✨ 要約🔬 技術概要
科学者たちは、ついにショウジョウバエの脳の全配線図をマッピングすることに成功した。コネクトームとして知られるこの地図は、あらゆる個々のニューロンと、それらを結びつける数十億もの微細な接続を網羅した膨大なリストである。これは、生きた臓器をコンピュータが読み取れる静的な設計図へと変貌させた、現代生物学の勝利である。しかし、この設計図はあまりに巨大であるため、活用するのが難しい。脳の働きをシミュレートしたり、ハエのように動くロボットを作ったりするために、研究者はしばしばマップを扱いやすいサイズまで削減しなければならない。標準的な手法は、単に最も弱い接続を削除することであり、そこでは強力で重厚な配線だけが重要な情報を運んでいると仮定している。それは、主要な高速道路だけを残して脇道は重要ではないと想定し、脇道を無視して都市を理解しようとする試みに似ている。長年、このショートカットが脳の思考や運動能力を損なうかどうかを、実際に検証した者は誰もいなかった。
ある研究者が、実験的に検証された完全なショウジョウバエ脳のコンピュータモデルを用いて、脳が機能しなくなるまでにどれだけの接続を削除できるかを系統的に調査することで、この仮定をテストすることに決めた。研究者は、そのモデルが正しく実行できることが分かっている3つの特定の行動に焦点を当てた。すなわち、砂糖を食べるために口を突き出すこと、苦味を感じたときにその動作を止めること、そして特定の刺激を感じたときに毛繕い（グルーミング）をすることである。彼らは、モデルを2つの異なる条件下でテストした。一つは脳が静かで休息している状態、もう一つは、実際の起きているハエを模した、自発的な活動で活気づいている状態である。彼らは、弱い接続を削除する標準的な手法を、ネットワークをランダムに削除する方法や、接続の位置は固定したまま線の強度をシャッフルする方法など、他のいくつかの方法と比較した。
結果は、弱い接続を削除するという標準的な手法が、あるタスクに対しては驚くほどうまく機能する一方で、他のタスクに対しては壊滅的に失敗することを示した。脳が静かなとき、10個未満のシナプス（ニューロンが通信する微細な接合部）を持つすべての接続を削除しても、総接続数の94パーセントを削除したにもかかわらず、ハエは砂糖に対してほぼ完璧に反応することができた。しかし、研究者は、この成功が単に強い配線を残すことによるものではないことを発見した。同じ数の配線を残したとしても、それらの強度をシャッフルしたり、あるいは同じ数の配線を異なるニューロンに接続したりすると、脳の挙動は完全に消失した。これは、強力な接続の「配置」が、その「強度」と同じくらい重要であることを証明している。脳は、単に少数のヘビーデューティーなケーブルを持っていることではなく、配線がどこにあるかという精密な組み合わせに依存しているのである。
この研究はまた、「安全な」接続削除の限界は、脳が何をしようとしているかに完全に依存していることも明らかにした。摂食回路は、ほとんどの弱い接続の喪失を生き延びることができたが、毛繕いの回路は即座に崩壊した。この回路は、誤った信号が支配的になるのを防ぐためのブレーキとして機能する、抑制（インヒビション）の繊細なバランスに依存している。研究者が弱い配線を取り除いたとき、彼らは誤ってこれらのブレーキを取り除いてしまい、その結果、ハエが制御不能に毛繕いをしたり、あるいは誤った方法で毛繕いをしたりすることになった。同様に、脳が活動的でノイズの多い状態にあるとき、失敗の形態は変化した。脳が沈黙するのではなく、通常ノイズを抑える役割を果たす弱い抑制性の接続が最初に失われたため、過剰に興奮し、激しく発火するようになったのである。
おそらく最も驚くべき発見は、圧縮された脳モデルが、内部の仕組みがすでに壊れているにもかかわらず、行動テストに合格することがあるという点であった。いくつかのケースにおいて、モデルは（口を突き出すといった）正しい動きを生み出していたが、その際、脳内の活動パターンは大幅に変化していた。これは、ロボットやシミュレーションが正しく動いているかどうかを確認するだけでは、それが真に世界を理解しているかどうかを知るには不十分であることを示唆している。研究者は、脳を簡略化するための単一のルールは存在しないと結論づけた。答えは、脳が実行している特定のタスク、ネットワークの状態、そして接続がどこに配置され、どの程度の強さであるかという複雑な相互作用に依存している。この研究は、脳モデルを縮小しようとするすべての人々に新たなベンチマークを提供しており、最も弱い接続こそが、システムを安定させるために極めて重要である場合が多いことを示している。
技術要約：ショウジョウバエ・コネクトームにおける機能保存型スパース化
問題提起
手法
スパース化オペレータ: 6つのオペレータを、同一のエッジ予算（b k b_k b k k k k
マグニチュード・プルーニング (mag): ∣ w i j ∣ > k |w_{ij}| > k ∣ w ij ∣ > k 一様ランダム (rand): エッジのランダムなサブセット。重み比例ランダム (randm): エッジの重みに比例した確率でサンプリングされたランダムなサブセット（一様ランダムよりもシナプス総量をより良く保存する）。次数保存型リワイアリング (dp): 入次数および出次数、ならびにシナプスの符号を保持しながら、ポストシナプス標的を置換する。重みシャッフル (shuf): 固定されたエッジ位置の間でシナプスの大きさを置換する。タスク指向 (act): 活動重み付きマグニチュード（∣ w i j ∣ ( 1 + r p r e ) |w_{ij}|(1+r_{pre}) ∣ w ij ∣ ( 1 + r p r e )
タスクと状態: オペレータは、以下の3つの検証済み回路に対して評価された：
糖誘発性吻部伸展（摂食）。
苦味による摂食抑制。
機械受容性グルーミングの経路特異性。σ = 0 \sigma=0 σ = 0 σ = 3.5 \sigma=3.5 σ = 3.5
指標: パフォーマンスは、フルモデルに対する出力ニューロンの発火率の比、集団発火率のピアソン相関係数、および活動ニューロン集合のジャカード重複度によって測定された。
主な結果
配置と強度は共同で必要である: 弱いシナプスのプルーニングは、わずか6%のエッジ（k = 10 k=10 k = 10 k ∗ ≈ 9.4 k^* \approx 9.4 k ∗ ≈ 9.4 randm は、タスクに必要な特定の強いエッジのセットを確率的に逃してしまう予算レベルで崩壊する。これは、機能が次数統計や総シナプス量ではなく、配線の配置と強さの結合の中に存在することを証明している。
タスク依存的な崖の位置: 圧縮の限界はタスクによって一様ではない。
グルーミングの特異性: この回路は最も早く崩壊する（k ∗ < 2 k^* < 2 k ∗ < 2 苦味抑制: この機能は、静止状態では k ≈ 31 k \approx 31 k ≈ 31 k = 5 k=5 k = 5 摂食出力: k ≈ 10 k \approx 10 k ≈ 10
状態依存的な失敗モード: 静止状態において、スパース化は出力の沈黙化を招く。自発活動状態においては、失敗モードは過剰興奮 と抑制の喪失へとシフトする。活動状態では、苦味抑制が k = 31 k=31 k = 31
行動と神経表現の乖離: 圧縮されたモデルは、行動（例：k = 5 k=5 k = 5
解剖学的閾値 vs 機能的必要性: 一般的に使用される解剖学的閾値（≥ 10 \ge 10 ≥ 10 k ∗ ≈ 9.4 k^* \approx 9.4 k ∗ ≈ 9.4 k < 5 k < 5 k < 5 k ≈ 13 k \approx 13 k ≈ 13
意義と主張
機能はグラフの次数列や総シナプス量の特性ではなく、強い重みとその解剖学的配置の特定の交差の特性である。
標準的な解剖学的閾値（例：≥ 5 \ge 5 ≥ 5 ≥ 10 \ge 10 ≥ 10
抑制は、興奮よりもスパース化に対して最も脆弱な要素であり、特に活動的なネットワーク状態において、しばしば興奮よりも先に失敗する。
人工ネットワークにとって、強い重みを期待値として保持するルール（確率的スパース化）は、等しい予算において決定論的なマグニチュード・プルーニングよりも性能が劣る可能性がある。なぜなら、特定の強いエッジのセットが極めて重要だからである。
出力率のみに基づく圧縮モデルの評価は寛容すぎる。モデルは行動テストには合格しても、基礎となる神経計算を誤認している可能性がある。
本研究は、機能保存型の圧縮限界は固定された閾値ではなく、強さと配置の結合、要求される特定の抑制、およびネットワークの動作状態によって共同で決定されるものであると結論付けている。
毎週最高の neuroscience 論文をお届け。
スタンフォード、ケンブリッジ、フランス科学アカデミーの研究者に信頼されています。
受信トレイを確認して登録を完了してください。
問題が発生しました。もう一度お試しください。
スパムなし、いつでも解除可能。
週刊ダイジェスト — 最新の研究をわかりやすく。 登録 ×