[论文解读] Deconstructing Odorant Identity via Primacy in Dual Networks

Daniel Kepple, Hamza Giaffar+2 more|Cold Spring Harbor Laboratory Institutional Repository (Cold Spring Harbor Laboratory)|Sep 7, 2016

Olfactory and Sensory Function Studies参考文献 20被引用 5

一句话总结

本文提出了一种基于最强响应的p种气味受体类型相对放电率的神经机制，用于实现对气味身份的不变编码，该机制依托双网络框架，其中梨状皮层网络通过拉格朗日乘子优化计算气味身份。该方法在特征约束下使用弹性网络正则化，将原始问题映射为具有李雅普诺夫函数的对偶神经网络，从而在非线性响应动态下仍能实现鲁棒、强度不变的气味识别。

ABSTRACT

In the olfactory system, odor percepts retain their identity despite substantial variations in concentration, timing, and background. We propose a novel strategy for encoding intensity-invariant stimuli identity that is based on representing relative rather than absolute values of the stimulus features. Because, in this scheme, stimulus identity depends on relative amplitudes of stimulus features, identity becomes invariant with respect to variations in intensity and monotonous non-linearities of neuronal responses. In the olfactory system, stimulus identity can be represented by the identities of the p strongest responding odorant receptor types out of a species dependent complement. We show that this information is sufficient to recover sparse stimuli (odorants) via elastic net loss minimization. Such a minimization has to be performed under constraints imposed by the relationships between stimulus features. We map this problem onto the dual problem of minimizing a functional of Lagrange multipliers. The dual problem, in turn, can be solved by a neural network whose Lyapunov function represents the dual Lagrangian. We thus propose that networks in the piriform cortex compute odorant identity and implement dual computations with the sparse activities of individual neurons representing the Lagrange multipliers.

研究动机与目标

• 解释嗅觉系统如何在浓度变化和响应非线性性下维持气味身份的稳定性。
• 开发一种基于相对而非绝对刺激特征振幅的气味身份计算编码框架。
• 证明仅通过最强响应的p种受体的稀疏表示，可在约束条件下通过优化恢复气味分子身份。
• 将优化问题映射为具有李雅普诺夫函数的对偶神经网络，提示该机制在梨状皮层中的生物学实现可能性。

提出的方法

• 该模型通过最强响应的p种气味受体类型的标识来编码气味身份，将它们的相对振幅视为关键特征。
• 将稀疏气味分子的恢复问题表述为在源自刺激特征关系的约束下的弹性网络损失最小化问题。
• 将原始优化问题转化为涉及拉格朗日乘子的对偶问题，后者被解释为梨状皮层中的神经活动。
• 通过一个动力学由李雅普诺夫函数（代表对偶拉格朗日函数）控制的神经网络求解对偶问题。
• 该网络的稳定状态对应于对偶优化的解，从而实现鲁棒的身份恢复。
• 由于依赖于相对特征振幅，该框架对强度变化和神经元响应的单调非线性具有不变性。

实验结果

研究问题

• RQ1 尽管存在气味浓度的巨大波动和非线性神经元响应，气味身份如何保持稳定？
• RQ2 何种计算机制使嗅觉系统能够使用相对而非绝对的特征值来表示气味身份？
• RQ3 能否从最强响应的p种受体中准确重构稀疏的气味分子表示？
• RQ4 梨状皮层中的对偶网络架构如何通过拉格朗日乘子实现优化？

主要发现

• 仅通过最强响应的p种气味受体类型的标识，即可可靠地恢复气味分子的身份，且与绝对强度无关。
• 该方法实现了强度不变性，因其依赖于受体反应的相对振幅而非绝对值。
• 原始优化问题（用于稀疏恢复）被映射为可通过具有匹配对偶拉格朗日函数的李雅普诺夫函数控制的神经网络求解的对偶问题。
• 梨状皮层中单个神经元的稀疏活动可表示拉格朗日乘子，从而实现对偶计算与身份解码。
• 该框架对神经元响应中的单调非线性具有鲁棒性，在现实生物约束下仍能保持身份不变。