Eine Erinnerung in 1,04 Millisekunden decodieren

Ein Spike trifft in der Eingangsstufe des Ableitungsaufbaus ein. Das System zieht einen Vier-Kanal-Ausschnitt der Wellenform heraus, projiziert ihn in einen Merkmalsvektor, schlägt die Wahrscheinlichkeit nach, dieses Merkmal unter den Wachstatistiken jeder Umgebung zu sehen, und aktualisiert die laufende A-posteriori-Verteilung darüber, welche Umgebung der Hippocampus der Ratte gerade probt. Überschreitet die A-posteriori-Wahrscheinlichkeit für die Zielumgebung die Schwelle, feuert ein TTL-Puls und der Laser geht an. Die mittlere Latenz vom Spike-Beginn bis zum Laser-TTL lag im von Igor gebauten Closed-Loop-System bei etwa einer Millisekunde.

Ab Kapitel 5 hatten wir einen schnellen Auslöser. Ein HSE-Detektor sagt dem System, dass irgendetwas passiert, Dutzende Millisekunden bevor das LFP es zeigt. Der Auslöser feuert während eines langen Schlafs etwa einmal pro Sekunde. Die meisten dieser Salven haben nichts mit der Erinnerung zu tun, die wir stören wollen. Manche sind wache Erregungszustände. Viele sind Replays anderer Dinge — des Labors, des Flurs, dieses Morgens, der letzten Woche. Von denen, die tatsächlich Replays einer unserer beiden Arenen sind, betrifft nur etwa die Hälfte die Zielarena. Den Laser wahllos zu feuern würde die falschen Erinnerungen zusammen mit den richtigen löschen, und das Experiment würde nichts aussagen.

Die Aufgabe des Decoders ist es, jede Salve in Echtzeit anzuschauen und zu entscheiden, ob sie die Zielumgebung repräsentiert. Wenn ja: feuern. Repräsentiert sie die Kontrollumgebung: warten. Ist sie mehrdeutig: ebenfalls warten. Drei Zustände, entschieden in unter hundert Millisekunden, an einem Tier, dessen Gehirn mit dreißig Kilohertz weiterläuft.

Warum Sortieren der falsche Zug war

Kapitel 2 endete mit einer Andeutung. Die klassische Pipeline — Spike detektieren, Merkmale extrahieren, die Merkmale zu Einzelzellen clustern, Position aus den Feuerraten dieser Einheiten decodieren — kann nicht in Echtzeit laufen, weil der Clustering-Schritt um Stunden offline liegt. Sie haben die Wahl: die Stunden aufwenden oder den Schritt überspringen.

Der Weg, den Schritt zu überspringen, geht auf Kloosterman und Kollegen 2014 zurück: die Inferenz direkt auf den unsortierten Spike-Merkmalen durchführen. Man behandelt jeden Spike als Punkt in einem hochdimensionalen Merkmalsraum — die Marke. Während des Wachzustands zeichnet man auf, wo die Ratte ist und welche Marken dort feuern; das ergibt für jede Umgebung eine gemeinsame Dichte über (Marke, Position)-Paare. Man legt sich nie auf Clusteridentitäten fest. Während des Replays behandelt man die neue Spike-Folge als markierten Punktprozess und fragt: Unter der Wachdichte welcher Umgebung sind die eben gesehenen Marken am wahrscheinlichsten?

Die Mathematik ist ein Bayes-Update. Jeder neue Spike trägt ein Log-Likelihood-Verhältnis zugunsten der einen oder anderen Umgebung bei, je nachdem, ob die Marke des Spikes in eine Region des Merkmalsraums fällt, die im Wachzustand eher typisch für A oder für B war. Mehrere Spikes in einer Salve akkumulieren Evidenz multiplikativ (additiv in Log-Odds). Mit vielleicht dreißig unsortierten Spikes innerhalb eines Sharp-Wave-Ripples sättigt die A-posteriori-Verteilung meist deutlich vor dem Ende der Salve.

Der Spielplatz

Die Interaktion unten ist der begriffliche Kern, vereinfacht auf zwei Merkmalsdimensionen. Die Hintergrundschattierung ist ein Präferenzfeld: petrolfarben getönte Regionen sind A-typisch (im Wachzustand stammten Marken hier von Zellen mit Feldern in Raum A); goldfarben getönte Regionen sind B-typisch. Während über das Zweihundert-Millisekunden-Fenster Spikes eintreffen, trägt jeder zur laufenden A-posteriori-Verteilung bei, und die Kurven rechts verfolgen P(A) und P(B) beim Akkumulieren. Überschreitet P(A) zuerst die Konfidenzschwelle, feuert der Laser; überschreitet P(B) zuerst, wartet das System; überschreitet keine von beiden, wird ebenfalls gewartet.

Probieren Sie die vier Szenarien aus. Replay A ist das, worauf das Experiment zielt — der Decoder rast innerhalb weniger Dutzend Spikes auf P(A) ≈ 1 zu, und der Laser feuert. Replay B ist die Kontrolle: gleiche Akkumulationsgeschwindigkeit, entgegengesetzte Richtung, kein Laser. Gemischt und Rauschen sind die beiden Arten, wie die Salve daran scheitern kann, ein sauberes Replay zu sein; in beiden zittert die A-posteriori-Verteilung um 0,5 herum, und die Schwelle wird nie überschritten. Der Regler lässt Sie einstellen, wie aggressiv der Decoder ist. Setzen Sie ihn auf 0,6, und Sie feuern auf unsichere Salven. Setzen Sie ihn auf 0,95, und das System wird wählerischer — bei ungünstiger Ziehung verpassen Sie einige echte Raum-A-Ereignisse, aber die Falsch-Positiv-Rate auf Rauschen sinkt auf nahezu null.

Was die Schwelle Ihnen einkauft

Die Schwelle ist der einzige Regler, den die experimentierende Person tatsächlich hat. Alles davor — die Ortskarten, die Likelihoods des markierten Punktprozesses, der HSE-Detektor — war zu Beginn der Ableitung festgelegt. Die nachgelagerte Folge ist binär: Laser an, Laser aus. Der Handel ist der übliche der Signaldetektion. Niedrigere Schwellen bedeuten mehr Eingriffe pro Sitzung, was im Prinzip mehr Gedächtnisstörung pro Nacht bedeutet, aber jeder Eingriff ist weniger spezifisch. Höhere Schwellen bedeuten weniger Eingriffe, alle davon sehr zuversichtlich, aber Sie riskieren, die Zielerinnerung unterzubehandeln.

Für die Experimente in der Publikation legte Igor die Schwelle mithilfe eines zurückgehaltenen Validierungsdatensatzes aus der Wachaktivität jedes Tieres fest. Sie landete in den meisten Sitzungen bei etwa 0,85; hoch genug, dass die Fehlauslöserate auf Salven, die als Raum B decodiert wurden, bei wenigen Prozent lag, und niedrig genug, dass ungefähr die Hälfte der echten Raum-A-Replays gestört wurde. Diese Hälfte ist übrigens völlig ausreichend: Dies war ein Experiment zur inhaltsspezifischen Konsolidierung, kein Experiment zur vollständigen Replay-Blockade, und das Ziel war, genügend Raum-A-Ereignisse zu entfernen, um das Konsolidierungsergebnis zu verzerren, nicht sie vollständig stillzulegen.

Der geschlossene Kreis, durchgängig

Näht man die Kapitel zusammen, liest sich die Closed-Loop-Pipeline so:

(1) Spikes strömen auf jedem Kanal jeder Tetrode ein. (2) Die Merkmalsextraktion projiziert den Vier-Kanal-Ausschnitt auf eine niedrigdimensionale Marke. (3) Die Multi-Unit-Feuerrate wird in einem gleitenden Fenster aktualisiert; überschreitet sie die dynamische Schwelle, geht das System in den HSE-Modus. (4) Im HSE-Modus wird die Marke jedes neuen Spikes in die Likelihoods des markierten Punktprozesses eingespeist, um die A-posteriori-Verteilung über die Umgebungen zu aktualisieren. (5) Überschreitet die A-posteriori-Wahrscheinlichkeit der Zielumgebung die Konfidenzschwelle, feuert ein TTL-Puls, der Laser geht an, und die ArchT-tragenden Pyramidenzellen in CA1 werden für die Dauer des Pulses stillgelegt. (6) Schließt sich das HSE-Fenster, setzt sich das System zurück und wartet wieder.

All das steckt in lfp_online, dem C++-Projekt, das während der Ableitung auf einem Echtzeit-Linux-Kernel läuft. Die mittlere Latenz von 1,04 ms, von der Aufnahme an der Spike-Elektrode bis zum Laser-TTL, ist die Gütezahl des gesamten Systems; sie ist zugleich die Antwort auf die Frage: „Wie schnell muss das alles sein, um tatsächlich ein Replay zu erwischen?“

Wir haben jetzt einen geschlossenen Kreis, der ein Replay-Ereignis detektieren, feststellen kann, welche Erinnerung es repräsentiert, und einen Laser auf die dafür verantwortlichen Zellen feuern kann — alles innerhalb des Fensters, in dem dieses Replay noch stattfindet. Das nächste Kapitel handelt davon, was biologisch passiert, wenn der Laser tatsächlich feuert: wie ArchT Pyramidenzellen stilllegt, welche überraschende Disinhibition folgt, und warum das für die Frage zählt, ob die Manipulation als Störung des Replays gilt oder bloß als seine Kommentierung.