[論文レビュー] On the role of theory and modeling in neuroscience

Daniel Levenstein, Veronica A. Alvarez+18 more|arXiv (Cornell University)|Mar 30, 2020

Neural dynamics and brain function被引用数 6

ひとこと要約

この論文は、神経科学における記述的・機構的・規範的モデリング手法を統合する実用的で多層的な枠組みを提唱し、生物学的詳細から認知的計算までスケールをつなぐ。適切な抽象化レベルの使用、モデルとデータを結ぶ転送関数、モデルを実験的手段としての利用を提案し、理論駆動型で計算的に厳密な神経科学の発展を促進する。

ABSTRACT

In recent years, the field of neuroscience has gone through rapid experimental advances and a significant increase in the use of quantitative and computational methods. This growth has created a need for clearer analyses of the theory and modeling approaches used in the field. This issue is particularly complex in neuroscience because the field studies phenomena across a wide range of scales and often requires consideration of these phenomena at varying degrees of abstraction, from precise biophysical interactions to the computations they implement. We argue that a pragmatic perspective of science, in which descriptive, mechanistic, and normative approaches each play a distinct role in defining and bridging levels of abstraction will facilitate neuroscientific practice. This analysis leads to methodological suggestions, including selecting a level of abstraction that is appropriate for a given problem, identifying transfer functions to connect models and data, and the use of models themselves as a form of experiment.

研究の動機と目的

• 神経科学における急速な実験的・計算的進展に伴い、理論的・方法論的基準の明確化が急務であるという要請に対応する。
• 記述的・機構的・規範的モデリング手法が、空間的・時間的スケールをまたがる生物学的データをどのようにつなぐかという、それぞれの役割を明確化する。
• 神経科学的問題をモデリングする際の適切な抽象化レベルの選定に関する実行可能な方法論的ガイダンスを提供する。
• モデルを単なる表現手段としてではなく、仮説検証や実験設計のための能動的ツールとして活用することを促進する。
• 理論とモデリングの共通の概念的枠組みを確立することで、異分野間の協働を促進する。

提案手法

• 実用的科学哲学を採用し、記述的（データ駆動型）、機構的（生物学的・物理的詳細あり）、規範的（計算的に最適な）の3つのモデリング手法を分類・統合する。
• 科学的問いに応じた適切な抽象化レベルの選定を提唱し、過剰または不十分な仕様化を回避する。
• モデル出力を測定可能な実験データにマッピングするための転送関数を定義・活用し、モデルの妥当性評価と段階的改善を可能にする。
• 計算モデルを制御可能で検証可能な条件下での仮想実験として扱い、システムの挙動を探索する。
• モデルとデータの反復的フィードバックループを強調し、モデルの正確性と理論的洞察の向上を図る。
• 共通の理論的原則を通じて、分子レベル、細胞レベル、回路レベル、システムレベルの現象を統合的につなぐスケールを越えた統合を実現する。

実験結果

リサーチクエスチョン

• RQ1 記述的・機構的・規範的モデリング手法を、神経科学において体系的に区別し統合する方法は何か？
• RQ2 ある神経科学的問題に対して適切な抽象化レベルを選定するにあたり、どのような基準を用いるべきか？
• RQ3 転送関数はどのように定義され、異なるスケールのモデル予測と実証的データを結ぶために使用されるか？
• RQ4 計算モデルは、生物学的システムを調べるために、どのような形で実験として機能するか？
• RQ5 理論とモデリングは、生物学的メカニズムと認知的レベルの計算の間のギャップをどのように埋めるのを支援するか？

主な発見

• 記述的・機構的・規範的モデリングの実用的統合は、多スケール神経科学的問題に対処する一貫性のある枠組みを提供する。
• 適切な抽象化レベルの選定は、モデルの有用性を確保し、不要な複雑さや単純化を回避するために不可欠である。
• 転送関数は、モデル出力と実証的データの間の重要な接続を果たし、モデルの妥当性評価と段階的改善を可能にする。
• モデルは仮想実験として用いられ、システムダイナミクスの探索、結果の予測、実験室研究への誘導が可能である。
• 理論とモデリングの統合は、神経科学における再現性、透明性、異分野協働を高める。
• この枠組みは、純粋にデータ駆動型のアプローチを越えて、予測可能性があり理論駆動型の神経科学の発展を支援する。