Building functional and mechanistic models of cortical computation based on canonical cell type connectivity
Department of Physiology, University of Bern, Switzerland（伯尔尼大学生理学系）；Graduate School for Cellular and Biomedical Sciences, University of Bern, Switzerland（伯尔尼大学细胞与生物医学科学研究生院）；Center for Artificial Intelligence in Medicine, University of Bern, Switzerland（伯尔尼大学人工智能医学中心）
本文从皮层细胞类型承担不同计算角色、以及细胞类型间连接可用少数规范蓝图刻画这两个原则出发，提出了构建皮层回路功能与机制模型的通用框架。
2026-11-02 cs.NE q-bio.NC
Transition to chaos in random neuronal networks
在中枢神经系统的放电模式往往表现出很强的时间不规则性和异质性，在其时间平均响应特性。以前的研究表明，这些性质是一个内在的混沌动力学的结果。事实上，具有随机突触连接的简化的基于速率的大型神经元网络在突触增益增加时表现出从固定点到混沌动力学的急剧转变。然而，在具有更现实的架构和放电动力学的神经元电路模型中，还没有建立类似的过渡。在这项工作中，我们调查率为基础的动力学的神经元电路组成的几个亚群和随机连接。非零连接对于兴奋性神经元是正的，对于抑制性神经元是负的，而单个神经元的输出是严格正的;这与许多生物系统中已知的约束一致。利用动态平均场论，我们得到了描述稳定不动点、不稳定动力学和混沌速率涨落的相图。我们描述了混沌过渡附近的系统的性质，并表明，稀释的兴奋抑制架构表现出相同的发病混沌高斯连接的网络。有趣的是，过渡附近的临界性质取决于单神经元输入-输出传递函数在激发阈值附近的形状。最后，我们研究了具有尖峰动态的网络模型。当突触时间常数相对于平均反向放电速率较慢时，网络经历了从快速尖峰波动和静态放电速率到具有缓慢混沌速率波动的状态的急剧转变。当突触时间常数有限时，过渡变得平滑并服从标度性质，类似于统计力学中的交叉现象
2015-08-26 cond-mat.dis-nn nlin.CD q-bio.NC
The cell-type specific connectivity of the local cortical network explains prominent features of neuronal activity
在过去的十年中，局部皮层网络的细胞类型特异性连接和活动已经被实验表征到一些细节。与此同时，建模已被建立作为一种工具，将网络结构与活动动态联系起来。虽然可用的连接图已被用于各种计算研究中，模拟活动的突出特点，如自发放电率不匹配的实验结果。在这里，我们表明，不一致性产生的不完整的连接图。我们比较了最全面的地图（汤姆森等人，2002; Binzegger等人，2004）揭示了它们的主要差异：横向采样范围和靶细胞的具体选择。考虑到他们，我们编译一个集成的连接图和分析的本地分层皮层网络的全尺寸模型的模拟统一的地图。模拟的自发活动是异步不规则的，细胞类型特异性自发放电率与清醒动物体内记录一致，包括2/3层兴奋细胞的低比率。类似地，由瞬时丘脑输入诱发的激活模式再现最近的体内测量。模拟结果和实验的对应关系取决于对特定目标类型选择的考虑，从而取决于对大量可用连接数据的整合。细胞类型特定的分层输入结构和前馈和反馈连接的组合揭示了兴奋和抑制的相互作用如何塑造局部皮层网络的自发和诱发活动。
2011-06-28 q-bio.NC
Chaotic Dynamics Enhance the Sensitivity of Inner Ear Hair Cells
听觉和前庭系统的毛细胞能够检测到声音，这些声音引起发束的亚纳米振动，低于周围流体的随机噪声水平。某些物种的毛束也已知在没有外部刺激的情况下振荡，这表明存在潜在的主动机制。我们提出混沌动力学增强了毛束响应的灵敏度和时间分辨率，并为这种效应提供了实验和理论证据。通过改变周围流体的粘度和离子组成，我们能够调节体外毛束动力学中观察到的混沌程度。我们一致发现，毛束是最敏感的小振幅的刺激时，它是在弱混沌政权的平衡。此外，我们表明，一个力阶跃的响应时间随混沌水平的增加而减少。这些结果与我们对混沌霍普夫振子的数值模拟结果吻合得很好，并表明混沌可能是毛细胞灵敏度和时间分辨率的原因。
2019-05-21 physics.bio-ph q-bio.NC
Sparse connectivity for MAP inference in linear models using sister mitral cells
感觉处理是困难的，因为感兴趣的变量以相对复杂的方式编码在脉冲序列中。感觉处理的一个主要目标是了解大脑如何提取这些变量。在这里，我们重新审视一个常见的编码模型，其中变量被线性编码。虽然变量通常比神经元多，但这个问题仍然是可解的，因为在任何一个时间只有少量变量出现（稀疏先验）。然而，以前的解决方案通常需要所有对所有的连接，与大脑中看到的稀疏连接不一致。在这里，我们提出了一个原则性的算法，可证明达到MAP推理解决方案，但使用稀疏连接。我们的算法的灵感来自于小鼠的嗅球，但我们的方法是通用的，足以适用于其他形式，此外，它应该是可能的，以扩展到非线性编码模型。
2017-09-05 q-bio.NC
Coherent periodic activity in excitatory Erdos-Renyi neural networks:The role of network connectivity
我们考虑一个泄漏的积分-激发脉冲耦合神经元的兴奋性随机网络。神经元的连接方式与有向Erdös-Renyi图相同，平均连接度$<k>$与网络中神经元的数量成幂律关系。缩放由参数$γ$控制，其允许从大规模连接到稀疏网络，并且因此修改系统的拓扑。在宏观层面上，我们观察到两个不同的动力学阶段：一个异步状态（AS）对应于一个desertified动态的神经元和部分同步（PS）制度与一个连贯的周期性活动的网络。在低连通性时，系统处于AS中，而PS出现在某个临界平均连通性$<k>_c$之上。对于足够大的网络，$<k>_c$饱和到一个恒定的值，这表明最小的平均连通性足以在任何大小的系统中观察到相干活动，而不管所考虑的网络类型：稀疏或大规模连接。然而，这个值取决于突触的性质：可靠或不可靠。对于不可靠的突触，观察宏观行为的发生所需的临界值明显小于可靠的突触传递。由于系统中存在的无序性，对于有限数量的神经元，我们在神经元行为中具有不均匀性，诱导弱形式的混沌，其在热力学极限下消失。在这样的限制下，无序系统表现出规则（非混沌）的动力学和它们的属性对应于一个均匀的全连接网络的任何$γ$值。除了稀疏网络的特殊例外，它在任何系统规模下都保持本质上的不均匀性。
2011-12-28 cond-mat.dis-nn nlin.CD q-bio.NC
On the potential role of lateral connectivity in retinal anticipation
我们分析的潜在影响的横向连接（无长突细胞和缝隙连接）在视网膜运动预测。我们的主要结果是，横向连通性可以在论文中分析的条件下触发一波活动，增强局部增益控制提供的预期机制[8，17]。我们通过实验文献中研究的两个例子来说明这些预测：差分运动敏感细胞[1]和方向敏感细胞，其中方向敏感性是从间隙连接连接的不对称性继承的[73]。最后，我们提出了重建的视网膜反应的2D视觉输入，以评估我们的模型的能力，在三种不同的2D刺激的情况下，预测运动。
2020-09-04 q-bio.NC q-bio.QM
Long Chaotic Transients in Complex Networks
我们表明，长的混沌瞬态占主导地位的随机稀释网络的脉冲耦合振荡器的动态。这与在全局耦合单元网络中发现的极限环吸引子的快速收敛形成对比。瞬态的长度强烈地依赖于网络的连通性和变化的几个数量级，在中间的连通性的最大瞬态长度。瞬态的动态表现出一种新的形式的鲁棒同步。近似的最大李雅普诺夫指数表征的瞬态动力学的混沌性质的分析计算。
2004-01-06 cond-mat.dis-nn q-bio.NC
Connectivity estimation of high dimensional data recorded from neuronal cells
本论文的主要成果是发展了一种新的连通性估计方法，称为总尖峰概率边缘（TSPE）。基于互相关和边缘滤波在不同的时间尺度上提出了这种方法，并概述了理论框架，在这项工作中。TSPE能够通过使用记录的动作电位在抑制性连接和兴奋性连接之间进行分类。为了比较这种方法，学习最先进的算法来估计连通性是必要的。经过研究，有前途的算法被实施和评估，用于进一步的研究课题，其中包括在UAS Aschaffenburg的生物实验室。为了评估这些算法，使用Silico网络，因为它们已知的连通性。这使得它可以验证我们的算法结果的正确性。因此，首先需要一个具有生物学代表性的神经元网络模拟。以不同方式模拟和分析了数据集，以制定评价框架。在通过计算机网络进行成功评估后，体外实验及其分析完成了该项目。
2020-05-01 eess.SP q-bio.NC
The functional structure of cortical neuronal networks grown in vitro
我们应用微电极阵列测量的动作电位时间序列的信息论处理，以估计哺乳动物神经元细胞组装体{ \it在体外}的连接。我们通过测量两个神经元的脉冲序列之间的互信息来推断它们之间的连通性。此外，我们测量任何两个脉冲序列的第三个细胞的活动条件下，作为一种手段来识别和区分类的功能连接之间的三个神经元之间的高点多信息。使用一个有条件的三细胞措施消除了一些解释的缺点，成对的互信息和揭示到任何三个细胞的功能连接安排。我们分析了由此产生的连接图在其他复杂网络的光，并表明，尽管他们的{ \it离体}的发展，来自培养的神经组件的连接图是类似于其他生物网络，并显示非平凡的结构，在聚类系数，网络直径和混合。具体来说，我们表明，这些网络是弱dispertative小世界图，显着不同的随机图具有相同程度的结构。我们希望我们的分析是有用的，在确定各种各样的复杂网络的计算图案，来自时间序列数据。
2007-03-07 cond-mat.dis-nn q-bio.NC
Chaos stabilizes synchronization in systems of coupled inner-ear hair cells
听觉和前庭系统的毛细胞对外部信号表现出惊人的敏感性、频率选择性和时间分辨率。这些专门的细胞利用内部有源放大器来实现高灵敏度的机械检测。这一主动过程的表现之一是毛细胞束的自发极限环运动的发生。由于在体内条件下的头发束通常相互耦合的覆盖结构，我们探讨了这种耦合的作用，系统的动力学，使用理论和实验相结合的方法。我们的数值模型表明，混沌动力学的存在下，在个别束的响应增强了他们的能力，同步耦合时，导致显着改善系统的能力，以检测弱信号。即使对于大的频散和包括系统的大量振荡器，这种同步也持续存在。此外，在增加振荡器的数量时，主动运动的幅度和相干性不会降低。使用人工膜，我们施加机械耦合组的活的和功能的毛束，选择从体外制备的感觉上皮，使我们能够探索耦合实验的作用。与混沌系统的数值模拟一致，即使对于大的频率色散和大量的毛细胞也会发生同步。此外，自发振荡的振幅和相干性与网络中毛细胞的数量无关。因此，我们建议，毛细胞利用其混沌动力学稳定的同步状态，避免振幅死亡制度，导致集体相干运动，可以发挥作用，产生自发耳声发射和增强的能力，以检测弱信号。
2020-12-08 physics.bio-ph q-bio.NC
Spatially extended networks with singular multi-scale connectivity patterns
皮质是一个非常大的网络，其特征是复杂的连接性，包括至少两个尺度：微观尺度上的互连是非特异性的且非常密集，而更大尺度上连接大脑不同区域的宏观连接模式极其稀疏。这促使分析具有多尺度耦合的网络的行为，其中神经元连接到其$v(N)$最近邻，其中$v(N)=o(N)$，并且其中两个神经元之间的宏观连接的概率为零。这些被称为奇异多尺度连接模式。我们引入了一类这样的网络，并推导出它们的连续极限。我们表明收敛的法律和传播的混乱的热力学极限。所得到的极限方程是一个复杂的非局部McKean-Vlasov方程，其时滞对于所涉及的微电路和宏电路的类型是通用的。
2014-04-23 cond-mat.dis-nn q-bio.NC
Structured chaos shapes spike-response noise entropy in balanced neural networks
稀疏耦合的兴奋性和抑制性细胞的大型网络遍布整个大脑。这些网络的一个显著特征是它们是混沌的。这种混乱是如何在神经代码中表现出来的？具体来说，这种网络响应输入信号产生的尖峰模式有多可变？为了回答这个问题，我们推导出一个边界的熵的多细胞尖峰模式分布在大型经常性网络的尖峰神经元响应波动的输入。分析是基于随机动力系统理论的结果，并辅以详细的数值模拟。我们发现，尖峰模式熵是一个数量级低于从单细胞外推。尽管随着网络规模的增长，网络耦合变得越来越稀疏--这种现象取决于“广泛的混沌”，正如以前在没有刺激驱动的平衡网络中发现的那样。此外，我们还展示了尖峰模式熵是如何由输入的时间特征控制的。我们的发现提供了对神经网络如何在固有混沌动力学存在的情况下编码刺激的深入了解。
2014-02-22 math.DS nlin.CD physics.bio-ph
Chaotic Dynamics of High Order Neural Networks
研究了一类具有高阶突触的极度稀释神经网络对Hopfield模型的修正动力学。在全连通的情况下，高阶项可以大大提高系统的存储容量。动态显示出非常丰富的行为，并且特别地，根据高阶连接的权重$ε$、噪声水平$T$和被定义为所存储的模式的数量与每个神经元的平均连接性$α=P/C$之间的比率的网络负载，出现新的混沌阶段。
1994-01-03 chao-dyn cond-mat nlin.CD
Two types of pyramidal cells and their role in temporal processing
本文回顾了IT和PT神经元的连接性及其在感觉与运动处理中的特化，探讨了相关概念模型，指出需进一步研究IT到PT单向连接在时间处理中的作用并建议具体实验。
2025-01-31 q-bio.NC
Chaos may enhance expressivity in cerebellar granular layer
最近的证据表明，在小脑颗粒层的高尔基体细胞是紧密连接到彼此的巨大缝隙连接。在这里，我们提出，大量的高尔基体细胞之间的缝隙连接有助于代表复杂的颗粒层的小脑诱导混沌动力学。我们构建了一个小脑颗粒层模型，通过高尔基体细胞之间的缝隙连接扩散耦合，并评估水库计算框架的网络的代表性能力。首先，我们表明，由扩散耦合引起的混沌动力学的结果在复杂的输出模式包含一个广泛的频率分量。第二，储存器的长的非递归时间序列表示来自外部输入的时间的流逝。储层的这些特性使得能够将不同的空间输入映射到不同的时间模式。
2020-06-20 q-bio.NC stat.ML
Covariance Spectrum in Nonlinear Recurrent Neural Networks: A Near-Critical Effective Connection Strength Throughout Chaos
Institute of Neuroscience, Center for Excellence in Brain Science and Intelligence Technology, State Key Laboratory of Brain Cognition and Brain-inspired Intelligence Technology, Chinese Academy of Sciences（中国科学院脑科学与智能技术卓越创新中心神经科学研究所）；The Hong Kong University of Science and Technology（香港科技大学）
本研究在非线性递归神经网络中推导协方差谱，发现其由线性理论方程描述但需替换为有效递归连接强度，该参数在混沌中保持近临界值，为脑临界性提供无需精细调谐的机制解释。
2026-09-09 nlin.CD q-bio.NC
Mean-field theory of rich oscillatory dynamics in low-rank recurrent networks with activity-dependent adaptation
Massachusetts Institute of Technology（麻省理工学院）
本研究通过动力平均场理论，揭示了低秩随机递归网络中适应强度驱动四种振荡状态（静态相干态、噪声维持振荡、随机切换和全局极限环）的机制，并阐明了混沌与Hopf分岔的相互作用。
2026-06-29 q-bio.NC
Dynamic core-periphery structure of information sharing networks in the entorhinal cortex and the hippocampus
神经计算与细胞组装体在不同振荡状态下的出现、重构和溶解有关。在这里，我们描述了复杂的时空动态的细胞组装通过时间网络形式主义。我们使用滑动窗口的方法来提取序列的信息共享在海马和内皮层的单个单位在麻醉过程中的网络和研究如何全球和节点明智的功能连接属性随时间的推移而演变。首先，我们发现，信息共享网络显示，在任何时候，一个核心-外围结构，其中一个集成的核心更紧密的功能互连的单元链接到更松散的连接网络叶。然而，参与核心或外围的单位在不同的时间窗内发生了很大的变化。其次，我们发现，离散的网络状态可以定义在这个持续进行的液体核心外围重组。网络状态之间的切换导致属于核心的单元的更突然的修改，并且仅与全局振荡状态之间的转换松散地联系。第三，我们表征了细胞在共享网络的每个状态中可以表现出的不同风格的时间连接。虽然抑制细胞往往是中央，我们表明，否则，解剖定位只差影响不同细胞的时间连接的模式。当网络改变状态时，单元也可以改变时间连接样式。总之，这些研究结果表明，海马和内皮层细胞组件的内在动力学介导的信息共享具有丰富的时空结构，这不能被确定更传统的时间或状态平均分析的功能连接。
2020-01-17 physics.app-ph q-bio.NC
Algebraic identification of the effective connectivity of constrained geometric network models of neural signaling
由神经元和胶质细胞相互连接组成的细胞神经回路和网络对脑中与信息处理相关的信息处理起着重要作用。虽然有主要的努力旨在映射大脑网络的结构和（电）生理连接，如白宫大脑倡议旨在开发能够高密度神经记录的神经技术，但用于分析和理解所有这些数据的理论和计算方法似乎还远远落后。在这里，我们提出并提供了一个总结的方法来计算有效的连接神经网络活动的实验观察。该方法基于网络级数据，利用所有相关的先验知识，如网络中单个细胞的动态模型和网络的物理结构连接性，广泛适用于大类生物和非生物网络。
2015-05-15 physics.data-an q-bio.NC
Correlations and functional connections in a population of grid cells
我们研究了在自由行为大鼠同时记录的网格细胞的脉冲序列的统计。我们评估这些细胞之间的成对相关性，并使用广义线性模型（动力学伊辛模型），研究它们的功能连接。即使当我们考虑到由于重叠场引起的放电率的协变时，成对相关性和功能连接都作为网格单元对的空间放电模式的顶点之间的最短距离（即它们的相位差）的函数而衰减。功能连接在具有附近相位的单元之间取正值，并且对于较大的相位差接近零或负值。我们也发现了类似的结果时，除了由于重叠领域的相关性，我们占由于θ振荡和头部方向输入的相关性。神经元之间的推断连接既可以是负的，也可以是正的，而不管细胞是否具有共同的空间放电特征，也就是说，它们是否属于相同的模块。这些推断的连接的平均强度接近于零，但最强的推断连接被发现在同一模块的细胞之间。两者合计，我们的研究结果表明，在同一个模块中的网格细胞确实形成了一个本地网络的互联神经元与功能连接，支持吸引动力学的作用，在生成的网格模式。
2014-10-08 q-bio.NC q-bio.QM
Higher Order Correlations within Cortical Layers Dominate Functional Connectivity in Microcolumns
我们报告的同时记录从细胞在所有层的视觉皮层和模型开发，以捕捉更高层次的结构人口尖峰活动。具体来说，我们使用伊辛，限制玻尔兹曼机（RBM）和半限制玻尔兹曼机（sRBM）模型，以揭示层流模式的活动。虽然伊辛模型只描述了成对耦合，但RBM和sRBM使用隐藏单元捕获高阶依赖关系。应用于从猫视觉皮层记录的32通道多极数据，高阶模型发现功能连接优先连接皮层内的细胞群。RBM和sRBM模型在对数似然方面都优于Ising模型。此外，我们训练所有三个模型的时空序列的状态，暴露时间结构，使我们能够预测尖峰从网络历史。这证明了在表征皮层网络中的活动时，跨空间和时间建模高阶交互的重要性。
2013-01-01 q-bio.NC
Learning theories reveal loss of pancreatic electrical connectivity in diabetes as an adaptive response
几乎所有实体组织的细胞都与间隙连接连接，间隙连接允许离子和小分子的直接转移，这对于调节组织中的协调功能是不可或缺的。胰岛负责响应于葡萄糖刺激而分泌激素胰岛素。间隙连接是这些可兴奋胰岛组织中β细胞之间唯一的电接触。一般认为，它们负责β细胞之间膜电压振荡的同步，从而负责胰岛素分泌的脉动性。大多数试图了解胰岛的连通性往往是解释，自下而上，在测量间隙连接电导。然而，这并不能解释系统性变化，如2型糖尿病中的交界电导减少。我们试图通过这里提出的模型，这是一个学习理论的间隙连接适应与神经系统的类比来解决这个问题。在这里，缝隙连接被建模为β细胞网络中的键，其根据可塑性的稳态规则被改变。我们的分析表明，几乎不可能将间隙连接视为均匀的组织。一个修改后的观点，适应异质性的连接强度在胰岛可以解释为什么，例如，在糖尿病间隙连接电导的损失是必要的血浆胰岛素水平的增加后，高血糖症。
2013-06-29 physics.bio-ph q-bio.CB q-bio.NC
