[논문 리뷰] Successes and failures of simple statistical physics models for a network of real neurons

Leenoy Meshulam, Jeffrey L. Gauthier외 3명|arXiv (Cornell University)|2021. 12. 29.

Gene Regulatory Network Analysis인용 수 4

한 줄 요약

이 연구는 1,000개 이상의 뉴런으로 구성된 쥐 해마 네트워크에서 상호작용 상관관계를 기반으로 한 최대 엔트로피 모델을 시험하여 집단 신경 활동을 예측한다. 이 모델들은 공간적으로 연속된 100개 뉴런의 국소 하위군에서는 실험 데이터와 거의 완벽한 정량적 일치를 달성하지만, 무작위로 선별된 먼 거리의 하위군에서는 실패함을 확인하여, 모델 성공 여부가 공간 연속성과 국소 네트워크 구조에 의존함을 입증한다.

ABSTRACT

Biological networks exhibit complex, coordinated patterns of activity. Can these patterns be captured precisely in simple models? Here we use measurements of simultaneous activity in 1000+ neurons in the mouse brain to test the validity of models grounded in statistical physics. When cells are dense samples from a small region, we find extremely detailed quantitative agreement between theory and experiment; sparse samples from larger regions lead to model failures. These results show we can aspire to more than qualitative agreement between simplifying theoretical ideas and the detailed behavior of a complex biological system.

연구 동기 및 목표

• 쌍별 상관관계를 기반으로 한 단순 최대 엔트로피 모델이 실제 생물학적 네트워크에서 집단 신경 활동을 정량적으로 예측할 수 있는지 평가하기 위해.
• 이러한 모델의 성공 여부가 네트워크 내 뉴런의 공간적 구성에 의존하는지 조사하기 위해.
• 최소한의 가정을 사용할 때, 복잡한 생물학적 시스템에서 이론과 실험 간의 정량적 일치가 달성 가능한지 판단하기 위해.
• 일부 하위군에서 모델이 실패하는 것이 모델의 과도한 단순화 때문인지, 또는 기저 신경망의 성질 때문인지 테스트하기 위해.
• 모델에서 유도된 효과적 필드가 다양한 네트워크 하위군에서 개별 뉴런 활동 상태를 정확히 예측할 수 있는지 평가하기 위해.

제안 방법

• 쌍별 상관관계 $ C_{ij} = \big\rangle $ 로 제약된 최대 엔트로피 모델을 사용하여 신경 집단 활동의 고차 통계적 구조를 예측하기 위해.
• 실험적 평균 발화 빈도와 쌍별 상관관계를 일치시키기 위해 매개변수 $ h_i $ 와 $ J_{ij} $ 를 갖는 이징 모델 프레임워크를 적용하기 위해.
• 개별 뉴런 활동 확률을 예측하기 위해 효과적 필드 $ h_i^{\text{eff}} = h_i + \bigsum_{j \neq i} J_{ij} \rho_j $ 를 계산하기 위해.
• 1/30초 해상도로 칼슘 형광 추적을 이진화하여 $ \rho_i \in \{0,1\} $ 로 변환하여 뉴런의 발화 활동을 표현하기 위해.
• 시스템적으로 뉴런 하위군을 선별: 국소(밀도 높음, 반경 작음) 대 비국소(희박함, 반경 큼), 평균 활동 및 상관관계 분포가 일치하도록 설정하기 위해.
• 샘플링 영역의 점진적 확장을 통해 하위군 간 통계적 동등성을 확보하기 위해 쿨백-라이블러 발산을 사용하기 위해.

실험 결과

연구 질문

• RQ1 쌍별 상관관계에 기반한 최대 엔트로피 모델이 실제 생물학적 네트워크에서 집단 신경 활동의 고차 통계적 특징을 정량적으로 예측할 수 있는가?
• RQ2 이러한 모델의 성공 여부가 샘플링된 뉴런의 공간 연속성에 의존하는가?
• RQ3 일부 하위군에서 모델이 실패하는 것은 모델의 과도한 단순화 때문인가, 아니면 기저 네트워크의 고유 성질 때문인가?
• RQ4 모델에서 유도된 효과적 필드가 개별 뉴런 활동 확률을 얼마나 정확히 예측할 수 있는가?
• RQ5 효과적 필드를 기반으로 모델이 특정 뉴런의 활성화 또는 절하 상태를 이끌어내는 네트워크 상태를 구별할 수 있는가?

주요 결과

• 공간적으로 연속된 100개 뉴런의 국소 하위군에서는 최대 엔트로피 모델이 실험 측정 오차 내에서 테스트된 모든 고차 통계량(예: $ C_{ijk} $)을 예측하였다.
• 국소 하위군의 예측 오차는 측정 오차와 유사하여 데이터와 거의 완벽한 정량적 일치를 나타내었다.
• 더 큰 영역에서 무작위로 선별된 먼 거리의 하위군에서는 예측 오차가 유의미하게 커졌으며, 특히 저빈도 및 소규모 고차 상관관계에서 두드러졌다.
• 효과적 필드 예측은 국소 하위군에서는 관측된 활동 확률과 매우 잘 일치했지만, 먼 거리 하위군에서는 활성 상태와 침묵 상태를 구별하지 못했다.
• 효과적 필드 분포는 국소 하위군에서는 활성 뉴런과 침묵 뉴런 간 명확한 분리가 있었지만, 먼 거리 하위군에서는 그렇지 않았으며, 이는 예측 능력의 붕괴를 시사한다.
• 이러한 결과는 세 마리의 쥐에서 30개의 서로 다른 국소/비국소 하위군 쌍에 대해 일관되게 재현되었으며, 모델 성능이 실험적 변동성보다 공간 샘플링 방식에 의존함을 확인한다.