[논문 리뷰] Noise-robust modes of the retinal population code geometrically correspond with "ridges"

Adrianna Loback, Jason Prentice외 2명|arXiv (Cornell University)|2016. 10. 21.

Neural dynamics and brain function인용 수 3

한 줄 요약

논문은 자연적이고 반복되지 않는 刺자 조건에서 망막의 노이즈에 강한 신경 집단 코드가 확률 분포의 '산맥'(likelihood가 높은 영역으로서 고정된 스파이크 수에 의해 제약을 받는 영역)을 따라 기하학적으로 조직되어 있음을 제안한다. 이는 국소적 최고점이 아닌 산맥을 따라 조직되어 있으며, 이는 같은 功能적 공동체 내의 뉴런들이 조율된 활동을 보이며 강건한 코드화와 생물학적으로 타당한 복원 메커니즘을 가능하게 한다.

ABSTRACT

An appealing new principle for neural population codes is that correlations among neurons organize neural activity patterns into a discrete set of clusters, which can each be viewed as a noise-robust population codeword. Previous studies assumed that these codewords corresponded geometrically with local peaks in the probability landscape of neural population responses. Here, we analyze multiple datasets of the responses of ~150 retinal ganglion cells and show that local probability peaks are absent under broad, non-repeated stimulus ensembles, which are characteristic of natural behavior. However, we find that neural activity still forms noise-robust clusters in this regime, albeit clusters with a different geometry. We start by defining a soft local maximum, which is a local probability maximum when constrained to a fixed spike count. Next, we show that soft local maxima are robustly present, and can moreover be linked across different spike count levels in the probability landscape to form a ridge. We found that these ridges are comprised of combinations of spiking and silence in the neural population such that all of the spiking neurons are members of the same neuronal community, a notion from network theory. We argue that a neuronal community shares many of the properties of Donald Hebb's classic cell assembly, and show that a simple, biologically plausible decoding algorithm can recognize the presence of a specific neuronal community.

연구 동기 및 목표

• 자연적이고 반복되지 않는 刺자 조건에서 망막의 신경 집단 코드의 기하학적 구조를 조사하기 위해.
• 이전 모델이 국소적 확률 최고점에 의존하는 한계를 해결하기 위해, 넓은 자극 집합에서 국소적 최고점이 존재하지 않는 상황에서도 유의미한 기하학적 기반을 제공하기 위해.
• 실제 신경 반응 조건에서 노이즈에 강한 집단 코드를 지지하는 대체 기하학적 구조를 규명하기 위해.
• 이러한 기하학적 구조를 기능적 뉴런 공동체와 연결하고, 생물학적으로 타당한 복원 알고리즘을 통해 그 功能적 중요성을 입증하기 위해.

제안 방법

• 전체 뉴런 집단의 고정된 총 스파이크 수 조건 하에서 국소적 확률 최고점인 '소프트 국소 최고점'을 정의하였다.
• 다양한 스파이크 수 수준에서 소프트 국소 최고점을 맵핑하여 확률 분포상의 연속적인 기하학적 구조를 식별하였다.
• 이 구조의 변화를 추적하여 다수의 스파이크 수 수준을 뛰어넘는 산맥을 규명하였다.
• 산맥의 점들이 동일한 뉴런 공동체 내에서 스파이크를 날리는 뉴런과 정지 상태인 뉴런의 특정 조합과 대응됨을 확인하였다.
• 네트워크 이론을 사용하여 뉴런 공동체를 정의하고 분석하였으며, 이들이 산맥의 기하학적 구조와 일치함을 보였다.
• 특정 뉴런 공동체의 존재를 감지할 수 있는 단순하고 생물학적으로 타당한 복원 알고리즘을 제안하고 검증하였다.

실험 결과

연구 질문

• RQ1 자연적 자극 하에서 국소적 확률 최고점이 존재하지 않는 조건에서도 노이즈에 강한 신경 집단 코드어가 존재하는가?
• RQ2 최고점이 없는 조건에서 확률 분포상의 어떤 기하학적 구조가 강건한 신경 코드를 지지할 수 있는가?
• RQ3 이러한 구조는 망막 네트워크 내 기능적 뉴런 공동체와 어떻게 관련되어 있는가?
• RQ4 생물학적으로 타당한 복원 메커니즘이 이러한 코드어의 존재를 감지할 수 있는가?
• RQ5 이러한 코드어는 동일한 공동체 내 뉴런들 간의 조율된 활동 패tern과 대응되는가?

주요 결과

• 고정된 스파이크 수 조건 하에서의 소프트 국소 최고점은 여러 망막 데이터셋에서 강건하게 관찰되었다.
• 이 소프트 최고점들은 스파이크 수 수준 간에 연결되어 확률 분포상의 연속적인 산맥을 형성하였다.
• 산맥은 모든 스파이크를 날리는 뉴런들이 동일한 뉴런 공동체에 속해 있는 조율된 활동 패턴과 대응되었다.
• 네트워크 이론을 통해 정의된 뉴런 공동체는 히브의 세포 집합과 일치하는 성질을 보였다.
• 단순하고 생물학적으로 타당한 복원 알고리즘이 스파이크 패턴을 기반으로 특정 뉴런 공동체의 존재를 성공적으로 감지하였다.
• 산맥의 기하학적 구조는 전통적인 국소 최고점의 부재에도 불구하고 안정적이고 노이즈에 강한 코드를 제공하였다.