[論文レビュー] Deconstructing Odorant Identity via Primacy in Dual Networks

Daniel Kepple, Hamza Giaffar+2 more|Cold Spring Harbor Laboratory Institutional Repository (Cold Spring Harbor Laboratory)|Sep 7, 2016

Olfactory and Sensory Function Studies参考文献 20被引用数 5

ひとこと要約

本稿では、相対的発火率に基づく神経的メカニズムを提案する。p番目に強く反応する臭覚受容体タイプの相対的発火率を用い、ラグランジュ乗数最適化によるアイデンティティの計算を実行する二重ネットワークフレームワークを活用する。この手法は特徴量制約下でのエラスティックネット正則化を用い、プライマル問題をラプラス関数を有する双対ニューラルネットワークにマッピングすることで、非線形応答ダイナミクスに対しても強固で、強度に依存しない臭気認識を可能にする。

ABSTRACT

In the olfactory system, odor percepts retain their identity despite substantial variations in concentration, timing, and background. We propose a novel strategy for encoding intensity-invariant stimuli identity that is based on representing relative rather than absolute values of the stimulus features. Because, in this scheme, stimulus identity depends on relative amplitudes of stimulus features, identity becomes invariant with respect to variations in intensity and monotonous non-linearities of neuronal responses. In the olfactory system, stimulus identity can be represented by the identities of the p strongest responding odorant receptor types out of a species dependent complement. We show that this information is sufficient to recover sparse stimuli (odorants) via elastic net loss minimization. Such a minimization has to be performed under constraints imposed by the relationships between stimulus features. We map this problem onto the dual problem of minimizing a functional of Lagrange multipliers. The dual problem, in turn, can be solved by a neural network whose Lyapunov function represents the dual Lagrangian. We thus propose that networks in the piriform cortex compute odorant identity and implement dual computations with the sparse activities of individual neurons representing the Lagrange multipliers.

研究の動機と目的

• 臭気系が濃度の変動や応答の非線形性にかかわらず臭気アイデンティティを維持する仕組みを説明すること。
• 絶対的ではなく相対的なスティミュラス特徴の振幅に基づく、臭気アイデンティティをコーディングする計算フレームワークを構築すること。
• p番目に強く反応する受容体のスパarsな表現が、制約下での最適化により臭気物質のアイデンティティを回復できることを示すこと。
• 最適化問題をラプラス関数を有する双対ニューラルネットワークにマッピングし、ピルフォーム皮質における生物学的実装の可能性を示すこと。

提案手法

• モデルは、p番目に強く反応する臭覚受容体タイプのアイデンティティを用いて臭気アイデンティティを符号化し、それらの相対的振幅を主要な特徴として扱う。
• スパースな臭気物質の回復を、スティミュラス特徴の関係から導かれる制約下でのエラスティックネット損失最小化問題として定式化する。
• プライマル最適化問題をラグランジュ乗数を含む双対問題に変換し、それらをピルフォーム皮質における神経活動として解釈する。
• 双対問題は、双対ラグランジュアンを表すラプラス関数に従うニューラルネットワークによって解かれる。
• ネットワークの安定状態は双対最適化の解に対応し、強固なアイデンティティ回復を可能にする。
• 絶対値ではなく相対的特徴振幅に依存するため、強度変動や単調な非線形性に対してもフレームワークは不変性を示す。

実験結果

リサーチクエスチョン

• RQ1 臭気物質濃度の大きな変動や非線形性を示す神経応答に対しても、臭気アイデンティティがどのように安定を保つことができるのか。
• RQ2 臭気系が絶対的ではなく相対的な特徴値を用いてアイデンティティを表現するための計算的メカニズムは何か。
• RQ3 p番目に強く反応する受容体タイプからのスパース表現から、臭気物質のアイデンティティを正確に再構成できるか。
• RQ4 ピルフォーム皮質における二重ネットワークアーキテクチャが、ラグランジュ乗数による最適化をどのように実装できるか。

主な発見

• 臭気物質のアイデンティティは、p番目に強く反応する臭覚受容体タイプのアイデンティティのみを用いても、絶対的強度とは無関係に信頼性高く回復可能である。
• この手法は、絶対値ではなく受容体応答の相対的振幅に依存するため、強度不変性を達成する。
• スパース回復のためのプライマル最適化問題は、双対ラグランジュアンに一致するラプラス関数を持つ双対ニューラルネットワークによって解ける双対問題にマッピングされる。
• ピルフォーム皮質における個々のニューロンのスパースな活動は、ラグランジュ乗数を表しており、双対計算とアイデンティティデコードを可能にする。
• 神経応答の単調な非線形性に対してもフレームワークは頑健であり、現実的な生物学的制約下でもアイデンティティを保持する。