[논문 리뷰] Reconstruction of Sparse Circuits Using Multi-neuronal Excitation (RESCUME)

Tao Hu, Dmitri B. Chklovskii|arXiv (Cornell University)|2012. 10. 04.

Advanced Memory and Neural Computing참고 문헌 56인용 수 24

한 줄 요약

이 논문은 압축 측정 기반의 RESCUME를 제안하며, 전시냅스 뉴런의 무작위 부분집합을 자극하고 후시냅스 전압 반응을 디코딩하여 희박한 신경 회로를 효율적으로 재구성한다. 다중 뉴런 자극과 강건한 디코딩을 활용함으로써, 현실적인 노이즈와 비선형 통합 조건 하에서도 브루트 포스 접근 방식에 비해 재구성 시간을 크게 감소시킨다. 이는 스파iking 활동만으로도 회로 매핑을 가능하게 한다.

ABSTRACT

One of the central problems in neuroscience is reconstructing synaptic connectivity in neural circuits. Synapses onto a neuron can be probed by sequentially stimulating potentially pre-synaptic neurons while monitoring the membrane voltage of the post-synaptic neuron. Reconstructing a large neural circuit using such a "brute force" approach is rather time-consuming and inefficient because the connectivity in neural circuits is sparse. Instead, we propose to measure a post-synaptic neuron's voltage while stimulating sequentially random subsets of multiple potentially pre-synaptic neurons. To reconstruct these synaptic connections from the recorded voltage we apply a decoding algorithm recently developed for compressive sensing. Compared to the brute force approach, our method promises significant time savings that grow with the size of the circuit. We use computer simulations to find optimal stimulation parameters and explore the feasibility of our reconstruction method under realistic experimental conditions including noise and non-linear synaptic integration. Multineuronal stimulation allows reconstructing synaptic connectivity just from the spiking activity of post-synaptic neurons, even when sub-threshold voltage is unavailable. By using calcium indicators, voltage-sensitive dyes, or multi-electrode arrays one could monitor activity of multiple postsynaptic neurons simultaneously, thus mapping their synaptic inputs in parallel, potentially reconstructing a complete neural circuit.

연구 동기 및 목표

• 큰 희박한 신경 회로에서 브루트 포스 합성 연결 매핑의 비효율성을 해결하기 위해.
• 신경 회로의 합성 연결 재구성에 소요되는 실험 시간을 줄이기 위해.
• 하향 임계 전압 부재와 실험 노이즈를 포함한 제한된 데이터로도 작동하는 방법을 개발하기 위해.
• 하향 임계 전압 측정에 의존하지 않고도 후시냅스 스파이킹 활동만으로도 회로 재구성을 가능하게 하기 위해.
• 칼슘 이미징 또는 다중 전극 어레이를 통해 다수의 후시냅스 뉴런을 동시에 매핑할 수 있도록 하기 위해.

제안 방법

• 개별 자극을 순차적으로 시행하는 대신, 전시냅스 뉴런의 무작위 부분집합을 자극으로 사용한다.
• 다중 뉴런 자극 중 후시냅스 전압 반응을 기록하여 합성 입력 패턴을 캡처한다.
• 희박한 측정치로부터 합성 연결 매트릭스를 재구성하기 위해 압축 측정 디코딩 알고리즘을 적용한다.
• 실제 조건에서의 비선형 합성 통합과 실험 노이즈를 처리할 수 있도록 설계된다.
• 하향 임계 전압 기록이 필요 없이 스파이킹 활동만으로도 재구성을 가능하게 한다.
• 칼슘 지시자나 다중 전극 어레이를 통한 다중 후시냅스 뉴런의 동시 모니터링을 통해 병렬 회로 매핑이 가능하다.

실험 결과

연구 질문

• RQ1 순차적 단일 뉴런 자극에 비해 다중 뉴런 자극이 희박한 신경 회로의 합성 연결 재구성에 소요되는 시간을 크게 줄일 수 있는가?
• RQ2 노이즈와 비선형 합성 통합을 포함한 현실적인 실험 조건에서 재구성 방법의 강건성은 어떠한가?
• RQ3 하향 임계 전압 측정 없이도 후시냅스 스파이킹 활동만으로도 합성 연결을 정확하게 재구성할 수 있는가?
• RQ4 재구성 정확도와 효율성을 극대화하기 위한 최적의 자극 파aram터(예: 부분집합 크기, 시도 횟수)는 무엇인가?
• RQ5 다중 전극 어레이 또는 칼슘 이미징을 사용하여 대규모 신경 회로를 병렬로 재구성할 수 있는가?

주요 결과

• 제안된 방법은 회로 재구성에 있어 뚜렷한 시간 절감 효과를 보이며, 회로 크가 클수록 효율성 향상이 더욱 두드러진다.
• 하향 임계 전압 데이터가 제공되지 않더라도 방법이 효과적으로 작동하며, 스파이킹 활동에만 의존한다.
• 컴퓨터 시뮬레이션 결과, 노이즈와 비선형 합성 통합 영향에 대해 방법이 강건함을 입증한다.
• 최적의 자극 파aram터는 시뮬레이션을 통해 도출되었으며, 측정 효율성과 재구성 정확도 사이의 균형을 이룬다.
• 이 방법은 다수의 후시냅스 뉴런을 동시에 매핑할 수 있어 대규모 회로 재구성의 가능성을 열어준다.