[論文レビュー] HVC Interneuron Properties from Statistical Data Assimilation

Daniel Breen, Sasha Shirman+3 more|arXiv (Cornell University)|Aug 15, 2016

Animal Behavior and Reproduction参考文献 2被引用数 5

ひとこと要約

本研究では、in vitro電位記録を用いて、ヒ individually に合理的なヒルダーク・フックス・モデルのパラメータを推定するために統計的データ同調法を適用した。この手法は、実験的電位波形を再現する複数の異なるパラメータ集合を効果的に特定でき、パラメータの退化（degeneracy）を明らかにするとともに、$I_H$ や $I_{CaT}$ などのイオン電流を正確に推定するためには、電流波形の複雑さとサンプリングレートの重要性を強調している。

ABSTRACT

Data assimilation (DA) solves the inverse problem of inferring initial conditions given data and a model. Here we use biophysically motivated Hodgkin-Huxley (HH) models of avian HVCI neurons, experimentally obtained recordings of these neurons, and our data assimilation algorithm to infer the full set of parameters and a minimal set of ionic currents precisely reproducing the observed waveform information. We find many distinct validated sets of parameters selected by our DA method and choice of model. We conclude exploring variations on the inverse problem applied to neurons producing accurate or inaccurate results; by manipulating data presented to the algorithm, varying sample rate and waveform; and by manipulating the model by adding and subtracting ionic currents.

研究の動機と目的

• 実験的電位記録と電導ベースのモデルを用いて、HVC抑制性ニューロンの完全なバイオフィジカルパラメータセットを推定すること。
• ヒルダーク・フックス・モデルの非線形パラメータ（ゲーティング動態やイオン電導度など）を推定する際の、データ同調法の正確性とロバストネスを評価すること。
• 刺激プロトコル、サンプリングレート、モデル構造の変化がパラメータ推定とモデル妥当性に与える影響を調査すること。
• HVC抑制性ニューロンの主要な電気生理的特徴を再現するために必要な最小限のイオン電流セットを特定すること。
• 合成データを用いたツイン実験を通じて、複数の異なるパラメータ集合が区別不能な電位応答を生じるというパラメータの退化（degeneracy）を調査すること。

提案手法

• 実験的知見に基づいたイオン電流（$I_H$、$I_{CaT}$、漏れ電導度を含む）を有する、生物学的に妥当なヒルダーク・フックス・モデルを構築した。
• 電位記録からの未観測状態およびモデルパラメータの推定を、高次元の経路積分上での非線形最適化としてデータ同調法を適用した。
• 既知のモデルパラメータから生成した合成データを用いたツイン実験により、制御された条件下で真のパラメータを回復できるかをアルゴリズムの有効性を検証した。
• ステップ電流、カオス的電流、高周波数振動電流を含むさまざまな刺激プロトコルにおけるパラメータ推定の正確性を評価した。
• 10 kHz と 50 kHz のサンプリングレートを比較し、時間分解能とパラメータ推定における情報量のトレードオフを評価した。
• 推定された理論的 I-V 曲線と真の値を比較し、さまざまな電流波形下での予測精度を評価することで、モデル妥当性を検証した。

実験結果

リサーチクエスチョン

• RQ1 データ同調法は、ゲーティング動態など非線形に依存するパラメータを含め、電導ベースのHVC抑制性ニューロンモデルのすべてのパラメータを正確に推定できるか？
• RQ2 ステップ電流、カオス的電流、または高周波数電流といった異なる刺激電流波形は、パラメータ推定の正確性と一意性にどのように影響するか？
• RQ3 サンプリングレートは、特に $I_H$ のような遅い電流を解像するにあたり、パラメータ推定の忠実度にどのような影響を及えるか？
• RQ4 複数の異なるパラメータ集合がほぼ同一の電位トレースを生じる程度（パラメータの退化）はどの程度か？
• RQ5 本手法は、実験的に観察された電気生理的特徴を再現するために必要な最小限のイオン電流セットを信頼性高く特定できるか？

主な発見

• 複数の異なるパラメータ集合がほぼ同一の電位波形を生成することが確認され、HVC抑制性ニューロンモデルの逆問題において顕著なパラメータの退化（degeneracy）が示された。
• 10 kHz のサンプリングレートが 50 kHz よりもパラメータ推定で優れていた。これは、時間分解能の向上が常に正確性を向上させるわけではなく、遅いダイナミクスへの情報伝達を減少させる可能性があることを示唆している。
• 高周波数の刺激電流は、サブスレッショルドダイナミクスの不十分なサンプリングが原因で、不良なパラメータ推定と不正確な I-V 曲線再構成を引き起こした。
• 膜時間定数に対して遅い振動を示すカオス的電流波形が、最も正確なパラメータ推定と真の I-V 曲線に最も近い一致を達成した。
• 推定された $I_H$ 電導度は一貫して小さく、これは $I_H$ が無視できるか、あるいはモデル内でより現実的なパrameterization が求められる可能性を示唆している。
• ステップ電流で訓練したモデルは、複雑な電流波形には一般化できず、訓練プロトコルがモデルの妥当性と予測力に著しく影響することを示した。