[논문 리뷰] Data-driven modeling of the olfactory neural codes and their dynamics in the insect antennal lobe

Eli Shlizerman, Jeffrey A. Riffell외 1명|arXiv (Cornell University)|2013. 11. 29.

Neurobiology and Insect Physiology Research참고 문헌 47인용 수 11

한 줄 요약

이 연구는 다양한 냄새 자극에 반응하는 투과성 뉴런의 다채널 기록 데이터를 기반으로 한 데이터 기반 신경망 모델을 개발하여 곤충의 복합 냄새 뇌의 냄새 특이성 신경 코드를 재현한다. 전기생리학적 데이터를 통합한 모델은 횡방향 억제가 낮은 차원의 냄새 공간에서 강건하고 직교하는 신경 궤적을 형성하는 방식을 밝혀내며, 임계값을 초월하는 역학을 통해 신뢰할 수 있는 냄새 식별이 가능하게 한다. 이는 후각에서의 신경적 의사결정 메커니즘 이해에 통찰을 제공한다.

ABSTRACT

Recordings from neurons in the insects' olfactory primary processing center, the antennal lobe (AL), reveal that the AL is able to process the input from chemical receptors into distinct neural activity patterns, called olfactory neural codes. These exciting results show the importance of neural codes and their relation to perception. The next challenge is to \emph{model the dynamics} of neural codes. In our study, we perform multichannel recordings from the projection neurons in the AL driven by different odorants. We then derive a neural network from the electrophysiological data. The network consists of lateral-inhibitory neurons and excitatory neurons, and is capable of producing unique olfactory neural codes for the tested odorants. Specifically, we (i) design a projection, an odor space, for the neural recording from the AL, which discriminates between distinct odorants trajectories (ii) characterize scent recognition, i.e., decision-making based on olfactory signals and (iii) infer the wiring of the neural circuit, the connectome of the AL. We show that the constructed model is consistent with biological observations, such as contrast enhancement and robustness to noise. The study answers a key biological question in identifying how lateral inhibitory neurons can be wired to excitatory neurons to permit robust activity patterns.

연구 동기 및 목표

• 실제 전기생리학적 기록을 활용하여 곤충 복합 뇌에서 후각 신경 코드의 동역학을 모델링하기.
• 다른 냄새 물질에 대해 고유하고 안정된 신경 활동 패턴을 생성하는 신경 회로의 연결 구조(컨넥톰)를 규명하기.
• 횡방향 억제가 입력 변동성에도 불구하고 강건한 냄새 인식을 가능하게 하여 신호 대 잡음 비율을 향상시키는 방식을 조사하기.
• 반복적인 자극 노출 기반의 신경 궤적 역학에 기반한 생물학적으로 타당한 의사결정 메커니즘 개발하기.

제안 방법

• 다양한 냄새 물질에 대한 반응으로 복합 뇌의 투과성 뉴런에서 다채널 외부 기록을 촬영하였다.
• 주성분 분석(PCA)을 적용하여 신경 충동 빈도(iFR) 반응의 차원을 감소시켜 직교 축을 가진 낮은 차원의 냄새 공간을 식별하였다.
• 흥분성 투과성 뉴런(PNs)과 억제성 국소 뉴런(LNs)으로 구성된 신경망 모델을 구축하였으며, 관측된 신경 동역학을 재현하도록 校정하였다.
• 모델의 연결성은 데이터에서 유추되었으며, 횡방향 억제가 냄새 공간에서 안정적이고 직교하는 固定点을 생성하도록 조정되었다.
• 반복적인 자극 노출에 따른 증거 통합을 기반으로 한 임계값 초월 사건에 기반한 의사결정 알고리즘을 제안하였다.
• 모델의 유효성을 검증하기 위해 시뮬레이션된 신경 궤적과 실험 데이터를 비교하였으며, 궤적 형태와 수렴 역학에서 높은 일치를 보였다.

실험 결과

연구 질문

• RQ1 복합 뇌의 신경 동역학은 어떻게 서로 다른 냄새 물질에 대해 고유하고 안정적이며 재현 가능한 신경 코드를 생성하는가?
• RQ2 횡방향 억제는 이러한 신경 코드를 어떻게 형성하고, 신호 대 잡음 비율을 향상시키는가?
• RQ3 복합 뇌의 신경 활동 동역학은 반복적인 자극 노출 기반의 의사결정 과정으로 어떻게 모델링할 수 있는가?
• RQ4 강건한 냄새 식별을 뒷받침하는 기저 신경 회로(컨넥톰)의 구조는 무엇인가?
• RQ5 데이터 기반 모델은 관측된 낮은 차원의 직교 궤적을 재현할 수 있는가?

주요 결과

• 모델은 각 테스트된 냄새 물질에 대해 낮은 차원의 냄새 공간에서 고유하고 안정적이며 직교하는 궤적을 성공적으로 재현하였다.
• 횡방향 억제를 포함한 신경망은 대비 강화 효과를 나타내어, 유사한 냄새 물질 간의 신뢰할 수 있는 식별을 가능하게 하였다.
• 냄새 공간 내에서의 신경 궤적은 직교하는 고정점을 향해 끌려가며, 서로 다른 냄새에 대한 반응을 최적의 방식으로 분리시켰다.
• 임계값 초월 역학에 기반한 의사결정 메커니즘은 반복적인 자극 노출에 따른 증거 통합을 성공적으로 수행하여 고신뢰도의 냄새 인식을 이끌어냈다.
• 모델은 복합 냄새 혼합물이 서로 다른 임계값 초월을 유도하며, 횡방향 억제를 통해 주된 냄새 물질이 약한 냄새를 억제함을 예측하였다.
• 모델의 시뮬레이션 궤적과 실험 궤적이 냄새 공간에서 강한 일치를 보였으며, 이는 모델의 생물학적 타당성과 예측 능력을 검증하였다.