[論文レビュー] A novel method for determining the phase-response curves of neurons based on minimizing spike-time prediction error

Benjamin Torben-Nielsen, Marylka Yoe Uusisaari+1 more|arXiv (Cornell University)|Jan 4, 2010

Neural dynamics and brain function参考文献 2被引用数 3

ひとこと要約

本稿では、離散化された位相における独立な摂動を用いてスパイク時刻予測誤差を最小化することで、神経細胞の位相応答曲線（PRC）を推定する新しい手法であるSTEP（Standardized Error Prediction）を紹介する。この手法は、わずか100スパイクのデータでさえも、高いノイズレベル下でも収束性とデータ効率に優れ、既存の手法を上回る性能を発揮する。

ABSTRACT

Regular firing neurons can be seen as oscillators. The phase-response curve (PRC) describes how such neurons will respond to small excitatory perturbations. Knowledge of the PRC is important as it is associated to the excitability type of neurons and their capability to synchronize in networks. In this work we present a novel method to estimate the PRC from experimental data. We assume that continuous noise signal can be discretized into independent perturbations at evenly spaced phases and predict the next spike based on these independent perturbations. The difference between the predicted next spike made at every discretized phase and the actual next spike time is used as the error signal used to optimize the PRC. We test our method on model data and experimentally obtained data and find that the newly developed method is robust and reliable method for the estimation of PRCs from experimental data.

研究の動機と目的

• 高ノイズやスパイク数が限られる状況下でも、実験的神経活動データから位相応答曲線（PRC）を信頼性高く推定する手法を開発すること。
• 時間的区間におけるスパイク時刻誤差の和に依存する従来のPRC推定手法に見られる収束問題を克服すること。
• 離散化された位相バケットごとに摂動を独立して扱うことで、時間的位相情報を保持し、最適化の安定性を向上させること。
• モデルニューロンおよび実際の実験データを用いて手法を検証し、精度と耐障害性を示すこと。
• STA、WSTA、Galanの手法などの既存手法と比較して、信頼性のあるPRC推定に必要なスパイク数を削減すること。

提案手法

• インタースパイクインターバルをN個の位相バケット（例：100バケット）に分割し、0から2πの神経細胞の周期的活動を表現する。
• 各々の位相バケットφjに対して、次回のスパイク時刻をŝi,j = si−1 + x(t(φj)) · z(φj)として予測する。ここでx(t)は注入されるフラクチュエーティング電流、z(φj)は候補となるPRCである。
• 各スパイクiと位相バケットjに対して、誤差信号Ei,j = √(ŝi,j − si)²を計算し、位相固有の予測誤差を保持する。
• 全スパイクおよび全位相バケットにおける総誤差の最小二乗法による最適化により、PRCパラメータ（フーリエ係数aとb）を最適化する。
• PRCを切り捨てられたフーリエ級数で近似する：z(φ) ≈ Σₙ₌₀³ [aₙ sin(nφ) + bₙ cos(nφ)]。
• 誤差信号を反復的に用いてPRCを改善し、収束させる。これにより、従来の手法が妨げられる時間的誤差の和を回避する。

実験結果

リサーチクエスチョン

• RQ1 従来の手法よりもスパイク数が少なく、ノイズレベルが高い状況下でも信頼性高く収束するPRC推定手法を開発可能か？
• RQ2 位相固有のスパイク時刻予測誤差を保持することで、誤差の和に依存する手法と比較して、PRC推定の精度と耐障害性が向上するか？
• RQ3 連続的なフラクチュエーティング電流注入下で、モデルニューロンから既知のPRCタイプ（例：タイプ-II）をSTEP法が正確に回復できるか？
• RQ4 マウス皮質椎体細胞からの実験的データに対して、この手法はどのように性能を発揮するか？また、サブサンプリングされたデータ間で得られるPRCは再現性があるか？
• RQ5 STEP法を用いる場合、既存の代替手法と比較して、信頼性のあるPRC推定に必要な最小スパイク数はどの程度か？

主な発見

• 高ノイズレベル下でも、連続的な摂動下でモデルニューロンにおいて正しいPRCタイプ（タイプ-II）をSTEP法が正常に回復した。
• わずか100スパイクで、STEP法は安定的かつ正確なPRC推定が可能であり、従来法が480〜7000スパイクを必要とするのと比較して、データ要件を顕著に削減した。
• マウス層2/3椎体細胞からの実験的データから得られたPRCは、複数のサブサンプル（半数データPRC）間で一貫しており、信頼性が高く、過学習のリスクが低いことを示した。
• 最大100 pAの高いノイズ振幅に対しても、この手法は耐障害性を示し、他の手法が収束できない状況でも正確なPRC推定を維持した。
• STEP法によるPRC推定結果は、短い電流パルスを用いた直接法による結果とよく一致しており、その正確性を裏付けた。
• 位相分解誤差信号の使用により、時間的情報の損失を回避でき、従来の最適化ベース手法よりも高速な収束を実現した。