Most discriminative stimuli for functional cell type clustering

要約

細胞の種類を特定し、その機能的特性を理解することは、知覚と認知の基礎となるメカニズムを解明するために重要です。
網膜では、慎重に選択した刺激によって機能型を識別できますが、これには専門分野の知識が必要であり、既知の細胞型に偏った手順になります。
視覚野にはどのような機能タイプが存在するのか、またそれらをどのように識別するのかはまだわかっていません。
したがって、網膜および視覚野の機能細胞タイプを公平に同定するには、新しいアプローチが必要です。
ここでは、Most Discriminative Stimuli (MDS) を使用してニューロンの機能クラスターを取得するための深層予測モデルを使用した最適化ベースのクラスタリング アプローチを提案します。
私たちのアプローチは、期待値最大化アルゴリズムに似たクラスターの再割り当てと刺激の最適化を交互に行います。
このアルゴリズムは、マウス網膜、マーモセット網膜、マカク視覚野 V4 の機能クラスターを回復します。
これは、私たちのアプローチが種、視覚システムの段階、記録技術を超えて識別刺激を首尾よく見つけることができることを示しています。
結果として得られる最も識別的な刺激を使用して、複雑な予測モデルをトレーニングしたり、大規模な自然シーンのデータセットを表示したりする必要がなく、機能的な細胞の種類を迅速かつその場で割り当てることができ、以前は実験時間によって制限されていた実験への道が開かれます。
重要なのは、MDS が解釈可能であることです。MDS は、特定の種類のニューロンを最も明確に識別する独特の刺激パターンを視覚化します。

要約(オリジナル)

Identifying cell types and understanding their functional properties is crucial for unraveling the mechanisms underlying perception and cognition. In the retina, functional types can be identified by carefully selected stimuli, but this requires expert domain knowledge and biases the procedure towards previously known cell types. In the visual cortex, it is still unknown what functional types exist and how to identify them. Thus, for unbiased identification of the functional cell types in retina and visual cortex, new approaches are needed. Here we propose an optimization-based clustering approach using deep predictive models to obtain functional clusters of neurons using Most Discriminative Stimuli (MDS). Our approach alternates between stimulus optimization with cluster reassignment akin to an expectation-maximization algorithm. The algorithm recovers functional clusters in mouse retina, marmoset retina and macaque visual area V4. This demonstrates that our approach can successfully find discriminative stimuli across species, stages of the visual system and recording techniques. The resulting most discriminative stimuli can be used to assign functional cell types fast and on the fly, without the need to train complex predictive models or show a large natural scene dataset, paving the way for experiments that were previously limited by experimental time. Crucially, MDS are interpretable: they visualize the distinctive stimulus patterns that most unambiguously identify a specific type of neuron.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google