同期記録で最大100万のニューロンの皮質ダイナミクスがニューロン数と次元性の無限スケーリングを明らかに

文章概要

この「同期記録で最大100万のニューロンの皮質ダイナミクスがニューロン数と次元性の無限スケーリングを明らかに」という科学報告は、「Neuron」誌（112巻、1694–1709ページ）に発表されました。著者はJason Manley、Sihao Lu、Kevin Barber、Jeffrey Demas、Hyewon Kim、David Meyer、Francisca Martínez Traub、そしてAlipasha Vaziriです。記事の発表日は2024年5月15日で、Rockefeller UniversityとThe Kavli Neural Systems Instituteの共同研究の成果です。本研究はニューロンダイナミクスの次元性とニューロン数の関係、およびそこから明らかになるニューロン計算メカニズムを深く探求しています。

背景紹介

ニューロンの集団は独立したプロセッサではなく、相互に緊密に関連した単位を形成し、適応的かつ目標指向的な行動を支える計算を共同で行っていると考えられています。過去の技術的制約により、記録は通常限られた数のニューロンに限定され、多くの重要なパラダイムが単一ニューロンの測定可能な特性に基づいて構築されました。このような理論的フレームワークは、大規模で観測不可能なニューロン回路から単細胞応答がどのように出現するかを推論することを目的としています。大規模なニューロン記録技術の発展により、行動している動物のより大規模なニューロン集団の活動をモニタリングすることが可能となりました。

次元削減技術の広範な応用は、ニューロンダイナミクスが低次元「潜在」信号によって近似できることを示唆しています。この信号はニューロン計算を反映しています。しかし、このような低次元表現によって脳活動の広範な範囲を本当に説明できるでしょうか？もしできない場合、これらの活動を捉える適切な記録解像度とスケールは何でしょうか？

研究方法

研究の中で、著者は光ビーズ顕微鏡（light beads microscopy, LBM）と呼ばれる技術を使用し、最大100万のニューロンのマウス皮質におけるダイナミクスを記録しました。この技術では、ニューロンの三次元視野における蛍光活性を、30個の軸方向に分離され時間的に独特な二光子励起点を持つ列によって捉えます。これらの光ビーズは軸方向範囲内のニューロン活動を密に捕捉し、空間および時間的に最適な取得を可能にします。その限界は遺伝子コード化されたカルシウムインジケーターの蛍光寿命によって制約されます。研究対象はgcamp6sまたはgcamp6fを発現するトランスジェニックマウスです。

研究結果

研究は、ニューロン数が増えるにつれてニューロン集団の記録ダイナミクス次元が無限にスケーリングするべき因子関係を示しました。ニューロンの50%の変動は行動に関連する16の次元内に含まれていましたが、これらの次元は即時の行動または感覚関連の指標とは無関係でした。高次元のコンポーネントは独特の時間構造を示し、秒から時間分解能の限界までの時間スケールに跨ります。さらに、これらの高次元活動は感覚誘発パターンとほとんど直交しており、これらの次元が即時感覚や行動と関連しないニューロン計算を説明していることを示唆しています。

具体的には、著者は共有分散コンポーネント分析（shared variance component analysis, SVCA）を用いて皮質記録中のすべてのニューロンから2つの部分を分離し、これらのニューロン活動の線形次元を特定しました。これらの次元は共有分散コンポーネント（SVC）と呼ばれます。これらの次元の共分散を利用して信頼性をテストした結果、SVCA法は従来の次元削減技術よりも潜在的な生物学的意味を持つ信号をより正確に分離することが分かりました。

146,741個のニューロンの皮質半球記録をSVCA分析した結果、次元性は最大観測可能なニューロン集団量までべき乗法則に従って増加することが明らかになりました。これはアフィンド分布や異なる記録密度においても同様です。この結果は、サンプル戦略に関わらず、皮質の次元性は記録されたニューロン数に主に依存し、それらのボリュームや皮質エリア内の空間分布には依存しないことを示唆しています。

研究の意義

本研究の結論は、ニューロン計算の高度な次元性を強調し、観察結果は大規模で細胞レベルの記録技術が完全なニューロン計算基質を明らかにする重要性を強調しています。これにより、皮質ダイナミクスの高次元の地理的空間を理解するためには、より大規模なニューロン活動の観察が必要であることが分かります。90%以上の信頼性のあるニューロン次元が動物の即時行動と無関係であるとしても、これがこれらの高次元がニューロン機能に無用であることを示すものではありません。研究結果はまた、従来の分散基準法がニューロン次元性を大幅に過小評価している可能性があり、さらなる大規模な記録の必要性を強調しています。

これらの高次元の特徴を理解することで、研究者はニューロンサークルがどのように情報をエンコードし処理するかをさらに探求することができます。また、本文で使用された新しい技術や方法は、注意、動機、飢え、恐怖などの内在的状態がニューロン計算にどのように影響するかをさらに研究する新しい道を開く可能性があります。

この研究は、ニューロン計算に新たな視点を提供するだけでなく、将来の研究に必要な高次元性と大規模な細胞記録の組み合わせを示し、脳が複雑な情報をどのように処理するかを理解する新たな研究方向を提供しました。