通过多尺度无监督结构学习发现大脑范围的神经行为地图

科学领域:

• 神经科学是一个神经科学.
• 计算生物学 计算生物学
• 遗传学 是一个遗传学.

背景情况:

• 神经系统产生复杂的运动模式,但将特定的神经元与行为联系起来是具有挑战性的.
• 传统的方法是缓慢的,一次只关注一个行为和一个神经元组.

研究的目的:

• 开发一种新的,公正的方法,用于将神经元映射到行为中.
• 为Drosophila幼虫神经元创建一个全面的行为参考地图.

主要方法:

• 在Drosophila幼虫中确定了1054个神经元线的光遗传激活.
• 追踪了37780只动物的行为反应.
• 将多尺度无监督结构学习应用于行为数据.

主要成果:

• 确定了29个离散的,可以统计区分的,观察者公正的行为现象型.
• 将特定的神经元子集映射到它们唤起的行为中.
• 为大量幼虫神经元创建了一个行为参考地图.

结论:

• 这本地图集为理解神经控制行为提供了一个基础资源.
• 促进未来的连接和活动映射研究.
• 为神经元行为映射提供了一个可扩展的方法.