[论文解读] Universality and individuality in a neural code

Elad Schneidman, Naama Brenner+3 more|ArXiv.org|May 16, 2000

Neural dynamics and brain function参考文献 19被引用 19

一句话总结

本文提出一种信息论框架，利用果蝇中已鉴定的运动敏感神经元（H1）的峰发放序列数据，量化神经编码中的普遍性与个体性。研究发现，尽管峰发放时间模式在不同个体间存在显著差异（个体性），但每个神经元均实现了高编码效率，每个峰所携带的信息量在不同果蝇间相当（普遍性），表明个人神经编码风格与共享编码原则之间存在根本性平衡。

ABSTRACT

The problem of neural coding is to understand how sequences of action potentials (spikes) are related to sensory stimuli, motor outputs, or (ultimately) thoughts and intentions. One clear question is whether the same coding rules are used by different neurons, or by corresponding neurons in different individuals. We present a quantitative formulation of this problem using ideas from information theory, and apply this approach to the analysis of experiments in the fly visual system. We find significant individual differences in the structure of the code, particularly in the way that temporal patterns of spikes are used to convey information beyond that available from variations in spike rate. On the other hand, all the flies in our ensemble exhibit a high coding efficiency, so that every spike carries the same amount of information in all the individuals. Thus the neural code has a quantifiable mixture of individuality and universality.

研究动机与目标

• 开发一种无需依赖预定义度量的定量方法，用于比较个体之间的神经编码。
• 探究神经编码原理是否具有普遍性，或在个体之间存在差异，尤其关注平均放电率之外的时间峰发放模式。
• 评估神经响应中的信息在多大程度上是跨个体共享的，或多大程度是每个个体独有的。
• 确定编码效率（每峰信息量）是否在个体之间保持一致，即使响应结构存在差异。

提出的方法

• 使用信息论通过刺激与响应之间的互信息来定义神经编码的相似性与差异性。
• 应用熵和条件熵来量化重复刺激呈现下响应的总信息容量与噪声。
• 利用包含时间依赖放电率与平均放电率的单峰信息公式，定义每峰的信息速率。
• 计算由于通用解码（即不依赖个体身份进行解码）导致的信息损失，定义为个体特异性信息与群体水平信息之间的差值。
• 将果蝇的身份作为变量，量化信息损失，将其与响应和个体身份之间的互信息关联起来。
• 使用时间窗口T内的平均互信息来估计渐近信息速率与编码效率。

实验结果

研究问题

• RQ1 在不同果蝇中，同种神经元类型（H1）的神经编码在峰发放时间模式的结构上表现出多大程度的相似性或差异性？
• RQ2 每峰携带的信息是否在不同个体间保持一致，表明编码效率具有普遍性？
• RQ3 在不预先知道响应来自哪个个体的情况下进行解码时，会损失多少信息？这反映了神经编码中个体性的何种含义？
• RQ4 在平均放电率之外，时间峰发放模式在编码中贡献多大程度？这种贡献在不同个体间如何变化？
• RQ5 是否可以使用信息论度量来量化神经编码中普遍性与个体性之间的平衡？

主要发现

• 不同果蝇在神经编码结构上表现出显著差异，尤其体现在时间峰发放模式对信息编码的贡献上，超出平均放电率的范畴。
• 尽管存在个体差异，但所有果蝇中每个峰所携带的信息量大致相等，表明信息传输具有高度编码效率和普遍性。
• 每峰的信息速率在不同个体间保持一致，表明无论个体响应模式如何，均遵循高效的编码原则。
• 大量总信息由时间峰发放模式承载，超出率编码的额外信息被量化为协同因子（synergy factor）。
• 由于通用解码导致的平均信息损失，与响应和个体身份之间的互信息直接相关，证实个体性可被量化且具有非平凡性。
• 该框架成功地通过单一、一致的信息论度量，量化了神经编码中的个体性（响应结构差异）与普遍性（每峰等量信息）