Physical Foundations of Consciousness: Brain Organisation: The Role of Synapses
我们已经将意识的许多方面分析为两个不同的类别。第一个:任何时候神经网络的组织状态,它决定了一个人是有意识的清醒,还是无意识的睡眠。第二:在这些网络中电子信号传输的基础上的过程,解释了所有有意识的意识体验。这篇论文解决了前者;即,数十亿神经网络和数万亿额外的轴突、树突和突触的状态如何在日常周期中变化--当我们睡觉时会发生什么物理变化--当我们醒来时会发生什么。我们认为,突触裂缝的宽度不是固定的,而是可变的,这种跨越突触的可变张力是意识的神经关联。
2009-07-13 q-bio.NC
Weakly-correlated synapses promote dimension reduction in deep neural networks
Sun Yat-sen University(中山大学)
通过控制突触和神经相关性,深度学习在提高分类性能方面取得了经验性成功。突触相关性如何影响神经相关性以产生解开的隐藏表征仍然是难以捉摸的。在这里,我们提出了一个简化的降维模型,考虑到突触之间的成对相关性,揭示突触相关性如何影响降维的机制。我们的理论确定的突触相关缩放形式只需要数学的自洽性,二进制和连续突触。该理论还预测,弱相关的突触与正交的突触相比,会促进维度的降低。此外,这些突触减缓了沿网络深度的去相关过程。这两个计算的角色解释所提出的平均场方程。理论预测与数值模拟非常一致,并且通过使用Hebbian规则的深度学习也捕获了关键特征。
2020-06-20 cond-mat.dis-nn cond-mat.stat-mech cs.LG
On the role of chemical synapses in coupled neurons with noise
我们研究的行为,在噪声的存在下,通过化学突触耦合的莫里斯-勒卡神经元阵列。特别注意的是专门比较这种行为与更好地了解通过间隙连接产生的电耦合的情况。特别是,我们的数值模拟表明,化学突触是更有效的比间隙连接在最佳噪声增强相干性(什么是所谓的阵列增强相干共振):在(非线性)化学耦合的情况下,我们观察到一个系统的随机相干性大幅增加,与(线性)电耦合。我们解释这两种类型的耦合之间的质的差异所产生的事实,即化学突触只起作用,而突触前神经元是尖峰,而间隙连接连接的电压在任何时候都两个神经元。这导致在电耦合的情况下,在尖峰时间间隔期间的较大的相关性,这对阵列增强的相干效应是不利的。最后,我们报告存在的系统大小的相干共振在这个局部耦合系统,表现出的平均膜电位的阵列。
2005-02-22 cond-mat.other physics.bio-ph q-bio.NC
A Mathematical model for Astrocytes mediated LTP at Single Hippocampal Synapses
许多当代研究表明,星形胶质细胞在调节短和长形式的突触可塑性中起重要作用。有很少的实验模型,阐明星形胶质细胞的作用,在长时程增强(LTP)。最近,Perea & Araque(2007)证明了星形胶质细胞在单个海马突触处诱导LTP中的作用。他们提出了诱导这种N-甲基-D-天冬氨酸(NMDA)受体非依赖性LTP的纯粹突触前基础。此外,未研究这种突触前诱导的机制。在这篇文章中,我们提出了一个星形胶质细胞调节LTP的数学模型,它成功地模拟了Perea & Araque(2007)的实验结果。我们的研究表明逆行信使(可能是一氧化氮(NO))在这种突触前调节的LTP中发挥了作用。
2012-03-12 math.DS q-bio.CB q-bio.NC
Optimal self-induced stochastic resonance in multiplex neural networks: electrical versus chemical synapses
电突触和化学突触塑造了神经网络的动力学,它们在信息处理中的功能作用一直是神经生物学中的一个长期问题。在本文中,我们研究的作用,突触的自诱导随机共振现象的优化延迟多路神经网络,通过使用解析和数值方法。我们考虑一个两层多路复用网络,其中在层内水平的神经元耦合的电突触或抑制性化学突触。对于每一个孤立的层,计算表明,较弱的电和化学突触耦合是更好的自诱导随机共振的优化。此外,不管突触强度如何,发现较短的电突触延迟比较短的化学突触延迟更好地优化了该现象,而较长的化学突触延迟比较长的电突触延迟更好地优化了该现象-在这两种情况下,较差的优化器实际上是最差的。据发现,电,抑制性,或兴奋性化学复用的两个层只有电突触在层内的水平可以优化的现象。并且只有在层内水平上仅具有抑制性化学突触的两个层的兴奋性化学复用可以优化该现象。这些结果可以指导旨在建立或确认人工神经回路网络以及实际生物神经网络中的自诱导随机共振机制的实验。
2020-06-13 nlin.AO q-bio.NC
Unsupervised Progressive Learning and the STAM Architecture
Georgia Institute of Technology(佐治亚理工学院)
我们首先提出了无监督渐进学习(UPL)问题:一个在线表示学习问题,其中学习者观察非静态和未标记的数据流,学习越来越多的特征,这些特征随着时间的推移而持续存在,即使数据没有存储或重放。为了解决UPL问题,我们提出了自学联想记忆(STAM)架构。STAM模块的分层结构基于在线聚类、新颖性检测、遗忘离群值以及仅存储原型特征而不是特定示例的组合进行学习。我们评估STAM表示使用聚类和分类任务。虽然没有现有的学习方案,直接比较UPL,我们比较了STAM架构与两个最近的持续学习模型,记忆感知突触(MAS)和梯度情景记忆(GEM),适应他们在UPL设置。
2021-05-13 cs.LG q-bio.NC stat.ML
Diversity of neuronal activity is provided by hybrid synapses
许多实验已经证明,电突触和化学突触-混合突触-共存于大多数生物体和大脑结构中。在不同复杂度的网络中,人们分别研究了电突触和化学突触连接在神经活动产生多样性中的作用。然而,混合突触在不同的动力学状态的神经网络的自组织和鲁棒性的理论认识仍然没有得到充分的研究。在这里,我们提出了一个神经网络的混合突触建立的模型来研究全局和集体动力学状态的出现。该神经网络由相互作用的兴奋性和抑制性群体组成。在小世界拓扑结构中,兴奋性群体通过兴奋性突触连接,其相邻的神经元也通过间隙连接连接。抑制性群体仅通过具有全对全相互作用的化学抑制性突触连接。我们的数值模拟表明,在平衡的网络与电耦合的情况下,这种架构产生的同步状态主要是由神经元之间的异质性和兴奋性和抑制性输入的平衡控制。在具有强电耦合的平衡网络中,几种动力学状态由兴奋性和抑制性权重的不同组合产生。更重要的是,我们发现,这些国家,如同步点火,集群同步,和各种涟漪事件,出现轻微修改的化学耦合权重。对于足够大的电突触耦合,整个神经网络变得同步。我们的结果为研究混合突触在神经功能中的作用的动力学机制和计算意义奠定了基础。
2019-11-06 nlin.AO physics.bio-ph q-bio.NC
Unsupervised Learning by Competing Hidden Units
MIT-IBM Watson AI Lab(麻省理工-IBM沃森人工智能实验室);IBM Research(IBM研究院);Institute for Advanced Study(高等研究院);Princeton Neuroscience Institute(普林斯顿神经科学研究所);Princeton University(普林斯顿大学)
人们普遍认为,反向传播算法对于在人工神经网络的早期层中学习良好的特征检测器是必不可少的,使得这些检测器对于由该神经网络的较高层执行的任务是有用的。同时,传统的反向传播形式在生物学上是不可信的。在本文中,我们提出了一个不寻常的学习规则,它具有一定程度的生物相容性,这是出于赫布的想法,突触强度的变化应该是本地的-即应该只依赖于活动的前和后突触神经元。我们设计了一个学习算法,利用全局抑制的隐藏层,并能够学习早期特征检测器在一个完全无监督的方式。这些学习的较低层特征检测器可以用于以通常的监督方式训练较高层权重,使得整个网络的性能与用反向传播算法端到端训练的标准前馈网络的性能相当。
2019-08-29 cs.CV cs.LG cs.NE
HetSyn: Versatile Timescale Integration in Spiking Neural Networks via Heterogeneous Synapses
College of Intelligence and Computing, Tianjin University(智能与计算学院,天津大学);College of Computer and Information Engineering, Tianjin Normal University(计算机与信息工程学院,天津师范大学)
本文提出HetSyn框架,通过突触特异性时间常数建模突触异质性,将时间整合从膜电位转移到突触电流,其HetSynLIF模型在多种任务上提升了SNN性能、鲁棒性与跨时间尺度泛化能力。
2025-08-01 cs.LG q-bio.NC
Neural networks with dynamical synapses: from mixed-mode oscillations and spindles to chaos
了解短时程突触抑制(STSD)和其他形式的突触可塑性是神经科学中的一个热点问题。在这里,我们研究STSD在形成复杂的脑节律模式中的作用。我们使用一个皮层电路模型的神经网络组成的不规则尖峰兴奋性和抑制性神经元具有1型和2型兴奋性和随机动力学。在该模型中,神经元形成稀疏连接的网络,它们的自发活动由代表突触噪声的随机尖峰驱动。通过模拟和分析计算,我们发现,如果STSD不存在,神经网络会显示异步行为或规则的网络振荡,这取决于噪声水平。在具有STSD的网络中,改变突触可塑性和噪声水平的参数,我们观察到向复杂模式的集体活动的过渡:混合模式和纺锤体振荡,集体活动的爆发和混沌行为。有趣的是,这些图案在一定的参数范围内是稳定的,并由临界边界分隔。因此,突触可塑性的参数可以在不同的网络状态之间起到控制参数或开关的作用。然而,由疾病引起的参数变化可能导致正在进行的神经活动的显著损害。我们通过使用混沌的0 - 1测试(Gottwald,G. &墨尔本,I.,#20004;,并表明它具有集体性。
2012-11-24 cond-mat.dis-nn physics.bio-ph q-bio.NC
The role of synaptic facilitation in coincidence spike detection
使用一个现实的模型的活动依赖的动态突触和一个标准的集成和消防神经元模型,我们研究,分析和数值,条件下,一个突触后神经元有效地检测到的尖峰到达一定的频率从N个不同的传入时间重合。我们扩展了以前的工作,只考虑突触抑制作为最重要的机制,通过突触的信息传递,更一般的情况下,包括突触促进。我们的研究表明:1)易化增强了对来自突触前兴奋性神经元子集的相关信号的检测,在该子集之间具有不同程度的相关性,以及2)易化的存在允许更好地检测放电速率变化。最后,我们还观察到,促进决定了存在一个最佳的输入频率,允许最佳性能的神经元放电阈值的宽(最大)范围。该最佳频率可以通过促进参数来控制。
2006-05-03 q-bio.NC
Comparison between an exact and a heuristic neural mass model with second order synapses
神经质量模型(Neural mass models,NMDs)是用来再现神经元群体的集体动力学的。NMM的一个通用框架假设神经元群体的输出放电率可以用静态非线性传递函数(NMM 1)来描述。然而,最近一个精确的平均场理论二次积分和消防(QIF)神经元的挑战,这一观点表明,平均放电率是不是一个静态的神经元状态的函数,但以下两个耦合的非线性微分方程(NMM 2)。在这里,我们分析和比较这两个描述的存在下,二阶突触动力学。首先,我们推导出两个模型在无限慢突触极限下的数学等价性,即,我们表明,在这种情况下,NMM 1是NMM 2的近似。接下来,我们通过分析具有抑制性或兴奋性突触的模型的动力学特性,来评估这种限制在现实生理参数值的背景下的适用性。我们发现,NMM 1无法再现精确模型的重要动力学特征,例如抑制性中间神经元QIF网络的自维持振荡。此外,在精确的模型,但不是在限制一个,刺激的锥体细胞群体诱导共振振荡活动,其峰值频率和振幅的自耦合增益和外部兴奋性输入的增加。这可能在密集连接的网络对弱均匀输入的增强反应中发挥作用,例如非侵入性脑刺激产生的电场。
2022-06-15 math.DS nlin.AO q-bio.NC
Impact of exponential long range and Gaussian short range lateral connectivity on the distributed simulation of neural networks including up to 30 billion synapses
最近的实验神经科学研究指出了长距离区域内连接的作用,可以通过突触概率分布的距离依赖性指数衰减来建模。这份简短的报告提供了一个初步措施的影响指数衰减横向连接相比,较短范围的高斯衰减的缩放行为和内存占用的分布式脉冲神经网络模拟器(DPSNN)。由点状尖峰神经元组成的皮质柱的二维网格已经通过使用指数和高斯连接模型连接了多达300亿个突触。多达1024个硬件核心,托管在一个64节点的服务器平台上,执行组成分布式模拟器的MPI进程。硬件平台是IBM NX 360 M5 16核计算节点集群,每个节点包含两个Intel Xeon Haswell 8核E5-2630 v3处理器,时钟为2.40 GHz,通过InfiniBand网络互连。本研究是在皮质FET项目的框架内进行的,同时也考虑到了作为人脑项目(HBP)子项目3认知和系统神经科学WaveScalES工作包的一部分的下一个开始活动。
2015-12-16 cs.DC q-bio.NC
High-parallelism Inception-like Spiking Neural Networks for Unsupervised Feature Learning
Sun Yat-sen University(中山大学);The University of Sydney(悉尼大学)
脉冲神经网络(SNN)是受大脑启发的、事件驱动的机器学习算法,在生产超高能效硬件方面得到了广泛认可。在现有的神经网络中,基于突触可塑性的无监督神经网络,特别是尖峰时间依赖可塑性(STDP),被认为在模仿生物大脑的学习过程中具有很大的潜力。然而,现有的基于STDP的SNN在受限的学习能力和/或缓慢的学习速度方面具有限制。大多数基于STDP的SNN采用缓慢学习的全连接(FC)架构,并使用次优的基于投票的方案进行尖峰解码。在本文中,我们克服了这些局限性:1)设计了一个高并行网络结构,灵感来自于人工神经网络(ANN)的初始模块; 2)使用全民投票(VFA)解码层作为标准的基于投票的尖峰解码方案的替代,以减少尖峰解码中的信息损失,以及,3)提出了一种自适应复极(重置)机制,通过增强尖峰活动来加速SNN的学习。我们在两个已建立的基准数据集上的实验结果(MNIST/EMNIST)的结果表明,与广泛使用的FC架构和更先进的本地连接(LC)架构相比,我们的网络架构具有更出色的性能,并且我们的SNN与最先进的无监督SNN相比取得了有竞争力的结果(在MNIST/EMNISE数据集上的准确率为95.64%/80.11%),同时具有卓越的学习效率和对硬件损坏的鲁棒性。我们的SNN仅用数百次训练迭代就实现了很高的分类精度,大量突触或神经元的随机破坏只会导致微不足道的性能下降。
2021-03-09 cs.LG cs.NE q-bio.NC
Role of NMDA conductance in average firing rate shifts caused by external periodic forcing
一种被广泛接受的大脑计算观点依赖于群体编码,其中神经系综放电率以稳定的方式被调制以传输信息并执行各种认知任务。同时,在认知过程中,振荡神经活动在频率、相干性和功率方面受到特定的调制。发射率和振荡如何相互作用仍然是一个突出的问题。在本文中,我们发展了一个理论之间的相互作用的振荡信号和放电率的神经元群体的基础上活动的非线性电压依赖性NMDA突触。值得注意的是,我们表明,在何种条件下振荡输入可以控制平均射击率而不失去稳定性。使用数学分析和模拟的平均场模型,我们证明了兴奋性和抑制性神经元上的NMDA突触的存在是正弦振荡显着和稳定地增加放电率的关键。我们将振荡诱导的平均放电率转变描述为快突触权重和慢突触权重的函数,并展示了参数区域,其中所研究的效果最为明显。我们的工作结果可能有助于识别的神经回路,允许建设性的控制的大规模神经振荡的发射率代码的属性。
2018-12-10 q-bio.NC
Dynamical Synapses Enhance Neural Information Processing: Gracefulness, Accuracy and Mobility
实验数据表明,神经元连接效能表现出两种形式的短期可塑性,即短期抑制(STD)和短期易化(STF)。它们具有位于快速神经信号和快速学习之间的时间常数,并且可以作为神经系统在相关时间尺度上操纵时间信息的底物。本研究探讨了STD和STF对连续吸引子神经网络(CANN)动力学的影响及其在神经信息处理中的潜在作用。我们发现,STD赋予网络缓慢衰减的高原行为-网络,最初被刺激到一个活跃的状态衰减到一个沉默的状态非常缓慢的时间尺度上的STD,而不是神经信号的时间尺度。这为神经系统提供了一种机制,可以轻松地保持感官记忆,并优雅地关闭持续的活动。通过STF,我们发现网络可以在促进的神经元相互作用中保持外部输入的记忆痕迹,这提供了一种稳定网络对噪声输入的响应的方法,从而提高了群体解码的准确性。此外,我们发现STD增加了网络状态的移动性。增加的移动性增强了网络响应于时变刺激的跟踪性能,从而导致预期的神经响应。在一般情况下,我们发现,STD和STP往往有相反的网络动态和互补的计算优势的影响,这表明大脑可能会采用一种策略,根据计算的目的不同的加权。
2012-04-05 cond-mat.dis-nn physics.bio-ph q-bio.NC
Metabolite transport through glial networks stabilizes the dynamics of learning
学习和记忆是通过突触的长期变化获得的。在最简单的模型中,这种突触增强通常会导致失控的兴奋,但实际上必须存在鲁棒地保持神经系统动力学的整体稳定性的过程。这是如何实现的?人们考虑了处理这一基本问题的各种办法。在这里,我们提出了一个特别引人注目的和自然的机制,以保持学习神经系统的稳定性。这种机制是基于神经胶质细胞将代谢资源分配给神经元的全局过程。具体而言,我们介绍和研究的模型包括两个相互作用的网络:一个模型神经网络进行尖峰定时依赖可塑性(STDP)的突触互连;和模型胶质细胞网络之间的扩散运输代谢资源的神经胶质细胞,并最终在神经突触,它们被消耗的间隙连接互连。我们的主要结果是,通过神经胶质网络的代谢资源的扩散运输所施加的生物物理约束可以防止突触强度的失控增长,无论是在正在进行的活动和学习过程中。我们的研究结果表明,神经胶质细胞运输的代谢物在反馈控制稳定的神经网络动态学习过程中的作用,以前没有得到重视。
2016-05-10 cond-mat.dis-nn nlin.AO q-bio.NC
Role of Glia cells in the formation of memory in the brain
我们建立在理解神经胶质细胞在胎儿大脑中建立初始网络的作用方面的进展。这使我们提出了三个重要的假设。短期记忆是由生活经历产生的神经活动直接和单独地形成推测性联系的神经胶质细胞产生的。这些临时的“神经胶质桥”通过刺激轴突、树突和突触的生长并提供使永久神经结构得以创建的通路来创建长期记忆。解决问题、创意和记忆维护都源于大脑如何产生新链接的基本算法。
2009-05-18 q-bio.NC
Hardware-Friendly Synaptic Orders and Timescales in Liquid State Machines for Speech Classification
Indian Institute of Technology, Bombay(孟买印度理工学院);Aalto University(阿尔托大学)
液体状态机是具有随机库连接性和仿生神经元和突触模型的大脑启发的尖峰神经网络(SNN)。水库计算网络被提出作为深度神经网络的替代方案来解决时间分类问题。先前的研究表明,二阶(双指数)突触波形是至关重要的实现高精度的TI-46口语数字识别。长时间范围(ms)仿生突触波形的建议是一个挑战,紧凑和功率高效的神经形态硬件。在这项工作中,我们分析了突触阶数的作用,即:δ(单个时间步长的高输出),0(具有有限脉冲宽度的矩形),1(指数下降)和2阶(指数上升和下降)和突触时标对水库输出响应和更全面的参数扫描下的TI-46口语数字分类准确性。我们发现最佳的操作点是相关的最佳范围内的尖峰活动的水库。此外,所提出的0阶突触与生物学上合理的2阶突触表现相当。这对于电路设计者来说是相当大的放松,因为突触是SNN的存储器内实现中最丰富的组件。电路的好处,为模拟和混合信号实现0阶突触强调展示2-3个数量级的节省面积和功耗,消除运算放大器和数模转换器电路。这对一个完整的神经网络实现有重大影响,重点是外围限制和算法简化,以克服它们。
2021-04-29 cs.NE cs.SD eess.AS
Spike Timing Dependent Competitive Learning in Recurrent Self Organizing Pulsed Neural Networks Case Study: Phoneme and Word Recognition
National Engineering School of Tunis(突尼斯国立工程学院);Université Tunis El Manar(突尼斯艾尔马纳尔大学)
突触可塑性似乎是神经网络动力学的一个重要方面。它是关于突触的生理变化,其结果类似于突触权重值的变化。信息编码基于单个尖峰事件的精确定时,其基于突触前和突触后尖峰的相对定时、单个神经元内的局部突触竞争以及经由横向连接的全局竞争。为了对时间序列进行分类,本文提出了如何使用局部赫布学习,尖峰时间依赖可塑性的无监督竞争学习,保持自组织映射的尖峰神经元。事实上,我们提出了三种变体的自组织映射(SOM)与尖峰时间依赖的Hebbian学习规则,泄漏积分神经元(LIN),尖峰_SOM和经常性尖峰_SOM(RSSOM)模型。所提出的SOM变体的案例研究是连续语音和说话人独立的音素分类和单词识别。
2012-09-24 cs.AI cs.CV 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
Stress, Depression and Neuroplasticity
在发育神经学中,由于行为、环境、多种神经调制以及脑组织损伤等因素引起的信号通路和突触的改变被称为神经可塑性。该综述的中心目的是更好地了解压力,抑郁和神经可塑性之间的关系,并探索潜在的治疗干预措施,以提高神经弹性。我们还回顾了不同的因素,如年龄,压力和性别对诱导不同脑区的神经可塑性的作用。
2017-11-27 q-bio.NC
Bio-plausible Unsupervised Delay Learning for Extracting Temporal Features in Spiking Neural Networks
神经元之间传导延迟的可塑性在学习中起着重要作用。然而,大脑中这种调制的确切潜在机制仍然是一个悬而未决的问题。了解突触延迟的精确调整可以帮助我们开发有效的大脑启发的计算模型,提供与实验证据一致的见解。在本文中,我们提出了一个无监督的生物合理的学习规则调整突触延迟脉冲神经网络。然后,我们提供了一些数学证明,表明我们的学习规则赋予神经元学习重复时空模式的能力。此外,应用基于STDP的脉冲神经网络配备我们提出的延迟学习规则的随机点运动图的实验结果表明,所提出的延迟学习规则在提取时间特征的有效性。
2020-11-18 cs.NE q-bio.NC
Emulation of Astrocyte Induced Neural Phase Synchrony in Spin-Orbit Torque Oscillator Neurons
星形胶质细胞在脑内诱导协调相位同步的神经波模式中起核心作用。在这篇文章中,我们证明了在自旋轨道扭矩振荡器神经元的底层重金属层中注入射频信号模仿神经胶质细胞实现的神经元相位同步效应。这种相位耦合效应的潜在应用说明在一个时间的“绑定问题”的上下文中。我们还提出了一个耦合的神经元-突触-星形胶质细胞网络的设计,使紧凑的拟神经设备相结合的概念,局部尖峰时间依赖的可塑性和星形胶质细胞诱导的神经相位同步。
2021-09-16 cs.ET q-bio.NC