Astrocytes as a mechanism for meta-plasticity and contextually-guided network function

要約

アストロサイトは遍在的で謎に満ちたタイプの非神経細胞であり、すべての脊椎動物の脳に見られます。
従来、ニューロンをサポートしていると考えられてきましたが、アストロサイトが脳機能と神経計算においてより直接的かつ積極的な役割を果たしている可能性があることがますます認識されてきています。
アストロサイトは、多くの生理学的共変量に対する感受性と、より遅い時間スケールでニューロンの活動と接続を調節する能力のおかげで、機能的に顕著な方法で神経回路のダイナミクスを調節する準備が特に整っている可能性があります。
今回の論文では、ニューロンと星状細胞の相互作用の計算モデル内で実用的な抽象化を介してこれらの特徴を捉えることを目指しています。
具体的には、別々の時間スケールで作用するニューロンとアストロサイトの相互作用の入れ子状フィードバックループが、タスクパラメータの変動がタスク要件内よりもはるかにゆっくりと発生する可能性がある状況依存の設定での学習を可能にする能力をアストロサイトにどのように与えるかについて研究します。
。
私たちは、ニューロン-シナプス-アストロサイト相互作用の一般的なモデルを提示し、形式的な解析を使用して、アストロサイトの変調がメタ可塑性の一形態を構成し、シナプスとニューロンが時間の関数として適応する方法をどのように変化させるかを特徴付けます。
次に、このモデルをバンディットベースの強化学習タスク環境に埋め込み、時間スケールで分離されたアストロサイト変調の存在により、複数の変動するコンテキストにわたる学習がどのように可能になるかを示します。
実際、これらのネットワークは、動的に同種のネットワークや従来の非ネットワークベースのバンディット アルゴリズムと比較して、はるかに確実に学習します。
私たちの結果は、脳内のニューロンとアストロサイトの相互作用の存在が、さまざまな時間スケールでの学習と、タスクに関連したコンテキスト情報の回路ダイナミクスへの伝達にどのように利益をもたらすかを示しています。

要約(オリジナル)

Astrocytes are a ubiquitous and enigmatic type of non-neuronal cell and are found in the brain of all vertebrates. While traditionally viewed as being supportive of neurons, it is increasingly recognized that astrocytes may play a more direct and active role in brain function and neural computation. On account of their sensitivity to a host of physiological covariates and ability to modulate neuronal activity and connectivity on slower time scales, astrocytes may be particularly well poised to modulate the dynamics of neural circuits in functionally salient ways. In the current paper, we seek to capture these features via actionable abstractions within computational models of neuron-astrocyte interaction. Specifically, we engage how nested feedback loops of neuron-astrocyte interaction, acting over separated time-scales may endow astrocytes with the capability to enable learning in context-dependent settings, where fluctuations in task parameters may occur much more slowly than within-task requirements. We pose a general model of neuron-synapse-astrocyte interaction and use formal analysis to characterize how astrocytic modulation may constitute a form of meta-plasticity, altering the ways in which synapses and neurons adapt as a function of time. We then embed this model in a bandit-based reinforcement learning task environment, and show how the presence of time-scale separated astrocytic modulation enables learning over multiple fluctuating contexts. Indeed, these networks learn far more reliably versus dynamically homogeneous networks and conventional non-network-based bandit algorithms. Our results indicate how the presence of neuron-astrocyte interaction in the brain may benefit learning over different time-scales and the conveyance of task-relevant contextual information onto circuit dynamics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google