다양한 보상 계산의 Cell-type-specific population 역학
cellular activity의 computational analysis은 현대의 transcriptomic cell typology와 거의 독립적으로 개발되었지만, 이러한 접근 방식을 통합하는 것은 뇌 기능과 기능 장애의 기초가 되는 cellular-level mechanism에 대한 완전한 통찰을 위해 필수적일 수 있다. 이 접근 방식을 habenula (다양하고 혼합된 분자, 해부학적 및 계산적 특징을 가진 구조)에 적용하여 TH+ 세포와 Tac1+ 세포를 포함한 뚜렷한 유전적으로 정의된 신경 집단에서 보상 예측 단서와 보상 결과의 인코딩을 확인했다.
genetically targeted recordings 데이터는 최적화된 nonlinear dynamical systems model을 훈련하는 데 사용되었고 line attractor와 일치하는 activity dynamics를 드러냈다. High-density, cell-type-specific electrophysiological recordings and optogenetic perturbation은 이 모델에 대한 뒷받침되는 증거를 제공했다. Reverse-engineering은 Tac1+ 세포가 보상 이력을 어떻게 통합할 수 있는지 예측했으며, 이는 in vivo 실험에 의해 보완되었다.
이 통합 접근법은 인구 활동의 데이터 기반 계산 모델이 생물학적 시스템에서 cell-type-specific 조사를 위한 실행 가능한 가설을 생성하고 프레임화할 수 있는 프로세스를 설명한다.