[论文解读] Universality of macroscopic neuronal dynamics in Caenorhabditis elegans

Connor Brennan, Alex Proekt|arXiv (Cornell University)|Nov 22, 2017

Genetics, Aging, and Longevity in Model Organisms参考文献 1被引用 3

一句话总结

本研究揭示，尽管在基因型相同的秀丽隐杆线虫（*C. elegans*）个体之间存在显著的神经元活动差异，其全局脑活动动态仍受神经活动空间中一个保守的流形（manifold）所支配，从而实现跨个体的行为精准预测。该方法结合降维与随机建模，揭示了这一普遍宏观动态，其根源在于神经轨迹与热力学系统之间的数学关联。

ABSTRACT

Recordings of whole brain activity with single neuron resolution are now feasible in simple organisms. Yet, it is still challenging to appropriately simplify such complex, noisy, and multivariate data in order to reveal general principles of nervous system function. Here, we develop a method that allows us to extract global brain dynamics from pan-neuronal imaging. Success of this method is rooted in a surprising mathematical connection between dimensionality reduction and a general class of thermodynamic systems. Application of this theoretical framework to the nervous system of C. elegans reveals the manifold that sculpts global brain dynamics. This manifold allows us to predict switches between worm behaviors across individuals, implying that macroscopic dynamics embodied by the manifold are universal. In contrast, activation of individual neurons differs consistently between worms. These findings suggest that brains of genetically identical individuals express distinct microscopic neuronal configurations which nonetheless yield equivalent macroscopic dynamics.

研究动机与目标

• 通过简化秀丽隐杆线虫（*C. elegans*）全脑神经元活动的高维、噪声数据，识别神经系统功能的一般规律。
• 检验尽管神经元活动存在微观差异，宏观脑活动动态是否在个体间保持不变。
• 建立一个理论框架，将神经数据的降维与热力学系统联系起来，以建模集体神经活动动态。
• 确定这种普遍流形是否能预测基因型相同的线虫个体之间的行为转换。
• 通过识别一个共同支配整体行为的流形，调和确定性与随机性神经活动模型。

提出的方法

• 对秀丽隐杆线虫（*C. elegans*）头侧神经节的全脑钙成像数据应用主成分分析（PCA），将活动降维至两个主导成分，解释约60%的方差。
• 在PC1-PC2平面上对活动进行分箱处理，构建概率密度函数 $ P $，利用带漂移的布朗运动建模随机神经活动：$ \frac{d\mathbf{X}}{dt} = D\frac{\nabla P(\mathbf{X})}{P(\mathbf{X})} + \epsilon $。
• 通过神经态转移轨迹的捆绑与聚类，识别出低维流形，揭示神经活动动态中的重复模式。
• 利用该流形模拟神经活动与行为停留时间，将模拟结果与单个线虫的观测数据进行验证。
• 通过交叉验证：以4只线虫的数据进行训练，预测被排除线虫的行为，评估模拟与观测停留时间的统计相似性。
• 使用熵与通量分析量化动态，比较基于流形的预测与零假设模型，结果表明真实数据具有更低的熵和非线性衰减。

实验结果

研究问题

• RQ1 是否存在一个普遍的、低维流形，尽管个体神经元活动存在差异，仍能支配基因型相同的秀丽隐杆线虫（*C. elegans*）个体之间的宏观脑活动动态？
• RQ2 该流形的形状是否可用于预测不同线虫之间的行为转换，即使个体神经元活动模式存在差异？
• RQ3 仅依靠随机模型在多大程度上无法再现观测到的宏观动态？引入确定性结构（即流形）后，预测能力提升的程度如何？
• RQ4 该流形的保守性如何与行为演化约束相关？考虑到自然选择作用于行为而非单个神经元。
• RQ5 在简单神经系统中，微观神经元活动的可变性与宏观动态的不变性之间存在何种关系？

主要发现

• 支配全局脑活动动态的流形在所研究的五只秀丽隐杆线虫（*C. elegans*）个体中均保持保守，尽管AVBL、RIVR和RMED等特定神经元的激活存在持续差异。
• 个体线虫之间的神经元活动存在显著差异，AVBL（p = 0.0056）、RIVR（p = 0.0018）和RMED（p = 3.2×10⁻²²）的神经元活动分布p值均低于0.01，表明其动态并非相同。
• 该流形成功预测了跨线虫的行为状态转换与停留时间，模拟结果在定性和定量上均与观测数据一致，尤其在使用全部神经元训练时表现更优。
• 线虫D在停留时间统计上为异常值，可能由于采样量较低（仅约10个行为），但当以其余四只线虫训练时，流形仍成功捕捉了其结构。
• 基于流形的预测熵始终低于零模型，且呈非线性衰减，反映出前向运动轨迹中高度的随机性。
• 该流形捕捉了与行为相关的动态：前向与后向运动分别定位在流形的不同区域，通量矢量显示方向性（红色表示后向，蓝色表示前向）。