[논문 리뷰] Cross-population coupling of neural activity based on Gaussian process current source densities

Natalie Klein, Joshua H. Siegle외 2명|arXiv (Cornell University)|2021. 04. 20.

Neural dynamics and brain function참고 문헌 42인용 수 7

한 줄 요약

이 논문은 신경 전류 소스를 시간-공간적 가우시안 프로세스로 모델링하고 빠른 및 느린 성분을 구분함으로써, 해석 가능한 시험 간 변동 성분으로 국소 전위(LFP) 신호를 강건하게 분해할 수 있는 새로운 가우시안 프로세스 전류 밀도(GPCSD) 프레임워크를 제안한다. 기존의 CSD 추정 방법보다 우수하며, 영장류 청각皮질과 마우스 시각皮질에서 원시 LFP에서는 탐지할 수 없는 층 특이적 위상 결합 및 프로브 간 상관관계를 드러낸다.

ABSTRACT

Because local field potentials (LFPs) arise from multiple sources in different spatial locations, they do not easily reveal coordinated activity across neural populations on a trial-to-trial basis. As we show here, however, once disparate source signals are decoupled, their trial-to-trial fluctuations become more accessible, and cross-population correlations become more apparent. To decouple sources we introduce a general framework for estimation of current source densities (CSDs). In this framework, the set of LFPs result from noise being added to the transform of the CSD by a biophysical forward model, while the CSD is considered to be the sum of a zero-mean, stationary, spatiotemporal Gaussian process, having fast and slow components, and a mean function, which is the sum of multiple time-varying functions distributed across space, each varying across trials. We derived biophysical forward models relevant to the data we analyzed. In simulation studies this approach improved identification of source signals compared to existing CSD estimation methods. Using data recorded from primate auditory cortex, we analyzed trial-to-trial fluctuations in both steady-state and task-evoked signals. We found cortical layer-specific phase coupling between two probes and showed that the same analysis applied directly to LFPs did not recover these patterns. We also found task-evoked CSDs to be correlated across probes, at specific cortical depths. Using data from Neuropixels probes in mouse visual areas, we again found evidence for depth-specific phase coupling of primary visual area and lateromedial area based on the CSDs.

연구 동기 및 목표

• 외부 전극 LFP 기록을 통해 분산된 인구 및皮질 층 간의 조율된 신경 활동을 식별하는 데 도전하는 데 목적을 둔다.
• 기존의 CSD 추정 방법은 노이즈에 민감하고 균일하게 간격을 두고 배치된 전극에 국한되므로, 이를 극복하는 데 목적을 둔다.
• 시간스케일이 다른 생물물리학적으로 해석 가능한 전류 밀도 성분으로 LFP를 분해하는 통계적으로 타당한 유연한 방법을 개발하는 데 목적을 둔다.
• 원시 LFP에서 신호 혼합과 노이즈로 인해 가려진 시험 간 상관관계를 탐지할 수 있도록 하는 데 목적을 둔다.
• 실제 영장류 및 마우스 신경 데이터에 대해 방법을 검증하여, 깊이 특이적이고 작업 유도 신경 조율을 드러내는 데의 유용성을 입증하는 데 목적을 둔다.

제안 방법

• 이 방법은 평균 함수(시간에 따라 변하는 공간 함수)와 빠른 및 느린 성분을 가진 평균이 0이고(stationary) 시간-공간적 가우시안 프로세스의 합으로 전류 밀도(CSD)를 모델링한다.
• CSD를 관측된 LFP로 매핑하는 생물물리학적 정방향 모델을 사용하며, 추가로 가우시안 노이즈를 포함하여 계층적 상태공간 모델을 형성한다.
• 공간 공분산 구조는 1차원 및 2차원에서 적분을 근사하기 위해 중점법 또는 Trapezoid 법칙을 사용하여 커널 함수를 공간 격자에 대해 수치적으로 통합하여 계산한다.
• 이 프레임워크는 가우시안 프로세스의 낮은 차원의 파arameterization을 사용하여, 소스 추정의 불안정한 역문제를 정규화한다.
• 모델 피팅은 최대우도 추정법을 통해 수행되며, 우도 평가에는 통합 격자에서 사전에 계산된 공간 공분산 행렬 AKB에 의존한다.
• 이 방법은 1차원, 2차원 또는 3차원에서 균일하지 않은 간격의 전극을 지원하며, 모델 피팅 중에 파라미터 조정이 가능하다.

실험 결과

연구 질문

• RQ1 LFP를 생물물리학적으로 해석 가능한 전류 밀도 성분으로 분해하는 통계 모델이 원시 LFP에서는 보이지 않는 시험 간 상관관계를 드러내는가?
• RQ2 GPCSD 프레임워크는 기존의 CSD 추정 방법보다 신경 소스 신호 식별 능력을 향상시키는가?
• RQ3 청각 및 시각皮질에서 신경 인구 간 깊이 특이적 위상 결합 패턴이 CSD 분해를 통해만 탐지 가능한가?
• RQ4 이 프레임워크는 공간적으로 분리된 프로브 간에 작업 유도 CSD 상관관계를 탐지할 수 있는가?
• RQ5 특히 진짜 신호에 가정된 것보다 더 많은 성분이 포함되어 있을 경우, 모델 잘못 설정에 대해 이 방법은 얼마나 강건한가?

주요 결과

• 모의 실험에서 GPCSD 프레임워크는 기존의 CSD 방법보다 소스 신호 식별 능력을 크게 향상시켰으며, 특히 비백색 노이즈를 가진 빠른 변동을 잘 포착하였다.
• 영장류 청각皮질에서, 원시 LFP 분석에서는 보이지 않았던 두 프로브 간에 층 특이적 위상 결합이 드러났다.
• 작업 유도 CSD는 특정 피질 깊이에서 프로브 간에 상관관계를 보였으며, 이는 조율된 인구 활동을 시사한다.
• 마우스 시각皮질에서, GPCSD 분석은 주 시각 피질과 후측측 영역 간에 깊이 특이적 위상 결합을 탐지하였으며, 이는 LFP 데이터에서는 나타나지 않았다.
• 두 성분(squared exponential 및 Matérn)을 가진 모델로 피팅했을 때, 세 성분이 포함된 데이터에서 평균 제곱오차는 7.4 × 10⁻⁵를 기록하여, 모델 잘못 설정에 대해 매우 강건함을 보였다.
• 단일 시간 공분산 구조(squared exponential)만을 가진 잘못 설정된 모델은 평균 제곱오차가 0.01로, 올바르게 설정된 모델보다 수개월 정도 높았으며, 이는 모델의 유연성의 중요성을 강조한다.