[論文レビュー] On the critical signatures of neural activity

Benedetta Mariani, Giorgio Nicoletti+4 more|arXiv (Cornell University)|May 11, 2021

Neural dynamics and brain function被引用数 4

ひとこと要約

本稿では、スケールフリーな神経アバランチとクラックリングノイズを、内在的臨界性と調和させるモデルフレームワークを提案する。その鍵となるメカニズムとして、確率的誘発相互情報量を導入する。ラット皮膚感覚皮質からのマルチアレイプローブを用いたデータを用いて、外的ノイズがアバランチダイナミクスを駆動する一方で、内在的相関が臨界状態の組織を反映していることを示している。

ABSTRACT

The critical brain hypothesis has emerged as an attractive framework to understand the functional implications of the variability in brain activity. However, the mechanisms behind the observed emergent collective neural patterns remain unclear. Here we propose a modeling framework to reconcile apparent contrasting results. We show that the presence of scale-free neuronal avalanches and the associated crackling-noise relation can be explained by the presence of an extrinsic, stochastic-induced mutual information in the system, whereas the intrinsic spatial correlation structure shows the typical features of systems close to their critical point. We test our results on data obtained from the rat's cortex through state-of-the-art multi-array probes.

研究の動機と目的

• 脳で観察される神経活動パターンにおける矛盾、特にスケールフリーなアバランチと臨界状態の兆候の間の矛盾を解消すること。
• 外的ノイズと内在的相関が、臨界性と矛盾しない形で神経系に共存する仕組みを調査すること。
• 出現的集団神経パターンとその機能的意味を説明するモデルフレームワークを開発すること。
• 高時間分解能のマルチアレイ記録を用いて、モデルの予測をラット新皮質に対して検証すること。

提案手法

• 著者らは、神経集団活動をシミュレートするために、外的ノイズを組み込んだ確率的ダイナミカルモデルを導入する。
• 外部ノイズが神経相関に与える影響を定量化するため、確率的誘発相互情報量の測定を導出する。
• 臨界点付近で出現すると知られている、内在的空間的相関構造をモデルに統合する。
• ラット体感覚皮質におけるマルチアレイプローブからのデータを用いて、モデルの予測を検証する。
• 別々の解析的要素を用いて、ノイズ駆動のアバランチダイナミクスと内在的臨界相関を区別するフレームワークを構築する。

実験結果

リサーチクエスチョン

• RQ1 スケールフリーな神経アバランチとクラックリングノイズが、臨界系に特徴的な内在的空間的相関とどのように共存できるのか？
• RQ2 外的確率的ノイズが神経集団におけるアバランチダイナミクスを生成する上で果たす役割は何か？
• RQ3 内在的相関がノイズ誘発アーティファクトではなく、真の臨界性を反映していると見なせる程度はどの程度か？
• RQ4 統一されたモデルが、神経データにおけるアバランチ統計と臨界相関構造の両方を説明できるか？

主な発見

• 外的ノイズに起因する確率的誘発相互情報量が、神経活動におけるスケールフリーな神経アバランチとクラックリングノイズの出現をうまく説明できた。
• データに見られる内在的空間的相関構造は、臨界点付近の系の特徴を示しており、臨界脳仮説を支持する。
• モデルは、ノイズ駆動のアバランチダイナミクスと内在的臨界相関を分離でき、過去の研究で見られた矛盾を解消した。
• ラット新皮質データへの適合検証により、本フレームワークのもとで、アバランチ統計と臨界相関パターンが共存していることが確認された。