[論文レビュー] Role of connectivity anisotropies in the dynamics of cultured neuronal networks

Akke Mats Houben, Jordi García‐Ojalvo+1 more|arXiv (Cornell University)|Jan 8, 2025

Neuroscience and Neural Engineering被引用数 3

ひとこと要約

論文は、表現されたトポグラフィーの異方性を伴う培養神経ネットワークの二段階インシリコモデルを提示し、軸索成長ドリブンの結合性とIzhikevichニューロンダイナミクスを用いて、異方性とノイズがネットワーク活動と結合性推定にどのように影響するかを探究する。

ABSTRACT

Laboratory-grown, engineered living neuronal networks in vitro have emerged in the last years as an experimental technique to understand the collective behavior of neuronal assemblies in relation to their underlying connectivity. An inherent obstacle in the design of such engineered systems is the difficulty to predict the dynamic repertoire of the emerging network and its dependence on experimental variables. To fill this gap, and inspired on recent experimental studies, here we present a numerical model that aims at, first, replicating the anisotropies in connectivity imprinted through engineering, to next realize the collective behavior of the neuronal network and make predictions. We use experimentally measured, biologically-realistic data combined with the Izhikevich model to quantify the dynamics of the neuronal network in relation to tunable structural and dynamical parameters. These parameters include the synaptic noise, strength of the imprinted anisotropies, and average axon lengths. The latter are involved in the simulation of the development of neurons in vitro. We show that the model captures the behavior of engineered neuronal cultures, in which a rich repertoire of activity patterns emerge but whose details are strongly dependent on connectivity details and noise. Results also show that the presence of connectivity anisotropies substantially improves the capacity of reconstructing structural connectivity from activity data, an aspect that is important in the quest for understanding the structure-to-function relationship in neuronal networks. Our work provides the in silico basis to assist experimentalists in the design of laboratory in vitro networks and anticipate their outcome, an aspect that is particularly important in the effort to conceive reliable brain-on-a-chip circuits and explore key aspects such as input-output relationships or information coding.

研究の動機と目的

• 実験的に刻印された結合性の異方性をインシリコで再現し、ネットワークダイナミクスへの影響を調べる。
• 異方性の強さ、シナプスノイズ、平均軸索長が現れる活動パターンに与える影響を定量化する。
• 結合性の異方性が活動からの構造的結合性の再構成の正確さにどう影響するかを評価する。
• ブレイン・オン・チップのようなin vitroネットワークを豊かなダイナミクスで設計するためのインシリコガイダンスを提供する。

提案手法

• 二段階のインシリコパイプライン： (i) PDMSによる障害物の下で軸索成長をシミュレートし、構造的結合性マトリクスを取得する。 (ii) ネットワーク上でIzhikevichモデルを用いた自己発火活動をシミュレートする（80%興奮性、20%抑制性）。
• 高さ間の実験的に測定された横断確率を取り入れ、ニューロンのダイナミクスパラメータを設定する。
• 障害物の高さh（異方性強度）とシナプスノイズσがダイナミクスに及ぼす影響を探索する。
• ラスタープロットからダイナミカルリッチネスΘを活動パターンのレパートリーの指標として定量化する。
• 異なる設計（コントロール、トラック、スクエア）ごとの前駆発生、伝播速度、空間伝播を分析する。
• ダイナミクスから構造的結合性を再構成する際の推定について、転送エントロピー/一般化転送エントロピーの概念を用いて議論する。

実験結果

リサーチクエスチョン

• RQ1 トップグラフィーによって誘導される結合性異方性（トラック/スクエアパターン）は、均一な培養（コントロール）と比較して自己発火ネットワークダイナミクスをどう変えるのか。
• RQ2 障害物高さhとシナプスノイズσはダイナミカルリパート（表現力）、前方伝播、 bursts の統計にどのように影響するのか。
• RQ3 異方性は活動データからの構造的結合性の回復性を情報理論的指標を用いて改善するのか。
• RQ4 ネットワーク発達（平均軸索長⟨ℓ⟩）は、異なるパターン下でのバーストサイズ分布とダイナミカルリッチネスにどう影響するのか。
• RQ5 結合性を reflecting する条件間でのネットワーク指標（モジュラリティ、効率、クラスタリング）の定性的・定量的差は何か。

主な発見

• モデルは実験観察を再現する：Track様の異方性はモジュラーで結合が弱い活動を生み、コントロールは培養全体の同期、スクエアは中間的な挙動を示す。
• ダイナミカルリッチネスΘは⟨ℓ⟩とhおよびσの中間値で最大となり、極端な値は同期的または断片化した活動を生じさせる。
• 前方伝播はコントロールで最も速く（約199±32 mm/s）、 tracksで遅く（約21±12 mm/s）、Squaresで遅い（約69±25 mm/s）、異方性は伝播を限定する。
• 障害物高さhはモジュラリティを高め伝播を制限する；高いσは障害物の存在下で自発的活性化（クォーラム効果）が高くなるため前方速度を上げることがある。
• 構造結合性の解析はコントロールが最も広い距離分布と最高のグローバル効率を示し、Tracksは最も強いモジュラリティとクラスタリングを示し、Squaresは中間的である。Tracksの結合は主にトラック方向に垂直なπ/2ラジアンの方向性を持つ。
• αn（異方性）とノイズを増加させると、活動からの構造結合性再構成の正確さが generalized transfer entropy によって改善される可能性がある。これは誤った同期を減らすためである。