[论文解读] Interaction graph estimation for the first olfactory relay of an insect

Ludmila Brochini, Pierre Hodara+2 more|arXiv (Cornell University)|Dec 15, 2016

Neurobiology and Insect Physiology Research被引用 1

一句话总结

本文提出了一种新颖的统计方法，用于利用蝗虫初级梨状体突触网络中稀疏、高质量的多电极阵列记录数据，估计定向突触相互作用图。通过改进先前的方法以处理小样本量和部分观测网络，该方法即使在数据有限的情况下也能实现准确的连通性推断，其有效性通过模拟研究和参数调优得到验证。

ABSTRACT

One of the main current issues in Neurobiology concerns the understanding of interrelated spiking activity among multineuronal ensembles and differences between stimulus-driven and spontaneous activity in neurophysiological experiments. Multi electrode array recordings that are now commonly used monitor neuronal activity in the form of spike trains from many well identified neurons. A basic question when analyzing such data is the identification of the directed graph describing synaptic coupling between neurons. In this article we deal with this matter working with a high quality multielectrode array recording dataset (Pouzat et al., 2015) from the first olfactory relay of the locust, $Schistocerca$ $americana$. From a mathematical point of view this paper presents two novelties. First we propose a procedure allowing to deal with the small sample sizes met in actual datasets. Moreover we address the sensitive case of partially observed networks. Our starting point is the procedure introduced in Duarte et al. (2016). We evaluate the performance of both original and improved procedures through simulation studies, which are also used for parameter tuning and for exploring the effect of recording only a small subset of the neurons of a network.

研究动机与目标

• 解决从有限实验数据中推断神经元网络定向突触连通性的挑战。
• 开发一种对神经生理记录中常见小样本量具有鲁棒性的方法。
• 处理仅记录部分神经元的现实场景，即仅部分神经元被观测到。
• 改进现有方法在多神经元动作电位序列数据中相互作用图估计的表现。
• 通过在现实记录约束条件下进行模拟研究和参数调优，验证该方法。

提出的方法

• 该方法基于Duarte等人（2016）提出的方法，但进一步扩展以处理小样本量和部分网络观测。
• 采用统计框架，建模动作电位序列相互作用，同时考虑观测到的动作电位数量有限的问题。
• 通过正则化技术稳定低样本量条件下的推断过程。
• 采用基于似然的推断，重点关注方向性连通性，以区分突触前与突触后影响。
• 通过模拟研究进行参数调优，以在不同记录条件下优化性能。
• 通过估计观测到的动作电位序列相关性来评估网络结构，从而推断定向突触耦合。

实验结果

研究问题

• RQ1 如何从神经元群的小样本动作电位序列记录中可靠地推断定向突触连通性？
• RQ2 仅记录部分神经元对推断出的相互作用图准确性有何影响？
• RQ3 与现有方法相比，该方法在应对数据稀缺方面有何改进？
• RQ4 在现实实验约束条件下，实现可靠推断的最优参数设置是什么？
• RQ5 刺激驱动活动与自发活动模式如何影响连通性估计的准确性？

主要发现

• 改进后的方法在小样本条件下显著提升了定向相互作用图估计的准确性，优于原始方法。
• 当仅记录部分神经元时，该方法仍保持鲁棒性，适用于部分观测网络。
• 模拟研究显示，即使每单位神经元的动作电位数量有限，该方法仍能实现可靠的推断。
• 通过模拟研究进行的参数调优使该方法在多种记录条件下均达到最优性能。
• 该方法在连通性推断中成功区分了刺激驱动活动与自发活动模式。