[논문 리뷰] Inferring and Learning from Neuronal Correspondences

Ashish Kapoor, E. Paxon Frady외 3명|arXiv (Cornell University)|2015. 01. 23.

Cell Image Analysis Techniques참고 문헌 39인용 수 3

한 줄 요약

이 논문은 여러 마리의 리치 신경계 간에 뉴런의 대응 관계를 추론하기 위한 머신러닝 프레임워크를 제안한다. 이를 통해 별개의 개체에서 수집된 신경 데이터를 종합적으로 분석할 수 있다. 거리 학습, 확률적 주성분 분석(PCA), 그래프 매칭을 융합한 방법은 세포 수와 특성의 변동성에도 불구하고 동물 간 뉴런을 정렬하여, 병합된 데이터에서 행동 상태 예측의 정확도를 크게 향상시킨다.

ABSTRACT

We introduce and study methods for inferring and learning from correspondences among neurons. The approach enables alignment of data from distinct multiunit studies of nervous systems. We show that the methods for inferring correspondences combine data effectively from cross-animal studies to make joint inferences about behavioral decision making that are not possible with the data from a single animal. We focus on data collection, machine learning, and prediction in the representative and long-studied invertebrate nervous system of the European medicinal leech. Acknowledging the computational intractability of the general problem of identifying correspondences among neurons, we introduce efficient computational procedures for matching neurons across animals. The methods include techniques that adjust for missing cells or additional cells in the different data sets that may reflect biological or experimental variation. The methods highlight the value harnessing inference and learning in new kinds of computational microscopes for multiunit neurobiological studies.

연구 동기 및 목표

• 세포 수와 특성의 생물학적·실험적 변동성에도 불구하고 여러 개체 간 뉴런을 매칭하는 문제에 대응한다.
• 여러 마리 리치 준비물의 데이터를 병합함으로써 신경 회로와 행동에 대한 공동 추론을 가능하게 한다.
• 두 마리 이상의 동물 간 대응 관계 매칭을 위한 확장 가능하고 계산 효율적인 방법을 개발하여 NP-완전 복잡도를 극복한다.
• 다양한 동물의 정렬된 데이터를 활용해 행동 상태 분류의 정확도와 실시간성(예: 수영 대 비틀거림)을 향상시킨다.
• 다른 무척추동물 및 척추동물 신경계에 적용 가능한 일반화 가능한 프레임워크를 제공하여 데이터 통합 및 분석을 가능하게 한다.

제안 방법

• 물리적 및 기능적 뉴런 특징을 바탕으로 학습된 호환성 함수를 사용하여 뉴런 대응 관계를 이원 그래프 매칭 문제로 공식화한다.
• 사용자가 제공한 매칭/비매칭 쌍을 지도로 사용하여 메트릭 학습을 통해 마할라노비스 스타일의 메트릭을 학습하여 동물 간 뉴런 쌍 간 유사도를 정의한다.
• 제약 조건이 있는 최적화 문제(식 3)를 반복적으로 해결함으로써 총 호환성의 최대화와 일对일 매칭 보장을 위한 대응 맵을 복원한다.
• 정렬된 뉴런에서 구성된 순열된 데이터 행렬 Y에 대해 확률적 주성분 분석(pPCA)을 적용하여 관측되지 않은 뉴런 활동을 추론한다.
• 여섯 마리의 리치 준비물에서 데이터를 통합하며, 각 개체의 신경절 데이터는 시간에 따라 변화하는 전압 감지 염료 신호의 시계열로 표현된다.
• 비선형 차원 축소를 위해 병합된 정렬된 데이터에 ISOMAP를 적용하여 행동 상태 간 일관된 비교 및 시각화를 수행한다.

실험 결과

연구 질문

• RQ1 세포 수와 실험적 오차의 변동성에도 불구하고 여러 마리 리치 준비물 간에 신뢰성 있게 뉴런 대응 관계를 추론할 수 있는가?
• RQ2 유추된 대응 관계를 사용해 여러 개체의 신경 데이터를 병합하면 단일 개체 분석에 비해 행동 상태 예측의 정확도와 속도가 향상되는가?
• RQ3 학습된 호환성 메트릭이 서로 다른 개체 간 기능적·구조적 대응 관계를 효과적으로 식별할 수 있는가?
• RQ4 정렬된 데이터에 대해 확률적 PCA를 적용할 경우 관측되지 않은 뉴런 활동의 복원에 얼마나 기여하는가?
• RQ5 유추된 뉴런 대응 모델을 활용해 실시간으로 진행 중인 실험을 안내할 수 있는가?

주요 결과

• 메트릭 학습과 그래프 매칭을 융합한 방법은 여섯 마리 리치 준비물 간에 일대일 뉴런 대응 관계를 성공적으로 유추하였으며, 누락되거나 추가된 세포가 있는 경우에도 유사하다.
• 정렬된 뉴런에서 유도된 병합된 데이터는 단일 개체에서의 데이터보다 수영과 비틀거림 행동 상태를 더 이르고 더 뚜렷하게 분류할 수 있게 하였다.
• 정렬된 데이터에 대해 ISOMAP를 사용한 비선형 투영은 모든 개체에서 일관된 궤적을 드러냈으나, 개별 개체의 투영은 일관성이 없었다.
• 정렬된 데이터 행렬 Y에 대해 확률적 PCA를 적용함으로써 관측되지 않은 뉴런 활동의 효과적인 추론이 가능해져 데이터 완전성이 향상되었다.
• 공동 분석을 통해 뉴런 회로 기능에 대한 더 견고하고 일반화 가능한 통찰을 도출할 수 있음을 입증하였다.
• 대응 관계 유추를 통한 다수 개체의 공동 분석은 개체 간 변동성을 극복하고 행동 역학의 일관된 시각화 및 분석을 가능하게 하였다.