[論文レビュー] Interaction graph estimation for the first olfactory relay of an insect

Ludmila Brochini, Pierre Hodara+2 more|arXiv (Cornell University)|Dec 15, 2016

Neurobiology and Insect Physiology Research被引用数 1

ひとこと要約

本論文は、メスコアの一次嗅覚中継核からのスパarsな高品質なマルチエレクトロードアレイ記録を用いて、神経回路における方向性シナプス相互作用グラフを推定する新しい統計的手法を提案する。以前の手順を改善することで、小標本サイズおよび部分的に観測されたネットワークに対処し、限られたデータでも正確な結合性推定を達成した。シミュレーション研究およびパrameterチューニングにより検証された。

ABSTRACT

One of the main current issues in Neurobiology concerns the understanding of interrelated spiking activity among multineuronal ensembles and differences between stimulus-driven and spontaneous activity in neurophysiological experiments. Multi electrode array recordings that are now commonly used monitor neuronal activity in the form of spike trains from many well identified neurons. A basic question when analyzing such data is the identification of the directed graph describing synaptic coupling between neurons. In this article we deal with this matter working with a high quality multielectrode array recording dataset (Pouzat et al., 2015) from the first olfactory relay of the locust, $Schistocerca$ $americana$. From a mathematical point of view this paper presents two novelties. First we propose a procedure allowing to deal with the small sample sizes met in actual datasets. Moreover we address the sensitive case of partially observed networks. Our starting point is the procedure introduced in Duarte et al. (2016). We evaluate the performance of both original and improved procedures through simulation studies, which are also used for parameter tuning and for exploring the effect of recording only a small subset of the neurons of a network.

研究の動機と目的

• 限られた実験データから神経回路における方向性シナプス結合性を推定する課題に対処すること。
• 神経生理学的記録でよく見られる小標本サイズに頑健な手法を開発すること。
• 記録された神経細胞のサブセットしか観測されないという現実的な状況、すなわち部分的に観測された神経ネットワークを扱うこと。
• マルチニューロンスパイクトレインデータにおける相互作用グラフ推定の既存手法を改善すること。
• 現実的な記録制約下で、シミュレーション研究およびパrameterチューニングを通じて手法を検証すること。

提案手法

• 本手法はDuarteら（2016）の以前の手順に基づいているが、小標本サイズおよび部分的ネットワーク観測に対処できるように拡張されている。
• 限られた観測スパイク数を考慮した統計的フレームワークを採用し、スパイクトレイン相互作用をモデル化する。
• 低標本レジームにおける推定を安定化させるために正則化技術を組み込む。
• 方向性結合性に焦点を当てた尤度ベース推定を実施し、前シナプスおよび後シナプスの影響を区別する。
• さまざまな記録条件でのパフォーマンス最適化を図るため、シミュレーション研究を用いてパrameterチューニングを実施する。
• 観測されたスパイクトレイン相関から推定された方向性シナプス結合性を用いて、ネットワーク構造を評価する。

実験結果

リサーチクエスチョン

• RQ1 小標本スパイクトレイン記録から神経集団における方向性シナプス結合性を信頼性高く推定する方法は何か？
• RQ2 神経細胞のサブセットしか記録しない場合、推定された相互作用グラフの正確性にどのような影響を与えるか？
• RQ3 本手法は、データ不足に対する頑健性の観点から、既存手法に比べてどのように改善されているか？
• RQ4 現実的な実験的制約下で信頼性のある推定を達成するための最適なパrameter設定は何か？
• RQ5 刺激誘発的および自発的活動パターンは、結合性推定の正確性にどのように影響を与えるか？

主な発見

• 改善された手法は、元の手順と比較して、小標本レジームにおける方向性相互作用グラフ推定の正確性を顕著に向上させた。
• 記録された神経細胞のサブセットしか存在しない場合でも、本手法は頑健であるため、部分的に観測されたネットワークに適している。
• シミュレーション研究により、1ニューロンあたりのスパイク数が限られている状況でも、本手法が信頼性のある推定を達成することが示された。
• シミュレーションを用いたパrameterチューニングにより、多様な記録条件下で最適なパフォーマンスが得られた。
• 本手法は、結合性推定において、刺激誘発的活動と自発的活動パターンを効果的に区別できた。