[论文解读] Characterizing Neuronal Circuits with Spike-triggered Non-negative Matrix Factorization.

Shanshan Jia, Zhaofei Yu+4 more|arXiv (Cornell University)|Aug 12, 2018

Neural dynamics and brain function参考文献 58被引用 3

一句话总结

本研究将尖峰触发非负矩阵分解（STNMF）扩展至表征视网膜神经元回路，揭示了双极细胞的生物物理特性，如空间感受野、时间滤波器及传递非线性，同时恢复了突触权重并按突触前来源分离了神经节细胞的动作电位。STNMF能够系统地将复杂回路输入分解为不同的功能组分。

ABSTRACT

Neuronal circuits formed in the brain are complex with intricate connection patterns. Such a complexity is also observed in the retina as a relatively simple neuronal circuit. A retinal ganglion cell receives excitatory inputs from neurons in previous layers as driving forces to fire spikes. Analytical methods are required that can decipher these components in a systematic manner. Recently a method termed spike-triggered non-negative matrix factorization (STNMF) has been proposed for this purpose. In this study, we extend the scope of the STNMF method. By using the retinal ganglion cell as a model system, we show that STNMF can detect various biophysical properties of upstream bipolar cells, including spatial receptive fields, temporal filters, and transfer nonlinearity. In addition, we recover synaptic connection strengths from the weight matrix of STNMF. Furthermore, we show that STNMF can separate spikes of a ganglion cell into a few subsets of spikes where each subset is contributed by one presynaptic bipolar cell. Taken together, these results corroborate that STNMF is a useful method for deciphering the structure of neuronal circuits.

研究动机与目标

• 将STNMF扩展至系统表征视网膜神经节细胞中神经元回路组分。
• 识别上游双极细胞的生物物理特性，包括空间感受野和时间滤波器。
• 从STNMF权重矩阵中恢复突触连接强度。
• 基于单个突触前双极细胞的贡献，将神经节细胞动作电位分离为子集。
• 验证STNMF作为解码神经回路中复杂重叠输入的工具的有效性。

提出的方法

• 将STNMF应用于视网膜神经节细胞的尖峰触发平均数据，将输入分解为非负组分。
• 利用非负分解提取双极细胞的空间感受野和时间滤波器。
• 通过分析输入组分与放电输出之间的关系，估计传递非线性。
• 从STNMF分解的权重矩阵中重构突触权重。
• 基于主导贡献组分对动作电位进行聚类，以识别突触前来源。
• 通过将恢复的组分与视网膜回路的已知生物物理特性进行比较，验证结果。

实验结果

研究问题

• RQ1 STNMF能否准确恢复视网膜回路中双极细胞的空间与时间感受野？
• RQ2 STNMF从尖峰触发数据中估计双极细胞传递非线性的能力如何？
• RQ3 STNMF能否从神经元放电数据中重构突触连接强度？
• RQ4 STNMF在多大程度上可根据单个突触前双极细胞输入将神经节细胞动作电位分离？
• RQ5 STNMF在解耦生物上合理的神经回路中复杂重叠输入方面是否有效？

主要发现

• STNMF成功从未知视网膜神经节细胞数据中提取出双极细胞的空间感受野和时间滤波器。
• 该方法准确估计了双极细胞的传递非线性，反映了其非线性整合特性。
• 从STNMF分解的权重矩阵中可靠地恢复了突触连接强度。
• STNMF将神经节细胞动作电位分离为不同子集，每个子集对应一个独特的突触前双极细胞。
• 分解揭示了多个功能组分，证实了STNMF解析复杂输入结构的能力。
• 结果表明，STNMF提供了一种系统且具有生物学可解释性的方法，用于解码视网膜回路组织。