[論文レビュー] Quantifying how much sensory information in a neural code is relevant for behavior

Giuseppe Pica, Eugenio Piasini+7 more|arXiv (Cornell University)|Dec 6, 2017

Neural dynamics and brain function参考文献 40被引用数 33

ひとこと要約

この論文は、感覚刺激 $S$ と行動選択 $C$ の間の関係を直接的に評価できる、情報理論的測度 $I_{\text{II}}(S;R;C)$ を導入する。この測度は、神経応答 $R$ に符号化された感覚情報の中で、実際に行動選択に使われている部分を定量的に評価する。部分的情報分解（PID）を用いることで、感覚符号化と行動読み出しの重複部分を明確に分離でき、スパイク頻度とスパイクタイミングといった異なる神経コード特徴の行動的関連性を直接比較可能となる。

ABSTRACT

Determining how much of the sensory information carried by a neural code contributes to behavioral performance is key to understand sensory function and neural information flow. However, there are as yet no analytical tools to compute this information that lies at the intersection between sensory coding and behavioral readout. Here we develop a novel measure, termed the information-theoretic intersection information $I_{II}(S;R;C)$, that quantifies how much of the sensory information carried by a neural response R is used for behavior during perceptual discrimination tasks. Building on the Partial Information Decomposition framework, we define $I_{II}(S;R;C)$ as the part of the mutual information between the stimulus S and the response R that also informs the consequent behavioral choice C. We compute $I_{II}(S;R;C)$ in the analysis of two experimental cortical datasets, to show how this measure can be used to compare quantitatively the contributions of spike timing and spike rates to task performance, and to identify brain areas or neural populations that specifically transform sensory information into choice.

研究の動機と目的

• 神経コードに符号化された感覚情報の中で、実際に行動に使われている部分を特定する長年の理解のギャップを解消すること。
• 従来の手法がデコーディングアルゴリズムや試行平均性能に依存する点を克服し、1回の試行における神経行動関係を反映しない可能性を回避すること。
• 感覚符号化と行動読み出しの交差部分を、形式的かつ情報理論的枠組みで捉える測度を構築すること。
• スパイクタイミングやスパイク頻度といった異なる神経コード特徴が、タスクパフォーマンスに寄与する程度を定量的に比較可能にする。
• 感覚入力を行動出力に変換する役割を果たす脳領域や神経集団を特定すること。

提案手法

• 著者らは、部分的情報分解（PID）フレームワークを用いて、刺激 $S$ と神経応答 $R$ の間で共有される情報のうち、同時に行動選択 $C$ をもたらす部分、すなわち $I_{\text{II}}(S;R;C)$ を定義する。
• この測度は多次元情報分解に基づき、$I(S;R)$ のうち $I(R;C)$ とも共有される部分を抽出することで、行動に使われる感覚情報の部分を特定する。
• 1回の試行データを対象とし、デコーディングアルゴリズムや試行平均の仮定を必要とせず、モデル依存のバイアスに対しても頑健である。
• $S$、$R$、$C$ の経験的同時確率分布を用いて、PID分解により $I_{\text{II}}(S;R;C)$ を計算し、情報理論の形式的整合性を保証する。
• このフレームワークは、シミュレートデータおよび2つの知覚的識別タスクに関する実際の皮質データセットを用いて検証された。
• このアプローチにより、情報のうち「固有の」「重複する」「協同的な」成分に分解可能であり、特に $I_{\text{II}}$ は行動的に関連する感覚情報を捉える。

実験結果

リサーチクエスチョン

• RQ1 神経応答に符号化された感覚情報のうち、知覚的識別タスクにおいて実際に行動選択に使われている割合はどの程度か？
• RQ2 スパイクタイミングやスパイク頻度といった神経コード特徴のうち、どの特徴が最も行動的に関連する感覚情報を保持しているか？
• RQ3 特定のデコーディングアルゴリズムや試行平均パフォーマンスに依存せずに、感覚符号化と行動読み出しの交差部分を定量化できるか？
• RQ4 どの脳領域や神経集団が感覚入力を行動出力に変換する役割を果たしているか？
• RQ5 この測度は、単一選択タスクを超えて、神経ネットワーク全体における情報フローをマップするのに一般化可能か？

主な発見

• 提案された $I_{\text{II}}(S;R;C)$ 測度は、神経応答に符号化された感覚情報のうち、実際に行動に機能的に関連する部分を的確に分離でき、ビット単位で1回の試行レベルでの直接的定量が可能となった。
• 皮質データセットにおいて、$I_{\text{II}}(S;R;C)$ は、特定の脳領域においてスパイクタイミングがスパイク頻度よりもはるかに多くの行動的関連感覚情報を保持していることを示した。
• この測度により、神経コードを「タスクパフォーマンスに使われる感覚情報を保持する特徴の集合」として再定義できる定量的枠組みが得られた。
• この手法により、体性感覚皮質および聴覚皮質において、感覚入力を行動出力に変換する主要な役割を果たす神経集団が同定された。
• フレームワークはモデル仮定に対して頑健であり、明示的なデコーディングを必要としないため、従来のデコーディングベースの手法に比べ、統計的依存関係をより完全に捉えることができた。
• この測度は、マルチチャネル系における特定の神経経路を通る情報フローの定量的評価など、ネットワークレベルの解析へも拡張可能である。