[논문 리뷰] Deconstructing Odorant Identity via Primacy in Dual Networks

Daniel Kepple, Hamza Giaffar외 2명|Cold Spring Harbor Laboratory Institutional Repository (Cold Spring Harbor Laboratory)|2016. 09. 07.

Olfactory and Sensory Function Studies참고 문헌 20인용 수 5

한 줄 요약

이 논문은 편향 없는 냄새 정체성 인식을 위한 신경 기계를 제안한다. 이 기계는 p개의 가장 강하게 반응하는 냄새 수용체 유형의 상대적 발화 빈도에 기반하며, 라그랑주 승수 최적화를 통해 정체성을 계산하는 이중 네트워크 프레임워크를 활용한다. 이 방법은 특징 제약 조건 하에서 탄성 넷 정규화를 사용하며, 원 문제를 라플라스 함수를 갖는 이중 신경망으로 매핑함으로써 비선형 반응 동역학에도 불구하고 강건하고 농도에 영향을 받지 않는 냄새 인식을 가능하게 한다.

ABSTRACT

In the olfactory system, odor percepts retain their identity despite substantial variations in concentration, timing, and background. We propose a novel strategy for encoding intensity-invariant stimuli identity that is based on representing relative rather than absolute values of the stimulus features. Because, in this scheme, stimulus identity depends on relative amplitudes of stimulus features, identity becomes invariant with respect to variations in intensity and monotonous non-linearities of neuronal responses. In the olfactory system, stimulus identity can be represented by the identities of the p strongest responding odorant receptor types out of a species dependent complement. We show that this information is sufficient to recover sparse stimuli (odorants) via elastic net loss minimization. Such a minimization has to be performed under constraints imposed by the relationships between stimulus features. We map this problem onto the dual problem of minimizing a functional of Lagrange multipliers. The dual problem, in turn, can be solved by a neural network whose Lyapunov function represents the dual Lagrangian. We thus propose that networks in the piriform cortex compute odorant identity and implement dual computations with the sparse activities of individual neurons representing the Lagrange multipliers.

연구 동기 및 목표

• 냄새 시스템이 농도 변화와 비선형 반응 특성에 상관없이 냄새 정체성을 유지하는 방식을 설명하기 위해.
• 절대 값이 아닌 상대적인 자극 특징 진폭에 기반한 냄새 정체성 인코딩을 위한 계산 프레임워크를 개발하기 위해.
• 가장 강하게 반응하는 p개의 수용체 유형의 희박한 표현이 제약 조건 하에서 최적화를 통해 냄새물질 정체성을 복원할 수 있는지 보여주기 위해.
• 최적화 문제를 라플라스 함수를 갖는 이중 신경망으로 매핑하여 피리포르름皮질 내 생물학적 실현 가능성을 제안하기 위해.

제안 방법

• 모델은 p개의 가장 강하게 반응하는 냄새 수용체 유형의 정체성을 사용하여 냄새 정체성을 인코딩하며, 그들의 상대적 진폭을 핵심 특징으로 간주한다.
• 자극 특징 관계에서 유도된 제약 조건 하에서 희박한 냄새물질의 복원을 탄성 넷 손실 최소화 문제로 설정한다.
• 원 문제 최적화는 라그랑주 승수를 포함하는 이중 문제로 변환되며, 이는 피리포르름皮질 내 신경 활동으로 해석된다.
• 이중 문제는 이중 라그랑주 함수를 반영하는 라플라스 함수에 의해 지배되는 신경망에 의해 해결된다.
• 네트워크의 안정 상태는 이중 최적화의 해와 대응하며, 강건한 정체성 복원을 가능하게 한다.
• 모델은 절대 값이 아닌 상대적 특징 진폭에 의존하기 때문에 농도 변화와 단조적 비선형성에 대해 안정성을 유지한다.

실험 결과

연구 질문

• RQ1 큰 농도 변화와 비선형 신경 반응에도 불구하고 냄새 정체성이 어떻게 안정적으로 유지될 수 있는가?
• RQ2 냄새 시스템이 절대 값이 아닌 상대적 특징 값으로 정체성을 어떻게 표현할 수 있는가?
• RQ3 가장 강하게 반응하는 p개의 수용체 유형으로부터 희박한 냄새물질 표현을 정확하게 재구성할 수 있는가?
• RQ4 피리포르름皮질 내 이중 네트워크 아키텍처가 라그랑주 승수를 통해 어떻게 최적화를 구현할 수 있는가?

주요 결과

• 절대 강도에 영향을 받지 않고, 오직 p개의 가장 강하게 반응하는 냄새 수용체 유형의 정체성만을 사용하여도 냄새물질의 정체성을 신뢰성 있게 복원할 수 있다.
• 모델은 절대 값이 아닌 수용체 반응의 상대적 진폭에 의존하기 때문에 농도에 대한 불변성을 달성한다.
• 희박한 복원을 위한 원 문제 최적화는 이중 라플라스 함수를 갖는 신경망으로 해결 가능한 이중 문제로 매핑된다.
• 피리포르름皮질 내 개별 뉴런의 희박한 활동이 라그랑주 승수를 나타내며, 이는 이중 계산과 정체성 복원을 가능하게 한다.
• 모델은 신경 반응의 단조적 비선형성에 대해 강건하여 현실적인 생물학적 조건 하에서도 정체성을 유지한다.