[論文レビュー] Data-driven modeling of the olfactory neural codes and their dynamics in the insect antennal lobe

Eli Shlizerman, Jeffrey A. Riffell+1 more|arXiv (Cornell University)|Nov 29, 2013

Neurobiology and Insect Physiology Research参考文献 47被引用数 11

ひとこと要約

本研究では、被験者のオリフィン神経細胞の投影ニューロンからのマルチチャネル記録を用いて、臭覚特異的神経コードを再現するデータ駆動型ニューラルネットワークモデルを構築した。電気生理学的データを統合することで、側方抑制が次元が低い臭覚空間内でのロバストで直交する神経軌道を形成する仕組みを解明し、閾値を越えるダイナミクスによって信頼性の高い臭覚識別を可能にする。この知見は、臭覚における神経的意思決定の理解に寄与する。

ABSTRACT

Recordings from neurons in the insects' olfactory primary processing center, the antennal lobe (AL), reveal that the AL is able to process the input from chemical receptors into distinct neural activity patterns, called olfactory neural codes. These exciting results show the importance of neural codes and their relation to perception. The next challenge is to \emph{model the dynamics} of neural codes. In our study, we perform multichannel recordings from the projection neurons in the AL driven by different odorants. We then derive a neural network from the electrophysiological data. The network consists of lateral-inhibitory neurons and excitatory neurons, and is capable of producing unique olfactory neural codes for the tested odorants. Specifically, we (i) design a projection, an odor space, for the neural recording from the AL, which discriminates between distinct odorants trajectories (ii) characterize scent recognition, i.e., decision-making based on olfactory signals and (iii) infer the wiring of the neural circuit, the connectome of the AL. We show that the constructed model is consistent with biological observations, such as contrast enhancement and robustness to noise. The study answers a key biological question in identifying how lateral inhibitory neurons can be wired to excitatory neurons to permit robust activity patterns.

研究の動機と目的

• 実際の電気生理学的記録を用いて、昆虫のキイロウラの臭覚神経コードのダイナミクスをモデル化すること。
• 異なる臭気分子に対して特徴的で安定した神経活動パターンを生成する神経回路の接続構造（コンネクトーム）を同定すること。
• 側方抑制が信号対雑音比を向上させ、入力のばらつきがあっても信頼性の高い臭覚認識を可能にするメカニズムを調査すること。
• 臭覚空間内での神経軌道ダイナミクスに基づく生物学的に妥当な意思決定メカニズムを構築すること。

提案手法

• 様々な臭気分子に対する反応として、キイロウラの投影ニューロンからマルチチャネル外部電極記録を収集した。
• 主成分分析（PCA）を用いて、神経放電率（iFR）反応の次元を低減し、直交する軸を持つ次元が低い臭覚空間を特定した。
• 興奮性の投影ニューロン（PNs）と抑制性の局在ニューロン（LNs）を有するニューラルネットワークモデルを構築し、観察された神経ダイナミクスを再現するようにキャリブレーションした。
• モデルの接続性はデータから推定され、側方抑制が臭覚空間内に安定した直交する固定点を生成するように調整された。
• 繰り返し刺激暴露に基づく閾値を越えるイベントを根拠とした意思決定アルゴリズムを策定した。このプロセスにより、特定の臭気分子への証拠が蓄積され、最終的に高い信頼性の臭覚認識が得られる。
• シミュレートされた神経軌道と実験データを比較することで、モデルを検証した。その結果、軌道の形状と収束ダイナミクスにおいて良好な一致が得られた。

実験結果

リサーチクエスチョン

• RQ1 キイロウラの神経ダイナミクスは、どのように異なる臭気分子に対して特徴的で安定的かつ再現可能な神経コードを生成するか？
• RQ2 側方抑制は、これらの神経コードをどのように形作り、信号対雑音比を向上させるか？
• RQ3 キイロウラの神経活動ダイナミクスは、繰り返し刺激暴露に基づく意思決定プロセスとしてどのようにモデル化できるか？
• RQ4 臭覚識別のロバスト性を支える神経回路（コンネクトーム）の構造は何か？
• RQ5 データ駆動型モデルは、観察された次元が低い直交する神経活動軌道を再現できるか？

主な発見

• 本モデルは、実験的に観察された神経コードを成功裏に再現し、各テスト臭気分子に対して特徴的で安定的かつ直交する軌道を、次元が低い臭覚空間内で再現した。
• 側方抑制を有するニューラルネットワークはコントラスト強化を生じさせ、信号対雑音比を向上させ、類似臭気分子間の信頼性の高い識別を可能にした。
• 臭覚空間内での神経軌道は、直交する固定点に引き寄せられ、異なる臭気に対する反応の最適な分離を可能にする。
• 閾値を越えるダイナミクスに基づく意思決定メカニズムは、繰り返しの刺激暴露に伴う証拠統合を的確に実行し、高信頼性の臭覚認識をもたらした。
• モデルは、複雑な臭気混合物が、主に側方抑制によって強い臭気分子が弱い臭気分子を抑制する競合的な閾値越えを引き起こすと予測した。
• シミュレーションと実験の両方の軌道が、臭覚空間内で強く一致しており、モデルの生物学的妥当性と予測能力が裏付けられた。