[論文レビュー] Network Topology influences Synchronization and Intrinsic Read-out

Gabriele Scheler|arXiv (Cornell University)|Jul 25, 2005

Neural dynamics and brain function参考文献 5被引用数 4

ひとこと要約

本研究は、2次元神経オシレーター・モデルにおいて、ネットワークトポロジー（特にスモールワールド(SW)型とランダムグラフ）が同期化および神経内因性特性のリードアウトに与える影響を調査する。SWネットワークは、高相関入力のおかげで、内因性特性の差が最小限であるにもかかわらずグローバル同期化を促進するが、ランダムネットワークは内因性周波数特異性を保持しており、分散入力によって内因性特性の効果的なリードアウトが可能である。

ABSTRACT

In this note, we want to show (a) how the statistics of synaptic input influences the read-out of stored intrinsic properties for two-dimensional model neurons and (b) the effects of network topology on synchronization, i.e. the correlations of synaptic input generated in the network. This theoretical work relates to the biological properties of neuromodulation by presynaptic and postsynaptic effects on connectivity and intrinsic properties. We have previously found that highly synchronous inputs drives neurons, such that small differences in intrinsic properties disappear, while distributed inputs lets intrinsic properties determine output behavior. We choose a parametrizable two-dimensional neural oscillator model (similar to a Morris-Lecar model), to investigate the effects of changed network topology for larger collections of neurons. We focus on intrinsic properties that encode frequency-specificity. We suggest that presynaptic modulation can be an effective way of rapidly altering network topology. We investigate changes in network topology along the dimensions of small-world connectivity vs. random graph connectivity. We hypothesize that SW graphs produce more globally synchronized feedforward behavior with lower link density than comparable random graphs. In accordance with the hypothesis, we find that in a SW graph, because of highly synchronous inputs, the difference between neuronal intrinsic properties is minimized, while a random graph allows read out of neuronal intrinsic properties. Thus, altering network topology can alter the balance between intrinsically vs. synaptically driven determined network activity.

研究の動機と目的

• 神経ネットワークにおける神経内因性特性のリードアウトに、シナプス入力統計がどのように影響するかを理解すること。
• ネットワークトポロジーが神経間の同期パターンおよび入力相関をどのように形作るかを調査すること。
• 前シナプス調節が迅速にネットワークトポロジーを変化させ、神経活動の内因性制御とシナプス制御のバランスをシフトさせうるかを検討すること。
• スモールワールド型とランダムグラフトポロジーの機能的結果を、ネットワークダイナミクスおよび情報処理の観点から比較すること。

提案手法

• 周波数特異的特性を有する神経内因性ダイナミクスを表現するため、モーリス・レカール・モデルに類似した、パラメータ設定可能な2次元神経オシレーター・モデルが用いられる。
• ネットワークは、スモールワールド(SW)型とランダムグラフの2つの異なるトポロジーを用い、リンク密度を制御する。
• シナプス入力相関は、各ネットワーク構造下での神経間における入力の時間的同期性を分析することで定量化される。
• モデルは、入力相関およびネットワーク構造に応じて、内因性特性の差（例：発火周波数）がどのようにマスキングされたり保持されたりするかをシミュレートする。
• 前シナプス調節の効果は、ネットワーク接続性の動的変化としてモデル化され、ネットワークトポロジーの迅速な再構成を模倣する。
• 内因性駆動とシナプス駆動の両方のネットワーク活動のバランスは、トポロジー間での出力行動の比較によって評価される。

実験結果

リサーチクエスチョン

• RQ1 ネットワークトポロジー（スモールワールド型対ランダムグラフ）は、神経ネットワークにおけるシナプス入力の同期化にどのように影響するか？
• RQ2 スモールワールドネットワークにおける高同期入力は、内因性神経特性の差をどの程度隠蔽するか？
• RQ3 ランダムグラフにおける分散入力は、内因性周波数特異的特性を保持し、それらのリードアウトを可能にするか？
• RQ4 前シナプス調節は、ネットワークトポロジーおよび内因性制御とシナプス制御のバランスにどのように影響するか？

主な発見

• スモールワールドネットワークは、高相関シナプス入力のおかげで、内因性特性に差がある神経間の顕著な差が最小限であるにもかかわらず、より高いグローバル同期化レベルを生じる。
• これに対して、ランダムグラフはより分散された入力を生成し、ネットワーク出力において内因性周波数特異的特性が効果的にリードアウト可能である。
• スモールワールドネットワークは、ランダムグラフよりも低いリンク密度でグローバル同期化を達成できるという仮説は、シミュレーション結果によって裏付けられている。
• ネットワークトポロジーはスイッチの役割を果たす：スモールワールドトポロジーは入力相関を強化することで内因性特性の差を抑制するが、ランダムトポロジーはそれらを保持する。
• 前シナプス調節は、迅速にネットワークトポロジーを変化させ、神経活動の制御を内因性からシナプス的ダイナミクスへシフトさせる有効なメカニズムであることが示された。
• 内因性駆動とシナプス駆動の両方のネットワーク活動のバランスは、神経ネットワークの統計的構造に起因するシナプス入力の統計的構造によって根本的に決定され、それはネットワークトポロジーによって支配される。