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
Rotationally-invariant mapping of scalar and orientational metrics of neuronal microstructure with diffusion MRI
我们开发了一个通用的分析和数值框架,估计内和外神经突水分数和扩散系数,以及神经突取向分散,在每个成像体素。通过采用一组旋转不变量及其在扩散加权的幂中的扩展,我们分析地揭示了参数估计景观的非平凡拓扑,表明参数的多个分支几乎同样好地描述了测量,其中只有一个对应于生物物理现实。一个全面的采集表明,分支的选择在整个大脑中是不同的。我们的框架揭示了神经元组织MRI参数估计中隐藏的退化,提供了无约束或先验的全脑微结构和方向图,并将现代生物物理建模与临床MRI连接起来。
2018-04-06 physics.bio-ph physics.med-ph 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
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
Statistical crossover and nonextensive behavior of the neuronal short-term depression
神经元编码的理论基础,与突触传递中的短期降解有关,在文献中是一个有争议的问题。事实上,电生理信号通常被表征为与刺激强度成反比。在对这种现象的理论描述中,基于$1/f$依赖性的模型被用来研究短时程突触抑制的生物物理特性。在这项工作中,我们制定了一个模型的基础上的一个范例\textit{q} -微分方程,以获得一个广义的形式主义有用的调查nonextensivity在这种特定类型的突触可塑性。我们的分析揭示了电生理记录数据的非扩展性和神经传递的统计交叉。特别是,统计转换提供了额外的支持神经递质的异质性释放概率的假设。另一方面,简单的囊泡模型只在低频刺激下与数据一致。因此,目前的工作提出了一种方法来证明,短期抑郁症不仅是由随机机制,但也由一个非广泛的行为。我们的研究结果也调和形态学和电生理学的调查到一个连贯的生物物理场景。
2017-11-17 q-bio.NC
System Identification of a Multi-timescale Adaptive Threshold Neuronal Model
Department of Electrical Engineering and Computer Science, University of Central Florida(电气工程和计算机科学系,中佛罗里达大学);NanoScience Technology Center, University of Central Florida(纳米科学技术中心,中佛罗里达大学)
本文研究了多时间尺度自适应阈值神经元模型的参数估计问题,通过系统动态操控,将阈值电压建模为线性参数模型,利用预测误差框架识别阈值参数以精确预测单个神经元放电时间。
2018-02-23 cs.SY eess.SY 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
Identification of Neuronal Polarity by Node-Based Machine Learning
识别神经网络中信号流的方向是理解活体大脑复杂信息动力学的最重要阶段之一。利用分布在果蝇大脑不同区域的213个投射神经元的数据集,我们开发了一种强大的机器学习算法:基于节点的神经元极性识别器(NPIN)。该模型仅通过节点信息进行训练,包括体细胞特征(包含从给定节点到体细胞的空间信息)和局部特征(包含给定节点的形态信息)。在包括节点极性之间的空间相关性之后,我们的NPIN提供了极高的准确性(>96.0%)用于神经元极性的分类,即使对于具有多于两个树突/轴突簇的复杂神经元。最后,我们进一步应用NPIN分类的丽蝇的神经元极性,这是一个更少的神经元数据。我们的研究结果表明,NPIN是一个强大的工具,以确定神经元极性的昆虫和映射出的信号流在大脑的神经网络。
2020-06-22 q-bio.NC
A Method for Neuronal Source Identification
用于细胞外动作电位记录的多传感器微电极显著改善了在体记录的神经元信号的质量。这些微电极也有助于神经元信号源的定位。然而,现有的神经元定位方法主要用于体内,其中真实的神经元位置仍然未知。因此,这些方法无法通过实验验证。本文提出了一种能够估计电信号源的位置和强度的方法的实验验证。一个四传感器微电极(四极)浸泡在盐水溶液中被用来记录刺激电极产生的多个强度水平的刺激模式。四极管的位置相对于刺激器是不同的。使用多信号分类(MUSIC)算法估计刺激器的位置和强度,并通过与真实值进行比较来量化结果。定位结果的准确度和精度分别为~ 10微米和~ 11微米,这意味着MUSIC可以分辨单个神经源。类似地,源强度估计表明,这种方法可以跟踪信号幅度随时间的变化。总之,这些结果表明,MUSIC可用于表征体内神经元信号源。
2013-11-15 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
Feedback Identification of conductance-based models
本文将经典预测误差法应用于受噪声影响的神经元非线性离散时间模型估计,利用基于电导模型指数收缩逆动力学的性质,证明了输出反馈下参数估计的一致性,为非线性系统辨识在随机神经元系统中的应用提供了严格框架。
2020-12-16 cs.SY eess.SY q-bio.NC
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
Metric Framework of Coherent Activity Patterns Identification in Spiking Neuronal Networks
本研究针对现有神经元动力学分析方法无法揭示相干活动模式定位与属性的问题,提出将网络视为神经元度量空间、以活动函数空间连续性识别相干簇的新方法,可在单神经元尺度生成网络活动模式的详细算法概貌。
2025-06-14 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
Avalanches of Activation and Spikes in Neuronal Complex Networks
如最近所示(arXiv:0801.3056),涉及非线性积分和激发动力学的几种类型的神经元复杂网络沿着其瞬态状态表现出突然激活。有趣的是,这种激活雪崩也被发现强烈依赖于网络的拓扑结构:虽然Erdens-Rény,Barabási-Albert,路径正则和路径转换BA模型表现出明确的雪崩;而Watts-Strogatz和地理结构则呈现出激活在节点之间的逐渐分散。目前的工作调查这样的现象,通过考虑一个网络的平均场等效模型,这是强烈的同心邻域和度的概念上成立。结果表明,层次的节点数和层次度定义的强度和时间的雪崩。这种方法还允许在瞬态动态期间识别开始激活时间,这对于社区识别特别重要(arXiv:0801.4269,arXiv:0801.4684)。在这项工作中的主要概念和结果说明相对于理论和现实世界(\emph{C. elegans})的网络。几个结果的报告,包括二次雪崩的识别,验证的等效模型,识别可能的普遍性的雪崩大多数网络(仅取决于网络的大小),以及识别的事实,即不同的雪崩可以通过定位在不同的神经元的\emph{C. elegans}网络的激活源。
2008-02-04 cond-mat.dis-nn physics.comp-ph physics.soc-ph
Generalisation of neuronal excitability allows for the identification of an excitability change parameter that links to an experimentally measurable value
神经元兴奋性是描述由于刺激输入而产生动作电位的现象。通常,神经元兴奋性分为两类:I型和II型,两者都具有影响信息处理的不同属性,例如阈值和增益缩放。这些性质可以用广义唯象模型进行数学研究,如Fitzhugh-Nagumo模型和镜像FHN。FHN模型表明,每一种兴奋性类型对应于一个特定类型的分支在相平面上:类型I的基础上的鞍结不变的周期分岔,和类型II的霍普夫分岔。建模I型兴奋性的困难在于,它不仅由其潜在的分叉表示,而且还应该能够在保持小的去极化电流的同时产生频率。使用mFHN模型,我们表明,这种情况是可能的,而无需修改的相图,由于纳入一个缓慢的再生变量。我们表明,在mFHN模型的奇异极限,可以选择的时间尺度分离,使得有一个配置的经典相图,允许SNIC分叉,零频率的发病和去极化电流,如在I型兴奋性观察。使用慢电导的定义,g_s,我们表明,这些数学发现的兴奋性变化是可翻译的减少电导为基础的模型,也涉及到一个实验测量的量。这不仅允许测量兴奋性变化,而且还将指示生理I型兴奋性的数学参数与可以在实验期间调谐的参数相关联。
2020-10-31 physics.bio-ph q-bio.NC
Identification of criticality in neuronal avalanches: II. A theoretical and empirical investigation of the driven case
在神经元系统中观察到明显的幂律,这使得人们认为大脑处于或接近临界状态,并且可能是一个自我组织的临界系统。在自组织临界性的框架内,时间尺度的分离被认为是观察幂律动力学的关键,计算模型通常是用这个属性构建的。然而,这不一定是生理神经网络的特征-外部输入不仅发生在网络处于静止/稳定状态时。本文研究了一个简单的由连续外部输入驱动的神经网络模型。该模型没有时间尺度的分离),并在分析上调整到在临界状态的区域内运行(它在没有输入的情况下精确地达到临界状态--这是本文的配套论文中研究的情况)。该系统以神经元放电级联的形式显示雪崩动力学,这些神经元放电被沉默期隔开。我们观察到部分无标度行为的雪崩大小的分布为低水平的外部输入。我们分析得出的分布的等待时间和调查他们的时间行为在不同程度的外部输入,表明系统的动态可以表现出部分长程时间相关性。我们进一步表明,作为系统的方法的临界状态的两个替代的“路线”,不同的标记的临界性(部分无标度行为和远程时间相关性)显示。这表明,一个特定的系统在接近临界状态的临界性表现出的签名是依赖于该系统(目前)驻留在参数空间中的区域。
2013-09-13 math-ph math.MP q-bio.NC
Identification of criticality in neuronal avalanches: I. A theoretical investigation of the non-driven case
在本文中,我们研究了一个简单的模型,一个纯粹的兴奋性神经网络,通过建设,在一个临界点。这个模型使我们能够考虑各种关键性的标志,并说明他们应该如何在一个有限大小的系统中执行。通过计算雪崩大小的精确分布,我们能够表明,在我们精确识别的雪崩大小的有限范围内,分布具有无标度特性,但不是幂律。这表明,这将是不适当的,因为没有严格的权力法律分布最近提倡的基础上,纯粹基于不能被解雇的系统是关键的。因此,在评估一个系统,特别是一个有限规模的系统是否至关重要时,必须考虑其他可能的标志。我们说明了其中之一,显示的分歧的敏感性接近临界点的系统。最后,我们提供的证据表明,幂律可能是系统的其他观测值的基础,这可能更适合于强大的实验评估。
2012-10-31 math-ph math.MP q-bio.NC
In vivo optogenetic identification and manipulation of GABAergic interneuron subtypes
本文综述了在体光遗传学结合电生理记录,通过精确光传递鉴定和操纵GABA能中间神经元亚型的方法及其在回路研究中的潜力。
2023-11-17 q-bio.NC
Neural System Identification with Spike-triggered Non-negative Matrix Factorization
Peking University(北京大学);Peng Cheng Laboratory(鹏城实验室);University of Edinburgh(爱丁堡大学);University of Leicester(莱斯特大学)
大脑中形成的神经元回路是复杂的,具有错综复杂的连接模式。这种复杂性也在视网膜中观察到,作为相对简单的神经元回路。视网膜神经节细胞接收来自前几层神经元的兴奋性输入,作为激发尖峰的驱动力。需要能够以系统的方式破译这些成分的分析方法。最近,一种称为尖峰触发的非负矩阵分解(STNMF)的方法已被提出用于此目的。在这项研究中,我们扩展了STNMF方法的范围。通过使用视网膜神经节细胞作为模型系统,我们表明,STNMF可以检测上游双极细胞的各种计算特性,包括空间感受野,时间滤波器,和传输非线性。此外,我们从STNMF的权重矩阵中恢复突触连接强度。此外,我们表明,STNMF可以分离成几个子集的尖峰的神经节细胞的尖峰,每个子集是由一个突触前双极细胞。总之,这些结果证实了STNMF是一种有用的方法,用于破译神经元电路的结构。
2020-03-01 cs.LG cs.NE q-bio.NC
Ecologically mapped neuronal identity: Towards standardizing activity across heterogeneous experiments
本研究提出利用先天行为和自然环境参数构建神经元ECO标记以映射神经元身份,相比传统标记粒度更精细,聚焦多个脑区验证可行性,有望实现跨实验室神经元活动的标准化比较。
2023-04-28 q-bio.NC
Assessment and manipulation of the computational capacity of in vitro neuronal networks through criticality in neuronal avalanches
在这项工作中,我们报告了体外神经元网络的电生理行为的初步分析,以确定网络处于临界状态时,基于网络范围的雪崩活动的大小分布。这里提出的结果表明,选择适当的参数的大小分布的评价的重要性,并表明,它是可能的扰动网络显示高度同步-或超临界-行为进入临界状态,通过增加网络中的抑制水平。关键网络与非关键网络的分类在识别可以预期在计算任务上表现良好的网络方面是有价值的,因为关键性被广泛认为是系统最适合计算的状态。这种类型的分析预计能够识别非常适合计算的网络,并将网络分类为扰动或健康。这项研究是一个更大的研究项目的一部分,其总体目标是开发能够重现在体外神经元网络中观察到的目标行为的计算模型。这些模型最终将被用来帮助实现这些行为的纳米磁体阵列中使用的新型计算硬件。
2019-07-29 q-bio.NC
Evaluation of the criticality of in vitro neuronal networks: Toward an assessment of computational capacity
新型计算硬件是跟上当今对数据存储和处理能力日益增长的需求所必需的。在这个研究项目中,我们转向大脑的灵感,开发新的计算基板,是自我学习,可扩展,节能,容错。这项工作的首要目标是开发能够再现在体外神经元网络中观察到的目标行为的计算模型。这些模型最终将用于帮助在更易工程化的基底中实现这些行为:纳米磁体阵列。通过分析神经元网络的电生理记录来识别目标行为。已经进行了初步分析,以确定网络处于临界状态时,基于网络范围的雪崩的活动的大小分布,并在这里报告了这种分析的结果。这种关键网络与非关键网络的分类在识别可以预期在计算任务上表现良好的网络方面是有价值的,因为关键性被广泛认为是系统最适合计算的状态。这种类型的分析预计能够识别非常适合计算的网络,并将网络分类为扰动或健康。
2019-07-04 cs.ET 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
Annotating Synapses in Large EM Datasets
在突触水平上重建神经元回路是神经科学的核心问题,也是新兴的连接组学领域的研究热点。到目前为止,电子显微镜(EM)是最成熟的技术,用于识别和量化突触连接。随着EM的进步使得获取更大的数据集成为可能,随后的手动突触识别({ \em即},校对)成为主要的时间瓶颈。在这里,我们介绍了一个大规模,高通量,半自动化的方法来有效地识别突触。我们成功地将我们的方法应用于果蝇延髓视叶,注释了比以前的连接体努力更多的突触。我们的方法是可扩展的,并将使突触识别的过程往往是复杂的访问更广泛的社区的潜在校对。
2014-12-04 cs.CV q-bio.NC q-bio.QM