[論文レビュー] Sensitivity and specificity of a Bayesian single trial analysis for time varying neural signals

Jeff T. Mohl, Valeria C. Caruso+2 more|PubMed|Jan 30, 2020

Neural dynamics and brain function参考文献 31被引用数 9

ひとこと要約

本稿は、4つの応答パターン（混合、中間、外部、勝者全員）を想定した合成スパイク数データを用いて、複数の刺激に対する時間的に変化する神経応答を特定するためのベイジアン単一試行解析の有効性を評価している。試行数が20を超過し、発火率の差が顕著（例：50Hz 対 20Hz）である場合には、97%以上の正確性を達成しており、単一試行レベルでの変動する神経コードの検出に高い感度と特異性を示している。

ABSTRACT

We recently reported the existence of fluctuations in neural signals that may permit neurons to code multiple simultaneous stimuli sequentially across time [1]. This required deploying a novel statistical approach to permit investigation of neural activity at the scale of individual trials. Here we present tests using synthetic data to assess the sensitivity and specificity of this analysis. We fabricated datasets to match each of several potential response patterns derived from single-stimulus response distributions. In particular, we simulated dual stimulus trial spike counts that reflected fluctuating mixtures of the single stimulus spike counts, stable intermediate averages, single stimulus winner-take-all, or response distributions that were outside the range defined by the single stimulus responses (such as summation or suppression). We then assessed how well the analysis recovered the correct response pattern as a function of the number of simulated trials and the difference between the simulated responses to each "stimulus" alone. We found excellent recovery of the mixture, intermediate, and outside categories (>97% correct), and good recovery of the single/winner-take-all category (>90% correct) when the number of trials was >20 and the single-stimulus response rates were 50Hz and 20Hz respectively. Both larger numbers of trials and greater separation between the single stimulus firing rates improved categorization accuracy. These results provide a benchmark, and guidelines for data collection, for use of this method to investigate coding of multiple items at the individual-trial time scale.

研究の動機と目的

• 複数の刺激に対する変動する神経応答を検出するためのベイジアン単一試行解析の感度と特異度を検証すること。
• 異なる実験的条件下で、既知の応答パターン（混合、中間、外部、勝者全員）がどの程度正確に回復されるかを評価すること。
• 信頼性のある分類を保証するための、データ収集に関する実証的ガイドライン（最小試行数および必要な発火率差）を提示すること。
• 特に非ポアソン的応答分布における理想化されたモデル仮定からの逸脱に対して、この手法のロバストネスを評価すること。
• 特に高い発火率を示す霊長類の感覚および運動領域における実際の電気生理学的データへの応用のためのベンチマークを確立すること。

提案手法

• 単一刺激条件下（AおよびB）の指定された平均発火率に基づいて、ポアソン過程に従う合成神経スパイク数データセットをシミュレートした。
• 二重刺激試行応答を、以下の4つの仮説的パターンのいずれかに一致させるように生成した：混合（AおよびBの間で変動）、中間（安定した平均値）、外部（和または抑制）、勝者全員（一つの刺激に対して一貫した応答）。
• 事後モデル確率を用いて、ベイジアン推論を適用し、各シミュレートされたデータセットを4つの応答カテゴリのいずれかに分類した。
• 主なパラメータを変化させた：各条件下の試行数（n = 5 から 60）、単一刺激条件下の発火率差（例：20Hz 対 50Hz）。
• ベイズ因子を用いたモデル比較により、最も可能性の高い応答パターンを特定し、分類は最も高い事後確率に基づいた。
• 混合条件のパラメータが単一刺激応答からわずかに逸脱するようにデータをシミュレートし、誤分類率を評価することで、ロバストネスをテストした。

実験結果

リサーチクエスチョン

• RQ1 試行数が変化する中で、ベイジアン単一試行解析が、事前に定義された応答パターン（混合、中間、外部、勝者全員）の合成神経データをどの程度正確に分類できるか？
• RQ2 各応答タイプにおいて、分類精度を90%以上に保つために必要な最小試行数と発火率差は何か？
• RQ3 実際のデータが4つの仮定された応答パターンのいずれとも完全に一致しない場合、特にモデル適合不良の状況下で、この手法はどの程度の性能を示すか？
• RQ4 応答分布が理想化された仮定から逸脱する場合、混合仮説への過剰な割り当てを避けるために、この手法はどの程度保守的であるか？
• RQ5 生物学的に現実的な条件下（例：20試行、ピーク発火率50Hz、40%の発火率差）で、この手法は単一試行レベルでの変動する神経コードを信頼性高く検出できるか？

主な発見

• 試行数が20を超過し、発火率差が顕著（例：50Hz 対 20Hz）である場合には、混合、中間、外部応答パターンの正しく分類される確率が97%以上に達した。
• 同じ条件下で、勝者全員パターンの分類精度も90%以上に達しており、一貫した単一刺激応答に対しても優れた性能を示した。
• 試行数が増加し、単一刺激下の発火率差が大きくなるほど、すべての応答タイプにおいて分類精度が顕著に向上した。
• 混合条件のパラメータが単一刺激応答からわずかに逸脱した場合でも、モデルは保守的であり、正しく分類されるケースが誤分類を大幅に上回り、混合仮説に対する誤検出（偽陽性）を正しく回避した。
• 各条件下で20試行、相対的発火率差が40%（例：50Hz 対 30Hz）の条件下でも、分類精度が95%以上に達した。これは、実際の電気生理学的データセットへの応用可能性を示している。
• ピーク発火率が低い場合（例：15Hz）でさえ、試行数が多くてもモデル性能が弱く、低い事後確率が示された。これは、信頼性ある検出には高い発火率が不可欠であることを示している。