[论文解读] The correlation structure of local cortical networks intrinsically results from recurrent dynamics

Moritz Helias, Tom Tetzlaff+1 more|arXiv (Cornell University)|Apr 8, 2013

Neural dynamics and brain function参考文献 51被引用 6

一句话总结

本文通过整合反复连接与外部输入，为局部皮层网络中的相关活动建立了一个理论框架，表明抑制性反馈——而非对外部输入的快速追踪——主要决定了相关结构。研究显示，重复动力学，尤其是负反馈，即使在外部输入相同的情况下，也能抑制群体水平的波动并使神经元活动去相关，这对网络稳定性与信息编码具有重要意义。

ABSTRACT

The co-occurrence of action potentials of pairs of neurons within short time intervals is known since long. Such synchronous events can appear time-locked to the behavior of an animal and also theoretical considerations argue for a functional role of synchrony. Early theoretical work tried to explain correlated activity by neurons transmitting common fluctuations due to shared inputs. This, however, overestimates correlations. Recently the recurrent connectivity of cortical networks was shown responsible for the observed low baseline correlations. Two different explanations were given: One argues that excitatory and inhibitory population activities closely follow the external inputs to the network, so that their effects on a pair of cells mutually cancel. Another explanation relies on negative recurrent feedback to suppress fluctuations in the population activity, equivalent to small correlations. In a biological neuronal network one expects both, external inputs and recurrence, to affect correlated activity. The present work extends the theoretical framework of correlations to include both contributions and explains their qualitative differences. Moreover the study shows that the arguments of fast tracking and recurrent feedback are not equivalent, only the latter correctly predicts the cell-type specific correlations.

研究动机与目标

• 开发一个统一的神经元相关性理论，同时考虑皮层网络中的重复连接与外部输入。
• 解决关于低基线相关性在皮层回路中是由外部输入的快速追踪还是重复反馈解释的模糊性。
• 阐明相关性在信息处理中的功能角色，尤其与网络增益、解码及突触可塑性的关系。
• 通过自洽地将相关性效应纳入随机二值网络，改进平均场近似。
• 评估共享输入与突触输入统计特性对内在波动与成对相关性的影响。

提出的方法

• 将随机二值网络理论扩展至同时包含重复连接与波动外部输入。
• 利用线性响应方法与自洽平均场理论，推导成对相关性的解析表达式。
• 提出一种形式化方法，以区分同质外部输入（加性、非特异性）与重复反馈（去相关）的贡献。
• 通过重复耦合矩阵的特征值分析，量化群体波动的抑制程度。
• 将理论预测与具有不同输入相关性与连接性的网络模拟结果进行比较。
• 证明相关性抵消源于群体水平的抑制，而非对外部信号的快速追踪。

实验结果

研究问题

• RQ1 重复网络动力学与外部输入如何共同塑造神经元相关性的结构？
• RQ2 皮层网络中观察到的去相关是由于外部输入的快速追踪，还是由于重复连接中的负反馈？
• RQ3 当所有神经元接收相同外部输入时，其在多大程度上会增加内在波动与成对相关性？
• RQ4 如何通过自洽地包含相关性效应来改进平均场近似？
• RQ5 输入相关性结构在决定局部场电位等细胞外信号的功率与空间范围方面起什么作用？

主要发现

• 对于同质外部输入，相关性结构主要由局部重复连接决定，而非外部输入相关性。
• 同质外部输入以加性和非特异性方式贡献于相关性，对整体结构影响甚微。
• 即使神经元接收相同的外部输入，抑制性反馈也能有效去相关神经元活动，凸显其在抑制相关性中的核心作用。
• 兴奋性与抑制性神经元接收相同的突触输入统计特性，会增加内在波动与成对相关性，凸显输入平衡的重要性。
• 群体水平波动的抑制是确定相关性结构的必要条件但非充分条件，从而否定了快速追踪假说。
• 自洽地包含相关性效应可显著提高平均场预测的准确性，尤其在具有强反馈的重复网络中。