[论文解读] Noise-robust modes of the retinal population code geometrically correspond with "ridges"

Adrianna Loback, Jason Prentice+2 more|arXiv (Cornell University)|Oct 21, 2016

Neural dynamics and brain function被引用 3

一句话总结

该论文提出，视网膜中抗噪声的神经种群编码在概率景观中沿'脊线'几何组织，而非局部极大值。这些脊线对应于同一功能群集内神经元的协调活动，从而实现鲁棒编码，并具备生物学上合理的解码机制。

ABSTRACT

An appealing new principle for neural population codes is that correlations among neurons organize neural activity patterns into a discrete set of clusters, which can each be viewed as a noise-robust population codeword. Previous studies assumed that these codewords corresponded geometrically with local peaks in the probability landscape of neural population responses. Here, we analyze multiple datasets of the responses of ~150 retinal ganglion cells and show that local probability peaks are absent under broad, non-repeated stimulus ensembles, which are characteristic of natural behavior. However, we find that neural activity still forms noise-robust clusters in this regime, albeit clusters with a different geometry. We start by defining a soft local maximum, which is a local probability maximum when constrained to a fixed spike count. Next, we show that soft local maxima are robustly present, and can moreover be linked across different spike count levels in the probability landscape to form a ridge. We found that these ridges are comprised of combinations of spiking and silence in the neural population such that all of the spiking neurons are members of the same neuronal community, a notion from network theory. We argue that a neuronal community shares many of the properties of Donald Hebb's classic cell assembly, and show that a simple, biologically plausible decoding algorithm can recognize the presence of a specific neuronal community.

研究动机与目标

• 研究在自然、非重复刺激下视网膜神经种群编码的几何结构。
• 解决先前模型依赖局部概率极大值的局限性，因为在此类广泛刺激集合下，局部极大值并不存在。
• 识别在真实神经反应条件下支持抗噪声种群编码的替代几何结构。
• 将这些结构与神经群集关联，并通过生物学上合理的解码算法证明其功能相关性。

提出的方法

• 将'软局部极大值'定义为在种群总放电数固定条件下的局部概率极大值。
• 在不同放电数水平上映射软局部极大值，以识别概率景观中的连续几何结构。
• 追踪这些结构的演化，揭示跨越多个放电数水平的脊线。
• 识别出脊线上的点对应于单个神经群集中特定的放电与静默神经元组合。
• 使用网络理论定义并分析神经群集，表明其与脊线几何结构一致。
• 提出并测试了一种简单、生物学上合理的解码算法，可检测特定神经群集的存在。

实验结果

研究问题

• RQ1 在自然刺激下，当缺乏局部概率极大值时，是否存在抗噪声的神经种群编码字？
• RQ2 当局部极大值不存在时，概率景观中的何种几何结构可支持鲁棒神经编码？
• RQ3 这些结构与视网膜网络中功能神经群集的关系如何？
• RQ4 是否存在一种生物学上合理的解码机制，可检测此类编码字的存在？
• RQ5 这些编码字是否对应于同一群集中神经元之间的协调活动模式？

主要发现

• 在多个视网膜数据集中，软局部极大值——即在固定放电数约束下的局部概率极大值——表现出稳健存在。
• 这些软极大值在不同放电数水平间被连接，形成概率景观中的连续脊线。
• 这些脊线对应于所有放电神经元属于同一神经群集的协调活动模式。
• 通过网络理论定义的神经群集表现出与赫布型细胞集合一致的特性。
• 一种简单、生物学上合理的解码算法成功基于放电模式检测到特定神经群集的存在。
• 脊线的几何结构即使在传统局部极大值缺失时，也能提供稳定且抗噪声的编码。