生物帮我们的眼睛拥有一个强大的生物计算机，即视网膜。理解视网膜如何将外界的图像转换成大脑可以解释的信号，不仅可以洞悉大脑的计算，而且对医学也很有用。
随着机器学习和人工智能的发展，眼部疾病很快将根据视网膜进行的计算扰动来描述。我们是否对视网膜回路有足够的了解，以了解扰动将如何影响视网膜执行的计算?一个国际科学家团队在一组结合遗传学，病毒和分子工具，高密度微电极阵列和计算机模型的实验中解决了这个问题。这项工作表明，他们最新开发的视网膜模型可以高精度地预测确定的摄动的结果。这项工作是朝着可以预测视网膜疾病结果的视网膜计算机模型迈出的重要一步。
视觉始于视网膜，在该处感光细胞捕获落在眼睛上的光并将其转换为神经元活动。神经节细胞是视网膜的输出神经元，然后将视觉信号发送到大脑。但是，视网膜不仅仅是照相机和电缆：在感光器和神经节细胞之间，视网膜包含复杂的神经元回路，这些回路由许多不同的神经元细胞类型组成。这些电路以复杂的方式处理输入信号，并提取视觉场景的重要特征。在视网膜的输出层，视网膜回路的计算导致视觉场景的约30种不同的神经元表示：然后将它们并行传输到大脑。因此，视网膜就像一个强大的计算设备，
要了解视觉机制并预测视觉疾病的结果，必须了解〜30个视网膜输出通道如何代表视觉世界，以及它们不同的功能特性是如何从视网膜回路的结构中产生的。为了解决这个问题，来自弗里德里希·米歇尔研究所(FMI)，巴塞尔分子与临床眼科研究所(IOB)，苏黎世联邦理工学院和巴黎高等师范学院的科学家团队在研究这种视网膜病变如何改变时扰动了特定的视网膜回路元件。不同视网膜输出通道的功能特性。
Botond Roska研究小组的前研究生，论文的主要作者Antonia Drinnenberg开发了一种控制水平细胞活性的方法。水平细胞是视网膜回路元件，在感光细胞和双极细胞之间的第一个视觉突触处提供反馈抑制。该方法涉及一组特定的病毒，转基因小鼠和经工程设计的配体门控离子通道，使她可以打开和关闭第一次视觉突触时的反馈。为了测量这种摄动对视网膜输出的影响，她使用了由Andreas Hierlemann小组开发的高密度微电极阵列，并同时记录了数百个神经节细胞的电信号。令人惊讶的是，摄动引起了视网膜输出的大量不同变化。Drinnenberg说：“由于单个定义明确的电路元件的扰动，我们所观察到的各种效果使我们感到惊讶，”“起初，我们怀疑技术问题可能是这种多样性的根源。”但是，在测量了数千个神经节细胞和确定的视网膜输出通道中的信号后，很明显，所测量的水平细胞贡献的多样性必须来自视网膜电路的特定架构。
视网膜电路的单个元素如何导致如此多种作用?论文的第一作者Felix Franke和资深作者Rava A. da Silveira建立了视网膜的计算机模型。该模型模拟了信号可以通过视网膜的不同路径，并使团队能够研究我们目前对视网膜电路的了解是否可以解释他们在实验中观察到的影响。在研究模型的行为时，研究人员发现模型可以重现他们通过实验测得的整套变化。此外，研究小组发现，该模型对水平单元的作用做出了五项进一步的预测，这是他们以前在数据中看不到的。弗兰克说：“我们惊讶地看到该模型比我们建立模型时所想的要进一步发展。”“当我们进行其他实验来测试它们时，所有其他预测都证明是正确的。”
