[논문 리뷰] Learning quadratic receptive fields from neural responses to natural stimuli

Kanaka Rajan, Olivier Marre외 1명|arXiv (Cornell University)|2012. 09. 01.

Neural dynamics and brain function참고 문헌 104인용 수 36

한 줄 요약

이 논문은 정보이론적 및 우도 기반 추론 방법을 융합하여 신경세포의 이차 수용장역할을 추론하는 통합 프레임워크를 제안한다. 자극 에너지나 노이즈 엔트로피를 최대화하는 것이 스파이크 유도 분포에 대한 베이지안 모델 평균화와 수학적으로 동일하다는 것을 보여주며, 신경 반응 통계에 대한 최소한의 가정으로 자연스러운 자극에 대한 이차 상관관계를 안정적으로 추론할 수 있다.

ABSTRACT

Models of neural responses to stimuli with complex spatiotemporal correlation structure often assume that neurons are only selective for a small number of linear projections of a potentially high-dimensional input. Here we explore recent modeling approaches where the neural response depends on the quadratic form of the input rather than on its linear projection, that is, the neuron is sensitive to the local covariance structure of the signal preceding the spike. To infer this quadratic dependence in the presence of arbitrary (e.g. naturalistic) stimulus distribution, we review several inference methods, focussing in particular on two information-theory-based approaches (maximization of stimulus energy or of noise entropy) and a likelihood-based approach (Bayesian spike-triggered covariance, extensions of generalized linear models). We analyze the formal connection between the likelihood-based and information-based approaches to show how they lead to consistent inference. We demonstrate the practical feasibility of these procedures by using model neurons responding to a flickering variance stimulus.

연구 동기 및 목표

• 선형 모델이 실패하는 감각 신경세포에서 이차 수용장역할을 추론하기 위한 원리적인 방법을 개발하는 것.
• 정보이론적 추론(예: 자극 에너지 또는 노이즈 엔트로피 최대화)과 우도 기반 접근법(예: 베이지안 스파이크 유도 공분산)을 연결하는 것.
• 임의의 자연스러운 자극 분포 하에서 신경 반응의 이차 상관관계 추론 가능성을 입증하는 것.
• 작은 시간 간격의 극한에서 모델 평균화된 우도와 정보 최대화가 수렴함을 보여주어 두 가지 추론 철학 간의 수학적 동치성을 제공하는 것.

제안 방법

• 자극이 선형 또는 이차 필터(θ1)를 통해 투영되고, 스파이크 수는 제약이 없는 조건부 분포 π(y|x)(θ2)에 따라 생성되는 마르코프 체인 모델을 사용한다.
• 유효한 조건부 분포 위에 비정보성(균일) 사전 확률을 사용하여 모든 가능한 스파이크-반응 맵핑 π(y|x)에 대해 모델 평균화를 수행한다.
• 시간 간격당 로그 우도 L = ˜I(y;x) − ˜S(y) − Λ를 유도하며, Λ는 경험적 분포와 모델 분포 간의 쿨백-라이블러 발산에 의존하는 보정 항이다.
• 시간 간격이 매우 작을 경우(0 또는 1개의 스파이크), 스파이크 특화 정보 Ispike를 최대화하는 것과 모델 평균화된 우도 L을 최대화하는 것이 동일하다는 것을 보여준다.
• 모델 평균화 하에서 정보 최대화(예: 노이즈 엔트로피 또는 자극 에너지 최대화)와 우도 기반 추론 간의 수학적 동치성을 입증한다.
• 깜빡임 변동 자극에 반응하는 시뮬레이션된 모델 신경세포를 사용하여 방법을 검증하였으며, 다양한 방법 간 일관된 추론 결과를 보였다.

실험 결과

연구 질문

• RQ1 정보이론적 추론 방법(예: 노이즈 엔트로피 또는 자극 에너지 최대화)을 이차 수용장역할 추론에 대해 우도 기반 추론과 수학적으로 연결할 수 있는가?
• RQ2 스파이크-반응 맵핑에 대한 모델 평균화가 이차 필터 추론을 위한 일관되고 강건한 우도를 제공하는가?
• RQ3 작은 시간 간격의 극한에서 정보 최대화와 우도 기반 추론은 어떻게 수렴하는가?
• RQ4 스파이크-반응 함수의 특정 파rametric 형태를 가정하지 않고 자연스러운 자극에 대한 신경 반응으로부터 이차 수용장역할을 신뢰성 있게 추론할 수 있는가?
• RQ5 스파이크-반응 맵핑에 대한 사전 가정이 추론 절차의 수렴을 보장하는 데 어떤 역할을 하는가?

주요 결과

• 작은 시간 간격의 극한에서 모델 평균화된 우도 L은 스파이크 특화 정보 Ispike를 최대화하는 것과 수학적으로 동일하며, 정보 최대화와 우도 기반 추론 간 직접적인 연결 고리를 확립한다.
• 데이터 크기 T가 증가함에 따라 보정 항 Λ는 사라지며, 이는 사전 확률이 진짜 분포에 비영 확률을 할당할 경우 추론 절차의 일관성을 보장한다.
• 조건부 분포 π(y|x)에 대해 균일 사전 확률을 사용할 경우 보정 항 Λ는 해석적으로 다룰 수 있으며 데이터가 증가함에 따라 감소함을 입증하여 방법의 타당성을 검증한다.
• 이 방법은 깜빡임 변동 자극에 반응하는 시뮬레이션된 신경 반응으로부터 이차 수용장역할을 성공적으로 추론하며 실용적 타당성을 입증한다.
• 스파이크-반응 함수의 형태를 파rametric하게 가정하지 않아도, π(y|x)에 대한 비모수적 통합 덕분에 방법이 강건함을 보였다.
• 정보 기반 추론과 우도 기반 추론 간의 수학적 동치성은 최소한의 가정 하에서도 성립하여 실제 신경 기록에서 신뢰할 수 있는 추론을 가능하게 한다.