[论文解读] On the ground state of spiking network activity in mammalian cortex

Jens Wilting, Viola Priesemann|arXiv (Cornell University)|Apr 20, 2018

Neural dynamics and brain function参考文献 60被引用 3

一句话总结

本研究通过引入一种对子采样不变的估计器，解决了皮层网络动力学领域长期存在的争议，揭示了哺乳动物皮层内在的放电活动始终占据一种独特且狭窄的‘振荡状态’——该状态既不同于非同步不规则状态，也不同于临界状态。作者验证了一种针对该状态进行调校的通用模型，能够准确预测单个神经元、成对神经元及群体水平的动力学特性，并推断出以往难以获取的网络参数，如时间尺度和输入强度。

ABSTRACT

Electrophysiological recordings of spiking activity are limited to a small number of neurons. This spatial subsampling has hindered characterizing even most basic properties of collective spiking in cortical networks. In particular, two contradictory hypotheses prevailed for over a decade: the first proposed an asynchronous irregular state, the second a critical state. While distinguishing them is straightforward in models, we show that in experiments classical approaches fail to correctly infer network dynamics because of subsampling. Deploying a novel, subsampling-invariant estimator, we find that in vivo dynamics do not comply with either hypothesis, but instead occupy a narrow state consistently across multiple mammalian species and cortical areas. A generic model tuned to this reverberating state predicts single neuron, pairwise, and population properties. With these predictions we first validate the model and then deduce network properties that are challenging to obtain experimentally, like the network timescale and strength of cortical input.

研究动机与目标

• 解决皮层网络动力学中关于非同步不规则状态与临界状态假说之间长期存在的矛盾。
• 克服经典推断方法在电生理记录中面临空间子采样时失效的局限性。
• 识别出一种普遍的动力学状态，该状态支配着多种哺乳动物皮层区域和物种的放电活动。
• 开发一种针对该状态校准的模型，以准确预测单个神经元、成对神经元及群体水平的活动统计特性。
• 推断实验中难以直接测量的隐藏网络特性，如网络时间尺度和皮层输入强度。

提出的方法

• 开发一种新型对子采样不变的估计器，以在仅记录少量神经元的情况下，可靠地推断网络动力学。
• 将该估计器应用于来自多种哺乳动物物种和皮层区域的在体电生理数据。
• 对通用脉冲发放网络模型的参数进行调校，使其匹配由实证数据推断出的动力学特性，从而实现多尺度的预测。
• 将模型预测结果与实验数据中观测到的单个神经元、成对神经元及群体水平的统计特性进行对比验证。
• 利用模型预测结果推断隐藏的网络特性，如时间尺度和输入强度，这些特性在实验中难以直接测量。

实验结果

研究问题

• RQ1 在电生理记录中存在空间子采样限制的条件下，实际在体皮层网络处于何种动力学状态？
• RQ2 当仅记录到一小部分神经元时，如何可靠地推断网络动力学？
• RQ3 观测到的活动是否符合非同步不规则状态或临界状态假说，还是代表了一种独立的状态？
• RQ4 一种针对实证推断状态校准的通用模型，能否准确预测单个神经元、成对神经元及群体水平的活动统计特性？
• RQ5 支配该状态的潜在网络特性（如时间尺度和输入强度）是什么？这些特性能否从数据中推断出来？

主要发现

• 在多种哺乳动物物种和皮层区域中，皮层网络的在体动力学始终占据一种独特且狭窄的振荡状态，该状态与非同步不规则状态和临界状态均明显不同。
• 经典推断方法在子采样条件下会失效，导致对网络动力学的错误分类，这解释了长期存在的争议。
• 针对振荡状态调校的通用脉冲发放网络模型，能准确预测单个神经元的放电率、成对相关性以及群体活动模式。
• 模型预测结果与实证数据一致，证实了所推断状态的稳健性与准确性。
• 该模型使以往难以获取的网络特性（如网络时间尺度和皮层输入强度）得以推断，这些参数在实验中难以直接测量。