Inference based method for realignment of single trial neuronal responses
对感觉刺激的神经元反应或与行为相关的神经元反应通常通过对大量实验试验的神经元活动进行平均来提取。执行这种试平均以减少噪声并减少与相应的刺激或行为无关的其他信号的影响。然而,如果所记录的神经元响应相对于相应的刺激或行为在时间上抖动,则在试验上求平均值可能会扭曲对潜在神经元响应的估计。在这里,我们提出了一种算法,命名为dTAV算法,用于重新排列记录的神经元活动的任意内部触发。使用模拟数据,我们表明,dTAV算法可以减少神经元响应的抖动的信噪比为0.2或更高,即在噪声的标准偏差是高达五倍大于神经元响应幅度的情况下。通过消除抖动,从而能够更准确地估计神经元响应,dTAV算法可以改善响应的分析和解释,并提高依赖于从神经元记录中异步检测事件的系统的准确性。
2015-06-16 q-bio.NC
From Neuronal Models to Neuronal Dynamics and Image Processing
本文介绍神经元膜电位方程。它的属性进行了描述,以及示例应用程序。这些方程的网络可用于对神经元系统进行建模,神经元系统还分别处理图像和视频序列。具体而言,(i)提出了一个动态视网膜(基于反应扩散系统),它预测余像和简单的视觉错觉,(ii)纹理分离系统(纹理元素被理解为偶对称对比度特征),以及(iii)用于检测对象方法的网络(灵感来自蝗虫视觉系统)。
2018-01-25 q-bio.NC
Neuronal Response Clamp
自从第一次记录诱发动作电位以来,很明显,个体神经元对持续的生理相关输入的反应是高度可变的。这种可变性表现在几乎每个可观察到的神经元响应特征的非平稳行为中。在这里,我们介绍了神经元响应钳,闭环技术,使两个重要的单神经元活动变量的完全控制:反应概率和刺激尖峰潜伏期。该技术适用于延长的持续时间(长达几个小时),即使在正在进行的神经元网络活动的背景下也是有效的。反应钳技术是一种强有力的工具,它将电压钳和动态钳方法扩展到神经元的功能水平,即其尖峰行为。
2010-08-08 q-bio.NC
Precision microfluidic control of neuronal ensembles in cultured cortical networks
本研究利用微流控装置构建具有层级模块结构的皮层神经元网络,通过调节微通道尺寸控制模块间耦合,降低同步性并丰富神经元集群活动模式,为体外研究神经元集群提供了稳健平台。
2024-05-29 q-bio.NC
Energy-efficient population coding constrains network size of a neuronal array system
在这里,我们考虑一个开放的问题,如何在一个一般的神经元阵列的神经信息传输过程的能量效率约束网络的大小,以及如何以及这个网络的大小,确保神经信息被可靠地传输在嘈杂的环境中。通过直接的数学分析,我们已经得到了一般的解决方案,证明存在一个最佳的神经元数量的网络中,每个神经元的平均编码能量成本(定义为能量消耗除以互信息)通过一个全局最小值的亚阈值和超阈值信号。随着背景噪声强度的增加,最佳神经元数量减少阈下和阈上信号的增加。阵列网络中最优神经元数目的存在揭示了群体编码的一般规则,即神经元数目应该足够大以确保对噪声环境鲁棒的可靠信息传输,但又足够小以最小化能量成本。
2015-07-29 q-bio.NC
Sudden synchrony leaps accompanied by frequency multiplications in neuronal activity
神经编码的经典观点依赖于神经元功能群之间的时间放电同步;然而,潜在的机制仍然是一个谜。在这里,我们实验证明了一种机制,神经元尖峰之间的时间滞后从几十毫秒跳跃到几乎零滞后同步。它也允许突然跳出同步,从而形成短时期的同步。我们的研究结果是基于一个实验程序,其中条件刺激被强制嵌入在一个大规模的网络皮层细胞在体外的神经元电路,并证实了神经元群体的模拟。潜在的生物学机制是对持续刺激的神经元响应潜伏期的不可避免的增加以及产生诱发尖峰所需的时间或空间总和。这些突然的跳跃和不同步可能伴随着神经元放电频率的倍增,因此提供了可靠的信息承载指标,这可能是两个主要神经元编码范式之间的桥梁。
2013-10-30 q-bio.NC
Synaptic plasticity and neuronal refractory time cause scaling behaviour of neuronal avalanches
在体外和体内不同的皮层网络中测量的神经元雪崩始终表现出幂律行为的大小和持续时间分布的指数典型的平均场自组织分支过程。这些指数也恢复在神经网络模拟实现不同的网络拓扑结构上的各种神经元动力学。因此,它们可以被认为是自发神经元活动的一个非常强大的特征。有趣的是,在有限维的规则晶格上也观察到了这种标度行为,这就提出了实验观察到的平均场行为的起源问题。在这项研究中,我们提供了一个答案,这个开放的问题,通过调查活动依赖的可塑性与神经元的不应时间在神经元网络相结合的效果。结果表明,不应期阻碍向后雪崩,迫使一个定向传播。赫布可塑性适应的作用是将这些定向雪崩模式塑造成网络的拓扑结构,慢慢地将其变成一个分支结构,其中循环是边缘的。
2016-08-10 nlin.AO q-bio.NC
Modeling of neuron-semiconductor interactions in neuronal networks interfaced with silicon chips
神经元与硅芯片接口的最新进展可能为构建可扩展的神经计算机铺平道路。具有预定义突触连接和受控几何结构的合成神经元网络的组装在过去十年中已经通过实验实现。此外,当这样的神经元网络与半导体连接时,网络的神经元中的动作电位可以由电容性刺激器引起,并且电压测量可以由结合到相关联的硅芯片中的晶体管进行。尽管取得了令人印象深刻的进展,但这些初步设备尚未展示出有用计算的性能,并且构建更大的设备既昂贵又耗时。因此,具有模拟此类装置中的当前实验结果的能力的适当建模框架可用于做出关于其潜在计算能力的有用预测。下面提出了一个用于与硅芯片接口的功能神经元网络的建模框架。
2009-01-15 q-bio.NC
Analysis of neuronal sequences using pairwise biases
神经元激活的序列长期以来一直与各种脑功能有关。特别是,这些序列与哺乳动物大脑的海马体中的记忆形成和空间导航有关。传统上,神经元序列被解释为神经元模板的噪声表现(即,排序),忽略序列中包含的更丰富的结构。本文介绍了一种新的工具来理解神经元序列:偏置矩阵。偏置矩阵捕获每个神经元在每个其他神经元之前或之后激发的概率趋势。尽管只考虑了神经元对,偏置矩阵还是捕捉到了序列中神经元的最佳总排序(命题3.3),从而推广了神经元模板的概念。我们建立了偏置矩阵的基本数学性质,特别是描述了所有偏置所处的基本多面体(定理3.25)。我们展示了如何基本的简单的有向图的偏置矩阵,我们称之为偏置网络,作为一个组合概括的神经元模板。令人惊讶的是,每个简单的有向图都可以实现为某个序列的偏置网络(定理3.34)。偏置矩阵表示法使我们得到了序列相关性的自然方法,然后又得到了确定一组序列与另一组序列相似性的概率框架。使用大鼠海马的数据,我们描述感兴趣的事件和序列检测技术。最后,使用我们开发的代码将偏差矩阵和相似性度量应用于真实世界的数据。
2016-03-09 q-bio.NC
Account for Neuronal Representations from the Perspective of Neurons
神经科学中越来越多的证据表明神经元表征的可能性,即单个神经元以点对点的方式充当不同心理表征的基底。结合联想主义,它可以潜在地解决一系列理论问题,并为我们的认知提供一个简单的解释。然而,这个想法只是一个假设,有许多问题没有解决。在本文中,我将提出一个新的框架来捍卫神经元表征的想法。战略是从微观到宏观的。具体来说,在微观层面上,我首先提出我们的大脑“更喜欢并保留更多活跃的神经元”。然而,作为放电的总机会,神经元必须采取策略来更强烈和更频繁地放电。然后,我描述了他们如何采取突触可塑性,抑制和同步作为他们的策略,并演示了这些策略的执行过程中如何把他们变成专门的神经元,选择性地,但强烈地响应熟悉的实体。在宏观层面上,我进一步讨论了这些专门的神经元是如何构成各种认知功能和现象的基础的。值得注意的是,本文通过捍卫神经元表征,介绍了一种新的方式来理解大脑和认知之间的关系。
2021-09-03 q-bio.NC
Distinct dynamical behavior in Erdős-Rényi networks, regular random networks, ring lattices, and all-to-all neuronal networks
神经元网络动力学依赖于网络结构。在本文中,我们研究了网络拓扑结构如何支持神经网络中不同动力学行为的出现。特别是,我们考虑神经网络动力学的Erdens-Rényi(ER)网络,规则随机(RR)网络,环格,和所有的网络。我们解析地解决了随机二进制状态神经元在所有的网络拓扑结构,除了环格的神经网络模型。鉴于除了网络结构之外,所有四种模型都是等价的,这使我们能够理解网络结构在神经网络动力学中的作用。虽然ER和RR网络具有相似的相图,但我们在全对全网络中发现了惊人不同的相图。神经元网络动力学不仅在某些参数范围内是不同的,而且它也经历了不同的分叉(与全对全网络相比,ER和RR中的分叉库更丰富)。这表明,局部异质性之间的比率兴奋和抑制起着至关重要的作用,涌现动力学。此外,我们还观察到ER和RR网络之间的一个细微差异,即ER网络在较低的噪声水平下比RR网络经历神经元活动跳跃,这可能是由于ER网络的程度异质性在RR网络中不存在。最后,RR网络和环格网络振荡之间的比较表明,小世界性质在维持稳定的网络振荡的重要性。
2019-02-05 q-bio.NC
Sequence learning in Associative Neuronal-Astrocytic Network
研究大脑的神经元范式在我们理解神经元如何处理信息以实现生物智能以及如何将这些知识转化为人工智能及其最源自大脑的分支神经形态计算方面给我们留下了局限性。最近对星形胶质细胞的探索颠覆了我们对大脑如何工作的基本假设,揭示了这些长期被忽视的脑细胞通过在突触水平上与神经元活动相互作用来动态调节学习。根据最近的实验证据,我们设计了一个关联的,Hopfield型,神经元-星形胶质细胞网络和分析神经元和星形胶质细胞之间的相互作用的动力学。我们表明,星形胶质细胞足以触发网络的神经元组成部分的学习记忆之间的转换。此外,我们从数学上推导出了由星形胶质细胞过程中钙依赖性慢电流的动力学决定的过渡时间。总的来说,我们提供了一个大脑形态学机制的序列学习的启发,并与最近的实验结果。为了评估我们的模型,我们模拟了星形胶质细胞萎缩,并表明在受影响的星形胶质细胞达到临界点后,记忆回忆会明显受损。这种大脑启发和大脑验证的方法支持我们正在进行的努力,将非神经元计算元素的神经形态信息处理。
2020-05-10 q-bio.NC
What can neuronal populations tell us about cognition?
如今,可以同时记录行为动物中数百个细胞的活动。然而,这些数据通常被视为由许多独立记录的神经元组成。神经元群体如何被独特地用于学习认知?我们描述了最近的工作表明,同时记录的神经元群体是理解决策基础的基础,包括正在进行的审议和决策信心等过程,这通常超出了单细胞分析的范围。因此,神经元群体数据允许解决新的问题,但它们也带来了迄今为止尚未解决的挑战。
2017-11-04 q-bio.NC
Identification of Neuronal Polarity by Node-Based Machine Learning
识别神经网络中信号流的方向是理解活体大脑复杂信息动力学的最重要阶段之一。利用分布在果蝇大脑不同区域的213个投射神经元的数据集,我们开发了一种强大的机器学习算法:基于节点的神经元极性识别器(NPIN)。该模型仅通过节点信息进行训练,包括体细胞特征(包含从给定节点到体细胞的空间信息)和局部特征(包含给定节点的形态信息)。在包括节点极性之间的空间相关性之后,我们的NPIN提供了极高的准确性(>96.0%)用于神经元极性的分类,即使对于具有多于两个树突/轴突簇的复杂神经元。最后,我们进一步应用NPIN分类的丽蝇的神经元极性,这是一个更少的神经元数据。我们的研究结果表明,NPIN是一个强大的工具,以确定神经元极性的昆虫和映射出的信号流在大脑的神经网络。
2020-06-22 q-bio.NC
Regulation of Irregular Neuronal Firing by Autaptic Transmission
自反馈自适应传输在调制尖峰时间不规则性中的重要性仍然知之甚少。通过使用一个生物物理模型,结合autaptic耦合,我们在这里表明,自我神经支配的神经元参与调制不规则的神经元放电,主要是通过调节突发放电的发生频率。特别是,我们发现,兴奋性和电autapses增加突发放电的发生,从而减少神经元放电规律。相反,抑制性自诱发抑制爆发性放电,因此倾向于改善神经元放电的规律性。重要的是,我们表明,这些发现是独立的个别神经元的放电特性,因此可以观察到在不同模式下运行的神经元。我们的研究结果提供了一个有见地的机械理解不同类型的autapses形状不规则的发射在单神经元水平,他们强调autaptic自我神经支配的功能重要性,驯服和调节神经动力学。
2016-06-06 q-bio.NC
LOOPER: Inferring computational algorithms enacted by neuronal population dynamics
现在可以同时记录数百个神经元的活动。现有的方法可以模拟这种群体活动,但不能直接揭示大脑使用的计算。我们提出了一个完全无监督的方法,模拟神经元的活动,并揭示了计算策略。该方法构造了一个由互连回路组成的神经元动力学拓扑模型。循环之间的转换标志着计算上突出的决策。我们精确地模拟了在工作记忆任务中灵长类动物皮层中100个神经元的激活。在同一任务上训练的递归神经网络(RNN)的动力学在拓扑上是相同的,这表明使用了类似的计算策略。然而,在修改后的数据集上训练的RNN揭示了不同的拓扑结构。这种拓扑结构预测了特定的新刺激,这些刺激总是以近乎完美的准确性引起不正确的反应。因此,我们的方法产生了神经元活动的定量模型,并揭示了用于解决任务的计算策略。
2020-03-22 q-bio.NC
The Dynamic Shift of Neuron Excitability Observed with Enveloped High Frequency Stimulation
已知神经元兴奋性会受到经颅电刺激的影响。但由于皮层同时存在兴奋性和抑制性神经元,神经元兴奋性漂移的机制尚不清楚。在此,我们研究了电刺激对急性大鼠神经肌肉系统神经元兴奋性的影响。我们设计了一种特殊的包络高频刺激(EHFS)刺激波形。通过建模和体内测量,证实了EHFS使正负电极处的神经元募集同步。EHFS的这种独特的同步特性放大了电刺激对神经元兴奋性的干扰,使得能够宏观观察力输出的大幅增加和减少。通过消除皮层中复杂的抑制性中间神经元效应,我们对神经肌肉系统的观察支持了这样的论点,即电刺激通过在阳极刺激期间诱导去极化和在阴极刺激期间诱导超极化来动态地改变神经元的兴奋性。
2019-08-22 q-bio.NC
Connectivity and Dynamics of Neuronal Networks as Defined by the Shape of Individual Neurons
神经元网络构成了一类特殊的动力系统,因为它们是由单独的几何组件,即神经元组成的。在现有的文献中,相对较少的关注已经给予了神经元的形状对新兴网络的整体连通性和动力学的影响。目前的工作解决这个问题,考虑简化的神经元形状组成的圆形区域(体细胞/轴突)与辐条(树突)。网络是通过将这些图案随机放置在2D平面上并在树突落入轴突时建立连接来生长的。几个拓扑和动力学性质的结果图的测量,包括度分布,聚类系数,连接的对称性,最大连通分量的大小,以及三个层次的局部拓扑结构的测量。通过改变单个基本模式的进程数量,我们可以量化单个神经元形状与网络的拓扑和动力学特征之间的关系。这些网络上的整合和消防动力学也调查相对于从源节点的瞬态激活,表明远程连接中起着重要的作用,雪崩的传播。
2008-05-12 q-bio.NC
Dendritic Integration Regulation and Neuronal Arithmetic Implemented in a Proton-Coupled Neuron Transistor
神经元是大脑中最重要的组成部分,神经元的信息处理涉及到将输入突触脉冲序列转换为相应的输出脉冲序列。通过单个离子/电子耦合器件实现神经元的硬件实现对于增强我们对大脑的理解以及解决感觉处理和复杂识别任务具有重要意义。在这里,我们提供了一个原理验证的人工神经元,具有多个突触前输入和一个基于质子耦合氧化物的双电层晶体管的调制终端。树突整合的调节是通过调节施加在调控端的电压来实现的。此外,还模拟了时间相关编码和频率编码方案中的神经元增益控制(算术)。我们的研究结果为构建脑启发的神经形态系统提供了新的概念方法。
2015-06-12 q-bio.NC
Generalized cable formalism to calculate the magnetic field of single neurons and neuronal populations
神经元产生的磁场可以用脑磁图等宏观技术记录下来。解释神经元磁场起源的理论涉及均匀电阻性细胞外介质中的树突电缆结构。在这里,我们推广这个模型,考虑在细胞外介质中的树突状电缆任意复杂的电性能。该方法基于多尺度平均场理论,其中神经元被认为与“平均”细胞外介质(其特征在于比阻抗)相互作用。我们首先表明,正如预期的那样,广义电缆方程和标准电缆产生的磁场主要取决于电缆中的轴向电流,细胞外电流的贡献适中。出乎意料的是,我们还表明,细胞外和细胞内介质的性质影响轴向电流,从而也影响神经元的磁场。我们说明了这些属性的数值模拟,并建议实验来测试这些发现。
2014-10-10 q-bio.NC
Influence of Temperature on Neuronal Excitability in Cochlear Nucleus
通过数值模拟耳蜗核丛状细胞在突触电流周期性刺激下的发放阈值特性,研究了温度对神经元兴奋性的影响。结果表明,在特定的温度环境中,神经元的放电存在一个截止频率,对应于神经元对特定频率的突触刺激产生真实放电的临界温度,这是由于放电宽度的有限性造成的。对于特定的刺激频率,神经元发放的最佳温度范围也被发现,并且温度范围跨度随着刺激频率的增加而减小。这些结果提示存在一个有利于听觉系统信息处理的生理温度范围。
2007-02-07 q-bio.NC
Modelling brain-wide neuronal morphology via rooted Cayley trees
神经元形态是大脑活动和功能的基本要素。我们利用目前可用的全脑神经元数字重建的锥体细胞从小鼠大脑,并分析几个新兴的功能,全脑神经元形态。我们观察到,轴突树是自仿射的,而树突树是自相似的。我们还表明,树的大小似乎是随机的,独立于单个神经元内的树突的数量。此外,我们考虑了非均匀分支模型,随机生成根3-凯莱树的脑神经元拓扑结构。基于估计的顺序依赖的分支概率从实际的轴突和树突树,我们的非均匀模型定量捕获了一些拓扑特征,包括轴突和树突的大小和形状。这揭示了全脑轴突和树突树拓扑形成背后的普遍机制。
2018-10-08 math.DS math.ST q-bio.NC
Multiplicative and additive modulation of neuronal tuning with population activity affects encoded information
大量研究表明,神经元响应受刺激特性的调节,也受局部网络状态的调节。然而,很少有人知道神经元群体的活动波动如何调节细胞的感觉调谐,并影响其编码的信息。我们发现灵长类动物视觉皮层中正在进行的和刺激诱发的群体活动的波动以乘法和加法的方式调节神经元的调谐。当神经元分布在连续体上时,具有较强乘法效应的神经元倾向于具有较少的加法调制,反之亦然。倍增调制神经元编码的信息随着群体活动的增加而增加,而叠加调制神经元编码的信息则随着群体活动的增加而减少。这些影响相互抵消,所以人口活动对总信息的影响很小。因此,我们的研究结果表明,内在的活动波动可能会作为一个“红绿灯”,决定哪些子集的神经元是最丰富的信息。
2017-11-04 q-bio.NC
Neuronal avalanches of a self-organized neural network with active-neuron-dominant structure
神经元雪崩是一种自发的神经元活动,其服从指数为-3/2的群体事件大小的幂律分布。在皮质浅层中观察到\emph{in vivo}和\emph{in vitro}。本文分析了一种新的具有主动神经元主导结构的自组织神经网络的信息传输。在适当的输入强度下,可以观察到神经元雪崩。我们发现,通过尖峰时间依赖可塑性的网络学习过程大大增加了网络结构的复杂性,最终自组织为活跃神经元主导的连接。当网络动力学以神经元雪崩的形式传播时,活动模式的熵和它们产生的突触后输入的复杂性都最大化。这种涌现的拓扑结构有利于高效率的信息传输,也可能是该网络与具有不同神经连接的替代原型网络相比具有更大信息容量的原因。
2012-04-30 nlin.AO q-bio.NC
The silencing of neuronal activity by noise and the phenomenon of inverse stochastic resonance
中枢神经系统中的神经元受到由于其细胞环境和它们从许多其他细胞接收的输入的波动而引起的复杂和噪声信号的影响1,2。这种噪声通常会增加神经元向其靶细胞2-5发出信号的概率。在随机共振中,它发生在许多物理和生物系统中,在特定的噪声幅度6-9处发现最佳响应。我们发现,在经典的神经元模型中,可能会发生相反的情况--噪音可以抑制或关闭单个细胞和细胞网络中的重复神经元活动。最近的实验定期发射神经元与嘈杂的输入证实了这些预测10,11。令人惊讶的是,我们发现,在某些情况下,有一个响应是最小的噪声水平,这是所谓的逆随机共振现象。噪声和逆随机共振的节奏行为的抑制预计不仅发生在神经元系统,但更普遍的是在不同的非线性动力系统,其中一个稳定的极限环是从一个稳定的休息状态。
2008-05-05 q-bio.NC
Spectral representation: analyzing single-unit activity in extracellularly recorded neuronal data without spike sorting
细胞外记录的神经元数据的常规分析的一个步骤是尖峰分选,其将电信号分离成来自不同神经元的动作电位。由于尖峰排序涉及人类的判断,它可能是主观的和时间密集的,特别是对于大量的神经元。在这里,我们提出了一个简单的,自动化的方法来构建神经元活动的替代表示,称为频谱表示(SR)。在这种方法中,神经元的尖峰被映射到一个离散空间的尖峰波形特征和时间。频谱表示使我们能够找到单单位刺激相关的神经元活动的变化,而无需尖峰排序。我们测试的能力,这种方法来预测刺激使用模拟数据和实验数据从麻醉绒猴的听觉映射研究。我们发现,我们的方法产生更准确的分类刺激比穗排序数据的模拟和实验条件。此外,这种方法本身的细胞外记录的神经元系综的自动化分析。此外,我们建议的方式,这些表示可以很容易地扩展到协助尖峰排序和评价单神经元的刺激周围时间直方图。
2005-02-24 q-bio.NC q-bio.QM
Enhanced responsiveness in asynchronous irregular neuronal networks
兴奋性和抑制性神经元网络显示出异步不规则(AI)状态,其中两个群体的活动是平衡的。在单细胞水平,研究表明,受到平衡和噪声突触输入的神经元可以显示出增强的反应性。我们在这里表明,这种增强的响应性也存在于网络水平,但只有当单个神经元处于电导状态和波动制度与实验测量一致。在这种状态下,整个神经元群体都受到外部输入的影响。我们认为,这种网络水平的增强反应构成了一种低级形式的感官意识。
2016-11-28 q-bio.NC
Associative properties of structural plasticity based on firing rate homeostasis in recurrent neuronal networks
基于相关性的赫布可塑性被认为在发育和学习过程中塑造神经元的连接,而稳态可塑性将稳定网络活动。在这里,我们调查另一个,新的方面,这种二分法:赫布的关联属性也出现作为一个网络效应的可塑性规则的基础上,在神经元水平上的稳态原则?为了解决这个问题,我们模拟了一个经常性的网络泄漏集成和消防神经元,其中兴奋性连接受到结构可塑性规则的基础上放电率稳态。我们发现,一个亚组的神经元发展更强的组内连接的结果,接受更强的外部刺激。在一个实验记录良好的情况下,我们表明,功能特定的连接,类似于在啮齿动物视觉皮层中观察到的,可以出现这样的可塑性规则。由刺激引发的依赖于经验的结构变化是持久的,只有当神经元再次暴露于非特异性外部输入时才会缓慢衰减。
2018-02-24 q-bio.NC
Use of an Hourglass Model in Neuronal Coding
我们研究了一个系统的相互作用的更新过程,这是一个模型的神经元活动。我们表明,该系统具有一个指数大的数量(相对于网络中的神经元的数量)的限制配置的“发射神经元”。我们称之为模式。此外,在一定的对称性条件下,我们找到了一个算法来控制限制模式的连接参数。
2007-03-01 math.PR q-bio.NC
Multilayer adaptive networks in neuronal processing
连接体是一张线路图,映射了大脑中所有的神经连接。在细胞水平上,它提供了一个生物体的部分或全部大脑内的神经元和突触的地图。近年来,利用网络科学和图论对连接体的研究取得了重大进展。这种分析是理解神经传递(快速突触传递)网络的基础。然而,神经元使用其他形式的通信作为神经调节,而不是传递兴奋或抑制,改变神经元和突触特性。这种额外的神经调节层调节并重新配置连接体。在本文中,我们提出多层自适应网络,其中不同的突触和神经化学层相互作用,是适当的框架来解释神经元处理。然后,我们描述了一个简化的多层自适应网络模型,占这些额外的交互层,并分析了有趣的计算能力的出现。
2022-05-30 q-bio.NC
Whole Brain Network Dynamics of Epileptic Seizures at Single Cell Resolution
癫痫发作的特征在于多个尺度的异常脑动力学,涉及单个神经元、神经元集合和粗糙的脑区域。理解这种突发性种群动力学的原因的关键是在多个大脑尺度上捕捉神经元活动的集体行为。在这篇论文中,我利用斑马鱼幼鱼捕捉癫痫发作时整个大脑的单细胞神经元活动。首先,我利用统计物理方法来量化癫痫发作期间单个神经元动力学的集体行为。在这里,我展示了一个人口机制,通过该机制,单神经元动力学组织成癫痫发作:大脑动力学偏离相变。其次,我利用单神经元网络模型来识别实际导致这种转变发生的突触机制。在这里,我表明网络中神经元连接的密度是驱动全身性癫痫发作动力学的关键。有趣的是,这种变化也破坏了大脑网络的网络反应特性和灵活的动力学,从而将癫痫发作期间的微尺度神经元变化与突发性脑功能障碍联系起来。第三,我利用非线性因果推理方法来研究癫痫发作发生的潜在神经元相互作用的性质。在这里,我展示了癫痫发作是由高度同步性驱动的,但也是由神经元之间高度非线性的相互作用驱动的。有趣的是,这些非线性特征在宏观尺度上被过滤掉,因此可以代表可用于微观尺度干预策略的神经元特征。这篇论文展示了多尺度动力学研究的实用性,在斑马鱼幼鱼,连接在微尺度上的神经元活动与突发性癫痫发作期间的属性。
2022-12-12 q-bio.NC
Universality of macroscopic neuronal dynamics in Caenorhabditis elegans
用单个神经元分辨率记录整个大脑活动现在在简单的生物体中是可行的。然而,为了揭示神经系统功能的一般原理,适当地简化这种复杂的、有噪声的和多变量的数据仍然具有挑战性。在这里,我们开发了一种方法,使我们能够从泛神经元成像中提取全球脑动力学。这种方法的成功是植根于一个令人惊讶的数学联系之间的降维和一般类的热力学系统。将这一理论框架应用于C. elegans揭示了塑造全球大脑动力学的多样性。这个流形使我们能够预测个体之间的蠕虫行为之间的切换,这意味着流形所体现的宏观动力学是普遍的。相比之下,蠕虫之间单个神经元的激活始终存在差异。这些发现表明,基因相同的个体的大脑表达不同的微观神经元配置,但产生等效的宏观动力学。
2017-11-22 q-bio.NC
Inhibitory loop robustly induces anticipated synchronization in neuronal microcircuits
我们研究了两个兴奋性耦联神经元之间的同步化特性的抑制环介导的interneuron的存在。动态抑制与噪声一起独立地应用于每个神经元,提供神经元基序的动态中的相位多样性。我们发现,耦合强度和外部噪声之间的相互作用控制的神经元之间的相位关系,在一个反直观的方式。对于主从配置(单向耦合),我们发现,从可以预期的主,平均而言,如果从受到抑制反馈。在这种称为预期同步(AS)的非常规机制中,突触后神经元的相位相对于突触前神经元的相位提前。我们还表明,AS制度的生存,即使在存在不平衡的双向兴奋性耦合。此外,对于对称的相互耦合的情况下,受抑制回路的神经元在相位上领先。
2016-09-14 q-bio.NC
Functional Connectomics from Data: Probabilistic Graphical Models for Neuronal Network of C. elegans
我们提出了一种数据驱动的方法来表示神经网络动力学作为一个概率图模型(PGM)。我们的方法学习的PGM结构,采用降维的网络响应动力学引起的刺激分别施加到每个神经元。结果模型捕获刺激如何通过网络传播,从而表示神经元之间的功能依赖性,即,功能性连接体使用PGM作为功能性连接体的益处在于,可以有效地进行后验推断,并且避免了在动态神经元网络中直接推断响应通路的复杂性。特别是,后验推理揭示了已知刺激和下游神经元之间的关系,或允许查询哪些刺激与下游神经元相关联。为了验证,并作为我们的方法的一个例子,我们将我们的方法应用到秀丽隐杆线虫神经系统的结构和动力学的模型进行了很好的研究。从其动力学模型,我们收集的时间序列的网络响应,并使用奇异值分解,以获得低维投影的时间序列数据。然后,我们提取每个数据矩阵中的主导模式,以获得成对依赖信息,并创建一个完整的躯体神经系统的图形模型。PGM使我们能够获得并验证已知行为场景的潜在神经元通路,并检测新场景的可能通路。
2017-11-01 q-bio.NC
Improving the Entropy Estimate of Neuronal Firings of Modeled Cochlear Nucleus Neurons
在这一通信信息理论工具被用来调查模型耳蜗核球状丛状细胞脉冲序列的统计特性。从模拟软件获得放电模式,该模拟软件从任何听觉输入生成样本脉冲序列。在这里,我们分析了第一次的球状丛细胞的反应,有声和无声的语音声音。经典的熵估计,如直接方法,通过考虑时变和时间依赖的熵估计的改进。用这种方法,我们研究了听觉信号中神经元响应的可预测性与频率含量之间的关系。该分析量化了神经元响应中神经元编码和记忆的时间精度。
2012-04-24 cs.IT math.IT q-bio.NC
Linear response in neuronal networks: from neurons dynamics to collective response
我们回顾了两个例子,其中提交给外部刺激的神经元网络的线性响应可以显式地导出,包括网络参数依赖性。这是在一个类似统计物理学的方法,其中一个关联到模型的自发动力学的自然概念吉布斯分布继承自遍历理论或随机过程。这两个例子是Amari-Wilson-Cowan模型和基于电导的Integrate and Fire模型。
2019-09-10 nlin.CD physics.bio-ph q-bio.NC
Embodied Biocomputing Sequential Circuits with Data Processing and Storage for Neurons-on-a-chip
针对传统硅基计算逼近极限的问题,本研究通过建模与仿真构建了含NAND门、SR锁存器等的神经元时序电路,验证了其信息编码、同步克服及可扩展低代谢负担的特性,为具身生物计算奠定基础。
2024-08-14 cs.ET q-bio.NC
Neuronal synchrony during anaesthesia - A thalamocortical model
越来越多的证据支持时间编码假说,即神经元放电的时间相关性可能有助于将分布的神经元活动绑定到独特的表征中,特别是$θ$(3.5-7.5 Hz)和$δ$($0.5<$ 3.5 Hz)振荡促进信息编码。$θ$和$δ$节律被证明参与不同的睡眠阶段,并在麻醉期间,它们经历随着麻醉深度的变化。我们引入了一个相互作用的神经元集合的丘脑皮质模型来描述$θ$和$δ$振荡之间的相位关系,特别是在深度和轻度麻醉。考虑了丘脑皮层神经元振子之间的非对称和长程相互作用。将模型结果与Musizza等人的实验观察进行比较{ \it J. Physiol.(London)} 2007 580:315-326。发现$δ$和$θ$活性是单独产生的,并且分别由丘脑和皮质支配。内-合奏和合奏间同步的程度的变化意味着神经元合奏抑制信息编码在深麻醉和促进它在轻麻醉。
2008-10-29 q-bio.NC q-bio.PE
Stability of topological descriptors for neuronal morphology
神经元的拓扑形态描述符是与表示为树的神经元的形状相关联的间隔的多集合。在实践中,拓扑形态描述符使用持久性图像矢量化,这可以帮助分类和表征广泛的神经元组的形态。我们研究了神经元形态的微小变化下的拓扑形态描述符的稳定性。我们表明,持久性图所产生的神经元的拓扑形态描述符是稳定的1-Wasserstein距离对一系列的扰动树。这些结果保证了拓扑形态描述符的持久性图像对相同的扰动集是稳定的和可靠的。
2022-11-16 math.AT q-bio.NC
Noise-induced phase transitions in neuronal networks
使用一个完全可解的皮层模型的神经元网络,我们表明,通过增加散粒噪声(流随机尖峰轰击神经元)的强度,网络经历一阶和二阶非平衡相变。我们研究神经元活动的转换、爆发和雪崩的性质。鞍结分岔和超临界Hopf分岔是网络持续振荡产生的机制。我们表明,由散粒噪声刺激的网络的行为类似于由施加电流刺激的生物神经元的Morris-Lecar模型。
2013-04-11 cond-mat.dis-nn cond-mat.stat-mech physics.bio-ph
Antifragile control systems in neuronal processing: A sensorimotor perspective
本文从感觉运动视角提出反脆弱控制框架,利用反脆弱性原理分析闭环神经元网络在不确定性和波动性中获益的行为,并引入网络设计原则以推动神经形态实现与技术转移。
2024-04-23 cs.SY eess.SY q-bio.NC
Correlation in Neuronal Calcium Spiking: Quantification based on Empirical Mutual Information Rate
神经元群体中神经元相关性的量化有助于我们理解神经编码规则。这种量化还可以揭示神经元如何在正常和疾病条件下编码信息,如阿尔茨海默氏症和帕金森氏症。当神经元通过发送尖峰信号相互通信时,神经元内的钙浓度会固有地发生变化。因此,在钙脉冲序列中将存在相关性,并且它们可能具有异质记忆结构。在这种情况下,钙脉冲序列中互信息率的估计具有重要意义。然而,这样的估计是困难的,与现有的方法,将考虑更长的块收敛,而没有注意到,神经元信息的变化,在短的时间窗口。在此背景下,我们提出了一种更快的方法,利用对钙脉冲序列的记忆结构来量化它们之间共享的互信息。我们的方法已经表现出优越的性能与示例马尔可夫过程以及实验脉冲序列。这种互信息率分析可用于识别正常和异常条件下大群体中神经元行为的特征。
2021-05-07 eess.SP q-bio.NC
U(1) dynamics in neuronal activities
神经元将外部刺激转换成动作电位或尖峰,并将所包含的信息编码到生物神经系统中。尽管神经元和突触之间的相互作用的复杂性,速率模型往往是适合描述神经编码适度的成功。然而,目前尚不清楚放电率,尖峰之间的时间间隔的倒数,是否足以捕捉神经元动力学的基本特征。超越了统计系统的Ginzburg-Landau理论中通常的弛豫动力学,我们提出神经活动可以被U(1)动力学捕获,将神经元的动作电位和"相位”结合在一起。Hodgkin-Huxley神经元的增益函数和相应的动态相变可以在U(1)神经元框架内描述。此外,说明了突触相互作用的相位依赖性,并建立了到Kinouchi-Copelli神经元的映射。这表明U(1)神经元是单神经元活动的最小模型,并作为信息处理的神经元网络的构建块。
2021-09-26 cond-mat.dis-nn q-bio.NC
Noise induces continuous and noncontinuous transitions in neuronal interspike intervals range
噪声出现在大脑中,由于各种来源,如离子通道波动和突触事件。它们影响大脑的活动并影响神经元动作电位。随机微分方程已被用来模拟神经元的放电模式受到噪音。在这项工作中,我们考虑扰动噪声的自适应指数积分和消防(AEIF)神经元。AEIF是一个二维模型,通过改变其参数来描述不同的神经元放电模式。在与膜电位相关的方程中添加了噪声。我们发现,噪声电流可以诱导连续和不连续的过渡神经元的峰间期。此外,我们发现,非连续的过渡主要发生在参数接近的边界之间的紧张性尖峰和突发活动的神经元没有噪声。
2020-05-29 physics.bio-ph q-bio.NC
Estimating the number of neurons in multi-neuronal spike trains
研究神经活动和行为之间关系的一种常见方法是通过分析使用植入大脑中的一个或多个电极记录的神经元尖峰序列。每个尖峰训练通常包含由多个神经元生成的尖峰。一个自然出现的问题是“产生尖峰训练的神经元$ν$的数量是多少?本文提出了一种矩量法技术估计$ν$。这种技术估计噪声nonparametrically使用的数据从无声区域的尖峰训练,它适用于孤立的尖峰可能很小,但不可忽略,存在重叠尖峰。条件建立,其中所得到的估计$ν$是强一致的。为了衡量其有限样本的性能,该技术适用于模拟尖峰列车以及实际的神经元尖峰训练数据。
2011-04-14 q-bio.NC stat.AP
Chaotic and non-chaotic phases in experimental responses of a single neuron
大脑功能的一致性和可预测性取决于单个神经元的可重复活动。我们确定了一个可重复的非混沌神经元阶段,其中单个神经元的凹响应延迟曲线之间的偏差不随刺激次数的增加而增加。一个混乱的神经元阶段出现在一个过渡到凸的潜伏期分布指数发散,指示不可再现的响应时间。我们的研究结果是支持定量的数学框架,并发现强大的周期性和随机刺激模式。此外,这些结果对神经元时间分辨率提出了限制,使用神经元链可以将其增强到毫秒以下。
2014-04-27 nlin.CD q-bio.NC
Influence of synaptic interaction on firing synchronization and spike death in excitatory neuronal networks
我们研究了兴奋性神经元网络中突触相互作用的效能对放电同步的影响。我们发现了尖峰死亡现象,即神经元的状态从极限环过渡到不动点或瞬态。这些现象是在兴奋性突触相互作用的扰动下发生的,具有很高的功效。结果表明,突触电流的降低通过抑制钠离子电流的反馈而导致锋电位死亡。在具有锋电位死亡特性的网络中,同步程度较低,对神经元的异质性不敏感。其影响机制是神经元状态的转换破坏了神经元振荡节律的调整,阻止了放电同步性的进一步提高。
2008-11-17 cond-mat.dis-nn q-bio.NC
Effect of Synaptic Heterogeneity on Neuronal Coordination
本研究通过在网络连接中系统性引入异质性,推导出脉冲神经网络中神经元分辨的协方差预测,揭示了突触异质性在多个数量级上调控神经元协调复杂性的机制。
2024-04-04 cond-mat.dis-nn q-bio.NC
Objective Multi-variable Classification and Inference of Biological Neuronal Networks
生物神经元类型和网络的分类对充分理解大脑的组织和功能提出了挑战。在本文中,我们开发了一个新的生物神经元类型和网络的基础上的通信度量的客观分类模型。这相对于现有方法呈现出优势,因为从脉冲序列获得的神经元之间的互信息或延迟与常规形态数据相比是更丰富的数据。我们首先设计了两个开放获取的支持计算平台,分别是Neurpy和Neurgen。然后,我们研究如何网络断层扫描的概念可以实现与皮层神经元电路的形态,拓扑和电分类的神经元。我们将模拟数据提取到许多不同的分类器(包括SVM,决策树,随机森林和人工神经元网络)中,对特定的细胞类型(和子组类型)进行分类,准确率高达70%。利用网络断层扫描技术推断生物网络结构的准确率可达65%。我们还分析了五层、25个细胞m型和14个细胞e型分类的召回率、精确率和F1得分。我们的研究不仅有助于现有的分类工作,而且为未来使用细胞级脑机接口对神经元进行体内客观分类作为大脑结构的传感机制设定了路线图。
2020-03-28 cs.OH q-bio.NC
Large Deviations Approach to Random Recurrent Neuronal Networks: Parameter Inference and Fluctuation-Induced Transitions
在这里,我们统一的场论方法与大偏差理论的神经网络。对于一个具有连续值单元的典型随机递归网络模型,我们证明了有效作用量与速率函数是一致的,并利用场论导出了速率函数。该速率函数采用Kullback-Leibler发散的形式,其使得能够对模型参数进行数据驱动的推断并且计算超出平均场论的波动。最后,我们揭示了一个政权与波动引起的平均场解决方案之间的过渡。
2021-08-19 cond-mat.dis-nn q-bio.NC
Effects of the spike timing-dependent plasticity on the synchronisation in a random Hodgkin-Huxley neuronal network
在本文中,我们研究了在一个网络的霍奇金-赫胥黎神经元同步的影响,尖峰时间依赖的可塑性。神经元可塑性是神经元及其网络暂时或永久改变其生化、生理和形态特征以适应环境的灵活特性。关于可塑性,我们考虑赫布规则,特别是尖峰时间依赖可塑性(STDP),而对于网络,我们认为连接是随机分布的。我们根据输入水平和连接的概率来分析同步和去同步。此外,我们验证了同步的过渡取决于神经网络的结构,和外部扰动水平。
2015-03-07 nlin.CD q-bio.NC
Impact of noise and damage on collective dynamics of scale-free neuronal networks
我们研究了无标度结构和噪声在神经元网络集体动力学中的作用。为此,我们模拟和研究分析的皮层电路模型与随机神经元。我们比较集体神经元活动的网络与不同的拓扑结构:经典的随机图和无标度网络。我们发现,在无标度网络与发散的二阶矩的度分布,噪声对神经元活动的影响是强烈增强的网络与有限的二阶矩。非常小的噪声水平可以刺激有限部分神经元的自发活动和持续的网络振荡。我们证明了集体动力学的无标度网络的随机损伤的随机删除的兴奋性和抑制性神经元的数量在很宽的范围内的耐受性。随机移除神经元会导致网络振荡频率逐渐降低,类似于阿尔茨海默病中α节律的减慢。然而,这些网络容易受到有针对性的攻击。去除一些兴奋性或抑制性枢纽可以削弱持续的网络振荡。
2012-11-29 cond-mat.dis-nn physics.bio-ph q-bio.NC
Spontaneous formation of synchronization clusters in homogenous neuronal ensembles induced by noise and interaction delays
在等随机扰动的可兴奋神经元延迟耦合的无结构系综中,自发形成的同步尖峰簇首次被证明。这种效应是相互作用延迟、噪声和单个神经元的兴奋性之间微妙相互作用的结果。集群的性质的时滞,噪声强度和突触强度的依赖关系进行了研究。
2012-01-30 nlin.AO nlin.PS q-bio.NC
Towards NeuroAI: Introducing Neuronal Diversity into Artificial Neural Networks
The Chinese University of Hong Kong(香港中文大学);Southeast University(东南大学);Cornell University(康奈尔大学)
纵观历史,人工智能特别是人工神经网络的发展一直是开放的,并不断受到对大脑日益加深的理解的启发,比如神经认知机的启发,它是卷积神经网络的开创性工作。根据新兴领域NeuroAI的动机,大量的神经科学知识可以通过赋予网络更强大的功能来帮助催化下一代AI。正如我们所知,人类大脑有许多形态和功能不同的神经元,而人工神经网络几乎完全建立在一个单一的神经元类型。在人类大脑中,神经元的多样性是各种生物智能行为的一个使能因素。由于人工网络是人类大脑的缩影,因此引入神经元多样性对于解决人工网络的基本问题(如效率、可解释性和记忆)应该是有价值的。在本书中,我们首先讨论了生物神经元多样性的分类以及生物神经元中信息传递和处理的特征。然后,我们回顾了人工网络设计新的神经元的研究。接下来,我们将讨论神经元多样性可以为人工网络带来什么好处,以及在几个重要领域的示例性应用。最后,我们讨论了神经元多样性的挑战和未来方向,以探索NeuroAI的潜力。
2023-03-11 cs.AI cs.ET cs.LG