從日光到昆蟲導航
許多昆蟲離巢覓食後都能有效的找到回巢的方向，靠的是一路上精準的路徑積分，指出最初出發點的相對位置。而精確的方向感知是計算路徑的必要條件，昆蟲運用複眼上的特殊區域背側邊緣區（dorsal rim area, DRA），接收日光在空中形成的偏振分布判斷太陽位置，以此推算路途上個路徑的方向。然而將日光偏振現象轉換為方位的神經迴路機制尚不清楚，這邊介紹的文章針對這塊在現有的知識上建立一個可能的模型。
Barbara Web的研究團隊，長期以來專注於研究昆蟲導航、機器昆蟲的領域，關於昆蟲如透過中央複合體（central complex）神經網路來積分所經路徑的模型已在2017年提出[1]，今天這篇研究意在補齊路徑積分模型的上游──精準的方向認知。他們所提出的模型除了能將天空偏振現象轉換為方位外，還有對於傾斜和時間的補償，也就是當昆蟲並非將DRA與天頂對齊，又或是太陽位置隨時間偏移，此系統都能做出相應調整。網路結構分為三層，第一層為偏振光層（polarization layer, POL），接收DRA感光細胞的訊息，可視作天空半球投影，傾斜校正也在這裡完成；第二層，太陽方位層（solar layer, SOL），到這裡每一顆神經元都代表一個方位，藉由整合第一層的資訊，估算太陽的位置；第三層，實際方位層（true compass layer, TCL），在第二、三層之間加入的是時間與太陽運動的相關資訊，故能在時間層面上校正偏移的方位估算。此研究所提出的模型較著重於重現實際昆蟲行為為目的，在神經科學上的證據尚不完整，然而為仿生工程揭示一個很完整的應用情境。
撰文：姚皇宇
原始文獻：Gkanias, E., Risse, B., Mangan, M. & Webb, B. From skylight input to behavioural output: A computational model of the insect polarised light compass. PLOS Computational Biology 15, e1007123 (2019).
[1] Stone, T. et al. An Anatomically Constrained Model for Path Integration in the Bee Brain. Current Biology 27, 3069-3085.e11 (2017).
Barbara Web的研究團隊，長期以來專注於研究昆蟲導航、機器昆蟲的領域，關於昆蟲如透過中央複合體（central complex）神經網路來積分所經路徑的模型已在2017年提出[1]，今天這篇研究意在補齊路徑積分模型的上游──精準的方向認知。他們所提出的模型除了能將天空偏振現象轉換為方位外，還有對於傾斜和時間的補償，也就是當昆蟲並非將DRA與天頂對齊，又或是太陽位置隨時間偏移，此系統都能做出相應調整。網路結構分為三層，第一層為偏振光層（polarization layer, POL），接收DRA感光細胞的訊息，可視作天空半球投影，傾斜校正也在這裡完成；第二層，太陽方位層（solar layer, SOL），到這裡每一顆神經元都代表一個方位，藉由整合第一層的資訊，估算太陽的位置；第三層，實際方位層（true compass layer, TCL），在第二、三層之間加入的是時間與太陽運動的相關資訊，故能在時間層面上校正偏移的方位估算。此研究所提出的模型較著重於重現實際昆蟲行為為目的，在神經科學上的證據尚不完整，然而為仿生工程揭示一個很完整的應用情境。
撰文：姚皇宇
原始文獻：Gkanias, E., Risse, B., Mangan, M. & Webb, B. From skylight input to behavioural output: A computational model of the insect polarised light compass. PLOS Computational Biology 15, e1007123 (2019).
[1] Stone, T. et al. An Anatomically Constrained Model for Path Integration in the Bee Brain. Current Biology 27, 3069-3085.e11 (2017).
留言
張貼留言