[논문 리뷰] The correlation structure of local cortical networks intrinsically results from recurrent dynamics

Moritz Helias, Tom Tetzlaff외 1명|arXiv (Cornell University)|2013. 04. 08.

Neural dynamics and brain function참고 문헌 51인용 수 6

한 줄 요약

이 논문은 재귀적 연결성과 외부 자극을 통합하여 국소 콘크리트 네트워크에서의 상관 활동에 대한 이론적 프레임워크를 개발하며, 빠른 자극 추적보다는 억제성 피드백이 상관 구조를 주로 결정함을 보여준다. 재귀적 동역학, 특히 부정적 피드백이 조건이 동일한 외부 자극 하에서도 인구 수준의 변동성을 억제하고 뉴런 활동을 상관 없애는 것으로 나타나며, 이는 네트워크 안정성과 정보 코드화에 영향을 미친다.

ABSTRACT

The co-occurrence of action potentials of pairs of neurons within short time intervals is known since long. Such synchronous events can appear time-locked to the behavior of an animal and also theoretical considerations argue for a functional role of synchrony. Early theoretical work tried to explain correlated activity by neurons transmitting common fluctuations due to shared inputs. This, however, overestimates correlations. Recently the recurrent connectivity of cortical networks was shown responsible for the observed low baseline correlations. Two different explanations were given: One argues that excitatory and inhibitory population activities closely follow the external inputs to the network, so that their effects on a pair of cells mutually cancel. Another explanation relies on negative recurrent feedback to suppress fluctuations in the population activity, equivalent to small correlations. In a biological neuronal network one expects both, external inputs and recurrence, to affect correlated activity. The present work extends the theoretical framework of correlations to include both contributions and explains their qualitative differences. Moreover the study shows that the arguments of fast tracking and recurrent feedback are not equivalent, only the latter correctly predicts the cell-type specific correlations.

연구 동기 및 목표

• 콘크리트 네트워크에서 재귀적 연결성과 외부 자극을 모두 고려한 뉴런 상관 관계의 통합 이론을 개발하기 위해.
• 콘크리트 회로에서 낮은 기본 상관 관계를 설명하는 데 있어 빠른 외부 자극 추적과 재귀 피드백 중 어느 것이 더 적합한지에 대한 애매함을 해결하기 위해.
• 정보 처리에서 상관 관계의 기능적 역할, 특히 네트워크 이득, 복원, 시냅스 가소성와의 관련성에서 명확히 하기 위해.
• 스토케스틱 이진 네트워크에서 자기 일致적인 상관 효과를 포함함으로써 평균장 근사를 향상시키기 위해.
• 공유 자극과 시냅스 자극 통계가 내재된 변동성과 이변수 상관 관계에 미치는 영향을 평가하기 위해.

제안 방법

• 재귀적 연결성과 변동성이 있는 외부 자극을 모두 포함한 스토케스틱 이진 네트워크 이론을 확장하였다.
• 선형 반응 접근법과 자기 일치 평균장 이론을 사용하여 이변수 상관 관계에 대한 해석적 표현을 유도하였다.
• 균일한 외부 자극(가산적, 비특이적)과 재귀 피드백(상관 없애는 기여)의 기여를 구분하는 형식을 도입하였다.
• 재귀적 결합 행렬의 고유값 분석을 통해 인구 수준의 변동성 억제 정도를 정량화하였다.
• 다양한 입력 상관 관계와 연결성을 가진 네트워크에서 이론적 예측과 시뮬레이션을 비교하였다.
• 상관 관계 상쇄가 빠른 외부 신호 추적 때문이 아니라 인구 수준의 억제 때문임을 입증하였다.

실험 결과

연구 질문

• RQ1 재귀적 네트워크 동역학과 외부 자극이 함께 어떻게 뉴런 상관 관계의 구조를 형성하는가?
• RQ2 관찰된 콘크리트 네트워크에서의 상관 없애기는 빠른 외부 자극 추적 때문인가, 아니면 재귀 연결성의 부정적 피드백 때문인가?
• RQ3 모든 뉴런에 동일한 외부 자극이 가해질 경우 내재된 변동성과 이변수 상관 관계가 얼마나 증가하는가?
• RQ4 자기 일치 상관 효과를 포함함으로써 평균장 근사는 어떻게 향상될 수 있는가?
• RQ5 입력 상관 관계 구조는 외부 전기적 신호(예: 국소 전위)의 세기와 공간적 영향 범위를 결정하는 데 어떤 역할을 하는가?

주요 결과

• 균일한 외부 자극 하에서는 상관 관계 구조가 주로 국소 재귀적 연결성에 의해 결정되며, 외부 자극 상관 관계에 의해 영향을 받지 않는다.
• 균일한 외부 자극은 상관 관계에 가산적이고 비특이적으로 기여하며, 전체적인 구조에 미치는 영향은 최소한이다.
• 동일한 외부 자극을 받는 뉴런들 사이에서도 억제성 피드백이 효과적으로 상관 없애는 데 기여하며, 이는 상관 억제에서의 중심적 역할을 입증한다.
• 흥분성 및 억제성 뉴런에 동일한 시냅스 자극 통계가 가해질 경우 내재된 변동성과 이변수 상관 관계가 증가하며, 이는 자극 균형의 중요성을 강조한다.
• 인구 수준의 변동성 억제는 상관 관계 구조를 결정하는 데 필수적이지만 충분하지 않으며, 이는 빠른 추적 가설을 무효화한다.
• 자기 일치 상관 효과를 포함함으로써 평균장 예측의 정확도가 향상되며, 특히 강한 피드백을 가진 재귀 네트워크에서 두드러진다.