In vivo whole-cell recording from morphologically identified mouse superior colliculus neurons
在体内全细胞记录结合生物胞素标记后的形态学表征是一个强大的技术，研究阈下突触处理的细胞类型确定的神经元群体。在这里，我们提供了一个循序渐进的程序进行全细胞记录在上丘的麻醉小鼠，在啮齿动物大脑中的主要视觉处理区域。描述了两种类型的视觉刺激方法。虽然我们专注于上丘神经元，但该协议适用于其他大脑区域。
2022-09-19 q-bio.NC q-bio.QM
To which extent is the membrane potential in a neuron between successive spikes adequately modelled by a (continuous) semimartingale?
我们考虑$p$ --某些膜电位数据的变化--在$p$固定的情况下被视为步长的函数，或在步长固定的情况下被视为$p$的函数--并将其形状与Ait-Sahalia和Jacod（2009）中的结果进行比较，后者确实适用于一般的半鞅。我们得到以下结论：在非或很少尖峰的情况下，膜电位表现为半鞅，在某些情况下，作为一个跳跃的半鞅。一旦神经元发放脉冲，半鞅模型不再适用于连续脉冲之间的膜电位，即使脉冲间间隔相对较长。
2010-08-25 math.PR q-bio.NC
Efficient Micro-electrode Recording Modeling using a Filtered Point Process
在本文中，我们提出了一个有效的模型的神经元电位记录的脑深部刺激微电极（DBS MER）在丘脑底核。结果表明，由10，000个神经元组成的计算效率高的过滤点过程，包括细胞外过滤，与13名帕金森病患者的记录密切匹配。记录进行了比较，使用它们的电压幅度分布，功率谱密度估计和相位同步。结果发现，使用形状参数为0.8的威布尔分布建模的峰间期时间，稍微非泊松分布，给出了模拟与患者记录的最佳拟合。这些结果表明，DBS MER中存在的部分“背景活动”可以被认为是由于周围神经元活动引起的非常局部的场电位，因此，峰间期时间的统计改变了背景活动的结构。
2013-07-19 q-bio.NC
A stochastic system with infinite interacting components to model the time evolution of the membrane potentials of a population of neurons
本文考虑一类新的相互作用粒子系统，该系统具有可数个相互作用分量。该系统代表了一个无限的相互作用的神经元的膜电位的时间演化。我们证明的存在性和唯一性的过程，使用一个完美的模拟过程。我们证明了该算法是成功的，也就是说，我们证明了该算法的步骤数几乎必然是有限的。我们还构造了一个完美的模拟程序的耦合过程与有限数量的神经元和过程与无限数量的神经元。因此，我们得到了一个上限的错误，我们从一个有限的神经元集，而不是无限的神经元集采样时。
2015-04-30 q-bio.NC stat.ME
Comparing high-dimensional neural recordings by aligning their low-dimensional latent representations
神经科学中的许多问题涉及对大量神经元的反应的理解。然而，当处理大规模神经活动时，解释变得困难，并且在两个动物之间或在不同时间点之间进行比较变得具有挑战性。我们在现代神经科学中面临的一个主要挑战是对应性，例如我们不能在完全相同的时间记录完全相同的神经元。如果没有某种方法来链接两个或多个数据集，比较不同的神经活动模式集合就变得不可能。在这里，我们描述了利用跨神经记录的共享潜在结构来解决这种对应性挑战的方法。我们回顾了将两个数据集映射到一个共享空间的算法，在这个空间中，它们可以直接进行比较，并认为对齐是跨时间、神经元子集和个体比较高维神经活动的关键。
2022-05-17 q-bio.NC
Recording from two neurons: second order stimulus reconstruction from spike trains and population coding
我们研究了重建的视觉刺激从脉冲序列，同时记录从两个H1神经元位于小叶板的苍蝇大头蝇。苍蝇认为两种类型的刺激，相应的旋转和平移位移。如果重建的刺激要用Volterra级数表示，并且要考虑尖峰之间的相关性，那么一阶展开是不够的，我们至少要进行二阶展开。在这种情况下，必须操纵高阶相关函数，其大小可能变得过大。因此，我们开发了一个高斯型表示的四阶相关函数，它的工作非常好的情况下，苍蝇。使用这种类高斯表示的重建与使用实验相关函数的重建非常相似。旋转刺激重建的二阶内核的整体贡献-测量卡方平均在整个实验-只有约8%的一阶贡献。然而，如果我们引入一个依赖于瞬时的卡方来衡量二阶内核在特殊事件中的贡献，我们观察到高达100%的改善。正如所料，对于平移刺激，重建是相当差的。类高斯表示在具有大量神经元的群体编码中可能是有价值的辅助。
2009-09-28 q-bio.NC
How to correctly quantify neuronal phase-response curves from noisy recordings
Bernstein Center for Computational Neuroscience Berlin（柏林伯恩斯坦计算神经科学中心）
本文提出通过合理选择刺激强度以从噪声记录中准确量化神经元相响应曲线，以反映尖峰起始分岔特性。
2019-01-14 q-bio.NC
Impact of membrane bistability on dynamical response of neuronal populations
许多脑区的神经元除了在静息电位附近的正常超极化下降状态外，还可以发展出明显的膜电位去极化状态（上升状态）。然而，向上状态对信号编码的影响还没有得到很好的研究。在这里，我们构建了一个一维的神经元模型和计算的线性响应噪声振荡输入解析。我们发现，随着向上状态的出现，传输函数在某个最佳频率处出现局部极大值而增强，并且相对于输入信号的相位滞后减小。我们描述了频率响应增强对固有动力学和上态占据的依赖性。
2015-03-31 physics.bio-ph q-bio.NC
High-resolution intracellular recordings using a real-time computational model of the electrode
神经元膜电位的细胞内记录是神经生理学的核心工具。在许多情况下，特别是在体内，这种记录的传统限制是高电极电阻，这可能会导致显着的测量误差。我们介绍了一种计算机辅助技术，有源电极补偿（AEC），基于与电生理设置实时接口的电极的数字模型。首先使用白噪声电流注入来估计该模型的特性。电极和膜贡献被数字化分离，然后通过电极贡献的在线减法进行记录。将AEC与其他技术进行比较的测试表明，它产生的记录具有更高的准确性。它可以在苛刻的条件下进行高频记录，例如在动态钳位模式下注入电导噪声，这在目前为止尚不适用于单个高电阻电极。AEC应该是特别有用的，在体内和体外的神经元中的快速现象的特征。
2007-11-13 q-bio.NC
Bayesian latent structure discovery from multi-neuron recordings
神经回路包含在类型、位置、连接性和基本响应特性上不同的异质神经元组。然而，传统的降维和聚类方法不适合恢复神经回路组织的结构。特别是，它们没有利用多神经元记录中丰富的时间依赖性，也没有考虑到神经尖峰序列中的噪声。在这里，我们描述了新的工具，用于推断潜在的结构，从同时记录的尖峰训练数据使用的多神经元点过程模型，通常被称为广义线性模型（GLM）的分层扩展。我们的方法结合了GLM与灵活的图论先验管理潜在功能和神经连接模式之间的关系。完全贝叶斯推断通过波利亚-伽马增强的结果模型，使我们能够分类神经元和推断潜在的尺寸电路组织相关的尖峰列车。我们证明了我们的方法的有效性与应用程序的合成数据和多神经元记录在灵长类动物视网膜，揭示了潜在的模式的神经类型和位置，从尖峰列车。
2016-10-26 q-bio.NC stat.ML
On 1/f^alpha power laws originating from linear neuronal cable theory: power spectral densities of the soma potential, transmembrane current and single-neuron contribution to the EEG
在神经记录中通常观察到幂律，即功率谱密度（PSD）在大频率f下表现出1/f^alpha行为。噪声谱中的幂律不仅在神经膜电位和膜电流的显微记录中观察到，而且在宏观EEG（脑电图）记录中也观察到。虽然复杂的网络行为已被认为是在这种现象的根源，我们在这里展示了一个可能的起源，这种幂律的生物物理特性的单神经元所描述的标准电缆方程。利用所谓的球和棒神经元模型的分析易处理性，我们推导出一组神经元活动的措施的PSD传递函数的一般表达式：体细胞膜电流，电流偶极矩（对应于单神经元EEG贡献），和体细胞膜电位。这些PSD传递函数将相应测量的PSD与噪声输入电流的PSD相关联。当输入电流均匀分布在神经元膜上时，我们发现所有PSD传递函数都表示渐近高频1/f^alpha幂律。相应的幂律指数被解析地确定为：对于胞体膜电流，α_inf^I = 1/2;对于电流-偶极矩，α_inf^p = 3/2;对于胞体膜电位，α_inf^V = 2。这些幂律指数被发现为任意组合的不相关和相关的噪声输入电流（只要树突和胞体接收一些不相关的输入电流）。与现有数据的比较表明，在实验中观察到的表观幂律可能源于不相关的电流源，大概是内在的离子通道，这是均匀分布在整个神经膜和自己的表现…
2013-12-20 physics.bio-ph q-bio.NC
High fidelity optogenetic control of individual prefrontal cortical pyramidal neurons in vivo
随着光遗传学的出现，在特定的遗传定义的细胞群中精确的空间和时间操纵神经活动现在是可能的。光遗传学的新兴领域由一组天然存在的和工程化的光敏膜蛋白组成，所述光敏膜蛋白能够激活（例如，通道视紫红质-2，ChR 2）或沉默（例如，盐视紫红质，NpHR）神经活动。我们在此证明了使用新型腺相关病毒（AAV）工具在体内激活（AAV-CaMK 11 α-ChR 2-eYFP）或沉默（AAV-CaMK 11 α-eNpHR3.0-eYFP）大鼠前额叶皮质前边缘（PL）锥体神经元神经活动的技术和可行性。ChR 2转导的锥体神经元的体内单单位细胞外记录显示，通过定制的光纤光耦合记录电极（光极）递送高达20 Hz的短暂（10 ms）蓝色（473 nm）光脉冲串在记录持续时间（在某些情况下长达2小时）内诱导了在20 Hz下具有高保真度的尖峰。为了沉默自发活动的神经元，我们用NpHR构建体转导它们，并施用连续绿光（532 nm）以在大多数情况下以100%保真度完全抑制动作电位活性长达10秒。这些多功能的光敏工具与光极记录方法相结合，提供了对遗传定义的神经元活动的实验控制，并可用于研究神经活动与复杂认知行为之间的功能关系。
2012-08-13 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
Fast Inference of Interactions in Assemblies of Stochastic Integrate-and-Fire Neurons from Spike Recordings
我们提出了两个贝叶斯程序来推断的相互作用和外部电流的随机集成和消防神经元的组装从他们的尖峰活动的记录。第一个过程是基于精确计算的最有可能的时间过程的神经元膜电位的条件下记录的尖峰，是精确的消失的噪声方差和瞬时突触整合。第二个过程考虑到周围的电位的最有可能的时间过程中的波动的存在，并可以处理适度的噪声水平。这两个过程的运行时间与尖峰的数量S乘以神经元的平方数N成正比。该算法的验证与已知的耦合和电流的网络所产生的合成数据。我们还重新分析了先前发表的蝾螈视网膜活动记录（包括32至40个神经元和65，000至170，000个尖峰）。我们研究了膜泄漏时间上的相互作用的依赖关系，与经典的互相关分析的差异和相似之处进行了讨论。
2011-02-25 q-bio.NC stat.ML
Neuronal Network Inference and Membrane Potential Model using Multivariate Hawkes Processes
在这项工作中，我们建议捕捉其尖峰之间的运动神经元的膜电位的动态的复杂性，考虑到周围的其他神经元的尖峰。我们的方法依赖于两种类型的数据：细胞外记录的多个尖峰列车和细胞内记录的膜电位的中央神经元。我们的主要贡献是提供一个统一的框架和完整的管道来分析神经元活动从数据提取到统计推断。该过程的第一步是选择影响中央神经元的神经元的子网络：我们使用多变量Hawkes过程来模拟所有神经元的尖峰序列，并比较两个稀疏推理过程来识别连通性图。然后，我们推断跳跃扩散动力学，其中跳跃是由霍克斯过程驱动的，其发生对应于与中央神经元相互作用的上述神经元子集的尖峰序列。我们验证了霍克斯模型的拟合优度检验，我们表明，考虑到从连接图的信息，提高了跳跃-扩散过程的推断。整个代码已经开发完成，并在GitHub上免费提供。
2021-08-02 math.ST q-bio.NC stat.TH
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
Capturing cross-session neural population variability through self-supervised identification of consistent neuron ensembles
University of Edinburgh（爱丁堡大学）；Icahn School of Medicine at Mount Sinai（西奈山伊坎医学院）；Feinberg School of Medicine（范伯格医学院）；Northwestern（西北大学）
从记录的神经活动中解码刺激或行为是研究中询问大脑功能的常用方法，也是脑机接口和脑机接口的重要组成部分。甚至从小的神经群体进行可靠的解码也是可能的，因为高维神经元群体活动通常占据可用合适的潜在变量模型来表示的低维流形。然而，随着时间的推移，单个神经元的活动漂移和神经记录设备的不稳定性可能是相当大的，使得在数天和数周内稳定解码变得不切实际。虽然不能在单个神经元水平上预测这种漂移，但是当底层流形随时间稳定时，连续记录会话上的群体水平变化（诸如不同的神经元集合和记录数据中一致神经元的变化排列）可以是可学习的。跨会话对一致神经元与不熟悉神经元的分类以及说明在记录会话上记录数据集中的一致记录神经元的顺序的偏差然后可以维持解码性能。在这项工作中，我们证明了深度神经网络的自监督训练可以用来补偿这种会话间的变化。因此，顺序自动编码模型可以在未来几天内为完全不可见的记录会话保持最先进的行为解码性能。我们的方法只需要一个单一的记录会话来训练模型，并且是迈向可靠的，无需重新校准的脑机接口的一步。
2023-01-05 cs.LG q-bio.NC
Circumstantial evidence and explanatory models for synapses in large-scale spike recordings
本文探讨如何仅凭脉冲序列记录研究神经元间突触连接，提出系统性评估旁证的方法，并展示突触效应模型如何为成对脉冲统计提供可检验预测，从而拓展大规模脉冲记录的数据分析问题。
2023-11-25 q-bio.NC
Matched transient and steady-state approximation of first-passage-time distributions of coloured noise driven leaky neurons
通过匹配膜电压分布的瞬态和稳态解来近似由特征有色噪声驱动的泄漏积分和发射神经元的首次通过时间分布。这些近似值来自一个简单的操作，通过特定的“本征”着色的噪音，这使得可以表达的膜电位作为一个高斯扩散过程上的确定性指数运动。下面，所提出的方法被扩展到一个任意颜色的噪声驱动的情况下，通过分解出的“本征”噪声和替换的残留物与一个等效的高斯过程。结果表明，所得到的表达式符合数值模拟的神经元参数和噪声着色的不同值。
2021-02-03 q-bio.NC
Predicting synchronous firing of large neural populations from sequential recordings
神经科学的一个主要目标是了解神经元群体如何编码刺激或动作。虽然可以同时记录的神经元数量正在快速增加，但在大多数情况下，这些记录无法访问完整的群体。特别是，很难同时记录给定区域中相同类型的所有神经元。由于遗传和生理学工具，最近的进展使得在给定区域中对每个记录的神经元进行分析成为可能，并将来自不同实验阶段的相同类型神经元的记录汇集在一起。然而，目前还不清楚如何从这些连续记录中推断出相同类型的完整神经元群体的活动。神经网络表现出集体行为，例如噪声相关性和同步活动，这些行为不能被条件独立的模型直接捕获，条件独立的模型只会将来自顺序记录的脉冲序列放在一起。在这里，我们表明，我们可以推断出一个完整的人口的视网膜神经节细胞的连续记录的活动，使用一种新的方法的基础上copula分布和最大熵建模。从每个神经节细胞对重复刺激的尖峰反应，以及一些成对的记录，我们可以使用copula预测噪声相关性，然后使用最大熵建模来预测大量相同类型神经节细胞的全部活动。值得注意的是，我们可以概括地预测群体对不同刺激甚至不同实验的反应。因此，我们可以使用我们的方法来构建一个非常大的群体，合并来自不同实验的细胞反应。我们准确地预测了同步活动，并显示它随着神经元数量的增加而大幅增长。这种方法是一种很有前途的方式来推断人口活动的连续记录在感觉区。
2019-04-09 cond-mat.dis-nn q-bio.NC
Pairwise Ising model analysis of human cortical neuron recordings
在清醒和深度睡眠的大脑状态下，皮层神经网络表现出不同的行为，第二个特征是高网络活动的瞬变。为了研究它们对神经元行为的影响，我们通过推断最大熵模型来应用成对伊辛模型分析，该模型再现了神经元尖峰活动的单个和成对时刻。在这项工作中，我们首先回顾了Ferrari，Phys. Rev. E（2016）中介绍的推理算法。然后，我们成功地应用该算法来推断模型从一个大的合奏的神经元记录在人类颞叶皮层的多电极阵列。我们比较了伊辛模型在捕捉清醒和深度睡眠期间网络活动的统计特性方面的性能。对于后者，成对模型错过了高网络活动的相关瞬态，这表明需要额外的约束来准确地建模数据。
2017-10-26 cond-mat.dis-nn q-bio.NC
Virtual Electrode Recording Tool for EXtracellular potentials (VERTEX): Comparing multi-electrode recordings from simulated and biological mammalian cortical tissue
Newcastle University（纽卡斯尔大学）；Okinawa Institute of Science and Technology（冲绳科学技术大学院大学）；University of York（约克大学）
用细胞外电极采样的局部场电位（LFP）经常被用作群体神经元活动的量度。然而，将这种测量与潜在的神经元行为和连接性相关联是不平凡的。为了帮助研究这一联系，我们开发了细胞外电位虚拟电极记录工具（VERTEX）。我们首先确定了一个简化的神经元模型，保留了新皮层神经元细胞外电位的空间和频率滤波特性。然后，我们开发了VERTEX作为一个易于使用的Matlab工具，用于模拟来自大群体（>100 000个神经元）的LFP。一个基于VERTEX的模拟成功地再现了功能的LFPs从体外多电极阵列记录猕猴新皮层组织。我们的模型，虚拟电极放置在3D的任何地方，允许直接比较与体外记录设置。我们设想VERTEX将刺激实验学家、临床医生和计算神经科学家使用模型来理解健康和疾病中测量的大脑动力学的机制。
2014-09-18 cs.AI cs.NE q-bio.NC
Clustering based method for finding spikes in insect neurons
在大多数细胞内记录中，尖峰可以很容易地被检测到。然而，在一些实验准备中，由于记录的神经元的单极形态或其他特征，从胞体记录的尖峰的大小可以小得多。实验设置和记录质量也会影响观察到的尖峰幅度。果蝇或蚊子触角叶投射神经元胞体的全细胞膜片钳记录可以显示幅度小至2 mV的尖峰。此外，观察到的尖峰通常依赖于相对较大的去极化，这使得标准的基于阈值的方法难以将它们与信号中存在的噪声或尖锐的EPSP区分开。对于这种神经元记录的尖峰检测，我们提出了一种基于聚类的算法，该算法将对应于动作电位的峰与对应于噪声的峰分开。该方法首先根据峰的锐度选择候选峰，然后对每个峰提取特征向量。三维特征向量包含峰值电压的绝对值、尖峰的高度和尖峰期间获得的二阶导数最小值的幅度。在大多数记录中，这个3D空间揭示了两个自然簇，将噪声峰与真实的动作电位分开。算法的一些参数可以由用户选择性地改变以改善检测，这在默认参数不能很好地工作的少数记录中很方便。总之，该算法有利于准确的尖峰检测，使无脊椎动物神经元记录的膜片钳数据的解释和分析。该算法是作为一个免费提供的开源工具实现的。
2021-11-22 q-bio.NC q-bio.QM
Metastability in networks of nonlinear stochastic integrate-and-fire neurons
Stony Brook University（石溪大学）；Boston University（波士顿大学）
本研究针对单神经元非线性与神经群体集体活动的关联问题，采用随机漏性积分发放模型的场论公式，揭示了非线性尖峰强度与膜电位重置的相互作用可诱发循环网络亚稳态，并对发放率和膜电位产生同向或反向调控效应。
2024-12-12 cond-mat.dis-nn q-bio.NC
Data-driven modeling of the olfactory neural codes and their dynamics in the insect antennal lobe
昆虫嗅觉初级处理中心触角叶（AL）神经元的记录显示，AL能够将来自化学受体的输入处理成不同的神经活动模式，称为嗅觉神经代码。这些令人兴奋的结果显示了神经代码的重要性及其与感知的关系。下一个挑战是神经代码的\emph{model the dynamics}。在我们的研究中，我们进行多通道记录从投射神经元在AL驱动不同的气味。然后，我们从电生理数据导出一个神经网络。该网络由侧抑制神经元和兴奋神经元组成，能够为被测气味产生独特的嗅觉神经代码。具体来说，我们（i）为来自AL的神经记录设计一个投影，一个气味空间，它区分不同的气味轨迹（ii）表征气味识别，即，基于嗅觉信号的决策;（iii）推断神经回路的布线，即AL的连接体。我们表明所构建的模型与生物学观察结果一致，例如对比度增强和对噪音的鲁棒性。这项研究回答了一个关键的生物学问题，即确定侧抑制神经元如何连接到兴奋神经元以允许强大的活动模式。
2013-11-29 q-bio.NC
Sparse convolutional coding for neuronal ensemble identification
细胞系综，最初由唐纳德·赫布在1949年提出，是同步放电神经元的子集，并被提出来解释大脑中的基本放电行为。尽管已经研究了多年，但尚未提出结论性证据证明它们的存在和参与信息处理，因此它们的识别仍然是现代研究的主题，特别是因为在过去的三十年中，大神经元群体的同时记录已经成为可能。这些大量的记录对允许识别形成细胞集合的单个神经元及其在记录的大量尖峰内的活动时间过程的方法提出了挑战。到目前为止，相关的工作集中在使用诸如主成分分析之类的技术来识别纯粹同时放电的神经元。在本文中，我们提出了一种新的算法的基础上稀疏卷积编码，这也是能够找到合奏与时间结构。应用我们的算法合成生成的数据集表明，它优于以前的工作，能够准确地识别时间细胞合奏，即使当这些包含重叠的神经元或强背景噪声存在。
2016-06-22 q-bio.NC
Calculating event-triggered average synaptic conductances from the membrane potential
在中枢神经元中，产生锋电位的突触电导的最佳模式是一个相当感兴趣的课题。理想地，这样的电导时间过程应该从膜电位（Vm）活性中提取，但是这是困难的，因为电导对Vm的非线性贡献使得它们从膜方程的估计极其敏感。我们在这里概述了这个问题的解决方案的基础上离散的时间轴。这个程序可以提取的兴奋性和抑制性电导的时间过程中单独从Vm活动的分析。我们测试这种方法通过计算尖峰触发的平均突触电导使用数值模拟的集成和消防模型受到有色电导噪声。该程序也被成功地测试在生物皮质神经元使用电导噪声注入动态钳。这种方法应该允许提取突触电导从Vm记录在体内。
2007-03-01 q-bio.NC
A model for neural activity in the absence of external stimuli
本文研究了一个描述有限神经元系统在无外界刺激情况下膜电位随时间连续演化的随机过程。膜电位的值在{ \it化学突触}、{ \it电突触}和\textit{leak current}的作用下演变。这一进程的演变可以非正式地描述如下。每一个神经元随机地按照一个点过程发放脉冲，其频率取决于其膜电位。当一个神经元出现尖峰时，它的膜电位会立即重置为静息值。同时，受其影响的神经元的膜电位获得额外的正值。此外，在连续的尖峰之间，由于电突触和漏电流，系统遵循确定性运动。电突触将系统推向其平均电位，而漏电流将每个神经元的膜电位吸引到静息值。我们表明，在没有泄漏的过程中，指数快速收敛到一个独特的不变测度，只要初始配置是非空的。更有趣的是，当泄漏存在时，我们证明了系统几乎肯定会在有限的时间后停止尖峰。这意味着唯一的不变测度仅由空配置支持。
2016-11-16 math.PR q-bio.NC
Simultaneous multi-patch-clamp and extracellular-array recordings: Single neuron reflects network activity
本文结合多膜片钳与多电极阵列同步记录，证明单个神经元膜电位可高灵敏反映全网络协同活动，为大规模电极监测提供灵活替代方案。
2017-07-20 cond-mat.dis-nn physics.bio-ph q-bio.CB
Learning of Precise Spike Times with Membrane Potential Dependent Synaptic Plasticity
神经元动作电位的精确时空模式是例如感觉表征和肌肉活动控制的基础。然而，尚不清楚大脑神经元网络中的突触功效如何适应，使得它们能够在特定时间点可靠地产生尖峰。现有的活动依赖的可塑性规则，如尖峰时间依赖的可塑性是不可知的学习尖峰时间的目标。另一方面，现有的正式和监督学习算法执行预测活动与目标的时间上精确的比较，但没有已知的生物学上合理的实现这种比较。在这里，我们提出了一个简单的和局部的无监督的突触可塑性机制，是来自于平衡的膜电位的要求。由于突触变化的相关信号是突触后电压而不是尖峰时间，我们称之为可塑性规则膜电位依赖可塑性（MPDP）。将我们的可塑性机制与尖峰后超极化相结合，导致突触变化对突触前和突触后尖峰时间的敏感性，这可以再现实验中发现的抑制性突触的Hebbian尖峰时间依赖可塑性。此外，当产生尖峰时，MPDP对电压的时间过程的敏感性允许MPDP区分弱（假）尖峰和强（教师）尖峰，这因此为实际和目标活动的比较提供了神经元基础。对于时空输入尖峰模式，我们概念上简单的可塑性规则实现了令人惊讶的高存储容量的尖峰协会。MPDP在训练过程中对阈下膜电位的敏感性允许在学习后即使在存在被噪声破坏的活动的情况下也进行鲁棒的记忆检索。
2015-02-23 q-bio.NC
Basic Neural Units of the Brain: Neurons, Synapses and Action Potential
作为[29]的后续教程文章，在本文中，我们将介绍人脑的基本组成单元，这将进一步说明大脑的细胞水平生物结构。平均而言，人类大脑包含约1000亿个神经元和更多的神经胶质细胞，用于支持和保护神经元。每个神经元可以连接到多达10，000个其他神经元，通过多达1，000万亿个突触相互传递信号。在神经系统中，突触是允许神经元将电或化学信号传递到另一个神经元或靶效应细胞的结构。这样的信号将被累积为神经元的膜电位，并且它将触发并传递信号脉冲（即，当膜电位大于精确定义的阈值电压时，将动作电位）传递给其它神经元。更具体地说，本文将详细讨论神经元、突触和动作电位的概念。本文中使用的许多材料来自维基百科和其他几篇神经科学入门文章，本文将适当引用这些文章。这是关于大脑的三篇教程文章中的第二篇（另外两篇是[29]和[28]）。建议读者在阅读本文之前阅读之前的教程文章[29]，以获得更多关于大脑结构和功能的背景信息。
2019-05-30 q-bio.NC
Analysis of Neural Activation in Time-dependent Membrane Capacitance Models
Pontificia Universidad Católica de Chile（智利天主教庞蒂菲亚大学）；Universidad de Santiago de Chile（智利圣地亚哥大学）
本研究分析了时间依赖性膜电容对神经元动作电位生成的影响，发现电容的显著变化是产生动作电位的关键因素。
2025-01-29 math.DS q-bio.NC
Modeling Interference-Free Neuron Spikes with Optogenetic Stimulation
本文预测的能力，外部控制的皮层神经元，其行为遵循Izhikevich神经元模型的发射时间。Izhikevich神经元模型提供了一种有效的和生物学上合理的方法来跟踪皮层神经元的膜电位和其放电时间。外部对照是由刺激饱和或衰减膜电流的照明源表示的简单光遗传学模型。本文认为，发射频率是足够低的膜电位返回到其静息电位后，它的火灾。神经元充电和神经元恢复到静息电位所需的时间在数值上拟合到Izhikevich神经元模型参数和峰值输入电流的函数。结果表明，简单的函数的模型参数和最大输入电流可以用来预测的充电和恢复时间，即使在实际参数值有偏差。此外，预测导致可以在没有显著失真的情况下实现的发射频率的下限。
2019-12-29 physics.bio-ph q-bio.NC
On the use of analytic expressions for the voltage distribution to analyze intracellular recordings
提出了突触噪声作用下膜电位分布的不同解析表达式，对实验数据的分析有很大的帮助。然而，所有这些表达式都是近似值或极限情况，并且不清楚它们如何比较，以及在给定情况下应该使用哪个表达式。在这篇文章中，我们提供了不同的近似值的比较，目的是描述哪种表达式最适合分析实验数据。
2006-02-09 q-bio.NC q-bio.QM
SPySort: Neuronal Spike Sorting with Python
多电极阵列细胞外记录是当代神经科学的基本工具之一。这些记录主要用于监测许多单个神经元的活动，被理解为发射动作电位的序列。但是细胞外记录产生的原始数据通常是几个神经元活动的混合物。为了得到单个贡献神经元的活动，需要一个称为尖峰排序的预处理步骤。我们在这里提出了一个经过良好测试的尖峰排序过程的纯Python实现。后者是以模块化的方式设计的，以便从交互式排序（例如IPython）顺利过渡到自动排序。令人惊讶的是-或者说是可悲的是，这取决于一个人的观点-将我们现在15岁的过程重新编码到Python中是主要的方法改进之际。
2014-12-19 cs.CE q-bio.NC
Automatically tracking neurons in a moving and deforming brain
Princeton University（普林斯顿大学）；Lewis-Sigler Institute for Integrative Genomics, Princeton University（普林斯顿大学刘易斯-西格勒综合基因组学研究所）；Princeton Neuroscience Institute, Princeton University（普林斯顿大学普林斯顿神经科学研究所）；Tufts University School of Medicine（塔夫茨大学医学院）
光学神经成像技术的进步，现在允许神经活动记录与细胞分辨率在清醒和行为的动物。这些记录中的大脑运动构成了一个独特的挑战。单个神经元的位置必须在3D中随时间跟踪，以准确提取单个神经元活动轨迹。小型无脊椎动物如C。因为它们在动物运动期间经历非常大的大脑运动和变形，所以秀丽线虫特别具有挑战性。在这里，我们提出了一个自动化的计算机视觉管道，以可靠地跟踪神经元的群体与单个神经元的分辨率在一个自由移动的C。进行大幅度运动和变形的优美动物。动物大脑的3D体积荧光图像被拉直、对齐和配准，并且通过分割找到图像中神经元的位置。然后，使用一种新的与时间无关的机器学习方法为每个神经元分配一个身份，我们称之为神经元注册向量编码。在这种方法中，非刚性点集配准用于将每个体积中的每个分割神经元与从整个记录中获取的一组参考体积进行匹配。每个神经元与参考匹配的方式定义了一个特征向量，该特征向量被聚类以向每个体积中的每个神经元分配标识。最后，薄板样条插值用于校正分割中的错误并检查指定身份的一致性。这里提出的神经元配准矢量编码方法非常适合于跟踪经历大变形的大脑中的神经元。当应用于自由运动的C。elegans，该分析管道在8分钟记录的持续时间内定位了150个神经元，并且始终比手动或半自动方法更快地发现更多的神经元。
2016-10-14 cs.CV physics.bio-ph q-bio.NC
Mean Time-to-Fire for the Noisy LIF Neuron - A Detailed Derivation of the Siegert Formula
当受到大量类泊松突触前电流输入尖峰的刺激时，泄漏的整合和激发（LIF）神经元的胞体膜电位$V(t)$的时间动力学通常在扩散极限下建模，并被视为Ornstein-Uhlenbeck过程（OUP）。当电位达到阈值$θ$、$V(t) = θ$时，LIF神经元激发，并且膜电位被重置为静息值$V_0 < θ$，并且在指定的（非随机的）绝对不应期$T_r \ge 0$内钳位到该值，之后重复该循环。触发之间的时间由随机变量$T_f = T_r+ T$给出，其中$T$是在膜电位钳的“松开”和神经元的下一个后续触发之间经过的随机时间。平均放电时间$\widehat{T}_f = \text{E}(T_f) = T_r + \text{E}(T) = T_r + \widehat{T}$提供了神经元平均放电率\[ ρ= \widehat{T}_f^{-1} = \frac{1}{T_r + \widehat{T}} . \]的测量值$ρ$。本文简要讨论了OUP模型的某些方面，并推导出Siegert公式，该公式给出了放电率$ρ= ρ(I_0)$作为注入电流$I_0$的函数。这是一个著名的经典结果，并没有要求独创性。在本报告中给出的射击率的推导，密切遵循加德纳在教科书中概述的推导，最大限度地减少了所需的数学背景，并在一些教学细节中完成，以方便研究生和其他新的学科学习。加德纳的前五章中所介绍的材料的知识应该…
2015-01-16 q-bio.NC
Extracting synaptic conductances from single membrane potential traces
在清醒的动物中，大脑皮层的活动是高度复杂的，神经元不规则地放电，具有明显的泊松统计。描述这种复杂性的一种方法是利用大脑皮层的高度互连性，并使用皮层神经元的细胞内记录，其中包含有关数千个其他皮层神经元活动的信息。识别随机过程的膜电位（Vm）能够提取这种复杂突触活动的重要统计特征。通常，估计总突触电导（兴奋性和抑制性），但这种类型的估计需要至少两个Vm水平，因此不能应用于单个Vm迹线。我们在这里提出了一种方法来提取兴奋性和抑制性电导（平均值和方差）从单一的Vm痕迹。这种“VmT方法”估计电导参数使用最大似然标准，假设是突触电导描述的高斯随机过程，并集成了被动泄漏膜。该方法使用模型进行说明，并在豚鼠视觉皮层神经元在体外使用动态钳实验进行测试。VmT方法有望从单次试验测量中提取电导，这对于体内应用具有很高的潜力。
2009-01-10 q-bio.NC q-bio.TO
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
Generalized cable theory for neurons in complex and heterogeneous media
电缆理论在过去的几十年里已经发展起来，通常假设膜周围的细胞外空间是一个完美的电阻器。然而，细胞外介质可能会显示出更复杂的电性能，由于各种现象，如极化，离子扩散或电容效应，但它们对电缆性能的影响是未知的。在本文中，我们概括电缆理论的膜嵌入在任意复杂的细胞外介质。我们概述了广义电缆方程，然后考虑具体情况。最简单的情况是电阻介质，在这种情况下，方程恢复了传统的电缆方程。我们表明，对于更复杂的介质，例如在存在离子扩散的情况下，对电缆性能（如电压衰减）的影响可能是显着的。我们总是通过比较广义电缆和传统电缆来说明这一点。我们的结论是细胞内和细胞外介质的性质可能有很强的影响电缆过滤以及神经元的被动整合特性。
2013-07-26 q-bio.NC
How well do reduced models capture the dynamics in models of interacting neurons ?
本文介绍了一类随机模型的相互作用的神经元的涌现动力学类似于那些在当地的皮质人口，并比较它们非常简单的简化模型驱动相同的平均兴奋性和抑制性电流。研究了网络模型和简化模型之间的发射率差异，并确定了导致这些差异的机制。其中最主要的是尖峰或部分同步的相关性，与膜电位时间演化中的“非线性”协同工作。此外，简单的随机游走模型和它们的第一次通过时间被证明能够很好地再现神经元膜电位和峰间时间的波动。
2017-11-04 math.PR q-bio.NC
Biophysical properties and computational modeling of calcium spikes in serotonergic neurons of the dorsal raphe nucleus
中缝背核的5-羟色胺能神经元广泛分布于几乎整个大脑，对许多认知和生理过程具有重要的调节作用。它们在临床抑郁症和其他精神疾病中发挥重要作用。为了量化多巴胺能传递对靶细胞的影响，需要构建计算模型，为此，有必要详细了解多巴胺能神经元的生物物理和尖峰特性。在这里，几个基本的属性进行了审查，从20世纪60年代到现在的几项研究的数据。包括的数量是输入电阻，静息膜电位，膜时间常数，放电率，穗持续时间，穗和后超极化（AHP）的幅度，穗阈值，细胞电容，胞体和somadendritic面积。这些细胞的动作电位通常由钠电流和钙电流的组合触发，这可能导致自主起搏活动。在这里，我们分析的机制，高阈值的钙峰已被证明在这些细胞的TTX的存在。给钙尖峰所需的钙动力学的参数是完全不同的，从那些经常扣球，这表明参与的限制部分的体细胞-树突表面已被发现，例如，在海马神经元。
2012-12-05 q-bio.NC
Estimation of neuronal interaction graph from spike train data
当前神经生物学的主要问题之一是了解多神经元集合之间的相关尖峰活动以及神经生理学实验中刺激驱动和自发活动之间的差异。现在普遍使用的多电极阵列记录以来自许多良好识别的神经元的脉冲序列的形式监测神经元活动。分析这些数据时的一个基本问题是识别描述神经元之间"突触耦合"的有向图。在这篇文章中，我们处理这个问题与高质量的多电极阵列记录数据集（Pouzat等人，2015年）从蝗虫的第一个嗅觉中继，$Schistocerca$ $americana$。从数学的角度来看，本文提出了两个新的。首先，我们提出了一个程序，允许处理实际数据集中遇到的小样本量。此外，我们解决部分观察网络的敏感情况。我们的出发点是Duarte et al.（2016）中介绍的程序。我们通过模拟研究，这也是用于参数调整和探索只记录一个小的子集的网络的神经元的影响，原始和改进的程序的性能进行评估。
2017-10-11 q-bio.NC stat.AP
Order symmetry breaking and broad distribution of events in spiking neural networks with continuous membrane potential
我们介绍了一个完全可积的版本，著名的泄漏积分和消防（LIF）模型，连续膜电位在尖峰事件，c-LIF。我们研究了在短期突触可塑性存在下，兴奋性c-LIF神经元的完全连接网络的动力学机制。通过改变神经元之间的耦合强度，我们表明，一个复杂的混沌动力学出现，其特征在于无尺度雪崩。在c-LIF中这种现象的起源可以与神经元尖峰时间中的顺序对称性破坏有关，这对应于宽活动分布的开始。我们的分析揭示了一个一般的机制，通过该机制，简单的神经元网络可以被吸引到相空间中的复杂盆地。
2021-04-07 cond-mat.dis-nn cond-mat.stat-mech nlin.AO
Scaling Spike Detection and Sorting for Next Generation Electrophysiology
可靠的锋电位检测和分类，将每个检测到的锋电位分配给其起源神经元的过程，是分析神经元细胞外电记录的重要步骤。来自最近开发的大规模、高密度微电极阵列和探针的数据的量和复杂性（其允许同时从数千个通道记录）在概念上和计算上显著地使该任务复杂化。本章总结和讨论了最近开发的方法来应对这些挑战，并讨论了算法验证的重要方面，以及检测和分类质量的评估。
2018-09-04 q-bio.NC
Online detection and sorting of extracellularly recorded action potentials in human medial temporal lobe recordings, in vivo
要了解复杂皮层回路的功能，需要同时记录清醒和行为正常的动物的许多神经元的动作电位。实际上，这可以通过使用单线电极从多个脑部位进行细胞外记录来实现。然而，在密集的神经结构中，如人类海马体，单个电极可以记录多个神经元的活动。因此，需要区分不同神经元的动作电位的分析技术。目前，离线锋电位分选方法用于在完成实验后检测和分选动作电位。由于从人脑记录的机会相对较少，因此希望使用在线分类和检测算法快速分析大量同时记录。通过这种方式，可以针对记录的神经元的特定响应特性来优化实验。在这里，我们提出并评估了一种方法，能够检测和排序细胞外单线记录实时。我们证明了该方法的实用性，通过将其应用于我们从人类癫痫患者海马中长期植入深度电极获得的广泛数据集。该数据集特别具有挑战性，因为它是在嘈杂的临床环境中记录的。这种方法将允许开发闭环实验，其立即使实验刺激和/或任务适应观察到的神经反应。
2006-04-26 q-bio.NC q-bio.QM
Analysis of inter-spike interval statistics in neuronal networks with depolarizing and hyperpolarizing threshold potentials
University of Delaware（特拉华大学）
研究接收独立兴奋性和抑制性突触前动作电位的突触后神经元的ISI统计，通过构建积分发放神经元模型，分析固定和自适应阈值电位下的ISI噪声，揭示其与输入频率关系，还研究超极化自适应阈值电位，为理解神经元间信息处理提供系统随机分析。
2026-07-22 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
Benchmarking spike source localization algorithms in high density probes
本文首次系统基准评测了高密度探针中的神经元定位算法，发现复杂物理模型在理想条件下更优，而简单启发式方法对噪声和电极衰减更鲁棒，更适合长期记录。
2025-08-19 q-bio.NC
Closed-form modeling of neuronal spike train statistics using multivariate Hawkes cumulants
在一个具有兴奋和抑制的多变量Hawkes过程模型中，我们导出了由脉冲序列驱动的神经元膜电位的任意阶累积量的精确解析表达式。这些表达式可用于模型随时间的统计行为的预测和敏感性分析，并使用Gram-Charlier展开估计神经元膜电位的概率密度。我们的研究结果提供了一个更好的替代Monte Carlo估计通过随机模拟，并包括基于组合递归的计算机代码。
2022-10-27 math.PR math.ST q-bio.NC
Whole-brain calcium imaging with cellular resolution in freely behaving C. elegans
在清醒和不受约束的动物中获得大规模神经元活动记录的能力对研究动物行为的神经编码提出了重大挑战。我们提出了一种新的仪器，能够记录细胞内钙瞬变从每个神经元在头部的一个自由行为的C。用细胞分辨率记录动物的位置、姿势和运动。我们采用旋转圆盘共聚焦显微镜捕捉3D体积荧光图像的神经元表达的钙指标GCaMP6s在5头体积每秒。两个摄像头同时监控动物的位置和方向。定制软件实时跟踪动物头部的3D位置，并调整电动载物台，使其在动物自由漫游时保持在视野内。我们观察了78个神经元的钙瞬变，并将这种活动与动物的行为相关联。在蠕虫中，多个神经元与对应于向前、向后和转向运动的行为模式表现出显著的相关性。通过将这些神经元的3D位置与已知的图谱进行比较，我们的结果与以前的单神经元研究一致，并证明了行为电路的新候选神经元的存在。
2015-01-14 physics.bio-ph q-bio.NC
Scalable Bayesian Functional Connectivity Inference for Multi-Electrode Array Recordings
多电极阵列（MEA）可以同时记录数百或数千个神经元的细胞外动作电位（也称为“尖峰”）。从锋电位训练推断功能网络是神经科学中一项基本而艰巨的计算任务。随着MEA技术的进步，开发用于分析作为网络的多个神经元活动的统计工具变得越来越重要。在本文中，我们提出了一个可扩展的贝叶斯框架推理功能网络MEA数据。我们的框架利用神经元网络的层次结构。我们将大规模记录分成较小的局部网络进行网络推理，这不仅减轻了贝叶斯采样的计算负担，而且还提供了关于类器官和大脑区域连接的有用见解。我们通过使用并行计算来加快昂贵的贝叶斯采样过程。在合成数据集和大规模真实世界MEA记录上的实验表明了可扩展贝叶斯框架的有效性和效率。从对照实验中暴露的神经文化镉网络的推断提出了可区分的结果，并进一步证实了我们的框架的效用。
2020-07-04 cs.CE q-bio.NC
Neuro-PC: Causal Functional Connectivity from Neural Dynamics
功能性连接组是解剖学连接组的延伸，它根据神经元的活动和相互作用来捕捉神经元之间的关系。当这些关系是因果关系时，功能性连接体映射神经活动如何在神经回路内流动，并提供推断功能性神经通路（例如感觉-运动-行为通路）的可能性。虽然存在各种信息的方法来非因果估计的功能连接，方法的特点是因果功能连接-神经元时间序列之间的因果关系，是稀缺的。在这项工作中，我们开发了Neuro-PC算法，这是一种新的方法，用于从多维时间序列（如神经元记录）推断神经元之间的因果功能连接。我们的方法的核心依赖于PC算法，一个国家的最先进的统计因果推理的方法，神经动力学的多维时间序列的一种新的适应。我们验证的性能的网络模体的神经元之间的各种相互作用模拟使用连续时间的人工神经元网络的方法。然后，我们考虑应用该方法获得因果功能连接体的最近的多阵列电生理记录从小鼠视觉皮层在不同的刺激的存在下。我们展示了如何映射的功能可以用于量化不同刺激的神经反应之间的相似性。
2020-11-08 q-bio.NC
Impact of the activation rate of the hyperpolarization-activated current $I_{\rm h}$ on the neuronal membrane time constant and synaptic potential duration
神经元膜电压变化的时间动力学受离子电流控制。这些电流的特征在于两个主要性质：电导和动力学。超极化激活电流（$I_{\rm h}$）通过缩短兴奋性突触后电位和减少其时间总和来强烈调节阈下电位的变化。尽管由$I_{\rm h}$电导引起的突触电位缩短已被充分理解，但$I_{\rm h}$动力学的作用仍不清楚。在这里，我们使用一个模型的$I_{\rm h}$电流模型与快速或缓慢的动力学，以确定其对膜的时间常数（$τ_m$）的CA 1锥体细胞模型的影响。我们的模拟结果表明，具有快速动力学的$I_{\rm h}$比慢速$I_{\rm h}$减少$τ_m$，衰减和缩短兴奋性突触后电位。我们的结论是，$I_{\rm h}$激活动力学能够调节$τ_m$和兴奋性突触后电位（EPSP）在CA 1锥体细胞的时间特性。为了阐明$I_{\rm h}$动力学控制$τ_m$的机制，我们提出了一个新的概念，称为“时间缩放因子”。我们的主要发现是，$I_{\rm h}$动力学通过调节$I_{\rm h}$衍生物电导对$τ_m$的贡献来影响$τ_m$。
2021-06-12 q-bio.NC q-bio.QM q-bio.SC
