. A. Motion integration by neurons in macaque MT is local, not global. J Neurosci, v.27, n.2, p.366-370, 2007.

MARR, D.; ULLMAN, S. Directional selectivity and its use in early visual processing. Proc R Soc Lond B Biol Sci, v.211, n.1183, p.151-180, 1981.

MARTIN, G. R. The visual fields of the tawny owl, Strix aluco L. Vision Res, v.24, n.12, p.1739-1751, 1984.

MARTIN, G. R.; GORDON, I. E. Visual acuity in the tawny owl (Strix aluco). Vision Res, v.14, n.12, p.1393-7, 1974.

MAUNSELL, J. H.; VAN ESSEN, D. C. Functional properties of neurons in middle temporal visual area of the macaque monkey. I. Selectivity for stimulus direction, speed, and orientation. J Neurophysiol, v.49, n.5, p.1127-1147, 1983.

MECHLER, F.; RINGACH, D. L. On the classification of simple and complex cells. Vision Res, v.42, n.8, p.1017-1033, 2002.

MEDINA, L.; REINER, A. Do birds possess homologues of mammalian primary visual, somatosensory and motor cortices? Trends Neurosci, v.23, n.1, p.1-12, 2000.

MERABET, L.; DESAUTELS, A.; MINVILLE, K.; CASANOVA, C. Motion integration in a thalamic visual nucleus. Nature, v.396, n.6708, p.265-268, 1998.

MICELI, D.; GIOANNI, H.; REPERANT, J.; PEYRICHOU, J. The avian visual wulst: I. An anatomical study of afferent and efferent pathways. II. An electrophysiological study of the functional properties of single neurons. In: GRANADA, A. M.; MAXWELL, J. H. (Eds.). Neural Mechanisms of Behavior in the Pigeon. New York: Plenum Press, 1979, p.223-254.

116

MOORE, B. D.; ALITTO, H. J.; USREY, W. M. Orientation tuning, but not direction selectivity, is invariant to temporal frequency in primary visual cortex. J Neurophysiol, v.94, n.2, p.1336-1345, 2005.

MORGAN, B.; FROST, B. J. Visual response characteristics of neurons in nucleus of basal optic root of pigeons. Exp Brain Res, v.42, n.2, p.181-188, 1981.

MORRONE, M. C.; BURR, D. C.; MAFFEI, L. Functional Implications of Cross-Orientation Inhibition of Cortical Visual Cells. 1. Neurophysiological Evidence. Proc R Soc Lond B Biol Sci, v.216, n.1204, p.335-354, 1982.

MOVSHON, J. A.; ADELSON, E. H.; GIZZI, M. S.; NEWSOME, W. T. The analysis of moving visual patterns. In: CHAGAS, C.; GATTASS, R.; GROSS, C. G. (Eds.). Study Week on Pattern Recognition Mechanisms. Pont Acad Scient Scrip Varta. Vatican City: Vatican Press, v.54, 1985, p.117-151.

MOVSHON, J. A.; NEWSOME, W. T. Visual response properties of striate cortical neurons projecting to area MT in macaque monkeys. J Neurosci, v.16, n.23, p.7733-7741, 1996.

MOVSHON, J. A.; THOMPSON, I. D.; TOLHURST, D. J. Receptive field organization of complex cells in the cat's striate cortex. J Physiol (Lond), v.283, p.79-99, 1978a.

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), v.283, p.101-120, 1978b.

NIEDER, A.; WAGNER, H. Perception and neuronal coding of subjective contours in the owl. Nat Neurosci, v.2, n.7, p.660-663, 1999.

NIEDER, A.; WAGNER, H. Horizontal-disparity tuning of neurons in the visual forebrain of the behaving barn owl. J Neurophysiol, v.83, n.5, p.2967-2979, 2000.

NIEDER, A.; WAGNER, H. Encoding of both vertical and horizontal disparity in random-dot stereograms by Wulst neurons of awake barn owls. Vis Neurosci, v.18, n.4, p.541-547, 2001.

NIEDER, A.; WAGNER, H. Hierarchical processing of horizontal disparity information in the visual forebrain of behaving owls. J Neurosci, v.21, n.12, p.4514-4522, 2001.

117

NIELL, C. M.; STRYKER, M. P. Highly selective receptive fields in mouse visual cortex. J Neurosci, v.28, n.30, p.7520-7236, 2008.

NOGUEIRA, M. I.; BRITTO, L. R. Extraretinal modulation of accessory optic units in the pigeon. Braz J Med Biol Res, v.24, n.6, p.623-631, 1991.

NOWLAN, S. J.; SEJNOWSKI, T. J. A selection model for motion processing in area MT of primates. J Neurosci, v.15, n.2, p.1195-214, 1995.

OHAYON, S.; VAN DER WILLIGEN, R. F.; WAGNER, H.; KATSMAN, I.; RIVLIN, E. On the barn owl's visual pre-attack behavior: I. Structure of head movements and motion patterns. J Comp Physiol A Neuroethol Sens Neural Behav Physiol, v.192, n.9, p.927-40, 2006.

O'KEEFE, L. P.; LEVITT, J. B.; KIPER, D. C.; SHAPLEY, R. M.; MOVSHON, J. A. Functional organization of owl monkey lateral geniculate nucleus and visual cortex. J Neurophysiol, v.80, n.2, p.594-609, 1998.

OUELLETTE, B. G.; MINVILLE, K.; FAUBERT, J.; CASANOVA, C. Simple and complex visual motion response properties in the anterior medial bank of the lateral suprasylvian cortex. Neuroscience, v.123, n.1, p.231-245, 2004.

PACK, C. C. The aperture problem for visual motion and its solution in primate cortex. Sci Prog, v.84, n.Pt 4, p.255-266, 2001.

PACK, C. C.; BEREZOVSKII, V. K.; BORN, R. T. Dynamic properties of neurons in cortical area MT in alert and anaesthetised macaque monkeys. Nature, v.414, n.6866, p.905-908, 2001.

PACK, C. C.; BORN, R. T. Temporal dynamics of a neural solution to the aperture problem in visual area MT of macaque brain. Nature, v.409, n.6823, p.1040-1042, 2001.

PACK, C. C.; GARTLAND, A. J.; BORN, R. T. Integration of Contour and Terminator Signals in Visual Area MT of Alert Macaque. J Neurosci, v.24, n.13, p.3268-3280, 2004.

118

PACK, C. C.; LIVINGSTONE, M. S.; DUFFY, K. R.; BORN, R. T. End-stopping and the aperture problem: two-dimensional motion signals in macaque V1. Neuron, v.39, n.4, p.671-680, 2003.

PASTERNAK, T. Delayed matching performance after visual Wulst lesions in pigeons. J Comp Physiol Psychol, v.91, n.3, p.472-84, 1977.

PASTERNAK, T.; HODOS, W. Intensity difference thresholds after lesions of the visual Wulst in pigeons. J Comp Physiol Psychol, v.91, n.3, p.485-97, 1977.

PATEROMICHELAKIS, S. Response Properties of Visual Units in the Anterior Dorsolateral Thalamus of the Chick (Gallus domesticus). Experientia, v.37, n.3, p.279-280, 1981.

PERRONE, J. A. A visual motion sensor based on the properties of V1 and MT neurons. Vision Res, v.44, n.15, p.1733-1755, 2004.

PERRONE, J. A. Economy of scale: a motion sensor with variable speed tuning. J Vis, v.5, n.1, p.28-33, 2005.

PERRONE, J. A. A single mechanism can explain the speed tuning properties of MT and V1 complex neurons. J Neurosci, v.26, n.46, p.11987-11991, 2006.

PERRONE, J. A.; KRAUZLIS, R. J. Spatial integration by MT pattern neurons: A closer look at pattern-to-component effects and the role of speed tuning. J Vis, v.8, n.9, p.1-14, 2008.

PERRONE, J. A.; THIELE, A. Speed skills: measuring the visual speed analyzing properties of primate MT neurons. Nat Neurosci, v.4, n.5, p.526-532, 2001.

PERRONE, J. A.; THIELE, A. A model of speed tuning in MT neurons. Vision Res, v.42, n.8, p.1035-1051, 2002.

PETERSON, M. R.; LI, B.; FREEMAN, R. D. The derivation of direction selectivity in the striate cortex. J Neurosci, v.24, n.14, p.3583-3591, 2004.

PETKOV, N.; SUBRAMANIAN, E. Motion detection, noise reduction, texture suppression, and contour enhancement by spatiotemporal Gabor filters with surround inhibition. Biol Cybern, v.97, n.5-6, p.423-39, 2007.

119

PETTIGREW, J. D. Binocular Visual Processing in the Owl's Telencephalon. Proceedings of the Royal Society of London. Series B, v.204, n.1157, p.435-454, 1979.

PETTIGREW, J. D.; KONISHI, M. Neurons selective for orientation and binocular disparity in the visual Wulst of the barn owl (Tyto alba). Science, v.193, n.4254, p.675-678, 1976.

PINTO, L.; BARON, J. Is speed encoded in the owl visual wulst? 1st IBRO/LARC Congress of Neurosciences for Latin America, Caribbean and Iberian Peninsula, Buzios, RJ, 2008a.

PINTO, L.; BARON, J. Spatiotemporal frequency and speed tuning in the owl visual wulst. Society for Neuroscience Abstracts, 2008b.

PINTO, L.; BARON, J. Spatiotemporal frequency and speed tuning in the owl visual wulst. Submetido para publicação, 2009.

PINTO, L.; DIAS, M. O.; LIMA, B.; NEUENSCHWANDER, S.; BARON, J. Response of visual Wulst neurons to plaid patterns in the burrowing owl. XXI Reunião Anual da Federação de Sociedades Brasileiras de Biologia Experimental - FeSBE, Águas de Lindóia, SP, 2006.

PINTO, L.; DIAS, M. O.; LIMA, B.; NEUENSCHWANDER, S.; BARON, J. Steady-state and dynamical aspects of component direction selectivity in the visual Wulst of awake owls. II International Neurosciences Symposium of the IINN, Natal, RN, 2007a.

PINTO, L.; LIMA, B.; NEUENSCHWANDER, S.; BARON, J. Directional selectivity in the visual wulst of the awake owl: a comparison between grating and plaid patterns. Society for Neuroscience Abstracts, 2007b.

PINTO, L.; RADD, K.; NETO, R. B.; BARON, J. Spatiotemporal frequency tuning in the visual wulst of the owl. XXII Reunião Anual da Federação de Sociedades Brasileiras de Biologia Experimental - FeSBE, Águas de Lindóia, SP, 2007c.

PRIEBE, N. J.; CASSANELLO, C. R.; LISBERGER, S. G. The neural representation of speed in macaque area MT/V5. J Neurosci, v.23, n.13, p.5650-5561, 2003.

120

PRIEBE, N. J.; LISBERGER, S. G.; MOVSHON, J. A. Tuning for spatiotemporal frequency and speed in directionally selective neurons of macaque striate cortex. J Neurosci, v.26, n.11, p.2941-2950, 2006.

QIAN, N.; ANDERSEN, R. A. A physiological model for motion-stereo integration and a unified explanation of Pulfrich-like phenomena. Vision Res, v.37, n.12, p.1683-98, 1997.

REINER, A.; PERKEL, D. J.; BRUCE, L. L.; BUTLER, A. B.; CSILLAG, A.; KUENZEL, W.; MEDINA, L.; PAXINOS, G.; SHIMIZU, T.; STRIEDTER, G.; WILD, M.; BALL, G. F.; DURAND, S.; GÜNTÜRKÜN, O.; LEE, D. W.; MELLO, C. V.; POWERS, A.; WHITE, S. A.; HOUGH, G.; KUBIKOVA, L.; SMULDERS, T. V.; WADA, K.; DUGAS-FORD, J.; HUSBAND, S.; YAMAMOTO, K.; YU, J.; SIANG, C.; JARVIS, E. D.; GÜTÜRKÜN, O.; FORUM, A. B. N. Revised nomenclature for avian telencephalon and some related brainstem nuclei. J Comp Neurol, v.473, n.3, p.377-414, 2004.

RICHARDS, W. Structure from stereo and motion. J Opt Soc Am A, Opt Im Sci, v.2, n.2, p.343-349, 1985.

RODMAN, H. R.; ALBRIGHT, T. D. Coding of visual stimulus velocity in area MT of the macaque. Vision Res, v.27, n.12, p.2035-2048, 1987.

RODMAN, H. R.; ALBRIGHT, T. D. Single-Unit Analysis of Pattern-Motion Selective Properties in the Middle Temporal Visual Area (MT). Exp Brain Res, v.75, n.1, p.53-64, 1989.

ROGERS, B. J.; COLLETT, T. S. The appearance of surfaces specified by motion parallax and binocular disparity. Q J Exp Psychol A, v.41, n.4, p.697-717, 1989.

ROSE, D.; BLAKEMORE, C. An analysis of orientation selectivity in the cat's visual cortex. Exp Brain Res, v.20, n.1, p.1-17, 1974.

RUST, N. C.; MANTE, V.; SIMONCELLI, E. P.; MOVSHON, J. A. How MT cells analyze the motion of visual patterns. Nat Neurosci, v.9, n.11, p.1421-1431, 2006.

RUST, N. C.; MOVSHON, J. A. In praise of artifice. Nat Neurosci, v.8, n.12, p.1647-1650, 2005.

121

SCANNELL, J. W.; SENGPIEL, F.; TOVEE, M. J.; BENSON, P. J.; BLAKEMORE, C.; YOUNG, M. P. Visual motion processing in the anterior ectosylvian sulcus of the cat. J Neurophysiol, v.76, n.2, p.895-907, 1996.

SCHILLER, P. H.; FINLAY, B. L.; VOLMAN, S. F. Quantitative studies of single-cell properties in monkey striate cortex. II. Orientation specificity and ocular dominance. J Neurophysiol, v.39, n.6, p.1320-1333, 1976a.

SCHILLER, P. H.; FINLAY, B. L.; VOLMAN, S. F. Quantitative studies of single-cell properties in monkey striate cortex. III. Spatial frequency. J Neurophysiol, v.39, n.6, p.1334-1351, 1976b.

SHAPLEY, R.; LENNIE, P. Spatial frequency analysis in the visual system. Annu Rev Neurosci, v.8, p.547-583, 1985.

SHIMIZU, T.; BOWERS, A. N. Visual circuits of the avian telencephalon: evolutionary implications. Behav Brain Res, v.98, n.2, p.183-191, 1999.

SHIMIZU, T.; COX, K.; KARTEN, H. J. Intratelencephalic projections of the visual wulst in pigeons (Columba livia). J Comp Neurol, v.359, n.4, p.551-572, 1995.

SHOHAM, D.; HUBENER, M.; SCHULZE, S.; GRINVALD, A.; BONHOEFFER, T. Spatio-temporal frequency domains and their relation to cytochrome oxidase staining in cat visual cortex. Nature, v.385, n.6616, p.529-33, 1997.

SIMONCELLI, E. P.; HEEGER, D. J. A model of neuronal responses in visual area MT. Vision Res, v.38, n.5, p.743-761, 1998.

SIMPSON, J. I. The accessory optic system. Annu Rev Neurosci, v.7, p.13-41, 1984.

SINGER, W. Neuronal synchrony: a versatile code for the definition of relations? Neuron, v.24, n.1, p.49-65, 1999.

SINGER, W. Synchrony, Oscillations and Relational Codes. In: CHALUPA, L. M.; WERNER, J. S. (Eds.). The Visual Neurosciences. Cambridge, MA: A Bradford Book, The MIT Press, v.2, 2004, p.1665-1681.

122

SINGER, W.; GRAY, C. M. Visual Feature Integration and the Temporal Correlation Hypothesis. Ann Rev Neurosci, v.18, p.555-586, 1995.

SKOTTUN, B. C.; DE VALOIS, R. L.; GROSOF, D. H.; MOVSHON, J. A.; ALBRECHT, D. G.; BONDS, A. B. Classifying simple and complex cells on the basis of response modulation. Vision Res, v.31, n.7-8, p.1079-1086, 1991.

SMITH, M. A.; MAJAJ, N. J.; MOVSHON, J. A. Dynamics of motion signaling by neurons in macaque area MT. Nat Neurosci, v.8, n.2, p.220-228, 2005.

SNODDERLY, D. M.; GUR, M. Organization of striate cortex of alert, trained monkeys (Macaca fascicularis): ongoing activity, stimulus selectivity, and widths of receptive field activating regions. J Neurophysiol, v.74, n.5, p.2100-2125, 1995.

SPILLMANN, L. From elements to perception: local and global processing in visual neurons. Perception, v.28, n.12, p.1461-1492, 1999.

STEINBACH, M. J.; ANGUS, R. G.; MONEY, K. E. Torsional eye movements of the owl. Vision Res, v.14, n.8, p.745-746, 1974.

STEINBACH, M. J.; MONEY, K. E. Eye movements of the owl, Vision Res, 13, p.889-891, 1973.

SWINDALE, N. V.; GRINVALD, A.; SHMUEL, A. The spatial pattern of response magnitude and selectivity for orientation and direction in cat visual cortex. Cereb Cortex, v.13, n.3, p.225-238, 2003.

TINSLEY, C. J.; WEBB, B. S.; BARRACLOUGH, N. E.; VINCENT, C. J.; PARKER, A.; DERRINGTON, A. M. The nature of V1 neural responses to 2D moving patterns depends on receptive-field structure in the marmoset monkey. J Neurophysiol, v.90, n.2, p.930-937, 2003.

TOLHURST, D. J.; MOVSHON, J. A. Spatial and temporal contrast sensitivity of striate cortical neurones. Nature, v.257, n.5528, p.674-675, 1975.

TOLHURST, D. J.; THOMPSON, I. D. On the variety of spatial frequency selectivities shown by neurons in area 17 of the cat. Proc R Soc Lond, B, Biol Sci, v.213, n.1191, p.183-199, 1981.

123

TOOTELL, R. B.; HAMILTON, S. L.; SWITKES, E. Functional anatomy of macaque striate cortex. IV. Contrast and magno-parvo streams. J Neurosci, v.8, n.5, p.1594-1609, 1988.

TOOTELL, R. B.; SILVERMAN, M. S.; DE VALOIS, R. L. Spatial frequency columns in primary visual cortex. Science, v.214, n.4522, p.813-5, 1981.

TOOTELL, R. B.; SILVERMAN, M. S.; HAMILTON, S. L.; SWITKES, E.; DE VALOIS, R. L. Functional anatomy of macaque striate cortex. V. Spatial frequency. J Neurosci, v.8, n.5, p.1610-24, 1988.

TRUCCO, E.; VERRI, A. Introductory Techniques for 3-D Computer Vision. New Jersey: Prentice-Hall, 1998, 343 p.

VAN DER WILLIGEN, R. F.; FROST, B. J.; WAGNER, H. Stereoscopic depth perception in the owl. Neuroreport, v.9, n.6, p.1233-1237, 1998.

VAN DER WILLIGEN, R. F.; FROST, B. J.; WAGNER, H. Depth generalization from stereo to motion parallax in the owl. J Comp Physiol A Neuroethol Sens Neural Behav Physiol, v.187, n.12, p.997-1007, 2002.

VAN DER WILLIGEN, R. F.; FROST, B. J.; WAGNER, H. How owls structure visual information. Anim Cognit, v.6, n.1, p.39-55, 2003.

VAN HOOSER, S. D. Similarity and diversity in visual cortex: is there a unifying theory of cortical computation? Neuroscientist, v.13, n.6, p.639-56, 2007.

VAN WEZEL, R. J.; VAN DER SMAGT, M. J. Motion processing: how low can you go? Curr Biol, v.13, n.21, p.R840-R842, 2003.

WAGNER, H.; FROST, B. Disparity-sensitive cells in the owl have a characteristic disparity. Nature, v.364, n.6440, p.796-798, 1993.

WAGNER, H.; FROST, B. Binocular Responses of Neurons in the Barn Owls Visual Wulst. J Comp Physiol A Neuroethol Sens Neural Behav Physiol, v.174, n.6, p.661-670, 1994.

124

WATSON, A. B.; AHUMADA, A. J. Model of human visual-motion sensing. J Opt Soc Am A, Opt Im Sci, v.2, n.2, p.322-341, 1985.

WILD, J. M.; WILLIAMS, M. N. Rostral wulst of passerine birds: II. Intratelencephalic projections to nuclei associated with the auditory and song systems. J Comp Neurol, v.413, n.4, p.520-534, 1999.

WILSON, P. The organization of the visual hyperstriatum in the domestic chick. I. Topology and topography of the visual projection. Brain Res, v.188, n.2, p.319-332, 1980a.

WILSON, P. The organization of the visual hyperstriatum in the domestic chick. II. Receptive field properties of single units. Brain Res, v.188, n.2, p.333-345, 1980b.

WINSHIP, I. R.; CROWDER, N. A.; WYLIE, D. R. Quantitative reassessment of speed tuning in the accessory optic system and pretectum of pigeons. J Neurophysiol, v.95, n.1, p.546-551, 2006.

WYLIE, D. R.; CROWDER, N. A. Spatiotemporal properties of fast and slow neurons in the pretectal nucleus lentiformis mesencephali in pigeons. J Neurophysiol, v.84, n.5, p.2529-2540, 2000.

WYLIE, D. R.; FROST, B. J. Binocular neurons in the nucleus of the basal optic root (nBOR) of the pigeon are selective for either translational or rotational visual flow. Vis Neurosci, v.5, n.5, p.489-495, 1990.

WYLIE, D. R.; OGILVIE, C. J.; CROWDER, N. A.; BARKLEY, R. R.; WINSHIP, I. R. Telencephalic projections to the nucleus of the basal optic root and pretectal nucleus lentiformis mesencephali in pigeons. Vis Neurosci, v.22, n.2, p.237-247, 2005.

WYLIE, D. R.; SHAVER, S. W.; FROST, B. J. The visual response properties of neurons in the nucleus of the basal optic root of the northern saw-whet owl (Aegolius acadicus). Brain Behav Evol, v.43, n.1, p.15-25, 1994.

125

Livros Grátis( http://www.livrosgratis.com.br )

Milhares de Livros para Download: Baixar livros de AdministraçãoBaixar livros de AgronomiaBaixar livros de ArquiteturaBaixar livros de ArtesBaixar livros de AstronomiaBaixar livros de Biologia GeralBaixar livros de Ciência da ComputaçãoBaixar livros de Ciência da InformaçãoBaixar livros de Ciência PolíticaBaixar livros de Ciências da SaúdeBaixar livros de ComunicaçãoBaixar livros do Conselho Nacional de Educação - CNEBaixar livros de Defesa civilBaixar livros de DireitoBaixar livros de Direitos humanosBaixar livros de EconomiaBaixar livros de Economia DomésticaBaixar livros de EducaçãoBaixar livros de Educação - TrânsitoBaixar livros de Educação FísicaBaixar livros de Engenharia AeroespacialBaixar livros de FarmáciaBaixar livros de FilosofiaBaixar livros de FísicaBaixar livros de GeociênciasBaixar livros de GeografiaBaixar livros de HistóriaBaixar livros de Línguas

Baixar livros de LiteraturaBaixar livros de Literatura de CordelBaixar livros de Literatura InfantilBaixar livros de MatemáticaBaixar livros de MedicinaBaixar livros de Medicina VeterináriaBaixar livros de Meio AmbienteBaixar livros de MeteorologiaBaixar Monografias e TCCBaixar livros MultidisciplinarBaixar livros de MúsicaBaixar livros de PsicologiaBaixar livros de QuímicaBaixar livros de Saúde ColetivaBaixar livros de Serviço SocialBaixar livros de SociologiaBaixar livros de TeologiaBaixar livros de TrabalhoBaixar livros de Turismo