[論文レビュー] The correlation structure of local cortical networks intrinsically results from recurrent dynamics

Moritz Helias, Tom Tetzlaff+1 more|arXiv (Cornell University)|Apr 8, 2013

Neural dynamics and brain function参考文献 51被引用数 6

ひとこと要約

本稿は、再帰的結合と外部入力を統合することで、局所皮質ネットワーク内の相関活動の理論的枠組みを構築し、速やかな入力追跡ではなく、抑制性フィードバックが相関構造を主に決定することを示している。再帰的ダイナミクス、特に負のフィードバックが、同じ外部入力下でも、集団レベルの揺らぎを抑制し、神経活動の相関を低下させることを示しており、ネットワークの安定性および情報符号化に影響を与える。

ABSTRACT

The co-occurrence of action potentials of pairs of neurons within short time intervals is known since long. Such synchronous events can appear time-locked to the behavior of an animal and also theoretical considerations argue for a functional role of synchrony. Early theoretical work tried to explain correlated activity by neurons transmitting common fluctuations due to shared inputs. This, however, overestimates correlations. Recently the recurrent connectivity of cortical networks was shown responsible for the observed low baseline correlations. Two different explanations were given: One argues that excitatory and inhibitory population activities closely follow the external inputs to the network, so that their effects on a pair of cells mutually cancel. Another explanation relies on negative recurrent feedback to suppress fluctuations in the population activity, equivalent to small correlations. In a biological neuronal network one expects both, external inputs and recurrence, to affect correlated activity. The present work extends the theoretical framework of correlations to include both contributions and explains their qualitative differences. Moreover the study shows that the arguments of fast tracking and recurrent feedback are not equivalent, only the latter correctly predicts the cell-type specific correlations.

研究の動機と目的

• 皮質ネットワークにおける再帰的結合と外部入力を両方含む、神経活動の相関に関する統一理論の構築。
• 皮質回路における低ベースライン相関の原因としての、外部入力の速やかな追跡と再帰的フィードバックのどちらが適切かという曖昧さを解消すること。
• 相関の機能的役割、特にネットワークゲイン、復号、シナプス可塑性との関係における情報処理における相関の役割を明確化すること。
• 確率的バイナリネットワークにおける自己整合的相関効果の組み込みにより、平均場近似を改善すること。
• 共有入力とシナプス入力統計が、内在的揺らぎと対になった相関に与える影響を評価すること。

提案手法

• 確率的バイナリネットワーク理論を拡張し、再帰的結合と変動する外部入力を両方含める。
• 線形応答アプローチと自己整合的平均場理論を用いて、対間相関の解析的表現を導出する。
• 均一な外部入力（加法的で特徴のないもの）と再帰的フィードバック（相関を低下させるもの）の寄与を区別する形式的枠組みを導入する。
• 再帰的結合行列の固有値解析を用いて、集団レベルの揺らぎの抑制を定量化する。
• 異なる入力相関と結合性を持つネットワークにおける理論的予測とシミュレーションを比較する。
• 相関のキャンセルが、外部信号の速やかな追跡ではなく、集団レベルの抑制に起因することを示す。

実験結果

リサーチクエスチョン

• RQ1 再帰的ネットワークダイナミクスと外部入力は、神経活動の相関構造をどのように共同で決定するか？
• RQ2 皮質ネットワークで観察される相関の低下は、外部入力の速やかな追跡によるものか、再帰的結合における負のフィードバックによるものか？
• RQ3 すべてのニューロンに同一の外部入力が与えられると、内在的揺らぎと対間相関がどの程度増加するか？
• RQ4 自己整合的相関効果を組み込むことで、平均場近似はどの程度改善できるか？
• RQ5 入力相関構造は、局所フィールド電位などの外部電位信号のパワーと空間的範囲をどのように決定するか？

主な発見

• 均一な外部入力下では、相関構造は外部入力の相関ではなく、主に局所的な再帰的結合に依存する。
• 均一な外部入力は相関に加法的かつ特徴のない形で寄与し、全体の構造にほとんど影響を与えない。
• 同じ外部入力を受けるニューロンでさえも、抑制性フィードバックが効果的に相関を低下させることを示し、相関抑制における中心的役割を明らかにする。
• 興奮性と抑制性ニューロンに同一のシナプス入力統計が与えられると、内在的揺らぎと対間相関が増加し、入力バランスの重要性が浮き彫りになる。
• 集団レベルでの揺らぎの抑制は、相関構造を決定するには必要であるが十分ではないため、速やかな追跡仮説を否定する。
• 相関効果を自己整合的に組み込むことで、特に強いフィードバックを持つ再帰的ネットワークにおいて、平均場予測の精度が向上する。