[논문 리뷰] A graphical, scalable and intuitive method for the placement and the connection of biological cells

Rougier, Nicolas P.|arXiv (Cornell University)|2017. 10. 14.

Cell Image Analysis Techniques참고 문헌 35인용 수 3

한 줄 요약

이 논문은 색상이 세포 유형을 정의하고 알파 채널이 국소 밀도를 나타내는 비트맵 입력을 사용하여 2차원 다각형 상에서 생물학적 세포를 확장 가능하고 직관적이며 그래픽 기반으로 배치하는 방법을 제시한다. 이 방법은 가중치가 부여된 볼로노이 스티플링을 사용하여 상위 구조를 유지하면서 비균일한 세포 배치를 공간적으로 분포시키며, 확장 가능한 연결성 모델링을 가능하게 하여 이질적인 분포에서 신경 신호 전파의 功能적 차이를 입증한다.

ABSTRACT

We introduce a graphical method originating from the computer graphics domain that is used for the arbitrary and intuitive placement of cells over a two-dimensional manifold. Using a bitmap image as input, where the color indicates the identity of the different structures and the alpha channel indicates the local cell density, this method guarantees a discrete distribution of cell position respecting the local density function. This method scales to any number of cells, allows to specify several different structures at once with arbitrary shapes and provides a scalable and versatile alternative to the more classical assumption of a uniform non-spatial distribution. Furthermore, several connection schemes can be derived from the paired distances between cells using either an automatic mapping or a user-defined local reference frame, providing new computational properties for the underlying model. The method is illustrated on a discrete homogeneous neural field, on the distribution of cones and rods in the retina and on a coronal view of the basal ganglia.

연구 동기 및 목표

• 계산 기반 신경 모델에서 공간적 현실성이 부족한 문제를 해결하기 위해, 일반적으로 균일하거나 비공간적 분포를 가정하는 것에 대비한다.
• 다양한 형태와 국소 밀도 변화를 가진 다수의 세포 유형을 사용자가 직관적으로 정의한 배치를 가능하게 하는 방법을 개발한다.
• 공간적 지형에 기반한 확장 가능하고 계산적으로 다룰 수 있는 신경 연결성 모델링을 가능하게 한다.
• 공간적 배열이 신호 전파 속도 및 시간 역학과 같은 기능적 특성에 미치는 영향을 탐구한다.
• 표준 그래픽 포맷(SVG)과 오픈소스 도구를 사용하여 공간적으로 정확한 뇌 구조를 생성하는 실용적이고 재현 가능한 프레임워크를 제공한다.

제안 방법

• 입력은 RGB 색상이 세포 유형을 정의하고 알파 채널이 국소 세포 밀도를 나타내는 2차원 비트맵 이미지이다.
• 이 방법은 국소 밀도 함수를 존중하면서 가중치가 부여된 볼로노이 스티플링을 사용하여 블루 노이즈 분포의 세포 위치를 생성한다.
• 세포 위치는 최소 간격을 보장하고 균일한 공간적 분포를 확보하는 파oisson-디스크 유사 샘플링 과정을 통해 계산된다.
• 연결성은 k-최근접 이웃(k-NN) 또는 세포 간 거리 기반으로 사용자가 정의한 국소 기준 프레임을 사용하여 설정된다.
• 각 볼로노이 영역은 중심 뉴런의 활동에 따라 칠해지는 이중 볼로노이 다각형을 사용하여 세포 활동을 시각화한다.
• 전체 아키텍처는 SVG 파일에 인코딩되어 있으며, 표준 과학용 파이썬 스택(NumPy, SciPy, Matplotlib)을 사용하여 확장 가능하고 재현 가능하다.

실험 결과

연구 질문

• RQ1 그래픽 인터페이스를 사용하여 생물학적 세포의 확장 가능하고 직관적이며 공간적으로 정확한 배치는 어떻게 달성할 수 있는가?
• RQ2 균일하지 않은, 밀도 인지 분포와 비교했을 때 비균일한 밀도 인지 세포 분포에서 신경 신호 전파에 어떤 功能적 차이가 나타나는가?
• RQ3 세포 위치의 공간적 비대칭성은 시간 압축 또는 공간화된 시간과 같은 잠재적 계산적 특성을 유도할 수 있는가?
• RQ4 스티플링과 볼로노이 타일링 기반의 단순한 그래픽 방법이 뇌 구조에서 생물학적으로 관련 있는 공간 패턴을 어느 정도 재현할 수 있는가?
• RQ5 사용자가 정의한 지형과 밀도 지도는 기저 구조와 같은 뇌 영역에서 기능적 분리 모델링에 어떻게 활용될 수 있는가?

주요 결과

• 이 방법은 시험 케이스로 검증된 바, 망막, 신경 분야, 기저 구조 등 다양한 분야에서 국소 밀도 변화를 존중하면서 이산적이고 비균일한 세포 분포를 성공적으로 생성한다.
• 비균일한 신경 분야에서, 저밀도 영역에서는 신호 전파가 훨씬 빠르게 이루어졌으며(최단 경로: 6개 연결), 고밀도 영역에서는 느렸다(경로 길이: 19개 연결), 이는 공간적 배치의 功能적 영향을 입증한다.
• 세포 위치의 공간적 비대칭성은 차이가 나는 신호 도착 시간을 유도하여, 경로에 따라 다른 시간에 도착하는 시간의 공간화 효과를 만들어 냈다.
• 기저 구조 모델에서, 밀도 및 형태 제약 조건을 사용하여 별개의 복측 및 덮측 Striatum 영역이 공간적으로 구분되었으며, 이로 인해 입력-출력 매핑의 차별화가 가능했다.
• 비균일한 이산 신경 분야에서 국소 터닝 패턴이 나타났으며, 이는 단지 공간적 구조만으로도 시냅스 규칙을 변경하지 않고도 기능적 패턴 형성이 유도될 수 있음을 시사한다.
• SVG 기반 입력과 볼로노이 기반 시각화의 사용은 모델 아키텍처와 그 기능적 특성의 완전한 재현 가능성과 확장 가능성을 가능하게 했다.