Active learning of neural population dynamics using two-photon holographic optogenetics

要約

神経集団の監視と摂動の技術の最近の進歩により、脳内の回路を研究する能力が大幅に向上しました。
特に、2光子のホログラフィックオプトジェネティクスは、個々のニューロンの実験者に指定されたグループの正確な光刺激ができるようになりましたが、同時に2光子カルシウムイメージングにより、神経集団全体で進行中および誘導活動の測定が可能になります。
潜在的な光刺激パターンの膨大な空間と光刺激実験の時間のかかる性質にもかかわらず、神経集団の動態を識別するための最も効果的な光刺激パターンを決定するためには、ほとんどアルゴリズム作業が行われていません。
ここでは、結果として生じる神経反応が神経集団活動の動的モデルを最もよく知らせるように刺激するニューロンを効率的に選択する方法を開発します。
マウス運動皮質における光刺激に対する神経集団応答を使用して、低ランクの線形動的システムモデルの有効性を実証し、低ランク構造を利用して有益な光刺激パターンを決定する積極的な学習手順を開発します。
実際のデータと合成データの両方でアプローチを実証し、特定の予測力に到達するために必要なデータ量を2倍に減少させる場合があります。
当社のアクティブな刺激設計方法は、低ランク回帰のための新しい積極的な学習手順に基づいており、これは独立した関心事である可能性があります。

要約(オリジナル)

Recent advances in techniques for monitoring and perturbing neural populations have greatly enhanced our ability to study circuits in the brain. In particular, two-photon holographic optogenetics now enables precise photostimulation of experimenter-specified groups of individual neurons, while simultaneous two-photon calcium imaging enables the measurement of ongoing and induced activity across the neural population. Despite the enormous space of potential photostimulation patterns and the time-consuming nature of photostimulation experiments, very little algorithmic work has been done to determine the most effective photostimulation patterns for identifying the neural population dynamics. Here, we develop methods to efficiently select which neurons to stimulate such that the resulting neural responses will best inform a dynamical model of the neural population activity. Using neural population responses to photostimulation in mouse motor cortex, we demonstrate the efficacy of a low-rank linear dynamical systems model, and develop an active learning procedure which takes advantage of low-rank structure to determine informative photostimulation patterns. We demonstrate our approach on both real and synthetic data, obtaining in some cases as much as a two-fold reduction in the amount of data required to reach a given predictive power. Our active stimulation design method is based on a novel active learning procedure for low-rank regression, which may be of independent interest.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google