[논문 리뷰] Information theory and adaptation

Ilya Nemenman|arXiv (Cornell University)|2010. 11. 24.

Gene Regulatory Network Analysis참고 문헌 93인용 수 15

한 줄 요약

이 논문은 정보이론을 적용하여 소음과 불확실성 하에서 생물학적 시스템이 신호 처리를 어떻게 최적화하는지 이해한다. 생물체가 자극과 반응 사이의 상호정보량을 최대화함으로써 적응함으로써 성능을 향상시킨다고 제안하며, 변동성 적응과 시간 필터링과 같은 메커니즘을 사용한다. 주요 통찰은 신경과학, 분자 회로 및 진화에서 유래한다.

ABSTRACT

In this Chapter, we ask questions (1) What is the right way to measure the quality of information processing in a biological system? and (2) What can real-life organisms do in order to improve their performance in information-processing tasks? We then review the body of work that investigates these questions experimentally, computationally, and theoretically in biological domains as diverse as cell biology, population biology, and computational neuroscience

연구 동기 및 목표

• 생물학적 시스템에서 정보 처리 품질을 측정하는 최적의 방법을 규명하는 것.
• 실제 생물체가 적응을 통해 정보 처리 과제에서 성능을 향상시키는 방식을 이해하는 것.
• 신경 코드에서 분자 신호 전달에 이르기까지 다양한 생물학적 현상을 정보이론적 프레임워크를 통해 통합하는 것.
• 기존 모델의 한계를 해결하기 위해 새로운 환경에서 예측 가능하고 실험적으로 검증 가능한 프레임워크의 필요성을 강조하는 것.
• 이론적 통찰을 마이크로플루이딕스 및 진화 가속 기술의 실험적 진전과 연결하여 정보 최적화 가설을 테스트하는 것.

제안 방법

• 생물학적 시스템을 자극 s(t)에서 반응 r(t)로 매핑하는 입출력 장치로 모델링하며, 생화학적 또는 신경 생물학적 동역학에 의해 지배되는 확률적 동역학을 사용한다.
• 정보 처리 품질을 정량화하기 위해 상호정보량 I[S;R]을 주요 지표로 사용하여 관련 통계적 의존성을 포괄함을 보장한다.
• 제약 조건이 있는 최적화를 적용하여, 소음 하에서 정보 최대화를 위한 해로서 적응 메커니즘(예: 평균 및 분산 제거)이 자연스럽게 유도됨을 보여준다.
• 시간에 따른 신호 통합과 시간 필터링을 분석하여, 자극 역사와 현재 반응 간의 상관관계가 효율적인 정보 추출을 가능하게 함을 보여준다.
• 시간 변화가 있는 환경에서 정보 효율성을 향상시키기 위해 '예측 필터링' 개념을 도입하여 비예측적 신호 성분을 제거한다.
• 신경 및 분자 회로가 다수의 신호 파rameter(예: 평균, 분산, 변화율)를 추정하는 데 사용할 수 있는 고주파, 제어된 자극 실험을 제안한다.

실험 결과

연구 질문

• RQ1 생물학적 시스템에서 정보 처리 품질을 측정하는 데 최적의 방법은 무엇인가?
• RQ2 실제 생물체는 어떤 방식으로 적응을 통해 정보 처리 과제에서 성능을 향상시키는가?
• RQ3 관찰된 적응(예: E. coli의 화학성향성 또는 파리의 운동 감지에서의 적응)이 진정으로 정보 최적화를 반영하는가, 아니면 모델 가정의 산물인가?
• RQ4 정보이론이 이전에 테스트되지 않은 환경에서 새로운 적응 행동을 예측할 수 있는가?
• RQ5 동적인 시간 변화가 있는 자극은 뉴런 및 분자 시스템의 정보 처리 회로의 진화와 기능에 어떻게 영향을 미치는가?

주요 결과

• 상호정보량 I[S;R]은 생물학적 정보 처리 품질을 수학적으로 엄밀하고 일반적인 프레임워크로 정량화할 수 있다.
• 자극 평균과 분산에 대한 적응은 최적화를 위한 명시적 피드백이 없더라도 정보 전송을 최대화하기 위한 전략으로 자연스럽게 유도될 수 있다.
• 평균 값에서 임계 처리 후 자극을 통합하는 방식은 파리의 운동 감지에서 분산 적응을 설명할 수 있으며, 이는 비적응 메커니즘이라도 적응 유사 행동을 낳을 수 있음을 시사한다.
• 기존의 많은 적응 설명은 신호 통계에 대한 가정에 의존하여 독립적으로 검증되지 않아 완전하지 않거나 우연일 수 있다.
• 정보이론에 기반한 이론적 예측은 신경과학(예: 감각 시스템에서)에서 검증되었지만, 느린 진화적 시간스케일과 실험적 과제로 인해 분자 감지 시스템은 뒤처져 있다.
• 미래의 발전은 마이크로플루이딕스 및 가속된 진화와 같은 새로운 실험 도구에 달려 있으며, 이는 동적인 환경에서 정보 최적화를 제어적으로 테스트할 수 있게 해줄 것이다.