在连接组受约束的反复网络中预测神经活动
Manuel Beiran1, Ashok Litwin-Kumar1
1Zuckerman Mind Brain Behavior Institute, Columbia University, New York, NY 10027, USA.
bioRxiv : the preprint server for biology
|June 10, 2024
概括
神经网络的功能不能仅仅通过其布线图 (连接组) 来确定. 然而,从几个神经元的记录可以揭示网络动态和预测活动,指导未来的研究.
科学领域:
- 计算神经科学是一种神经科学.
- 系统神经科学 系统神经科学
- 理论神经科学 理论神经科学
背景情况:
- 神经网络模型对于理解大脑功能至关重要.
- 连接体提供结构信息,但可能无法完全解释神经动力学.
- 从单独的连接性推断功能是神经科学中的一个重大挑战.
研究的目的:
- 开发连接组受约束神经网络的理论.
- 调查连接组在限制网络动态方面的充分性.
- 为了确定有限的神经元记录对预测网络活动的影响.
主要方法:
- 开发了一个理论框架,比较"学生" (受约束) 和"老师" (基础真相) 神经网络.
- 分析了具有相同连接性但具有不同生物物理参数的网络动态.
- 研究了部分神经元记录对模型退化的影响.
主要成果:
- 单独的Connectomes通常不足以限制特定任务的神经网络动态.
- 来自一小部分神经元的记录可以解决模两可,并预测网络活动.
- 该理论确定了记录最佳神经元,以有效预测未测量的活动.
结论:
- 神经网络的功能不仅仅是由它的连接组决定的.
- 有限的实验数据 (神经元记录) 可以显著限制网络模型.
- 这一框架有助于理解神经系统中的结构,动态和功能之间的关系.
