幽灵刀鱼中同种个体的检测与定位受感受器空间组织与信号关系的影响

《Frontiers in Computational Neuroscience》：Detection and localization of conspecifics in ghost knifefish are influenced by the relationship between the spatial organization of receptors and signals

　　

信号的检测与定位依赖于感受器阵列，而感受器的空间组织在决定系统精度方面发挥关键作用。弱电幽灵刀鱼依赖分布式电感受器（electroreceptors）阵列来检测来自同种个体的空间弥散性电信号。尽管已知对于猎物等小型物体，由于头部附近感受器密度较高，空间分辨率会得到增强，但感受器组织如何影响对来自同种个体的全局性、弥散性信号的加工仍不清楚。研究人员采用空间上逼真的建模（spatially realistic modeling），量化了在不同距离条件下感受器密度对同种个体信号检测敏感性以及方位角辨别（azimuthal discrimination）的影响。结果显示，在中等距离（35–50 cm）时，感受器密度可显著提高前方区域的检测准确性；然而，天然存在的高吻侧（rostral）感受器密度却出人意料地几乎不能像中央凹（fovea）那样改善前方方位角分辨率。这些结果提示了一条基本原理：在处理空间弥散性刺激时，感受器汇聚（receptor convergence）主要有利于信号检测；而对于空间边界清晰的信号，更高的感受器密度则能够增强定位精度。该研究结果超越了电感觉模态（electrosensory modality）本身，与其他感觉系统形成类比，并为理解空间加工原理提供了更广泛的见解。

该论文发表于《Frontiers in Computational Neuroscience》，围绕弱电幽灵刀鱼如何利用体表电感受器阵列检测并定位同种个体信号这一核心问题展开。感觉系统中，感受器的数量、灵敏度和空间排布共同决定检测与定位性能。对于视觉、听觉和嗅觉系统而言，高密度感受器区域通常与高空间分辨率相关，但这种结构优势是否同样适用于空间上广泛扩散的信号，并不明确。幽灵刀鱼既需要依赖电感觉系统识别近距离小目标，也需要探测远处同种个体持续释放的电器官放电（EOD）。前者会在体表形成局部化的电图像（electric image, EI），后者却通常产生遍布大部分体表的弥散性输入。因此，头端高密度感受器究竟是同时提高同种个体信号的检测与定位，还是主要改善其中某一项功能，成为这项研究试图解决的关键问题。

已有研究表明，刀鱼头部和吻端具有更高的电感受器密度，这种类似“中央凹”的组织方式能够提升猎物捕获时的局部空间分辨率。然而，对于同种个体信号，由于其EI更广泛、更平滑，定位可能不再依赖局部热点，而更多依赖全身不同部位输入强度之间的微小差异比较。尤其在数十厘米距离处，信号强度迅速衰减，体表各处所感受到的调制度差异往往不足1%，这意味着系统必须在极低信噪比条件下完成检测和角度估计。因此，研究这一问题不仅有助于理解电感觉编码机制，也可为“感受器空间组织如何适配不同类型刺激”的一般性感觉神经科学问题提供证据。

研究人员首先建立了一个空间上精细的受体分布模型，并结合经过实验校准的EI模型与异质性p-unit（结节型单位）感受器神经元模型，系统评估不同距离、不同方位下同种个体信号的可检测性和方位角分辨能力。研究得出的核心结论是：高吻侧感受器密度显著增强了中等距离、尤其前方象限内的同种个体信号检测能力，但对前方方位角分辨率的提升却十分有限；换言之，天然的高密度头端感受器并不像视觉中央凹那样为弥散性同种个体信号提供显著的前向定位优势。该发现具有重要意义，因为它揭示了感受器密度与汇聚并非对所有空间任务都等效有利，而是取决于刺激本身的空间结构：对弥散信号，汇聚主要服务于检测；对局部化信号，高密度排布则更直接服务于定位。

研究采用的主要关键技术方法包括：其一，对18尾平均体长14 cm的Apteronotus leptorhynchus进行体表结节型电感受器密度定量采样，共获得581个²维局部样本，并据此拟合体表感受器密度的三维五次多项式分布；其二，利用边界元法（boundary element method, BEM）构建双鱼相对位置下的电图像（EI）模型，计算不同距离与方位时每个感受器位置的跨皮电压对比度；其三，构建带噪声、适应和不应期的漏积分-发放（leaky integrate-and-fire, LIF）异质性p-unit群体模型；其四，采用加权欧氏距离与受试者工作特征（ROC）分析，对信号检测和方位辨别精度进行解码评估。

在结果部分，论文首先通过“Model of the electric image during social interactions”说明社会互动中的EI结构。研究显示，当发送鱼靠近受体鱼时，EI呈现出明显热点（hot spot），局部对比度可达25%；而在30 cm左右的行为相关距离上，体表各处仅表现为小于1%的微弱调制梯度。该结果明确指出，远距离同种个体检测本身就是对极弱信号的感知，而定位则需进一步解析体表不足1%的空间差异，因此任务难度极高。

在“Spatial structure of the receptor array”中，研究人员实验性测量了体表感受器密度，证实吻端和头部为最高密度区域，背侧前躯干为中等密度区域，且密度沿腹侧和尾侧逐渐降低。基于这些实测数据，研究构建了包含约8,195个感受器位置的平均鱼模型，为后续将真实空间输入映射到感受器群体奠定基础。这一步的重要性在于，它将既往较粗略的受体分布认识，提升为可用于定量感觉编码分析的连续空间模型。

在“EI strength as a function of the relative position of the two fish”中，研究人员对12个距离和72个方位，共864种相对位置进行了模拟。结果表明，EI热点信号强度随距离依立方幂律快速衰减，最佳拟合关系为c = 1.6·10⁴·x^?3。鱼体几乎接触时，对比度可超过20%；距离增至10–15 cm时降至约10%；20–30 cm时仅剩几个百分点。这一结果定量定义了社会电信号在空间中的衰减规律，并解释了为何长距离互动要求极高的编码敏感性。

在“Heterogeneous population response in modeled receptors”及“Sensitivity of the receptor model replicates responses to beat stimuli”中，研究人员展示了异质性LIF受体群体对现实EI输入的响应。模型成功再现实验报道的p-unit响应特性：弱刺激仅引起每秒数个脉冲的调制，强刺激可产生数百脉冲每秒的起伏。当发送者距离增加至40 cm甚至75 cm时，单周期响应与自发活动几乎重叠，仅在统计意义上保留微弱差异。这说明在行为上能够探测远处同种个体，必然依赖受体群体水平的信息累积与噪声平均，而非单个感受器的显著瞬时响应。

在“Estimates of detection sensitivity as a function of relative fish position and the influence of receptor density distribution”中，研究聚焦检测能力。通过比较“有发送者”与“无发送者”时群体响应在加权欧氏空间中的可分离性，研究估算达到小于5%检测错误率所需的时间。结果表明，20 cm以内目标可在单个节拍周期内可靠检测；随着距离增加，所需积分时间迅速增长，60–70 cm处需要数秒信号积累。更关键的是，当研究人员将天然不均匀感受器分布改为全身均一低密度分布时，检测敏感性明显下降，尤其在35–50 cm的前方区域最为突出，检测时间可由1–2 s增加至2–6 s。这表明高吻侧感受器密度确实增强了前方中距离同种个体信号的检测性能。

在“Estimates of angular resolution supported by the receptors’ response accuracy”中，研究分析了方位角分辨率。以1 s积分时间为标准，研究确定达到95%正确区分所需的最小角度差。结果显示，10–20 cm内角分辨率可优于5°，20–40 cm间迅速恶化，40 cm以外通常已无法可靠判断方位。即使延长积分时间，分辨能力改善有限，75 cm处仍难以恢复有效方位估计。该结果说明远距离社会信号主要支持“是否存在同种个体”的检测，而不足以单凭当前受体输入准确判断其方位。

在“Receptor density and angular resolution as a function of azimuth”中，研究进一步考察方位依赖性及其与受体密度的关系。为避免仅因鱼体间最近距离变化而造成伪性角分辨优势，研究重新以发送鱼吻端到接收鱼体表最近点的固定间隙来归一化距离。结果发现，角分辨率并非在正前方最佳，而是在身体侧方约90°附近更优，背侧最差。当天然受体分布被替换为均一低密度分布后，角分辨率仅略有下降，且优势并未集中于前方或侧方高密度头区；只有在约45°和125°附近出现有限改善。进一步降低总体受体数则会恶化角分辨率，尤其对较远距离目标影响更大。这说明受体数量本身会影响角定位，但天然的高吻侧密度并未像中央凹那样显著提升前方弥散信号的方位分辨。

在“Changes in EI for small angular displacements”相关分析中，研究人员将不同方位处小角位移引起的EI变化量与角分辨率进行比较，发现二者呈强指数相关关系（r² = 0.98）。这一结果支持如下解释：不同方位处定位能力的差异，主要来自鱼体几何形状与电场几何结构共同决定的EI变化幅度，而不是简单由头端高密度感受器造成。也就是说，某一方位上若小角度变化能够在体表引发更明显的EI图样差异，则该方位更容易被分辨。

讨论部分强调，研究建立了该系统中首个整合真实EI结构、感受器异质性和空间分布的全群体模型，并在统一解码框架下给出了保守的检测范围与角定位能力估计。研究指出，绝对检测范围和角分辨率的数值会受到解码器选择影响，但“高吻侧密度显著改善检测、仅轻度影响角分辨”的相对结论具有稳健性。对于弥散性同种个体信号，检测可依赖大量感受器的汇聚以平均噪声，而定位则依赖全身不同部位输入之间的比较，因此并不会因某一局部区域受体更密集而自动获得类似中央凹的定位优势。与之相对，猎物等局部化目标由于形成空间上界限明确的EI，其定位则更直接受益于头吻部高密度感受器。

研究结论部分可译为：该研究表明，感受器数量与空间组织对感觉任务的贡献取决于刺激的空间结构。对于同种个体产生的空间弥散性电信号，高密度和感受器汇聚主要提升检测能力，尤其增强前方空间中的检测敏感性；然而，这种天然的高吻侧感受器密度并不会显著提高前方方位角分辨率。相反，角空间信息更多依赖于比较分布于全身不同位置的输入差异，而非依赖局部更高的感受器密度。该结果提示，在不同感觉系统中，若刺激是空间弥散的，感受器汇聚更可能服务于高敏感检测；若刺激是空间局部化的，则高密度拓扑映射更有利于精确定位。