跳到正文
原文
arXiv · Neurons and Cognition· Yeyuan Liu
· 10 天前精选AI 评分66

真实连接何时胜出?用未测量的生理参数检验连接组的结构功能主张

When Does the Real Wiring Win? Testing connectome structure-function claims against unmeasured physiology

预印本 · 尚未经过同行评审

AI 导读

连接组约束模型常被用来论证真实连接优于打乱连接,但模型还需要兴奋性、增益等未测量的生理参数,调参方式可能混淆结论。作者区分三种估计方案,用合成真值、安慰剂零模型和三个果蝇回路模型检验。结果部分结论在各方案下都成立,而蘑菇体中真实肯扬细胞输出连接的优势在第三种方案下反转为劣势,取决于活跃肯扬细胞中 alpha'beta' 细胞的比例。

推荐理由

用合成真值、安慰剂零模型和三个果蝇回路模型,比较三种调参方案下连接组结构功能结论是否成立。

摘要 · AI 翻译

连接组约束模型常被用来论证:实测的接线图优于打乱或重连的接线,因此结构塑造功能。这类比较会把接线与模型的调参方式混为一谈:连接组只固定了谁与谁相连,而不固定模型同样需要的兴奋性、增益或可塑性速率,建模者往往反复调整这些参数,直到真实接线模型能正常工作。我们区分三种估计量:在真实接线上调好生理参数再迁移到零模型(P1);每种接线各自调参(P2);以及把 P2 限制在与独立数据一致的生理参数范围内(P3)。其中的偏差在机器学习中已有认识(基线调参不足、继承权重、赢家诅咒);我们用合成真值、安慰剂零模型和三个果蝇回路模型,测量这些偏差对生物学结论的影响。有些主张在我们测试的每一种方案下都成立:分离的奖赏与惩罚多巴胺能改善学习,头方向拓扑是维持持续性凸起所必需的。另一些则不成立。在蘑菇体中,真实的 Kenyon 细胞输出接线在 P1 和 P2 下比跨亚型身份打乱高出 0.09,但在 P3 下反而低 0.09(95% 置信区间不含零;留出运行证实)。结论取决于活跃 Kenyon 细胞中 alpha'beta' 细胞所占比例,而 P1 选出的比例偏低;在成像所暗示的比例(约 44%)下,真实接线模型无法学习,这暴露的是模型不充分,而非果蝇接线本身的缺陷。在 flyvis 中,P1 对镜像连接组的惩罚大于空间打乱连接组——前者有一个构造解,其误差中位数在真实误差的 0.07 以内——在 50 个成员中的 50 个里都是如此;该排序在十倍长的重训练后仍成立,但在五十倍时取决于检查点。可信的结构性主张需要匹配的优化、受数据约束的生理参数,以及一个在那里仍然有效的模型。

中文由 AI 翻译,仅供参考,以原文为准。

来源:arXiv · Neurons and Cognition · arxiv.org

PsyBrain 脑心前沿

让每一位脑科学探索者,都不再独行。