--- Research topics of Shinomoto group -------------
English version 1.0 (2017/11/25)
| Analyzing and predicting time series of events Science and technology are undergoing drastic changes in their style from speculation to demonstration. In this era of advanced information, we are expected to have an ability to collect detailed information, select models for grasping the evidence, and predict their future. We are laying the foundation for such modeling and application, in particular pertaining to time series of point events, including neuronal spike trains or social and economic events. |
| 1. Analyzing patterns of time series of point events |
| 信号の非ポアソン不規則性を測る方法を考案し，それを脳から計測された神経発火時系列に当てはめた結果，一見ランダムな信号の時系列パターンも完全にポアソンではなく細胞ごとに固有性があり，大脳皮質の機能と強く相関している，という事実を発見しました．またその特徴が異なる動物種の間で共通していることを発見しました．発生する信号に構造の違いが反映すると考え，地球上の各地で発生する地震時系列にも同様の解析を当てはめた結果，地震時系列の非ポアソン性がテクトニックプレート境界の動きを反映していることも見いだしました． SS, KS, and JT, Neural Computation (2003) 15:2823-2842. SS, YM, HT, and IF, J. Neurophysiol. (2005) 94:567-575. SS, HK, TS et al., PLoS Computational Biology (2009) 5:e1000433. XZ, TO, NM, and SS, New Journal of Physics (2010) 12:063010. YM, et al. J. Neurosci. (2016) 36:5736-5747. |
 |
| 2. Estimating the rate of event occurrence |
| 時々刻々変化するスパイク発生頻度の変化をとらえるのにヒストグラム，カーネル法，ベイズ法などが用いられますが，それらによる推定結果はヒストグラムビン幅，カーネルバンド幅，ベイズ法のハイパーパラメータの選び方に依存します．これまで実験研究者はこれらのパラメータを主観的に選んでいましたが，我々はそれらをデータから自動最適化する方法を考案しました．これらの公式は交差検定のような甚大な計算コストを要しませんので実践的にも有効で，一般理論でもありますので神経科学分野だけでなく多方面で利用され始めました．状態空間法，隠れマルコフモデルなども駆使して研究を進めています． SK and SS, J. Phys. A (2005) 38:L531-L537. SK, TS, and SS, J. Phys. A (2007) 40:F383-F390. HS and SS, Neural Computation (2007) 19:1503-1527. TS and SS, Neural Computation, (2009) 21:1931-1951. TS, SK, and SS, J. Computational Neuroscience (2010) 29:183-191. HS and SS, J. Computational Neuroscience (2010) 29:171-182. SS, in Analysis of Parallel Spike Train Data (eds. S. Gruen and S. Rotter) (Springer, New York, 2010). TO and SS, Neural Computation (2011) 23:3125-3144. TS and SS Physical Review E (2012) 85:041139. SK, TO, REK, and SS, Neural Computation (2013) 25:854-876. YM and SS, Physical Review E (2014) 89:022705. arXiv:1311.4035. SS, Encyclopedia of Computational Neuroscience (Springer, 2014) DOI 10.1007/978-1-4614-7320-6_392-5. |
  |
| 3. Analyzing etwork characteristics |
| ニューラルネットワークや，社会ネットワークなどでは，結合や関係性を通して興奮が伝搬していきます．そのようなシステムが非定常な活動を引き起こす条件や，それをコントロールする理論を構築しようとしています． TO & SS, Physical Review E (2014) 89:042817. arXiv:1401.5186. TO & SS, Scientific Reports (2016) 6:33321. |
  |
| 4. Inferring the underlying signals from spike trains |
| 神経細胞がスパイク信号を発生する過程は，物理的ブラウン粒子の運動量のダイナミクスを数理化したOrnstein-Uhlenbeck process
(OUP)の初期通過時刻分布で表現することが出来ると考えられていました．我々はモデルとデータの整合性を検証する方法を提案し，実際の神経スパイクデータに適用した結果，「標準的モデルとされてきたOUPモデルは実験に照らしあわせて棄却される」という結論を得ました．これは，神経細胞の入出力特性と入力信号特性に関する前提の，少なくともどちらかに（重大な）誤りがあることを意味しており，モデルの現実性を検証する実証的研究を推進するきっかけになりました．それが発展してin
vivo 神経細胞の内部状態の計測からその神経細胞が受けている信号を分析する研究が始まりました． SS, YS, and SF, Neural Computation (1999) 11:935-951. RK, SS, and PL, Neural Computation (2011) 23:3070-3093. HK & SS, Physical Review E (2012) 86:051903. HK & SS, Mathematical Biosciences and Engineering (2014) 11:49-62. |
| 5. Modeling electrical mechanisms for neuronal spike generation |
| 神経スパイク発生メカニズムを定量的に把握するため，実験データに基づいて神経細胞のスパイク生成の「入出力関係」を定量的にモデル化し，データ予測を行う研究をおこなっています．スパイク時刻予測において推定を最適化する方法も完成し，スイス・ローザンヌ工科大学主催の，スパイク予測コンペティションにおいて，我々は優勝を重ね，2009年には小林君がINCF
awardを受賞しました．この優勝モデルであるMAT model の改訂も行っています．神経細胞はどのような信号処理をしているのか，という疑問にも答えることにもつながると思います．神経細胞は変化点を検出するマシンとして考えると最適に近いということも明らかにしました． RK and SS, Physical Review E (2007) 75:011925(1-8). RJ, RK, AR, RN, SS and WG, J Neurosci Methods (2008) 169:417-424. RK, YT, and SS, Frontiers in Computational Neuroscience (2009) 3:9. SY, HK, and SS, Frontiers in Computational Neuroscience (2011) 5:42. HK, BJR, and SS, J. Computational Neuroscience (2012) 32:137-146. |
 |
| ６．時間空間の脳内コーディングの実験的研究 |
| 京大医学部，東北大医学部などの神経生理学研究室と共同で，空間認知および時間認知の神経機構の研究をすすめています．これらの研究は実験理論の長年にわたる研究交流の中から生まれた新しいスタイルのプロジェクトです．視覚的空間認知において眼球運動の影響が脳内で補償される機構が明らかになりつつあります．待ち時間課題遂行中のサルの神経信号の情報から，サルが行動に移るタイミングを予測する解析を行い，脳内時間コーディングについての考察を行っています． NI, SS, SY, AT, and KK, J. Neurophysiol. (2007) 97:3473-3483. SS, TO, AM, HM, KS, YM, and JT, Frontiers in Computational Neuroscience (2011) 5:29. |
.jpg) |
--- Books -------------------------------------------------------
| [1] 篠本 滋 「情報の統計力学」丸善(1992) [2] 篠本 滋 「脳のデザイン」岩波書店(1996) [3] 篠本 滋 「情報処理概論---予測とシミュレーション」岩波書店(2002) [4] 外山敬介・甘利俊一・篠本滋 「脳科学のテーブル」京都大学学術出版会(2008) [5] "Analysis of Parallel Spike Train Data" (eds. S. Gruen and S. Rotter) (Springer, New York, 2010). Chapter 2: "Estimating the firing rate". |
     |
--- RETURN ----------------------------------------------------------------------