[논문 리뷰] On the ground state of spiking network activity in mammalian cortex

Jens Wilting, Viola Priesemann|arXiv (Cornell University)|2018. 04. 20.

Neural dynamics and brain function참고 문헌 60인용 수 3

한 줄 요약

이 연구는 촉수성 네트워크 역학에서 오랫동안 놓인 논란을 해결하기 위해, 공간 샘플링에 영향을 받지 않는 추정기(_estimator)를 도입함으로써, 영양 동물 촉수에서의 생체 내 신호 발생 활동이 항상 유일하고 좁은 '반복 상태(reverberating state)'를 점유한다는 것을 드러냈다. 이는 이질적 불규칙 상태와 임계 상태와는 다릅니다. 저자들은 이 상태에 캘리브레이션된 일반 모델을 검증하여 단일 뉴런, 이원 및 인구 수준의 특성을 정확하게 예측할 수 있었으며, 이전에는 접근이 어려웠던 네트워크 파rameter들—예를 들어 시간 스케일과 입력 강도—를 추론할 수 있었습니다.

ABSTRACT

Electrophysiological recordings of spiking activity are limited to a small number of neurons. This spatial subsampling has hindered characterizing even most basic properties of collective spiking in cortical networks. In particular, two contradictory hypotheses prevailed for over a decade: the first proposed an asynchronous irregular state, the second a critical state. While distinguishing them is straightforward in models, we show that in experiments classical approaches fail to correctly infer network dynamics because of subsampling. Deploying a novel, subsampling-invariant estimator, we find that in vivo dynamics do not comply with either hypothesis, but instead occupy a narrow state consistently across multiple mammalian species and cortical areas. A generic model tuned to this reverberating state predicts single neuron, pairwise, and population properties. With these predictions we first validate the model and then deduce network properties that are challenging to obtain experimentally, like the network timescale and strength of cortical input.

연구 동기 및 목표

• 촉수성 네트워크 역학에서 이질적 불규칙 상태와 임계 상태 가설 간의 오랜 모순을 해결하기 위해.
• 전기생리학 기록에서 공간 샘플링이 발생할 경우 실패하는 전통적 추론 방법의 한계를 극복하기 위해.
• 다양한 영양 동물 촉수 영역과 종에 걸쳐 신호 발생 활동을 지배하는 유일한 역학적 상태를 규명하기 위해.
• 이 상태에 캘리브레이션된 일반 모델을 개발하여 단일 뉴런, 이원 및 인구 수준의 활동 통계를 정확하게 예측하기 위해.
• 실험적으로 접근이 어려운 네트워크 특성—예를 들어 네트워크 시간 스케일과 촉수 입력 강도—를 추론하기 위해.

제안 방법

• 제한된 뉴런 기록 상황에서도 네트워크 역학을 신뢰성 있게 추론할 수 있도록 새로운 공간 샘플링에 영향을 받지 않는 추정기 개발.
• 다양한 영양 동물 종과 촉수 영역의 생체 내 전기생리학 데이터에 이 추정기를 적용.
• 실험적으로 추론된 역학과 일치하도록 일반적인 스파iking 네트워크 모델의 파rameter를 조정하여 다양한 척도에서의 예측을 도출.
• 모델 예측을 실험 데이터로부터 확보된 단일 뉴런, 이원 및 인구 수준의 통계와 대조하여 검증.
• 모델 예측을 활용하여 직접 측정하기 어려운 숨겨진 네트워크 특성—예를 들어 시간 스케일과 입력 강도—를 추론.

실험 결과

연구 질문

• RQ1 전기생리학 기록에서 공간 샘플링의 제약이 존재하는 상황에서, 생체 내 촉수 네트워크가 실제로 어떤 역학적 상태를 점유하고 있는가?
• RQ2 소수의 뉴런만 기록된 상황에서 네트워크 역학을 어떻게 신뢰성 있게 추론할 수 있는가?
• RQ3 관찰된 활동은 이질적 불규칙 상태나 임계 상태 가설을 따르는가, 아니면 별개의 상태인가?
• RQ4 실험적으로 추론된 상태에 캘리브레이션된 일반 모델이 단일 뉴런, 이원 및 인구 수준의 활동 통계를 정확하게 예측할 수 있는가?
• RQ5 이 상태를 지배하는 기초 네트워크 특성—예를 들어 시간 스케일과 입력 강도—는 무엇이며, 데이터로부터 이들을 추론할 수 있는가?

주요 결과

• 다양한 영양 동물 종과 촉수 영역에서 생체 내 촉수 네트워크의 역학은 항상 독특하고 좁은 반복 상태를 점유하며, 이는 이질적 불규칙 상태와 임계 상태와는 다릅니다.
• 전통적 추론 방법은 샘플링에 취약하여 네트워크 역학의 잘못된 분류를 초래하며, 이는 오랜 논란의 이유를 설명합니다.
• 반복 상태에 캘리브레이션된 일반 스파이킹 네트워크 모델은 단일 뉴런의 발화율, 이원 상관관계 및 인구 활동 패tern을 정확하게 예측합니다.
• 모델의 예측은 실험 데이터와 대조되어 추론된 상태의 강건성과 정확성을 확인합니다.
• 모델은 이전에는 접근이 어려웠던 네트워크 특성—예를 들어 네트워크 시간 스케일과 촉수 입력 강도—를 추론할 수 있게 해줍니다.