《SCIENCE ADVANCES》:Population coding under the scale invariance of high-dimensional noise
编辑推荐:
高维尺度不变神经活动在不同脑区与物种中普遍存在,但其对信息编码的含义仍不清楚。研究人员追问:小鼠V1高维活动中刺激信息随神经元数量如何标度,是否会因噪声相关而饱和,或随亚群增长无界增加。与既往报告相反,研究人员发现随群体规模线性增长的主导噪声成分(其可限制信息
高维尺度不变神经活动在不同脑区与物种中普遍存在,但其对信息编码的含义仍不清楚。研究人员追问:小鼠V1高维活动中刺激信息随神经元数量如何标度,是否会因噪声相关而饱和,或随亚群增长无界增加。与既往报告相反,研究人员发现随群体规模线性增长的主导噪声成分(其可限制信息)与信号对齐不足,无法构成信息上限。该结论源于小鼠V1神经元响应的两个尺度不变幂律性质:噪声特征谱与噪声成分对信号的对齐关系。研究人员证明群体子抽样将观测幂律指数与信息有界性相联系,且信息标度依赖完整特征谱而非仅主导模态。最后,研究人员证明在子抽样下,若存在信息限制相关,则必为差分相关(differential correlations)。上述发现阐明了尺度不变噪声下高维神经活动中信息的标度规律。
研究背景方面,神经活动具有高变异性且在高维空间中呈结构化,跨脑区与物种普遍呈现准通用的尺度不变幂律噪声谱。经典研究在猴子中颞区发现单神经元可高信息量编码感知方向,冗余编码使信息随群体增大次线性增长;强冗余甚至可使编码信息在大群体极限下饱和。已有大规模记录研究多报告信息有界,但其协方差标度假设过于简化。本论文发表于《SCIENCE ADVANCES》,研究人员以小鼠初级视觉皮层(V1,primary visual cortex)为对象,利用双光子成像大群体数据,检验噪声协方差谱与信号对齐的尺度不变性,回答相关噪声是否真正限制线性费雪信息(LFI,linear Fisher information)。
关键技术方法方面,研究人员使用Stringer等五只小鼠双光子成像得到的17631至21469个V1神经元、每度约1000次重复试次的样本队列;以随机子抽样构建不同规模亚群;通过有限尺寸标度塌缩估计噪声特征值谱指数α;用角占据(angular occupation,cos2θi,N)刻画噪声特征向量与信号fN′(s)对齐;并设计特征谱收缩、Wishart替代与微扰校正三步有限样本偏差校正。
研究结果部分,小标题“Scaling laws for subsampled neuronal populations”中,研究人员由子抽样总体方差线性标度推出协方差特征值不能为超线性,固定秩线性特征值族可数无穷但按秩系数可和,亚线性特征值在数目上主导大N极限;LFI写为IN=∑i=1N|fN′(s)|2 cos2θi,N / λi,N,信息有界性由谱与对齐共同决定。
小标题“Unbounded information scaling in mouse V1 neurons”中,研究人员发现信号幅度|fN′(s)|2~N,噪声谱满足λi,N=N?α g(xi),五鼠α≈0.18;角占据与特征值满足cos2θi,N∝λi,Nγ/∑λi′,Nγ。临界指数γc=(2+α)/(1+α);TX42鼠γ∞=1.415小于γc=1.859,故LFI按N2?α(γ?1)?γ次线性但无界增长,五鼠一致显示相关噪声致冗余却不足以外推限制信息。
小标题“Linear total variance of subsampled populations constrains eigenvalue scaling, power-law exponent, and boundedness of the LFI”中,研究人员将LFI分解为线性与亚线性特征值贡献,证明若固定秩线性族有限,则有界性由亚线性成分决定;总方差线性标度约束α>0、禁止超线性谱,并把谱指数与LFI有界/无界 regimes 严格对应。
讨论与结论翻译部分,研究人员指出,既往大规模研究因简化协方差标度而误报信息有界;本文以数据驱动的尺度不变谱与信号对齐关系取代假设,证明小鼠V1中主导线性噪声成分虽与信号部分对齐,但亚线性谱占据数目优势,使LFI不收敛到有限上限。研究人员进一步证明,子抽样下若信息限制相关存在,则必属差分相关(differential correlations),这重构了信息限制相关的理论边界。结论为:高维尺度不变噪声下,神经群体具备无界编码刺激信息的容量;信息标度由完整噪声特征谱与角占据共同决定,仅视网膜输入信息与V1及相关区域神经元总数构成物理上限,而非相关噪声本身。