Wiring cost in the organization of a biological network
为了研究布线代价在线虫\textit{Caenorhapditis elegans}（\textit{C. elegans}）神经网络组织中的作用，我们基于神经元的几何位置构建了\textit{C. elegans}的神经元图，并将布线代价定义为神经元间的欧氏距离\textit{d} .我们表明，布线概率呈指数衰减的函数\textit{d}。使用边交换方法和元件布局优化方案，我们表明，神经元的位置不是随机分布的，但有组织的，以减少总布线成本。此外，我们数值研究布线成本和性能的神经网络上的Hopfield模型之间的权衡。
2005-05-04 q-bio.NC
Multilayer network analysis of C. elegans: Looking into the locomotory circuitry
我们研究了线虫秀丽隐杆线虫（C。elegans）和控制向前运动的神经元活动模式。我们将蠕虫的神经网络映射为一个多层网络，考虑到各种神经递质和神经肽。使用逻辑回归分析，我们预测的运动子网络的神经元。结合Hindmarsh-Rose方程的神经元活动与肌肉活动的漏积分模型，我们研究了这个子网络内的动态，并预测使用谐波模型的蠕虫的向前运动。时滞反馈控制的应用揭示了同步效应，有助于协调运动的C。优雅当某些神经元的活动被沉默时，分析它们的同步性可以告诉我们它们对协调运动行为的重要性。由于人类和C. elegans，运动回路的研究为理解大脑如何产生运动行为提供了新的见解。
2020-06-15 nlin.AO q-bio.NC
Linking the connectome to action: Emergent dynamics in a robotic model of C. elegans
我们分析了神经动力学及其与机器人车辆的紧急行为的关系，该机器人车辆由基于线虫线虫的神经系统的神经网络数值模拟控制。机器人通过传感器与环境交互，传感器将信息传输到感觉神经元，而运动神经元的输出连接到车轮。这足以让机器人在复杂的环境中移动，避免与障碍物碰撞。使用机器人模型可以同时跟踪所有神经元的详细微观动力学，并实时记录机器人在环境中的动作。这使我们能够研究连接体和复杂行为之间的相互作用。我们发现，全局神经动力学的一些基本特征及其与蠕虫中观察到的行为的相关性自发地出现在机器人中，这表明它们只是连接体的一个涌现特性。
2020-11-18 nlin.AO q-bio.NC
The distribution of inhibitory neurons in the C. elegans connectome facilitates self-optimization of coordinated neural activity
National Autonomous University of Mexico（墨西哥国立自治大学）；Okinawa Institute of Science and Technology Graduate University（冲绳科学技术大学院大学）
线虫土壤蠕虫秀丽隐杆线虫的神经系统表现出显着的复杂性，尽管蠕虫的小尺寸。一个普遍的挑战是更好地理解神经组织和系统水平上的神经活动之间的关系，包括抑制性连接的功能作用。在这里我们实现了C的抽象仿真模型。elegans连接体，近似每个神经元的神经递质身份，我们探讨了这些生理差异对神经活动的功能作用。特别是，我们创建了一个Hopfield神经网络，其中所有的蠕虫的神经元，其特征在于抑制性神经递质被分配抑制性传出连接。然后，我们创建了一个控制条件，其中相同数量的抑制连接在网络中任意分布。这两个条件的比较表明，抑制性连接的生物分布促进协调神经活动的自我优化相比，任意分布的抑制性连接。
2020-10-28 cs.LG q-bio.NC
Neural signal propagation atlas of C. elegans
该研究通过光遗传激活和全脑钙成像构建秀丽隐杆线虫头部神经信号传导功能图谱，发现突触外信号传导导致信号传递与解剖预测不符，且该图谱比解剖结构更能预测自发神经动力学。
2023-05-22 physics.bio-ph q-bio.NC
Neural development features: Spatio-temporal development of the Caenorhabditis elegans neuronal network
线虫秀丽隐杆线虫，与神经连接，三维位置和细胞谱系的信息提供了一个独特的系统，了解神经网络的发展。虽然C. elegans已被广泛研究，在过去，我们提出了第一个统计研究从发展的角度来看，发现提出了有趣的建议，建立长距离连接和网络枢纽。在这里，我们分析了神经发育的时间和空间特征，使用神经元的出生时间和它们的三维位置。比较了C.具有随机空间网络生长的秀丽线虫突出了与神经网络发育相关的两个发现。首先，大多数通过长距离连接的神经元都是在同一时间和早期出生的，这表明在发育过程中连接的神经元之间可能存在早期接触或相互作用。第二，早期出生的神经元比后来出生的神经元连接得更紧密（倾向于形成枢纽）。这表明，他们可用的较长时间框架可能是高连通性的基础。对于随机连接形成，没有观察到这两种结果。该研究发现，大约三分之一的电耦合远程连接是后期形成的，这就提出了一个问题，即确保其准确性的机制是什么，特别是考虑到C中观察到的极其不变的连接性。优雅总之，神经网络发展的顺序突出了早期接触或互动在确保长距离和高度连接方面的可能性。
2011-01-13 physics.bio-ph physics.soc-ph q-bio.NC
Optogenetic manipulation of neural activity in C. elegans: from synapse to circuits and behavior
新兴的光遗传学领域允许光学激活或抑制神经系统中的神经元和其他组织。2005年，光遗传学蛋白在线虫C.第一次出现优雅的人。此后，C. elegans已经成为一个强大的平台，在其上进行突触功能、电路动力学和行为的神经元基础的光遗传学研究。梭线虫神经系统由302个神经元组成，其连接性和形态已被完全绘制，驱动着丰富的可通过视频显微镜量化的行为库。这种模式生物的紧凑的神经系统、可量化的行为、遗传易处理性和光学可及性使其特别适合于光遗传学询问。嗜盐视紫红质-2（ChR 2）、嗜盐视紫红质（NpHR/Halo）等常见的光遗传学蛋白均在C.优雅此外，利用分子遗传学和图案化光照明的最新进展现在已经使得有可能将光活化和抑制作用靶向于单细胞，并且在蠕虫自由行为时这样做。在这里，我们描述的技术和方法，光遗传操作在C。优雅我们回顾了最近的工作，利用光遗传学和C。elegans用于神经科学研究的突触，电路和行为水平。
2013-05-09 q-bio.NC
A Markovian dynamics for C. elegans behavior across scales
本文基于高分辨率视频构建了秀丽隐杆线虫跨尺度行为的马尔可夫动力学模型，统一了姿态波动、轨迹扩散与行为状态，揭示了奔跑-旋转及更细尺度行为，并发现局部与全局搜索策略之间的权衡。
2024-08-30 nlin.CD physics.bio-ph 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
Modelling Neuronal Behaviour with Time Series Regression: Recurrent Neural Networks on C. Elegans Data
INESC-ID（INESC-ID（里斯本高等工程系统与计算机研究所））；IST Tecnico Lisboa（里斯本高等理工学院）；Universidade de Lisboa（里斯本大学）
考虑到人类神经系统的内在复杂性，我们可以通过了解更小更简单的生物体（如线虫C.优雅。这些生物的行为和结构生物学是众所周知的，使它们成为基准建模和模拟技术的主要候选者。在这些复杂的神经元集合中，基于内在结构或行为信息的经典白盒建模技术要么无法捕获神经元响应对不同刺激的深刻非线性，要么生成计算上难以处理的极其复杂的模型。在本文中，我们展示了如何C。可以使用不同的神经网络架构，用数据驱动模型对Elegans进行建模和模拟。具体来说，我们的目标是使用最先进的循环神经网络架构，如LSTM和GRU，并比较这些架构的属性和准确性以及所产生的模型的复杂性。我们表明，GRU模型的隐藏层大小为4个单位能够准确地再现系统的反应非常不同的刺激，具有高精度。
2021-07-01 cs.LG q-bio.NC q-bio.QM
A Neural Network Based Automated IFT-20 Sensory Neuron Classifier for Caenorhabditis elegans
确定成像数据中的神经元身份是神经科学中的一项重要任务，有助于比较生物体之间的神经活动。跨生物体的比较，反过来，使各种各样的研究，包括功能网络的全脑分析和特定神经元的活动与行为或环境刺激的联系。最近开发的三维，泛神经元成像与单细胞分辨率内秀丽隐杆线虫带来了神经元识别，跟踪和活动监测都触手可及。线虫C.由于其透明性和熟知的神经系统等因素，秀丽隐杆线虫经常被用作研究神经元活动的模式生物。高精度神经元识别的主要障碍是成年C。elegans，神经元细胞体的位置不是固定的。解决这个问题的现有方法使用遗传编码标记作为额外的识别特征。例如，NeuroPAL菌株使用多色荧光报告基因。然而，由于过度转基因的负面影响，这种方法的使用有限。在这项研究中，我提出了一种替代的神经元识别技术，只使用单色荧光图像。我设计了一个新颖的基于神经网络的分类器，它使用迭代的、基于地标的神经元识别过程来自动标记感觉神经元，该过程受到人类采用的手动注释程序的启发。这个设计标记了C中的感觉神经元。elegans，准确率为91.61%。
2022-10-24 cs.LG q-bio.NC
A neural circuit for navigation inspired by C. elegans Chemotaxis
我们开发了一个人工神经电路的轮廓跟踪和导航的灵感来自线虫的趋化性秀丽隐杆线虫。为了利用脉冲神经网络相对于非脉冲神经网络所承诺的计算优势，我们开发了一个由7个具有非可塑性突触的脉冲神经元组成的网络，我们表明该网络在跟踪一系列浓度方面非常稳健。我们的蠕虫使用有关氯化钠浓度的局部时间梯度的信息来决定觅食，探索和跟踪的瞬时路径。C. elegans趋化网络是ASEL和ASER神经元对，它们在其分级膜电位中捕获蠕虫感觉到的浓度梯度。我们的网络的初级感觉神经元是一对人工尖峰神经元，其功能是梯度检测器，其设计改编自C中ASE神经元对的计算模型。优雅仿真结果表明，我们的蠕虫是能够检测到设定点的概率比最佳无记忆Levy觅食模型高出约四倍。我们还表明，我们的脉冲神经网络是更有效和噪声弹性，同时导航和跟踪轮廓，相比，一个等效的非尖峰网络。我们证明，我们的模型是非常强大的噪声和轻微的修改，可用于其他实际应用，如避障。我们的网络模型也可以扩展用于三维轮廓跟踪或避障。
2014-10-29 cs.NE q-bio.NC
Neuromechanical Mechanisms of Gait Adaptation in C. elegans: Relative Roles of Neural and Mechanical Coupling
理解神经运动的原理需要综合神经活动、感觉反馈和生物力学。线虫\textit{C. elegans}是一个理想的模式生物研究运动在一个集成的神经力学设置，因为它的神经回路具有良好的特征模块化结构，其波动向前游泳步态适应周围的流体具有较短的波长，在较高的粘度环境。这种适应性行为来自于神经模块通过机械力、神经元耦合和感觉反馈机制的组合进行交互。然而，这些耦合模式对步态适应的相对贡献还不清楚。该模型由重复的神经力学模块组成，这些模块通过身体的力学、短程本体感受和间隙连接耦合。该模型捕捉实验观察到的步态适应在广泛的机械参数范围内，只要肌肉对来自神经系统的输入的响应比身体对内部和外部力的变化的响应更快。该模型的模块化允许使用弱耦合振荡器的理论，以确定身体力学，间隙连接耦合和本体感受耦合在协调波动步态的相对作用。分析表明，体波的波长由这三种耦合形式的相对强度决定。在低粘度流体环境中，间隙连接和本体感觉之间的竞争产生长波长波动，这仅在具有足够强的间隙连接耦合的模型中实现。实验观察到的响应于流体粘度增加的波长减小是机械耦合的相对强度增加的结果，这促进了短波长。
2021-03-16 math.DS q-bio.NC
An Artificial Neural Network for Image Classification Inspired by Aversive Olfactory Learning Circuits in Caenorhabditis Elegans
Beijing Normal University（北京师范大学）；International Academic Center of Complex Systems, Beijing Normal University（北京师范大学复杂系统国际学术中心）；School of Systems Science, Beijing Normal University（北京师范大学系统科学学院）；School of Computer Science and Engineering, Tianjin University of Technology（天津理工大学计算机科学与工程学院）
本研究受秀丽隐杆线虫厌恶性嗅觉学习回路启发，构建了新型图像分类人工神经网络，经对比实验验证其在准确率、一致性和收敛速度上更具优势，为人工神经网络设计提供了仿生新思路。
2024-08-28 cs.AI cs.CV cs.NE
The role of multistability and transient trajectories in networked dynamical systems: Connectomic dynamics of C. elegans and behavioral assays
本文研究了线虫C. elegans在实验上是低维的，并且对应于离散的行为状态，其中先前的建模工作已经发现了这些状态中的一些的神经代理。实验结果进一步表明，动力学可以被理解为多个低维吸引子之间的长时间尺度转换。为了识别我们的模型的多稳态制度，我们开发了一种方法，系统生成的分岔图和它们的分析在一个可解释的低维子空间，显示多稳态输入响应的存在和性质一目了然。PLM神经元对的刺激，实验上与向前运动相关，并在模拟中显示为驱动极限环，定义了我们的低维投影空间。然后，我们得到的分岔图单神经元的激励在一定范围内的振幅和分类是否在这个投影空间中的动态与极限环，不动点，或多个状态。在复合输入到PLM对和ASK对的特定情况下，我们发现了极限环和不动点的双稳性，不同状态之间的过渡时间尺度比系统中的其他时间尺度长得多。这表明我们的模型与神经系统动态特性的一致性，即与行为状态相对应的离散低维吸引子之间的长时标转换。因此，我们的方法规定了一种方法，用于识别这些状态和过渡响应于任意输入。
2015-09-03 q-bio.NC
Analysing properties of the C. Elegans neural network: mathematically modeling a biological system
大脑是生物世界中研究最多和高度复杂的系统之一。它是所有脊椎动物和大多数无脊椎动物生命背后的信息中心，因此已成为当前研究的主要焦点。虽然这些研究中有许多集中在直接研究大脑，但我们的重点是大脑本身的结构：其核心是一个相互连接的节点（神经元）网络。更好地了解大脑的结构方面应该阐明它的一些功能特性。在本文中，我们分析了线虫秀丽隐杆线虫的大脑。它仅由302个神经元组成，是人们更好理解的神经网络之一。使用网络的279个神经元“巨型组件”的拉普拉斯矩阵，我们使用特征值计数函数来寻找分形自相似性。该矩阵表示还用于绘制（在本征函数坐标中）神经网络的2维和3维可视化。进一步的分析研究了系统的小世界性质，包括平均路径长度和聚类系数。然后，我们测试本地化的本征函数，使用图形能量和空间方差。为了更好地理解这些结果，所有这些计算也都是在随机网络、分支树和已知的分形上进行的，以及那些被“重新布线”以具有小世界属性的分形。这种分析是神经网络研究中的许多垫脚石之一。虽然大脑中的许多结构和功能是已知的，但了解两者如何相互作用也很重要。更好地掌握神经网络的结构特性是这一过程中的关键步骤
2011-09-18 physics.bio-ph q-bio.NC q-bio.QM
Homogenized $\textit{C. elegans}$ Neural Activity and Connectivity Data
针对秀丽隐杆线虫现有神经生理数据集格式不统一、连接组数据需预处理的问题，研究整合12项神经成像实验和9份连接组注释，经标准化流程构建同质化数据集并在HuggingFace开放，助力神经系统结构-功能关系研究。
2025-05-19 q-bio.NC
Searching for collective behavior in a small brain
在大型神经元网络中，人们认为功能是通过许多相互连接的神经元的集体行为产生的。最近，实验技术的发展允许同时记录秀丽隐杆线虫（一种有302个神经元的线虫）所有神经元中的大部分神经元的钙浓度，这创造了一个机会来询问这种出现是否是普遍的，甚至达到最小的大脑。在这里，我们测量了C中50多个神经元的活性。elegans，并通过建立最大熵模型来分析数据，该模型匹配这些神经元之间的平均活动和成对相关性。为了捕捉细胞反应的分级性质，我们为每个细胞分配了多个状态。这些模型，相当于一个家庭的波茨眼镜，成功地预测更高的统计结构的网络。此外，这些模型表现出集体行为的特征：单个细胞的状态可以从网络的其余部分的状态预测;网络，尽管在某种程度上类似于结构连接体，但在局部扰动时，其响应在全局上分布;网络状态的分布具有多个局部最大值，就像记忆模型一样;并且描述真实网络的参数在这类模型中接近临界面。
2018-10-17 cond-mat.dis-nn physics.bio-ph q-bio.NC
Simultaneous whole-animal 3D-imaging of neuronal activity using light field microscopy
由于成像体积的大小与空间和时间分辨率之间的权衡，在单细胞水平和生理相关的时间尺度上对整个生物体中的神经元活动进行3D功能成像面临主要障碍。在这里，使用光场显微镜结合3D去卷积，我们表现出内在的同时体积功能成像的神经元群体活动在单个神经元分辨率为整个生物体，线虫秀丽隐杆线虫。我们的技术的简单性和集成到落射荧光显微镜的可能性，使其成为一个有吸引力的工具，高速体积钙成像。
2014-12-22 physics.optics q-bio.NC
Modular integration of neural connectomics, dynamics and biomechanics for identification of behavioral sensorimotor pathways in Caenorhabditis elegans
本文提出秀丽隐杆线虫模块化建模框架 modWorm，整合连接组、神经动力学与生物力学七模块构建神经力学模型，通过模拟刺激与消融实验识别控制感觉运动行为的神经回路。
2025-06-03 q-bio.NC q-bio.QM
Model Checking Tap Withdrawal in C. Elegans
Stony Brook University（石溪大学）；University of Illinois Urbana Champaign（伊利诺伊大学厄巴纳-香槟分校）；Vienna University of Technology（维也纳工业大学）
本文首次对多细胞生物中神经回路的非线性微分方程模型进行形式验证，通过可达性分析估计关键参数，并展示结果与实验一致，揭示参数范围对三种行为的影响。
2015-03-22 cs.CE cs.LO cs.SY
Unsupervised learning of control signals and their encodings in $\textit{C. elegans}$ whole-brain recordings
最近在$\textit{C. elegans}$上进行的全脑成像实验已经揭示了神经元群体动力学对低维流形上的运动命令和行为之间的定型转换进行编码。在这个流形上描述动态特性的努力已经使用分段线性模型来描述整个状态空间，但尚不清楚单个全局动态模型如何生成所观察到的动态。在这里，我们提出了一个控制框架，以实现这样一个全球性的动态模型，从而基本的线性动态致动稀疏控制信号。该方法以无监督的方式从数据中学习控制信号，然后使用$\textit{ Dynamic Mode Decomposition with control}$（DMDC）创建第一个可以重建全脑成像数据的全局线性动力学系统。这些控制信号被证明是牵连在行为之间的过渡。此外，我们分析了这些控制信号的时间延迟编码，表明这些转换可以从先前参与行为转换的神经元中预测，但也可以从先前未识别的其他神经元中预测。此外，我们的分解方法允许人们理解所观察到的非线性全局动力学，而不是线性动力学与控制。所提出的数学框架是通用的，可以推广到其他神经感觉系统，可能揭示过渡和他们的编码在一个完全无监督的方式。
2020-04-13 q-bio.NC q-bio.QM
Anti-phase synchronization of phase-reduced oscillators using open-loop control
在这封信中，我们提出了一个优雅的方法来建立和保持一个反相配置的两个非线性振荡器具有不同的固有频率和正弦相位减少模型所描述的动态。使用耦合振荡器的公共输入来实现反相同步，该公共输入由适当幅度和持续时间的方波脉冲序列组成。这个例子提供了一个原理证明，开环控制可以用来创建所需的同步模式的非线性振荡器，当反馈是昂贵的或不可能获得。
2011-11-11 nlin.AO q-bio.NC
