连接组受限网络预测飞视觉系统中的神经活动
Janne K Lappalainen1,2,3, Fabian D Tschopp3, Sridhama Prakhya3
1Machine Learning in Science, Tübingen University, Tübingen, Germany.
Nature
|September 11, 2024
概括
研究人员使用果神经网络从连接数据预测神经活动. 这种通过深度学习增强的方法为理解神经计算机制提供了新的策略.
科学领域:
- 计算神经科学
- 系统神经科学
- 互联互通
背景情况:
- 神经电路的连接是可以测量的, 但神经元的动态却不是.
- 仅仅通过连接来理解神经计算是一项挑战.
- 稀疏的连接是生物神经网络的普遍特征.
研究的目的:
- 预测神经活动和理解神经计算仅使用连接数据.
- 开发一种关于神经电路机制的假设策略.
- 调查稀疏连接在成功预测中的作用.
主要方法:
- 通过实验确定果光圈连接, 构建了一个模型神经网络.
- 使用深度学习技术优化未知的单个神经元和单个突触参数.
- 对实验神经活动测量进行了验证模型预测.
主要成果:
- 该模型成功预测了视觉运动检测的神经活动.
- 模型预测与26项研究中的实验数据一致.
- 这种预测策略在神经连接稀疏的情况下更有效.
结论:
- 连接数据与深度学习相结合,可以预测神经活动,并为神经计算的理解提供信息.
- 这项研究为产生关于神经电路功能的可测试假设提供了强有力的策略.
- 稀疏的连接增强了从连接数据中预测神经电路行为的能力.
更多相关视频
07:51Preparing Adult Drosophila melanogaster for Whole Brain Imaging during Behavior and Stimuli Responses
Published on: April 27, 2021
6.0K
11:42Electrophysiological Method for Recording Intracellular Voltage Responses of Drosophila Photoreceptors and Interneurons to Light Stimuli In Vivo
Published on: June 19, 2016
19.5K
