[论文解读] How (not) to assess the importance of correlations for the matching of spontaneous and evoked activity

József Fiser, Máté Lengyel+3 more|arXiv (Cornell University)|Jan 28, 2013

Neural dynamics and brain function参考文献 5被引用 7

一句话总结

本文挑战了Okun等人关于神经活动相关性为副现象的主张，通过证明其基于置换的分析在概念和统计上均存在缺陷。利用最大熵模型与差异度量，作者表明原始数据中自发活动与诱发活动之间的匹配无法仅由低阶统计特性解释，从而确认高阶相关性对观察到的神经活动模式匹配至关重要。

ABSTRACT

A comment on `Population rate dynamics and multineuron firing patterns in sensory cortex' by Okun et al. Journal of Neuroscience 32(48):17108-17119, 2012 and our response to the corresponding reply by Okun et al's (arXiv, 2013).

研究动机与目标

• 反驳Okun等人提出的观点，即自发与诱发神经活动模式之间的匹配归因于群体放电率波动等平凡统计特性。
• 识别并纠正Okun等人基于置换的分析方法在概念和统计上的缺陷。
• 证明高阶相关性——超越单神经元放电率与群体放电计数——对于解释观察到的神经活动模式匹配至关重要。
• 通过证明Berkes等人（2011年）的原始结果无法被Okun等人提出的简化置换数据解释，从而验证其原始发现的可靠性。
• 提出一种更严格的基于差异度量的比较方法，以区分由低阶与高阶统计结构驱动的匹配。

提出的方法

• 构建一个最大熵置换模型，保留单个神经元放电率及共激活神经元数量的分布，同时假设无功能连接性。
• 使用Kullback-Leibler差异度量比较真实神经活动分布（P, Q）与其置换对应物（P̃, Q̃）以及彼此之间的差异。
• 应用差异度量 D[P||Q] 评估自发活动（S）与诱发活动（M）之间的匹配程度，并与 D[P̃||Q̃] 进行比较，以检验该匹配是否由低阶统计特性导致。
• 使用Okun等人提出的置换方法重新分析原始Berkes等人数据集，以检验其主张的稳健性。
• 通过合成高斯混合示例评估基于置换的比较性能，以说明其概念上的局限性。
• 引入一种新的差异度量比较 D[P||Q̃]，以区分P与Q之间的匹配是由低阶还是高阶统计结构驱动的。

实验结果

研究问题

• RQ1 自发与诱发神经活动模式之间的匹配能否完全由单神经元放电率与群体放电计数等低阶统计特性解释？
• RQ2 Okun等人提出的置换模型（仅保留这些低阶统计特性）是否足以复制观察到的神经活动模式匹配？
• RQ3 Okun等人分析中观察到的置换自发与诱发分布之间的相似性，是否真实反映了真实数据的统计特性，特别是在初级视觉皮层（V1）中？
• RQ4 基于差异度量的比较能否区分自发与诱发活动之间的匹配是由高阶相关性还是仅由低阶统计特性驱动的？
• RQ5 相关性在塑造神经编码中的真正作用是什么，特别是在感觉皮层统计最优性的情境下？

主要发现

• Okun等人提出的置换模型无法准确再现原始V1数据的统计特性，真实分布与置换分布之间的差异显著，且随发育过程而增大（自发活动的Spearman相关系数 ρ = 0.68，p = 0.005）。
• 当使用正确的差异度量重新分析时，原始数据显示自发与诱发活动之间的匹配无法仅由低阶统计特性解释，因为真实分布与置换分布之间的差异显著。
• Okun等人所采用的基于置换的比较方法本质上存在缺陷，因为它无法区分置换分布之间的匹配是源于低阶还是高阶结构，因此无法提供关于相关性重要性的有效信息。
• 作者通过非高斯分布的合成示例证明，即使真实分布P与Q之间的差异 D[P||Q] 很小，且置换分布之间的差异 D[P̃||Q̃] 几乎相同，也不能说明匹配是由低阶统计特性导致的。
• 在成年动物中，真实自发与诱发活动之间的匹配（D[M||S] ≈ 100）得以保持，但真实与置换分布之间的交叉差异（如 D[M||S̃Okun] ≈ 200）显著更大，证实高阶结构至关重要。
• 所提出的差异度量比较 D[P||Q̃] 能够区分由高阶结构驱动的匹配与由低阶统计特性驱动的匹配，而Okun等人所倡导的方法则无法实现这一区分。