A mechanics theory for the exploration of a high-throughput, sterile 3D $\textit{in vitro}$ traumatic brain injury model
针对皮质球体体外TBI模型高通量无菌机械加载及应变测定难题,提出离心机加载的模型构想,并建立连续介质力学理论估算旋转球体应变,为TBI模型研发提供支撑。
2023-08-25 physics.bio-ph q-bio.NC
Spatial computing in structured spiking neural networks with a robotic embodiment
现代神经科学的挑战之一是创造一个基于体外生长的神经网络的“活计算机”。这种人工设备应该执行神经计算任务,并在机器人中与环境交互。最近的研究已经确定了最关键的挑战,寻找一个神经网络架构来实现联想学习。本文提出了一种由单向耦合连接的脉冲神经网络的模块化结构模型。我们表明,该模型能够根据巴甫洛夫条件反射训练神经机器人。机器人的避障性能取决于网络间耦合的权重比。我们发现,除了STDP,成功学习的关键因素是突触和神经元的竞争。我们使用最近发现的最短路径规则来实现突触竞争。该方法已准备好进行实验测试。强抑制耦合实现了负责无条件反应的子网络中的神经元竞争。这种方法的经验测试需要一种技术来生长神经网络,其中兴奋性和抑制性神经元的给定比例尚未获得。另一种方法是建立一个混合系统,其中体外神经网络通过硬件忆阻连接耦合。
2022-01-10 q-bio.NC
Stochastic inference with deterministic spiking neurons
在体内观察到的新皮层回路的看似随机的瞬态动力学已被假设为代表正在进行的随机推理的签名。另一方面,体外神经元对各种类型的刺激表现出高度确定性的反应。我们表明,嵌入在尖峰噪声环境中的确定性泄漏集成和消防神经元的合奏可以达到正确的发射统计,以便从一个定义明确的目标分布采样。我们提供了一个分析推导的激活函数的单细胞水平上,对于经常性的网络,我们研究收敛到平稳的计算机模拟和演示基于样本的贝叶斯推断在一个混合的图形模型。这在确定性神经元模型和网络层面上的功能随机动力学之间建立了严格的联系。
2013-11-13 cond-mat.dis-nn cs.NE physics.bio-ph
Synaptic potentiation facilitates memory-like attractor dynamics in cultured in vitro hippocampal networks
来自神经元的集体节律动力学对于记忆形成等认知功能至关重要,但神经元如何自我组织以产生这种活动还没有得到很好的理解。基于吸引子的模型已经成功地实现为神经元网络中记忆存储的理论框架。突触传递的活动依赖性修饰被认为是学习和记忆的生理基础。本研究的目的是证明,在体外海马神经元网络上使用药理学扰动,已被证明可以增加突触强度,遵循吸引子模型理论化的动力学假设。我们使用细胞外电极网格来研究这种扰动后网络活动的变化,并表明治疗后整体尖峰和爆发活动持续增加。这种活动的增加似乎招募了更多的“错误”尖峰脉冲。最后,相图显示了一个保守的活动模式,表明网络运行在一个稳定的动态状态。
2012-01-10 cond-mat.dis-nn 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
Continuous Dynamic Photostimulation - inducing in-vivo-like fluctuating conductances with Channelrhodopsins
中枢神经元在由数千个突触前细胞诱导的电导不断波动的状态下工作。视紫红质几乎专门用于通过短暂的去极化序列来压印固定的尖峰图案。在这里,我们介绍了连续动态光刺激(CoDyPs),一种新的方法来模仿在体内一样的输入波动非侵入性转染细胞的弱失活通道视紫红质变体ChIEF。即使在长期实验中,培养的神经元受到CoDyPs产生看似随机,但可重复的尖峰模式。在电压钳位细胞CoDyPs诱导高度可重复的电流波形,可以精确地预测从光电导传递函数的ChIEF。CoDyPs可以在体内和体外研究中取代常规的闪光诱发的尖峰模式印记,保留天然活性。当与非侵入性尖峰检测相结合时,CoDyPs允许采集比以前可能的数量级更大的数据集,用于研究许多单个神经元的动态响应特性。
2013-05-31 q-bio.NC
Stochastic inference with spiking neurons in the high-conductance state
在体内观察到的新皮层电路的高度可变的动态已被假设为代表正在进行的随机推理的签名,但在明显的对比,在体外测量的神经元的确定性反应的立场。基于膜的自相关传播的尖峰脉冲串,我们提供了一个分析推导的神经激活函数,适用于一个大的参数空间,包括高电导状态。在此基础上,我们展示了如何在尖峰环境中嵌入基于电导的突触的泄漏集成和发射神经元的集合可以获得正确的发射统计数据,以便从定义明确的目标分布中进行采样。对于经常性网络,我们研究收敛到平稳的计算机模拟和演示样本为基础的贝叶斯推断在一个混合的图形模型。这指出了高电导状态的一个新的计算角色,并在网络层面上建立了确定性神经元模型和功能随机动力学之间的严格联系。
2016-10-23 cond-mat.dis-nn cs.NE physics.bio-ph
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
The balance between excitation and inhibition controls the temporal organization of neuronal avalanches
神经元雪崩,在体外和体内测量,表现出强大的临界行为。它们的时间组织隐藏了相关性的存在。在这里,我们提出了在体外大鼠皮层连续雪崩之间的等待时间分布的实验测量。这表现出一种非单调的行为,在其他自然过程中通常不会发现。数值模拟提供的证据表明,这种行为是一个结果的交替状态的高和低的活动,命名为向上和向下的状态,导致一个平衡的兴奋和抑制之间的控制由一个单一的参数。在这些期间,单个神经元状态和网络兴奋性水平,保持过去活动的记忆,由稳态机制调整。
2012-04-27 cond-mat.stat-mech q-bio.NC
Analysis of pacemaker activity in a two-component model of some brainstem neurons
5-羟色胺能、去甲肾上腺素能和多巴胺能脑干(包括中脑)神经元通常表现出自发的和相当有规律的尖峰,频率为几Hz,尽管多巴胺能和去甲肾上腺素能神经元仅在特定条件下在体外或体内表现出这种起搏器型活性。大量的离子通道类型有助于这种尖峰,使得尖峰产生的详细建模导致需要求解非常大的微分方程系统。在这样的神经元中具有简化的尖峰发放的数学模型是有用的,使得例如输入和输出脉冲序列的特征可以被并入,包括随机效应以用于可能在网络模型中使用。在这篇文章中,我们研究了一个简单的两个组件的电导为基础的模型的Hodgkin-Huxley型。数值计算的解决方案,并与适当选择的参数模仿上述类型的神经元的起搏器型尖峰的功能。详细研究了不同参数的影响,发现其中8个参数具有极高的敏感性。从非尖峰的过渡检查其中的两个,半激活潜在的激活变量和添加(去极化)的电流和对比与经典的霍奇金-赫胥黎系统的行为。尖峰之间的平台水平可以通过改变一组电压参数来调整,以与实验观察一致。实验表明,在体内,多巴胺能和去甲肾上腺素能神经元的起搏活动可以通过去除兴奋性输入或引入抑制性输入来诱导。通过模拟模型中相反的这种变化来证实这些特性,这导致了从起搏器活动到爆发型现象的变化。
2017-04-15 q-bio.NC
Building a Dynamical Network Model from Neural Spiking Data: Application of Poisson Likelihood
研究表明,生物神经元中传递的信息编码在连续动作电位的瞬间或其放电频率中。除此之外,神经元的体内操作使得测量困难,因此限制了连续的数据收集。由于这些原因,在神经网络训练中经常使用的经典均方估计技术很难应用。在这种情况下,点过程和相关的可能性方法可能是有益的。在这项研究中,我们将介绍如何应用某些方法来使用从神经过程中获得的刺激-响应数据来对神经元进行数学建模。这项研究是理论性的,它将得到模拟的支持。此外,还将与在相同网络模型上进行的类似研究进行比较。
2018-01-08 q-bio.NC
Hysteresis, neural avalanches and critical behaviour near a first-order transition of a spiking neural network
许多实验结果,无论是在体内还是体外,都支持这样的想法,即大脑皮层在临界点附近运行,同时作为精确时空模式的储存库。然而,这些观察结果所依据的机制仍然不清楚。在本文中,我们介绍了一个模型,它结合了这两个功能,显示无标度雪崩是一个系统的签名构成的一阶跃的亚稳线附近,与许多时空模式存储为动态亚稳吸引子。具体来说,我们研究了一个网络的泄漏集成和消防神经元,其连接是学习的结果,多个时空动态模式,每个随机选择的神经元的顺序。我们发现,该网络表现出一个低尖峰率无序状态(下)和高速率状态之间的一阶过渡,其特征在于集体活动的出现和存储模式之一的重放(上)。该转变的特征在于滞后,或上下状态的交替,取决于亚稳态的寿命。在这两种情况下,观察到的关键功能和神经雪崩。值得注意的是,临界现象发生在一个不连续的相变的边缘,最近观察到的辉光灯网络。
2019-06-12 cond-mat.dis-nn q-bio.NC
Inferring neuronal couplings from spiking data using a systematic procedure with a statistical criterion
最近显着的进展,在实验技术提供了一个背景推断神经元耦合的点过程数据,包括大量的神经元。在这里,我们提出了一个系统的程序,在一个客观的方式处理通用点过程数据的预处理和后处理,在一个简单的二元统计模型,伊辛或广义McCulloch-Pitts模型的框架内处理数据。该过程包括两个步骤:(1)确定用于将点过程数据转换为离散时间二进制数据的时间仓大小;(2)从估计的耦合中筛选相关的耦合。对于第一步,我们通过引入所有神经元将独立激发的零假设来确定最佳时间仓大小,然后选择时间仓大小,以便用最严格的标准拒绝零假设。与零假设相关的可能性被分析评估并用于拒绝过程。对于第二后处理步骤,在基于预处理的数据集获得耦合的某个估计值之后,将该估计值与从通过在时间方向上随机化原始数据集而获得的数据集导出的许多其他估计值进行比较。只有当原始估计的绝对值比随机数据集的绝对值大得多时,我们才认为原始估计是相关的。这些操作抑制了统计噪声引起的假阳性耦合。我们将此推理过程应用于合成和体外神经元网络的尖峰数据。结果表明,所提出的程序识别突触耦合的存在/不存在相当不错,包括他们的迹象,为合成和实验数据。特别是,结果支持,我们可以推断出的物理连接的基础系统在有利的情况下,即使使用简单的统计模型。
2020-07-07 cond-mat.dis-nn cond-mat.stat-mech q-bio.NC
SuperSpike: Supervised learning in multi-layer spiking neural networks
Stanford University(斯坦福大学);University of Oxford(牛津大学)
大脑中的绝大多数计算都是由尖峰神经网络执行的。尽管这种尖峰无处不在,但我们目前缺乏对生物尖峰神经回路如何在体内学习和计算的理解,以及我们如何在计算机模拟的人工尖峰电路中实例化这种能力。在这里,我们重新审视时间编码多层尖峰神经网络的监督学习问题。首先,通过使用代理梯度的方法,我们推导出SuperSpike,一个非线性的基于电压的三因素学习规则,能够训练多层网络的确定性集成和消防神经元进行非线性计算的时空尖峰模式。其次,最近的结果反馈对齐的启发,我们比较我们的学习规则的性能在不同的信用分配策略下传播输出错误的隐藏单元。具体来说,我们测试均匀,对称和随机反馈,发现简单的任务可以解决任何类型的反馈,而更复杂的任务需要对称反馈。总之,我们的研究结果打开了一扇大门,以获得更好的科学理解的学习和计算尖峰神经网络,通过提高我们的能力,训练他们解决非线性问题,涉及不同的时空尖峰时间模式之间的转换。
2017-10-14 cs.LG cs.NE q-bio.NC
Hopf Bifurcation in Mean Field Explains Critical Avalanches in Excitation-Inhibition Balanced Neuronal Networks: A Mechanism for Multiscale Variability
皮层神经回路在单个神经元中显示出高度不规则的尖峰,但在群体水平上显示出大规模的集体放电、振荡和临界雪崩,所有这些都对信息处理具有重要的功能。理论上,兴奋和抑制输入的平衡被认为是解释尖峰不规则性和临界雪崩可能源于潜在的相变。然而,这些多层次的动态方面的神经回路的理论和解仍然是一个悬而未决的问题。在这里,我们研究兴奋-抑制(E-I)平衡的神经元网络与生物现实的突触动力学。它可以保持不规则的尖峰动态与不同水平的同步和临界雪崩附近出现的同步过渡点。我们提出了一种新的半解析平均场论来推导控制网络宏观动力学的场方程。结果表明,网络的E-I平衡态表现为不规则的个体尖峰,具有宏观稳定态的特征,宏观稳定态可以是不动点,也可以是周期运动,其跃迁由宏观场中的Hopf分岔预测.此外,通过对公开数据的分析,我们发现在离体小鼠脑片的自发发放活动中,不规则发放和临界雪崩共存,表明了所观察到的现象的普遍性。我们的理论揭示了允许复杂的神经活动在不同的时空尺度共存的机制,并阐明了神经系统的临界性的可能起源。这也为分析E-I平衡网络的宏观动力学及其与微观对应物的关系提供了一种新的工具,这对于大规模的皮层动力学建模和计算是有用的。
2020-07-04 cond-mat.dis-nn q-bio.NC
Local dendritic balance enables learning of efficient representations in networks of spiking neurons
神经网络如何通过局部可塑性机制学习有效地表示复杂和高维的输入?表示学习的经典模型假设输入权重是通过成对的Hebbian可塑性学习的。在这里,我们表明,成对的Hebbian可塑性只适用于神经动力学和输入统计不切实际的要求。为了克服这些局限性,我们从第一性原理推导出一个基于电压依赖性突触可塑性规则的学习方案。在这里,抑制学习局部平衡个体树突隔室中的兴奋性输入,从而可以调节兴奋性突触可塑性以学习有效的表征。我们在模拟中证明,这种学习方案的工作鲁棒性,即使是复杂的,高维的和相关的输入,并与抑制传输延迟,其中赫布式的可塑性失败。我们的研究结果得出了树突兴奋抑制平衡和电压依赖性突触可塑性之间的直接联系,在体内观察,并建议,这两者都是至关重要的表征学习。
2020-10-23 q-bio.NC
Regular spiking in high conductance states: the essential role of inhibition
在神经网络的平衡状态下,对神经元的强抑制性输入会增加突触电流波动。这导致了这样的假设,即抑制有助于体内观察到的高尖峰放电不规则性。我们使用单室神经元模型与时间相关的(由于突触过滤)和状态依赖性(由于反转电位)的输入,以证明抑制性输入的行为,以减少膜电位波动,结果是不能实现与简化的神经输入模型。为了阐明对尖峰放电规律性的影响,我们使用了具有不同尖峰放电适应机制的模型,并观察到,如果通过离子电流实现尖峰放电适应或根本不实现尖峰放电适应,则在具有动态放电阈值和降低放电规律性的模型中添加抑制会增加放电规律性。这种新的波动稳定机制提供了一个新的视角观察到的神经网络的平衡状态的强抑制性输入的重要性,并突出了生物合理的输入和特定的适应机制在神经元建模的关键作用。
2021-02-18 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
Reconciliation of weak pairwise spike-train correlations and highly coherent local field potentials across space
本研究将局部皮层网络与LFP模型扩展至4x4平方毫米区域,保持神经元密度并引入距离依赖连接,发现放大过程保留峰电位统计并重现弱成对相关性,同时LFP强相关随距离衰减,低频伽马相干性解释带通滤波效应。
2024-09-23 q-bio.NC
Heterogeneous gain distributions in neural networks I:The stationary case
我们利用量子力学的技术,通过利用我们的模型和与时间无关的薛定谔方程的关系,研究神经领域的增益的非均匀分布。我们表明,连接内核和人口的增益之间的特定关系可以解释模拟中的神经场的行为。特别是,我们显示这种关系的门控活动之间的两个区域(步电位),整个另一个区域(障碍)的活动传播,最重要的是,在增益包含区域(增益井)的凸块的存在。我们的研究结果构成了可以在体内或体外测试的具体预测。
2017-02-02 q-bio.NC
A Theoretical Framework for Analyzing Coupled Neuronal Networks: Application to the Olfactory System
确定区域内和区域之间的突触耦合在感觉处理过程中是如何调节的是神经科学中的一个重要课题。电生理记录提供了有关神经尖峰的详细信息,但传统上仅限于特定区域或皮层层。在这里,我们开发了新的理论方法来研究两个大脑区域之间和内部的相互作用,基于同时记录两个区域的尖峰活动的实验测量。通过系统地比较实验获得的尖峰统计数据(有效计算)模型尖峰率统计数据,我们确定的模型参数空间中的区域是一致的实验数据。我们将我们的新技术应用于两个不同区域的双微电极阵列在体记录:嗅球(OB)和前梨状皮质(PC)。我们的分析预测:i)传入区域(OB)内的抑制必须弱于PC内的抑制,ii)从PC到OB的兴奋通常强于从OB到PC的兴奋,iii)从PC到OB的兴奋和PC内的抑制必须都相对强于来自OB的突触前输入。这些预测验证了尖峰神经网络模型的OB-PC途径,满足我们的实验数据的许多限制。我们发现,当派生的关系被违反,尖峰统计不再满足来自数据的约束。原则上,该建模框架可以适用于其他系统,并可用于研究除了网络连接强度之外的其他神经属性之间的关系。因此,这项工作可以作为一个指导,以进一步调查的各种神经属性之间的关系,并在不同的区域在感觉处理。
2017-05-25 q-bio.NC