Complexity Leads to Simplicity: A Consensus Layer V Pyramidal Neuron Can Sustain Interpulse-Interval Coding
就单个神经元的长距离通信而言,脉冲间隔(IPI)是速率和二进制代码的可能替代方案。作为IPI的代表,神经元的尖峰时间(TTS)可以在生物物理和实验文献中找到。使用当前的,共识层V锥体神经元,本研究探讨IPI编码的可行性,并探讨限制这种编码的信息速率的噪声源。按噪声强度降序排列,噪声源为(i)突触变异性,(ii)钠通道散粒噪声,然后是(iii)热噪声,突触噪声远大于钠通道噪声。更重要的是,生物物理模型表明输入强度和逆TTS之间的线性关系。这种线性观察与神经元应被视为被动电子电路(如Stein模型中的RC电路)的假设相矛盾。最后,生物物理模拟允许计算互信息,其为约3.0比特/尖峰。
2016-09-26 q-bio.NC
Spike Onset Dynamics and Response Speed in Neuronal Populations
最近的研究皮层神经元驱动的波动电流揭示了几百赫兹的动作电位编码的截止频率。生物物理神经元模型的理论研究已经预测了一个低得多的截止频率的平均放电率或倒数膜时间常数的顺序。因此,所观察到的高截止频率的生物物理起源还没有得到很好的理解。在这里,我们介绍了一个神经元模型与动态动作电位的产生,其中的线性响应可以分析计算不相关的突触噪声。我们发现,当动作电位起始的时间尺度变短时,截止频率增加到非常大的值。
2011-03-03 q-bio.NC
Field theory for biophysical neural networks
人脑是一个复杂的系统,由数千亿个离散神经元组成的网络,这些神经元通过时间依赖性突触耦合。模拟整个大脑是一项艰巨的挑战。在这里,我们展示了如何从量子场论的想法可以用来构建一个有效的约化理论,这可能是分析与晶格计算。我们给出了一些例子,如何形式主义可以应用到生物医学上合理的神经网络模型。
2014-11-05 q-bio.NC
Adaptive probabilistic neural coding from deterministic spiking neurons: analysis from first principles
神经元将其输入转换为输出尖峰,这种转换是神经系统中的基本计算单元。神经元对复杂的时变输入的尖峰响应可以从神经元的详细生物物理特性预测,建模为确定性非线性动力学系统。然而,在神经编码的传统中,神经元或神经系统被视为黑盒,并且统计技术被用于识别其编码属性的功能模型。这项工作的目标是连接的机械,生物物理的方法来描述神经元功能的编码模型。在单神经元水平上,我们从第一原理出发,建立了一个数学理论,映射了两类简单但强大的模型之间的关系:确定性集成和激发动力学模型和线性非线性编码模型。要做到这一点,我们开发了一种方法来研究一个非线性动力系统的条件下观察到的线性估计。我们推导出渐近封闭形式的线性滤波器的线性/非线性模型的非线性决策函数的表达式和估计。我们分析得出的线性滤波器的输入统计的依赖性,我们展示了如何确定性的非线性动力学可以用来调制的概率代码的属性。我们证明,无需任何额外电流的积分激发模型可以执行完美的对比度增益控制和复杂的自适应计算,并且我们确定了负责的一般动力学原理。然后,我们从第一原理设计了一个非线性动力学模型,实现增益控制。虽然我们专注于整合和消防模型的易处理性,我们提出的框架,LN和动力学模型自然推广到更复杂的生物物理模型。
2011-12-15 q-bio.NC
A Quantitative Overview of Biophysical Forces Governing Neural Function
Hodgkin-Huxley(HH)模型是目前公认的神经元兴奋性的形式主义。然而,HH模型并不捕获与动作电位或传播神经冲动相关的许多生物物理行为。这些过程的物理机制,如可逆的热传递和轴突肿胀已被单独研究和分区建模,以表明神经系统不是纯粹的电或生化。相反,机械力和热力学原理也控制着神经元的兴奋性和信号传导。为了促进我们对神经功能和功能障碍的理解,需要重新评估对电、化学和机械过程的分区分析,并将其整合到更全面的理论中。目前的定量观点是为了扩大已知的生物物理现象,这是经常被忽视的神经科学的认识。通过开始考虑影响神经功能的生物物理力的集体影响,新的范例可以应用于神经系统的表征和操纵。
2013-09-25 physics.bio-ph q-bio.NC
Learning Hybrid Biophysical Neuron Models with Neural ODEs
Hertie Institute for AI in Brain Health(人工智能与脑健康赫尔特研究所);Tübingen AI Center(图宾根人工智能中心);University of Tübingen(图宾根大学);Machine Learning in Science, Excellence Cluster Machine Learning, University of Tübingen(科学机器学习,机器学习卓越集群,图宾根大学);Max Planck Institute for Biological Intelligence, München, Germany(生物智能马克斯·普朗克研究所,慕尼黑,德国);Department Empirical Inference, Max Planck Institute for Intelligent Systems, Tübingen, Germany(经验推断部门,智能系统马克斯·普朗克研究所,图宾根,德国)
提出混合建模框架,将神经常微分方程嵌入电导基生物物理模型,以捕捉未知电流或错误指定的通道动力学,从电压记录中恢复可解释的门控动力学,并降低计算成本。
2026-06-16 cs.LG q-bio.NC
Sequential Desynchronization in Networks of Spiking Neurons with Partial Reset
神经元对突触输入的反应很大程度上取决于它是否刚刚发出了一个尖峰。我们提出了一个神经元模型,尖峰发射后表现出部分响应剩余的输入电荷,并研究其集体网络动力学分析。我们发现了一种新的去极化机制,导致顺序的去极化过渡:在全球耦合的神经元的部分响应的强度增加诱导一系列的分叉状态与大集群的同步发射神经元,通过状态与较小的集群完全异步尖峰。我们简要讨论了更一般的生物物理神经元网络的这种机制的关键后果。
2008-10-15 q-bio.NC
A data-driven biophysical network model reproduces C. elegans premotor neural dynamics
本文构建了一个数据驱动的最小参数化生物物理网络模型,以核心前运动神经元循环网络和百余个感觉及中间神经元前馈输入再现秀丽隐杆线虫前进与后退切换等前运动神经动力学,并揭示了间隙连接与突触连接在切换中的不同作用。
2024-12-31 physics.bio-ph q-bio.NC
Evolutionary algorithms as an alternative to backpropagation for supervised training of Biophysical Neural Networks and Neural ODEs
针对生物物理神经网络因刚性和高非线性导致反向传播不稳定的问题,提出使用进化算法进行训练,实验证明其在多种任务中优于直接反向传播。
2023-11-21 cs.NE q-bio.NC
Identifying multi-compartment Hodgkin-Huxley models with high-density extracellular voltage recordings
Stanford University(斯坦福大学);Wu Tsai Neurosciences Institute, Stanford University(吴-tsai神经科学研究所);University of Tübingen(蒂宾根大学);Tübingen AI Center, Tübingen(蒂宾根人工智能中心);Max Planck Institute for Intelligent Systems, Tübingen(蒂宾根马克斯·普朗克智能系统研究所)
本文提出了一种基于高密度细胞外电压记录的方法,用于识别多腔室Hodgkin-Huxley模型,通过扩展卡尔曼滤波器和梯度方法推断膜电压和生物物理参数。
2025-12-03 q-bio.NC
Efficient optimization of ODE neuron models using gradient descent
本文提出基于可微分ODE求解器的梯度下降算法,利用GPU加速,高效优化具有大量参数的神经元模型,并通过刺激记录所有树突区室实现参数可辨识。
2024-07-20 q-bio.NC
A Hebbian/Anti-Hebbian Network Derived from Online Non-Negative Matrix Factorization Can Cluster and Discover Sparse Features
尽管我们对神经元的生物物理特性有广泛的了解,但还没有普遍接受的神经元功能的算法理论。在这里,我们探讨的假设,单层神经网络进行在线对称非负矩阵分解(SNMF)的相似性矩阵的流数据。通过从SNMF成本函数开始,我们推导出一种在线算法,该算法可以由具有局部学习规则的生物学上合理的网络来实现。我们证明,这样的网络执行软聚类的数据,以及稀疏特征发现。衍生的算法复制了许多已知的方面的感觉解剖和生物物理特性的神经元,包括单极性质的神经元活动和突触的权重,本地突触可塑性规则和累积神经元活动的学习率的依赖性。因此,我们朝着神经元功能的算法理论迈出了一步,这将有助于大规模神经电路模拟和生物启发的人工智能。
2015-03-02 cs.NE q-bio.NC stat.ML
Biophysically grounded mean-field models of neural populations under electrical stimulation
神经系统的电刺激是理解神经动力学并最终开发临床治疗的关键工具。电刺激的许多应用影响大量神经元。然而,尖峰神经元的大型网络的计算模型本质上很难模拟和分析。我们评估了一个简化的平均场模型的兴奋性和抑制性自适应指数积分和消防(AdEx)神经元,可用于有效地研究电刺激对大型神经元群体的影响。这个基本的皮质模型的丰富的动力学特性的详细描述和验证使用大型网络模拟。反映网络状态的分叉图揭示了异步的上下状态、振荡机制和振荡区域,对应于快速的兴奋-抑制和缓慢的兴奋-适应反馈回路。AdEx神经元的生物物理参数可以耦合到一个电场与现实的场强,然后可以传播到人口的描述。我们展示了如何在分叉的边缘,直接的电输入导致网络状态的转变,如打开和关闭振荡的人口率。振荡输入可以频率夹带和锁相内源振荡。1 V/m量级的相对弱的电场强度能够产生这些效应,表明场效应在网络中被强烈放大。随时间变化的外部刺激的效果是很好的预测的平均场模型,进一步支持低维神经质量模型的实用性。
2020-11-17 cond-mat.dis-nn nlin.AO q-bio.NC
Polarization-wave propagation as a biophysical mechanism of visual cognition
Research Institute of Advanced Materials, Seoul National University(首尔大学先进材料研究所);Pohang University of Science and Technology (POSTECH)(浦项科技大学);Department of Cardiology, Gil Medical Center, Gachon University College of Medicine(嘉义大学医学院吉尔医疗中心心脏内科);Department of Materials Science and Engineering, Pohang University of Science and Technology (POSTECH)(浦项科技大学材料科学与工程系)
本文提出偏振波作为视觉认知的生物物理机制,通过分析标量电位场和偏振波的传播特性,揭示其与认知推断调制波速度一致的机制,解释了视觉感知中跨通道干扰的抑制过程。
2026-03-07 q-bio.NC
Axonal Computations
轴突在功能上将体树隔室与突触末梢连接起来。在结构和功能上的多样性,他们完成了一个核心的作用,在确定延迟和可靠性与神经元合奏通信。通过结合它们的主动和被动生物物理特性,它们确保了过多的生理计算。在这篇综述中,我们重新审视了生物物理学的产生和传播的电信号在轴突,它们复杂的相互作用,以及它们丰富的动态。我们进一步将轴突的计算能力置于细胞内和细胞间耦合的背景下。我们讨论如何,通过复杂的生物物理机制,轴突扩展的剧目轴突计算,从而,神经计算。
2019-05-06 q-bio.NC
The firing statistics of Poisson neuron models driven by slow stimuli
具有不同类型感受野的细胞的编码特性已经研究了几十年。ON型神经元响应于时间依赖性刺激的正波动而发射,而OFF细胞由负刺激片段驱动。反过来,双相细胞对上/下或下/上刺激的上击是有选择性的。在本文中,我们探讨了不同的感受野影响泊松神经元模型的放电统计的方式,当驱动与缓慢的刺激。我们发现的时间依赖性的刺激时间直方图和尖峰间期分布的传入信号的解析表达式。我们的研究结果使我们能够理解调节脉冲序列统计的内在和外在因素之间的相互作用。前者依赖于生物物理神经特性,而后者则依赖于输入信号的时间特性。
2009-09-08 q-bio.NC
Learning Biophysical Models of Large-Scale Multineuronal Data to Enable Precise Neurostimulation
Stanford University(斯坦福大学);University of California, Santa Cruz(加州大学圣克鲁兹分校)
研究利用可微生物物理模拟等从细胞外多电极阵列测量数据快速推断霍奇金-赫胥黎模型参数,用于预测神经尖峰反应,以验证方法收集猕猴视网膜数据,准确率达90.6%。
2026-08-11 q-bio.NC
Mind the Last Spike -- Firing Rate Models for Mesoscopic Populations of Spiking Neurons
用于理解皮层计算的主要建模框架是启发式放电率模型。尽管他们的成功,这些模型不足以捕捉尖峰同步效应,链接到生物物理参数和描述有限大小的波动。在这篇观点文章中,我们提出,耐火密度方法(RDM),也被称为年龄结构种群动力学或准更新理论,产生了一个强大的理论框架,建立基于速率的模型,从现实的神经元动力学在微观层面的介观神经元群体。我们回顾了RDM取得的最新进展,以获得有效的人口密度方程的网络广义积分和消防(GIF)神经元-一类神经元模型,已成功地适合于各种细胞类型。该理论不仅预测了大种群神经元的非平稳动力学,而且还允许扩展到有限大小的种群和系统地减少到低维速率动力学。新类型的速率模型将允许在生物约束下重新检查皮质计算模型。
2019-09-22 q-bio.NC
Activity-dependent stochastic resonance in recurrent neuronal networks
我们使用局部神经元回路的生物物理模型来研究突触可塑性对检测弱感觉刺激的影响。具有快速塑性耦合的网络表现出与随机共振一致的行为。增加一个额外的慢耦合,占异步释放的神经递质的结果在定性不同的性质的信号检测,也导致出现短暂的刺激后双稳态。我们的研究结果提出了可检验的假设,关于局部神经元回路的自组织和动力学。
2008-06-10 q-bio.NC q-bio.PE
Computational Advances in Taste Perception: From Ion Channels to Neural Coding
Moscow Institute of Physics and Technology(莫斯科物理技术学院);Lobachevsky State University of Nizhny Novgorod(下诺夫哥罗德洛巴切夫斯基国立大学)
本研究提出一种混合神经元模型,结合HH动力学的生物物理真实性与Izhikevich神经元的计算效率,整合多尺度生物机制与学习规则,实现兼顾生物保真度与效率的味觉通路仿真。
2025-09-16 q-bio.NC
A statistical model for in vivo neuronal dynamics
单神经元模型在计算神经科学中有着悠久的传统。诸如Hodgkin-Huxley模型的详细生物物理模型以及诸如积分激发模型类的简化神经元模型将输入电流与神经元的膜电位相关联。这些类型的模型已被广泛地拟合到输入电流受控的体外数据。然而,这些模型在表征细胞内体内记录时用处不大,因为神经元的输入是未知的。在这里,我们提出了一种新的单神经元模型,其特征在于在体内记录的统计特性。更具体地说,我们提出了一个随机过程,其中阈下膜电位遵循高斯过程,尖峰发射强度非线性地依赖于膜电位以及尖峰历史。我们首先表明,该模型具有丰富的动态剧目,因为它可以捕捉任意的阈下自协方差函数,发射率的适应以及任意形状的动作电位。然后,我们表明,该模型可以有效地拟合数据,而不会过度拟合。最后,我们表明,该模型可用于表征,因此精确地比较各种细胞内在不同的动物和实验条件下的体内记录。
2015-10-23 q-bio.NC
A Neural-Astrocytic Network Architecture: Astrocytic calcium waves modulate synchronous neuronal activity
了解星形胶质细胞在大脑计算中的作用是一个新生的挑战,在可以转化为人工智能的新神经生物学知识方面,有希望获得巨大的回报。在我们正在进行的努力,以确定原则赋予星形胶质细胞在大脑计算中的独特功能,并将其转化为神经星形胶质细胞网络(NANS),我们提出了一个生物病理学现实模型的星形胶质细胞,保留了实验观察到的空间分配其不同的亚细胞区室。我们展示了我们的模型是如何编码和调制的,同步神经活动的程度通过钙波在细胞内传播的星形胶质细胞车厢。神经活动和星形胶质细胞钙波之间的关系一直被推测,但它仍然缺乏一个机制的解释。我们的模型提出了一个星形胶质细胞的“钙级联”机制的神经元同步,这可能使NAN施加周期性的神经调制已知减少编码错误。通过扩展我们对星形胶质细胞信息处理的概念,我们的工作旨在巩固非神经元细胞的计算角色,并将其纳入人工网络。
2018-07-05 q-bio.NC
Neuronal coupling by endogenous electric fields: Cable theory and applications to coincidence detector neurons in the auditory brainstem
神经元的持续活动产生空间和时间变化的细胞外电压场($V_e$)。这个$V_e$场反映了群体水平的神经活动,但它是否调节了神经动力学和神经回路的功能?我们提供了一个电缆理论框架来研究一束模型神经元如何产生$V_e$以及这个$V_e$如何反馈和影响膜电位($V_m$)。我们发现,这些“ephaptic相互作用”是小的,但不可忽略。模型神经元群体可以产生具有毫伏级幅度的$V_e$,并且该$V_e$扰动“附近”电缆的$V_m$并且有效地增加它们的电紧张长度。在运用被动电缆理论系统研究了听性脑干的听觉耦合之后,我们探讨了一个测试案例:听性脑干的内侧上橄榄核(MSO)。MSO是一个可能的位置ephaptic相互作用:声音引起大$V_e$在体内在这个核(毫伏级)。$V_e$响应被认为是由MSO神经元产生的,MSO神经元以亚毫秒的时间精度执行已知的神经元计算(重合检测以编码声源位置)。使用基于生物药理学的MSO神经元模型,我们发现毫伏级的ephaptic相互作用与被动电缆理论的结果一致。这些细微的膜电位扰动诱导锋电位起始阈值、锋电位时间同步性和时差敏感性的变化。这些结果表明,ephaptic耦合可能会影响MSO功能。
2015-08-07 q-bio.NC
Extending integrate-and-fire model neurons to account for the effects of weak electric fields and input filtering mediated by the dendrite
内源性或经颅脑刺激产生的细胞外电场如何影响大型神经元群体的动力学引起了极大的兴趣,但尚未得到很好的理解。单室(点)模型神经元在研究大种群的集体动力学方面已被证明是非常成功的。然而,这些模型缺乏树突状形态来生物病理学地解释电场的影响,以及由于形态学单独引起的突触整合的变化。在这里,我们(i)描述了一个典型的空间(球杆)模型神经元对波动的突触输入以及振荡的弱电场的响应,以及(ii)分析推导出流行的积分和点火点神经元模型的扩展,以准确地再现这些响应。我们获得不同的过滤器介导的树突在胞体(高通滤波器)或在远端树突网站(低通滤波器)的输入,并发现电场诱导尖峰率共振的β和γ频带甚至更高的频率,这取决于突触背景输入的位置。由于其计算效率的扩展点模型是非常适合于应用在大量的耦合神经元与不同的形态,暴露于细胞外电场。
2016-11-09 q-bio.NC
Hybrid scheme for modeling local field potentials from point-neuron networks
由于多电极记录技术的快速发展,局部场电位(LFP)再次成为基础研究和临床应用中神经元活动的流行测量。正确理解LFP需要详细的数学建模,包括记录电极附近神经元的解剖学和电生理学特征,以及整个网络的突触输入。在这里,我们提出了一个混合建模方案相结合的效率,常用的简化点神经元网络模型与生物物理学的基本原则LFP生成真正的神经元。该方案可以用于任意数量的点神经元网络种群。LFP预测依赖于网络等效的、解剖学上重建的具有层特异性突触连接的多室神经元模型的群体。本方案允许网络动态模拟和LFP生成的完全分离。为了说明,我们将该计划应用于一个完整的皮质网络模型的$\sim$ 1毫米$^2$补丁的初级视觉皮层和预测层LFP不同的网络状态,评估相对LFP贡献从不同的层人口,并调查突触输入的相关性和神经元密度的LFP的作用。混合方案的通用性质及其在\texttt{hybridLFPy}中的公开实现形成了从其他点神经元网络模型进行LFP预测的基础,以及将当前应用扩展到更大的电路和额外的生物细节。
2016-01-20 q-bio.NC
Finite Volume Model to Study Calcium Diffusion in Neuron Involving JRYR, JSERCA and JLEAK
钙动力学是神经元细胞内电(动作电位)和化学(神经递质)信号传导的重要机制。神经元中钙动力学的数学模型导致反应扩散方程,该方程涉及扩散系数、游离钙、结合钙、缓冲液和结合缓冲液等参数。在这里,受体,serca和泄漏等参数也被纳入模型。根据问题的生物物理条件,确定了适当的边界条件。采用有限体积法求解。利用MATLAB7.11编制了计算钙离子浓度分布的计算机程序,并研究了各参数之间的关系。
2013-01-06 q-bio.CB q-bio.NC
Estimation of the number of biophotons involved in the visual perception of a single-object image: Biophoton intensity can be considerably higher inside cells than outside
最近,我们提出了一个关于视觉感知和图像的天然生物物理基质的氧化还原分子假说(Bókkon,2009年)。BioSystems; Bókkon and D'Angiulli,2009.生物科学假说)。也就是说,视网膜将外部光子信号转换为电信号,并将其传送到V1(纹状皮质)。然后,V1 retinotopic电信号(沿经典轴突-树突通路的尖峰相关电信号)可以通过retinotopic视觉神经元内的氧化还原过程转换为受调节的超弱生物发光光子(生物光子),这使得在视觉感知和成像过程中创建内在生物物理图像成为可能。然而,人们普遍认为生物光子是细胞代谢的副产品。本文认为,生物光子不是副产品,而不是来自受调节的细胞自由基/氧化还原过程。它还表明,生物光子强度可以在细胞内部比外部高得多。我们简单的计算,在一定程度的准确性,表明在视网膜神经元的真实生物光子强度可能是足够的创造内在的生物物理图片表示的单对象图像在视觉感知。
2010-12-16 q-bio.NC q-bio.SC
Subthreshold moment analysis of neuronal populations driven by synchronous synaptic inputs
本文用相关跳过程建模突触输入,结合排队论不动点方法对电导型神经元作广义矩分析,证明微弱非零同步性可解释阈下电压协方差与偏度。
2025-03-17 q-bio.NC
Voltage clamp analysis of nonlinear dendritic propertie in prepositus hypoglossi neurons
舌下前置肌神经元树突的非线性特性与维持眼位有关。这些神经元的生物物理特性对于前庭神经积分器的操作是必不可少的,前庭神经积分器将头部速度信号转换为控制眼睛位置的信号。采用一种新的电压钳位神经元非线性响应量化方法QSA(quadratic sinusoidal analysis),对神经元的非线性响应进行量化分析。电压钳电流的测量在谐波和交互频率使用特定的刺激频率,作为频率探针的内在非线性神经元的行为。对成对频率的这些响应形成了一个矩阵,该矩阵可以通过本征分解来减少,以在不同的膜电位下提供非常紧凑的分段二次分析,否则该分析通常由涉及大量参数和树突隔室的复杂微分方程来描述。此外,QSA矩阵可以插值以捕获大部分非线性神经元行为,如Volterra核。内插二次函数的两个主要的前置舌下神经元,即B型和D型,是惊人的不同。非线性响应的主要部分是由于持续的钠电导,这似乎是必不可少的持续的非线性效应诱导的NMDA激活,因此将是至关重要的操作的神经积分。最后,树突的非线性反应的优势支持的假设,持续钠电导通道和NMDA受体协同作用,动态控制网络行为的个别突触输入的影响。
2010-10-29 q-bio.NC
NeuroPath2Path: Classification and elastic morphing between neuronal arbors using path-wise similarity
神经元的形状和连接性决定了它的功能。现代成像方法已被证明在提取此类信息方面是成功的。然而,为了分析这种类型的数据,神经元形态需要在图论方法中进行编码。这种编码使得能够使用高通量信息学方法来提取和推断大脑功能。图论方法的应用,神经元形态表示带来了一定的困难。在这里,我们报告了一种新颖的,有效的方法来完成这项任务。神经元的形态,包括其整体大小,整体形状,局部分支模式和细胞特异性生物物理特性,可以随着细胞的身份,位置以及发育和生理状态而显着变化。已经开发了各种算法来定制基于形状的统计和图形相关特征,用于神经形态学的定量分析,然后使用这些特征对神经元细胞类型进行分类。与传统的基于图像或三维重建神经元的特征提取方法不同,本文提出了一种基于神经元胞体到树突的根路径分解的模型,并提取了每条路径上的形态特征。为了验证这一说法,我们首先使用修改后的Munkres算法建立两个神经元之间的路径的对应关系。其次,建立了一个基于平方根速度函数的弹性变形框架,实现了连续变形,同时也提供了一种有效的可视化工具。我们通过实验证明了NeuroPath2Path、NeuroP2P在最先进技术水平上的功效。
2019-03-06 q-bio.NC
Direct dependencies between neurons explain activity
Yale University(耶鲁大学)
研究通过多个脑区和物种的实验表明,神经元活动的大部分变异性可由直接依赖关系解释,而非输入间的相互作用,提出简单的艺术神经元模型能有效预测复杂依赖关系。
2026-03-20 physics.bio-ph q-bio.NC
Contrasting the effects of adaptation and synaptic filtering on the timescales of dynamics in recurrent networks
神经活动表现出的时间尺度范围很广,可以比单个神经元的膜时间常数大几倍。人们提出了两种机制来解释这一难题。一种可能性是,大的时间尺度是由基于正反馈的网络机制产生的,但这一假设需要对突触连接进行微调。第二种可能性是神经动力学中的大时间尺度是从潜在的生物物理过程的大时间尺度继承的,两个突出的候选者是自适应离子电流和突触传递。然而,这些过程的时间尺度如何影响网络动态的时间尺度还没有得到充分的探讨。为了解决这个问题,我们分析了随机连接的兴奋性和抑制性单位与额外的自由度,对应于适应或突触过滤的大型网络。我们确定了系统的不动点,它们对扰动的稳定性和相应的动力学时标。此外,我们应用动力学平均场理论来研究波动状态下的活动的时间统计,并研究适应和突触时标如何从单个单元转移到整个群体。我们的总体发现是,单个神经元中的突触过滤和适应在网络水平上具有非常不同的效果。出乎意料的是,宏观网络动力学并没有继承自适应电流中存在的大时间尺度。相反,网络活动的时间尺度与突触过滤器的时间常数成比例地增加。总而言之,我们的研究表明,不同的生物物理过程的时间尺度对网络水平有不同的影响,因此单个神经元内的缓慢过程不一定会导致大型递归神经网络的缓慢活动。
2019-03-25 q-bio.NC
Effects of spike-triggered negative feedback on receptive-field properties
感觉神经元通常用感受野来描述,也就是说,一个线性核,通过它在刺激被进一步处理之前过滤刺激。如果假设信息传递以前馈级联方式进行,则感受野可以被解释为使神经元输出最大化的外部刺激的轮廓。然而,神经系统包含许多反馈回路,感觉神经元过滤的电流比代表转导的外部刺激的电流多。一些额外的电流是由神经元本身的输出活动产生的,因此构成反馈信号。通过对输入/输出变换的时频分析,我们展示了反馈如何改变感受野。该模型适用于各种类型的反馈过程,从尖峰触发的内在电导抑制突触输入附近的神经元。我们区分内在感受野(过滤所有输入电流)和有效感受野(仅过滤外部刺激)。而内在感受野概括了与阈下整合和尖峰产生相关的神经元的生物物理特性,只有有效感受野可以被解释为使神经元输出最大化的外部刺激的轮廓。我们证明了尖峰触发反馈将低通滤波向带通处理转移,将积分器神经元转化为谐振器。对于强反馈,可能出现光谱神经元选择性的尖锐共振。我们的研究结果提供了一个统一的框架来解释以前的实验研究,其中特定的反馈机制被证明可以修改神经元的过滤特性。
2015-03-10 q-bio.NC
The unified maximum a posteriori (MAP) framework for neuronal system identification
输入和感觉神经元的响应之间的函数关系可以通过神经元的刺激-响应映射函数来描述。表征刺激-反应映射函数的一般方法称为系统识别。刺激-反应映射函数有许多不同的名称:核函数或传递函数、传感器、时空感受野。已经开发了许多算法来从刺激-响应对的集合估计神经元的映射函数。这些方法包括尖峰触发平均、归一化反向相关、线性化反向相关、岭回归、局部谱反向相关、尖峰触发协方差、人工神经网络、最大信息维度、核回归、提升和基于泄漏积分和激发神经元的模型。由于这些系统辨识算法中有许多是在其他学科中发展起来的,所以它们表面上看起来很不相同,彼此之间没有什么联系。每种算法都对神经元和数据如何生成做出了不同的假设。如果没有一个统一的框架,很难选择最合适的算法来估计神经元的映射函数。在这篇综述中,我们提出了一个统一的框架来描述这些算法称为最大后验估计(MAP)。在MAP框架中,任何系统识别算法中的隐式假设都在MAP的三个组成部分中明确表示:模型类,噪声分布和先验。了解这三个MAP成分之间的相互作用将简化为给定的数据集选择最合适的算法的任务。MAP框架还可以通过将生物药理学上合理的假设和机制纳入MAP成分来促进新的系统识别算法的开发。
2018-11-06 q-bio.NC
Evaluation of dynamic causal modelling and Bayesian model selection using simulations of networks of spiking neurons
本研究利用仿真数据评估频域稳态下动态因果建模和贝叶斯模型选择在识别和拟合Jansen-Rit模型时的有效性。结果表明,线性假设消除了原始模型的定性转变,且当应用于非线性神经质量模型和脉冲神经元网络数据时,这些方法的有效性显著降低,提示实际应用需谨慎。
2023-06-28 q-bio.NC
Stochastic dynamics of a finite-size spiking neural network
我们提出了一个简单的马尔可夫模型的尖峰神经动力学,可以解析求解的随机动力学特征的有限大小的尖峰神经网络。我们给出了封闭形式的估计的平衡分布,平均速率,方差和自相关函数的网络活动。该模型适用于任何网络,其中网络中神经元的激发概率仅取决于在前一个时间段中激发的神经元的数量。具有统计上均匀的连接性和不太长的膜和突触时间常数的网络可以满足这些条件。我们的模型完全考虑了网络的大小和放电活动的相关性。它还允许我们研究网络动力学如何偏离平均场理论。我们表明,该模型和解决方案是适用于尖峰神经网络在生物制药合理的参数制度。
2007-01-26 q-bio.NC
Controlling the spontaneous spiking regularity via channel blocking on Newman-Watts networks of Hodgkin-Huxley neurons
我们调查的规律性自发尖峰活动的纽曼-瓦特小世界网络组成的生物病理学现实的霍奇金-赫胥黎神经元与可调强度的内在噪声和分数的阻断电压门控钠和钾离子通道嵌入在神经元膜。我们发现,存在一个最佳的分数物理距离遥远的神经元之间的捷径链接,以及最佳的强度的内在噪声,这保证了最优有序的自发尖峰活动。这种双相干共振现象依赖于显着,并可以通过封闭的钠和钾离子通道的分数控制,从而可以通过分析的发射率函数以及确定性系统动力学的影响,可以理解。我们的研究结果在神经网络的信息传播的潜在生物学意义进行了讨论。
2009-05-19 cond-mat.dis-nn physics.bio-ph q-bio.NC
A Neuron as a Signal Processing Device
神经元是大脑的基本生理和计算单位。虽然对神经元的生理特性了解很多,但对其计算作用了解甚少。在这里,我们建议将神经元视为信号处理设备,其将传入的流数据矩阵表示为由传出的稀疏活动向量缩放的突触权重的稀疏向量。形式上,神经元最小化包括累积平方表示误差和正则化项的成本函数。我们推导出一个在线算法,最大限度地减少这样的成本函数之间的交替最小化相对于活动和相对于突触的权重。该算法的步骤再现了神经元的众所周知的生理特性,例如突触输入的加权求和和漏积分,以及类似Oja但无参数的突触学习规则。我们的理论框架提出了几个预测,其中一些可以通过现有的数据进行验证,其他的需要进一步的实验。这样的框架应该允许模拟神经元电路的功能,而不必测量所有的微观生物物理参数,以及促进神经形态电子学的设计。
2014-05-12 q-bio.NC stat.ML
Efficient population coding of sensory stimuli
本文提出最优群体编码的一般理论,证明在生物噪声下最优激活函数是离散的,且ON与OFF细胞数量相等时每个脉冲编码信息量最高,并给出激活函数在刺激空间中的分布关系。
2023-08-10 q-bio.NC
Controlling the spontaneous firing behavior of a neuron with astrocyte
近年来越来越多的证据表明,星形胶质细胞,胶质细胞的一种亚型,不仅为神经元和突触提供代谢和结构支持,而且在调节神经系统的正常功能中起关键作用。在这项工作中,我们研究星形胶质细胞对神经元自发放电活动的影响,通过一个组合模型,其中包括一个神经元-星形胶质细胞对。首先,我们表明,星形胶质细胞可以提供一种多稳定性的神经元动力学诱导不同的放电模式,如随机和突发尖峰。然后,我们确定了这种行为的潜在机制,并寻找可能在不同的放电机制中起调节作用的星形胶质细胞因子。更具体地说,我们探讨了星形胶质细胞如何参与发生和控制的自发不规则尖峰活动的神经元在随机尖峰模式。此外,我们还系统地研究了神经元在与星形胶质细胞细胞内环境相关的生物物理因素变化下的突发性放电机制。研究发现,与神经元偶联的星形胶质细胞可以为自发放电不规则性和突发放电统计提供控制机制,即,突发规律和大小。
2022-04-22 nlin.CD q-bio.NC
Dynamics of the brain extracellular matrix governed by interactions with neural cells
神经元和神经胶质细胞释放不同的蛋白聚糖和糖蛋白,其在细胞外空间聚集并形成细胞外基质(ECM),所述细胞外基质可进而调节主要的细胞功能。脑细胞还释放可降解ECM的细胞外蛋白酶,并且ECM的合成和降解都是活性依赖性的。在这项研究中,我们介绍了一个数学模型,描述种群动力学的神经元与ECM分子在延长的时间尺度上相互作用。它表明,取决于ECM-神经元相互作用的流行的生物物理机制,可以观察到ECM活性的不同的动态机制,包括ECM分子浓度的稳定的固定水平的非稳态,自发的ECM振荡,以及ECM振荡和固定状态的共存,允许活动机制之间的动态切换。
2018-07-16 q-bio.CB q-bio.NC
Neuronal Spike Trains as Functional-Analytic Distributions: Representation, Analysis, and Significance
University of California San Diego(加州大学圣地亚哥分校)
本文提出基于Schwartz分布理论的统一框架,用于分析神经脉冲序列,提供精确的运算微积分方法,实现无需离散化、速率近似或平滑的闭式分析。
2026-04-14 math.FA q-bio.NC
Gain control with A-type potassium current: IA as a switch between divisive and subtractive inhibition
神经元处理信息的方式是将大量突触输入转化为尖峰活动。突触抑制抑制神经元的输出激发活动,并且通常被分类为对神经元的输出激发活动具有消减或分裂效应。减法抑制可以通过消除对非偏好输入的反应来缩小引起尖峰活动的输入范围。分裂性抑制是增益控制的一种形式:它在保持引起放电活动的输入范围的同时,改变放电频率。由于这两种“模式”的抑制有不同的影响神经编码,重要的是要了解的生物物理机制,区分这些反应的档案。我们使用神经元模型的模拟和数学分析,以找到抑制性输入具有减法或分裂效应的特定条件。我们确定了A型钾电流(IA)的新作用。在我们的模型中,这种快速激活、缓慢失活的外向电流充当了消减抑制和分裂抑制之间的开关。如果IA是强的(大的最大电导)和快速的(激活的时间尺度类似于尖峰启动),那么抑制对神经放电有消减作用。相反,如果IA是弱或不够快激活,那么抑制有分裂的影响神经放电。我们解释这些发现使用动力系统的方法来定义如何尖峰阈值条件依赖于突触输入和IA。我们的研究结果表明,神经元可以通过突触可塑性和/或A型钾通道的电导和动力学的调节的组合“自我调节”抑制的增益控制效应。IA的这种新作用将增加神经元和网络的灵活性,并可能与最近观察到的孤束核神经元的分裂抑制作用有关。
2018-02-13 q-bio.NC
Single neuron computation: from dynamical system to feature detector
白噪声方法是描述神经系统计算特性的有力工具。这些方法允许人们识别神经系统从复杂输入中提取的特征,并确定这些特征如何组合以驱动系统的尖峰响应。这些方法也已被应用到表征单神经元的输入/输出关系驱动的突触输入,模拟直流注入。为了解释单个神经元的白噪声分析结果,我们想了解单个神经元的特征空间如何映射到膜的生物物理特性,特别是离子通道的动力学。在这里,通过一个简单的动力学模型神经元的分析,我们绘制了一个白噪声分析的输出和底层的动力系统之间的显式连接。我们发现,在一定的假设下,相关功能的形式是由动力系统的参数定义。此外,我们表明,在某些条件下,特征空间是由尖峰触发的平均值和连续顺序的时间导数。
2006-12-13 physics.bio-ph physics.data-an q-bio.NC
Beta Distribution of Human MTL Neuron Sparsity: A Sparse and Skewed Code
人类内侧颞叶(MTL)的单个单位记录揭示了一群具有概念性、高度选择性活动的细胞,表明存在稀疏的神经代码。建立在作者和J.C.柯林斯,本文开发了一个统计模型,分析这些数据的基础上,最大似然分析。目标是推断整个MTL细胞群体中神经反应概率的潜在分布。反应概率或神经元稀疏性被定义为神经元在随机选择的刺激呈现期间产生高于阈值的放电率的总概率。应用该方法,它表明,跨MTL的细胞的β分布的神经元稀疏性是一致的数据。由此产生的拟合揭示了一个稀疏和高度偏斜的代码,其中绝大多数神经元表现出极低的响应概率,少数神经元具有相当高的响应概率。在低稀疏度值下,分布近似于幂律。在大鼠的位置细胞活动的统计中发现了惊人相似的偏态分布,表明人类MTL和大鼠海马之间存在类似的潜在编码动力学。
2015-08-18 q-bio.NC
Deep brain stimulation with a computational model for the cortex-thalamus-basal-ganglia system and network dynamics of neurological disorders
脑深部电刺激(DBS)可以缓解帕金森病(PD)等运动障碍。事实上,已知异常β(13- 30 Hz)振荡和基底神经节-丘脑(BGTH)和皮质中多巴胺能神经元的损失表征PD的运动不能症状。然而,这一过程背后的相关生物物理机制仍不清楚。在现有的纹状体抑制模型的基础上,我们提出了一个扩展的BGTH模型,该模型纳入了中型脊髓神经元(MSN)和快速尖峰中间神经元(FSI)以及DBS的影响。我们在本文中关注的是开环DBS模式,其中刺激参数保持恒定,不受疾病状态变化的影响,参数的修改主要依赖于医学专家的试错。此外,我们提出了一种新的小脑-基底神经节丘脑皮质网络,MSN和FSI的组合模型,并显示了新的结果,表明帕金森氏症的β波段频率范围内的振荡出现从这样一个网络的动态。我们的模型预测,DBS可用于抑制苍白球内侧部(GPi)神经元的β振荡。本研究将有助于我们更好地了解DBS引起的脑活动变化,为今后研究PD提供新的见解。
2021-12-06 q-bio.NC
A sparse coding model with synaptically local plasticity and spiking neurons can account for the diverse shapes of V1 simple cell receptive fields
在自然图像上训练的稀疏编码算法可以准确地预测激发视觉皮层神经元的特征,但目前还不知道这些代码是否可以使用生物现实的可塑性规则来学习。我们已经开发出一个生物刺激的尖峰网络,仅依赖于突触的本地信息,可以预测V1简单的细胞感受野形状的全部多样性时,训练自然图像。这是第一次证明稀疏编码原则,在皮层结构的约束下,可以成功地复制这些感受野。我们进一步证明,在数学上,稀疏性和去相关性是关键成分,允许突触局部可塑性规则,以优化由神经表示形成的合作,线性生成图像模型。最后,我们讨论了我们的网络的几个有趣的涌现特性,目的是弥合视觉皮层的理论和实验研究之间的差距。
2011-09-10 cond-mat.dis-nn q-bio.NC
Ultrafast population coding and axo-somatic compartmentalization
波动驱动机制下的皮层神经元可以实现超快的群体编码。然而,其基本的生物物理机制还没有得到很好的理解。降低动作电位起始的锐度会损害超快群体编码,但尚不清楚尖锐的动作电位起始是否足以进行超快群体编码。一种假说认为,急剧的动作电位起始是由动作电位起始位点与胞体的电紧张性分离引起的,这种空间分离也导致超快群体编码。在这里,我们通过研究具有定义的起始位点的模型神经元的线性响应特性来检验这一假设。我们发现,在不同的轴突位置放置的起始位点只有一个微弱的影响模型的线性响应函数。它不能产生在皮层神经元中观察到的超快反应和高带宽。此外,该模型的线性响应函数的高频区域对输入电流的相关时间不敏感,这与经验证据相矛盾。当我们增加钠通道起始位点的电压敏感性时,这两个经验观察到的现象可以恢复。我们提供了一个解释的分离的急剧动作电位启动和超快反应。通过研究不同的胞体大小,我们进一步强调了神经元形态对线性响应的影响。我们的研究结果表明,动作电位的急剧发作是不够的超快反应。根据最近的活动依赖性重新定位的轴突起始段的报告,我们的研究预测,更远的起始位点可以导致体细胞波形的锐度增加,但它不影响神经元群体的线性响应。
2018-07-03 q-bio.NC
Channel noise induced stochastic facilitation in an auditory brainstem neuron model
神经元膜电位的随机波动是由于离子通道开放和关闭状态之间的随机转换引起的电导变化。虽然以前已经表明,通道噪声可以影响神经元动力学的非平凡,它是未知的离子通道噪声是否足够强,作为噪声源的假设噪声增强信息处理在真实的神经元系统,即“随机促进。“在这里,我们证明了通道噪声的生物物理模型可以在听觉脑干神经元的Hodgkin-Huxley样模型中产生两种最近发现的随机易化效应。第一种称为基于斜率的随机共振(SBSR),使相位神经元能够发出动作电位,这些动作电位可以编码相对于模型中关键时间常数缓慢变化的输入斜率。第二种称为逆随机共振(ISR),发生在紧张性放电神经元中,当小水平的噪声抑制紧张性放电并以爆发式动力学取代它时。与以前的工作相一致,我们得出结论,通道噪声可以提供显着的变化,即使是大量的通道。此外,我们的研究结果表明,可能会发生相关的计算效益,由于通道噪声的听觉脑干神经元。无论模型中的激发动力学是阶段性的(SBSR可能由于通道噪声而发生)还是紧张性的(ISR可能由于通道噪声而发生),这都是成立的。
2013-12-05 q-bio.NC q-bio.SC
BrainFuse: a unified infrastructure integrating realistic biological modeling and core AI methodology
Institute of Automation, Chinese Academy of Sciences(中国科学院自动化研究所);Pengcheng Laboratory(鹏城实验室);The Hong Kong Polytechnic University(香港理工大学);Tsinghua University(清华大学);Wuhan University(武汉大学)
BrainFuse 是一种整合生物建模与AI方法的统一基础设施,通过解决算法、计算和部署挑战,实现高效神经模拟与类脑硬件部署。
2026-01-29 cs.NE q-bio.NC
Low-dimensional functionality of complex network dynamics: Neuro-sensory integration in the Caenorhabditis elegans connectome
我们在模式生物秀丽隐杆线虫中建立了一个神经感觉整合的生物物理模型。最近的实验结果的神经元电导和他们解决的连接体的基础上,我们建立了第一个完整的动态模型的神经电压激励,允许输入刺激的行为反应的表征。因此,受体细胞输入下游运动反应之间的明确连接被示出,显示出强大的,低维的分叉结构主导神经通路的活动。所发现的基本分叉结构,即诱导的Hopf分叉,在解释诸如游泳和爬行的行为反应中是至关重要的。更广泛地说,我们证明了复杂的动态网络可以产生强大的功能,从底层的低维分叉。
2014-02-18 q-bio.NC
A Bayesian approach for inferring neuronal connectivity from calcium fluorescent imaging data
推导神经回路的结构是现代神经科学的核心问题之一。最近引入的钙荧光成像方法允许实验者观察大量神经元中的网络活动,但这些技术仅提供对神经尖峰序列的间接观察,具有有限的时间分辨率和信号质量。在这项工作中,我们提出了一种贝叶斯方法,用于在给定此类成像数据的情况下推断神经电路。我们的网络活动的耦合隐藏的马尔可夫链的集合建模,每个链对应于一个单一的神经元在网络和链之间的耦合反映网络的连接矩阵。我们推导出一个蒙特卡罗期望最大化算法拟合模型参数,以获得充分统计量在计算效率的方式,我们引入了一个专门的块吉布斯算法采样从所有观察到的神经元的联合活动所观察到的荧光数据。我们进行大规模的随机连接的神经元网络与生物物理现实的参数模拟,并发现所提出的方法可以准确地推断出这些网络的连接给出合理的实验和计算约束。另外,通过标准L $_1$惩罚方法,通过结合关于网络中的连接性的稀疏性的先验知识,可以显著地提高估计准确度。
2011-07-21 q-bio.NC stat.AP
Modeling of Self-sustained Neuron Population without External Stimulus
Middle East Technical University(中东理工大学);Başkent University(巴肯特大学)
研究发现,具有突触可塑性和内在随机性的Hodgkin-Huxley神经元网络可在短暂刺激后维持自主活动,其特征为稀疏、不规则的放电模式。
2026-04-15 cs.NE q-bio.NC
Calcium and synaptic dynamics underlying reverberatory activity in neuronal networks
持续的活动被假定为驱动神经网络可塑性和学习。为了研究其潜在的细胞机制,我们开发了一种生物药理学上易于处理的模型,该模型解释了短期持续活动的出现、维持和最终终止。使用该模型,我们再现了在培养的海马神经元的小(50-100个细胞)网络中观察到的混响活动的特征,例如多突触电流簇的出现,典型的簇间间隔,混响的典型持续时间,以及对细胞外离子组成变化的响应。该模型依赖于动作电位触发的残余突触前钙,我们认为这在维持混响中起着重要作用。我们发现,混响活动是由增强的异步发射器释放突触前终端,这本身取决于残留的突触前钙的动态。因此,异步释放,而不是一个“突触噪声”,可以在网络动态中发挥重要作用。此外,我们发现,一个快速的时间尺度突触抑制是负责振荡网络激活混响期间,而一个缓慢的时间尺度抑郁症的发作导致混响的终止。我们的模型的简单性,使一些预测证实了实验操作的额外分析。
2007-06-12 q-bio.NC q-bio.PE