[논문 리뷰] Interaction graph estimation for the first olfactory relay of an insect

Ludmila Brochini, Pierre Hodara외 2명|arXiv (Cornell University)|2016. 12. 15.

Neurobiology and Insect Physiology Research인용 수 1

한 줄 요약

이 논문은 메뚜기의 첫 번째 후각 전달부에서의 희소하고 고품질의 다중 전극 어레이 기록을 이용하여 방향성 시냅스 상호작용 그래프를 추정하기 위한 새로운 통계적 방법을 제안한다. 이전 절차를 개선하여 작은 표본 크기와 부분적으로 관측된 네트워크를 다루는 데 성공함으로써, 시뮬레이션 연구와 파라미터 튜닝을 통해 검증된 바에 따르면 제한된 데이터로도 정확한 연결성 추론이 가능하다.

ABSTRACT

One of the main current issues in Neurobiology concerns the understanding of interrelated spiking activity among multineuronal ensembles and differences between stimulus-driven and spontaneous activity in neurophysiological experiments. Multi electrode array recordings that are now commonly used monitor neuronal activity in the form of spike trains from many well identified neurons. A basic question when analyzing such data is the identification of the directed graph describing synaptic coupling between neurons. In this article we deal with this matter working with a high quality multielectrode array recording dataset (Pouzat et al., 2015) from the first olfactory relay of the locust, $Schistocerca$ $americana$. From a mathematical point of view this paper presents two novelties. First we propose a procedure allowing to deal with the small sample sizes met in actual datasets. Moreover we address the sensitive case of partially observed networks. Our starting point is the procedure introduced in Duarte et al. (2016). We evaluate the performance of both original and improved procedures through simulation studies, which are also used for parameter tuning and for exploring the effect of recording only a small subset of the neurons of a network.

연구 동기 및 목표

• 제한된 실험 데이터로부터 신경망의 방향성 시냅스 연결성을 추론하는 데 도전하는 것.
• 신경생리학적 기록에서 흔히 발생하는 작은 표본 크기 문제에 강건한 방법을 개발하는 것.
• 오직 일부 뉴런만 기록되는 현실적인 상황인 부분적으로 관측된 신경망을 다루는 것.
• 다중 뉴런 스파이크 트레인 데이터에서의 상호작용 그래프 추정 기존 방법을 개선하는 것.
• 실제 기록 조건을 고려한 시뮬레이션 연구와 파라미터 튜닝을 통해 방법을 검증하는 것.

제안 방법

• Duarte 등 (2016)의 이전 절차를 기반으로 하되, 작은 표본 크기와 부분 네트워크 관측을 다룰 수 있도록 확장한 방법이다.
• 관측된 스파이크 수가 제한된 상황를 고려하여 스파이크 트레인 상호작용을 모델링하는 통계적 프레임워크를 사용한다.
• 낮은 표본 크기 영역에서 추론을 안정화하기 위해 정규화 기법을 통합한다.
• 방향성 연결성에 중점을 두어 전시냅스와 후시냅스 영향을 구분하는 최대우도 기반 추론을 수행한다.
• 다양한 기록 조건에서 성능을 최적화하기 위해 시뮬레이션 연구를 통해 파라미터 튜닝을 수행한다.
• 관측된 스파이크 트레인 상관관계로부터 유도된 방향성 시냅스 결합을 추정함으로써 네트워크 구조를 평가한다.

실험 결과

연구 질문

• RQ1 어떻게 소표본 스파이크 트레인 기록에서 신경집단의 방향성 시냅스 연결성을 신뢰성 있게 추론할 수 있는가?
• RQ2 오직 일부 뉴런만 기록될 경우 상호작용 그래프의 추론 정확도에 어떤 영향을 미치는가?
• RQ3 자료 부족에 강건한 면에서 기존 접근법에 비해 제안된 방법이 어떻게 향상되는가?
• RQ4 실제 실험 조건을 고려할 때 신뢰할 수 있는 추론을 위해 최적의 파라미터 설정은 무엇인가?
• RQ5 자극 유도 활동과 자발적 활동 패턴은 연결성 추론 정확도에 어떤 영향을 미치는가?

주요 결과

• 개선된 방법은 원래 절차에 비해 소표본 영역에서 방향성 상호작용 그래프 추정 정확도를 크게 향상시킨다.
• 오직 일부 뉴런만 기록되는 경우에도 방법이 강건하게 유지되어 부분 관측 네트워크에 적합하다.
• 시뮬레이션 연구 결과, 뉴런당 스파이크 수가 제한된 상황에서도 신뢰할 수 있는 추론이 가능함을 입증한다.
• 시뮬레이션을 통한 파라미터 튜닝을 통해 다양한 기록 조건에서 최적의 성능을 달성한다.
• 연결성 추론 과정에서 자극 유도 활동과 자발적 활동 패턴을 성공적으로 구분한다.