[論文レビュー] Efficient Coding in the Economics of Human Brain Connectomics

Dale Zhou, Christopher W. Lynn+10 more|arXiv (Cornell University)|Jan 14, 2020

Functional Brain Connectivity Studies被引用数 5

ひとこと要約

本研究では、人間の脳の構造的接続プロファイルが、代謝的コストと忠実度のバランスをとるための誤り許容型圧縮を通じて情報伝達を最適化していると提案している。拡散MRIと1,042名の若年層の脳血流データを用い、忠実度と代謝的コストのトレードオフを定量化する圧縮効率が、従来のネットワーク指標を上回る認知機能を予測することを示している。

ABSTRACT

In systems neuroscience, most models posit that brain regions communicate information under constraints of efficiency. Yet, evidence for efficient communication in structural brain networks characterized by hierarchical organization and highly connected hubs remains sparse. The principle of efficient coding proposes that the brain transmits maximal information in a metabolically economical or compressed form to improve future behavior. To determine how structural connectivity supports efficient coding, we develop a theory specifying minimum rates of message transmission between brain regions to achieve an expected fidelity, and we test five predictions from the theory based on random walk communication dynamics. In doing so, we introduce the metric of compression efficiency, which quantifies the trade-off between lossy compression and transmission fidelity in structural networks. In a large sample of youth (n = 1,042; age 8-23 years), we analyze structural networks derived from diffusion weighted imaging and metabolic expenditure operationalized using cerebral blood flow. We show that structural networks strike compression efficiency trade-offs consistent with theoretical predictions. We find that compression efficiency prioritizes fidelity with development, heightens when metabolic resources and myelination guide communication, explains advantages of hierarchical organization, links higher input fidelity to disproportionate areal expansion, and shows that hubs integrate information by lossy compression. Lastly, compression efficiency is predictive of behavior--beyond a conventional metric--for cognitive domains including executive function, memory, complex reasoning, and social cognition. Our findings elucidate how macroscale connectivity supports efficient coding, and serve to foreground communication processes that utilize random walk dynamics constrained by network connectivity.

研究の動機と目的

• 構造的脳ネットワークが代謝的制約のもとで効率的な符号化をどのように支えるかを調査すること。
• 脳の階層的かつハブが豊富な構造が、情報の忠実度と代謝的コストの最適なトレードオフを実現しているかどうかを検証すること。
• マクロスケール脳ネットワークにおけるこのトレードオフを定量化する新しい指標「圧縮効率」を構築し、検証すること。
• 圧縮効率が従来のネットワーク効率指標を上回る認知機能を予測できるかどうかを同定すること。
• ミエリン化と代謝資源（脳血流量を用いて定義）が、効率的な通信ダイナミクスを形作る役割を調べること。

提案手法

• 人間の構造的接続プロファイル上でランダムウォークダイナミクスを用いたメッセージ伝送の理論的モデルを構築し、脳領域間の通信を模擬した。
• 情報理論から導出されたレート歪みトレードオフ指標として、圧縮効率を定義し、構造的ネットワークが忠実度と誤り許容型圧縮のバランスをどのようにとっているかを定量化した。
• 大規模な若年層コhort（n = 1,042名、8〜23歳）のデータを用い、拡散強度画像（DWI）を用いてマクロスケール構造的脳ネットワークを構築した。
• 神経伝達におけるエネルギー消費の代理指標として、脳血流量（CBF）を代謝的コストの指標として操作化した。
• 観察された圧縮効率の統計的有意性を検証するため、空間的に制約されたノイズモデル（SPIN）を用い、家族ワイズ誤差をホルム＝ボンフェローニ補正で補正した。
• 罰則付きスプラインと多変量回帰を用い、圧縮効率、年齢、性別、認知機能との非線形関係をモデル化し、運動量やネットワーク密度などの混同要因を調整した。

実験結果

リサーチクエスチョン

• RQ1 人間の構造的接続プロファイルは、誤り許容型圧縮を通じて、情報の忠実度と代謝的コストのバランスを取ることで、効率的な符号化を可能としているか？
• RQ2 圧縮効率は発達、ミエリン化、代謝資源の可用性に応じてどのように変化するか？
• RQ3 圧縮効率は、実行機能、記憶、推論、社会認知分野における認知機能をどの程度予測できるか？
• RQ4 リッチ・クラブハブ領域は、非ハブ領域と比較して、誤り許容型圧縮を通じて情報統合をどのように果たしているか？
• RQ5 従来のネットワーク効率指標よりも、圧縮効率が行動予測においてより情報量が多いとされるか？

主な発見

• 人間の接続プロファイルにおける圧縮効率は、偶然に起因するものよりも顕著に高く、構造的ネットワークが代謝的制約のもとで効率的な符号化に最適化されていることを示している。
• 圧縮効率は年齢とともに上昇し、代謝的効率とミエリン化の発達的向上に伴い情報の忠実度が向上していることを示している。
• 高い圧縮効率は、グローバルネットワーク効率を調整した後でも、実行機能、記憶、複雑な推論、社会認知分野における認知機能を強く予測している。
• リッチ・クラブハブ領域は非ハブ領域よりも高い圧縮効率を示しており、忠実度と代謝的コストのバランスをとるために誤り許容型圧縮を通じて情報統合を行っていると示唆している。
• 代謝資源（CBF）とミエリン化は圧縮効率の主要な駆動要因であり、神経生物学的要因が効率的符号化の情報理論的原則と結びついている。
• 脳の階層的組織は、長距離接続において忠実度を保持しつつも低コストな通信経路を可能にするため、圧縮効率を支えている。