[논문 리뷰] A Joint Graph Inference Case Study: the C.elegans Chemical and Electrical Connectomes

Li Chen, Joshua T Vogelstein외 2명|arXiv (Cornell University)|2015. 07. 30.

Genetics, Aging, and Longevity in Model Organisms참고 문헌 19인용 수 5

한 줄 요약

이 논문은 *C. elegans*의 화학적 및 전기적 연결체를 종자 그래프 매칭과 공동 정점 분류를 사용하여 통합하는 공동 그래프 추론 프레임워크를 제안한다. 두 연결체를 동시에 분석함으로써, 단일 연결체를 사용하는 것보다 유의미하게 향상된 신경세포 유형 분류 정확도를 달성하며, 이는 공동 추론이 시냅스 유형 간에 유지되는 생물학적으로 의미 있는 구조적 관계를 드러낸다는 것을 보여준다.

ABSTRACT

We investigate joint graph inference for the chemical and electrical connectomes of the extit{Caenorhabditis elegans} roundworm. The extit{C.elegans} connectomes consist of $253$ non-isolated neurons with known functional attributes, and there are two types of synaptic connectomes, resulting in a pair of graphs. We formulate our joint graph inference from the perspectives of seeded graph matching and joint vertex classification. Our results suggest that connectomic inference should proceed in the joint space of the two connectomes, which has significant neuroscientific implications.

연구 동기 및 목표

• paired 신경 연결체—화학적 및 전기적 시냅스—간의 공동 추론을 위한 통계적 프레임워크를 개발하는 것.
• 단일 연결체 분석과 비교해 두 연결체를 융합함으로써 신경세포 유형 분류 정확도가 향상되는지 조사하는 것.
• 공존하는 화학적 및 전기적 시냅스의 기능적 의미를 이해하기 위한 방법론적 및 정량적 기반을 제공하는 것.
• 두 연결체 간의 구조적 유사성이 통계적으로 유의미하고 추론에 정보를 제공한다는 것을 입증하는 것.

제안 방법

• 화학적 및 전기적 연결체 간 정점 정렬을 위해 종자 그래프 매칭을 사용하여 공동 그래프 추론을 수립한다.
• 스펙트럼 방법을 사용해 두 연결체를 공통의 저차원 공간에 임bedding하여 공동 정점 분류를 적용한다.
• 분류에 라디얼 기저 함수 커널을 사용한 서포트 벡터 머신을 활용하고, 유한한 한 개 제외 교차검증을 통해 검증한다.
• 인접행렬을 사용해 두 연결체를 표현한다: $A_c$는 방향성, 가중치가 있는 화학적 시냅스를, $A_g$는 무방향성, 가중치가 있는 전기적 간극 접합을 나타낸다.
• 다양한 임bedding 차원 $d \in \{2, 5, 8, \dots, 119\}$에서의 분류 성능 평가를 위해 이질성 측도를 사용한다.
• 융합으로 인한 성능 향상을 정량화하기 위해 공동 분류 성능을 단일 연결체 분류 성능과 비교한다.

실험 결과

연구 질문

• RQ1 화학적 및 전기적 연결체 간의 공동 추론이 단일 연결체 분석에 비해 신경세포 유형 분류 정확도를 향상시키는가?
• RQ2 *C. elegans*의 화학적 및 전기적 연결체 간에 통계적으로 유의미한 구조적 유사성이 유지되는가?
• RQ3 종자 그래프 매칭이 두 연결체 유형 간의 뉴런을 효과적으로 정렬하여 공통의 네트워크 아키텍처를 드러내는가?
• RQ4 두 연결체의 공동 공간이 뉴런 기능적 특성을 예측하는 데 더 정보적인 표현을 제공하는가?
• RQ5 시냅스 유형을 융합함으로써 신경망 내 정점 분류 성능에 미치는 정량적 영향은 무엇인가?

주요 결과

• 모든 임bedding 차원 $d \in \{2, 5, 8, \dots, 119\}$에서 화학적 및 전기적 연결체 양쪽 모두에 대해 공동 정점 분류가 단일 정점 분류를 일관되게 뛰어넘는다.
• 화학적 연결체의 경우, 모든 테스트된 임bedding 차원에서 공동 분류가 단일 분류보다 낮은 오분류 오차를 기록한다.
• 전기적 연결체의 경우, 고차원 임bedding에서 특히 뛰어난 성능을 보이며, 일관되게 낮은 오차율을 기록한다.
• *C. elegans* 연결체의 정보 처리 특성에 대한 최적의 추론은 두 연결체의 공동 공간에서 이루어져야 하며, 고립된 상태에서는 이루어지지 않는다.
• 화학적 및 전기적 연결체의 융합은 단일 연결체를 사용하는 것보다 더 정확한 신경세포 유형 예측을 가능하게 하며, 이는 상호보완적 정보의 획득을 시사한다.
• 종자 그래프 매칭은 두 연결체 간에 통계적으로 유의미한 구조적 대응을 드러내어 그 공존의 생물학적 의미를 뒷받침한다.