超级计算机框架用于逆向工程神经元群的发射模式,以识别它们的突触输入
Matthieu K Chardon1,2, Y Curtis Wang3, Marta Garcia4
1Department of Neuroscience, Northwestern University, Chicago, United States.
eLife
|October 16, 2024
概括
新的逆向工程 (RE) 技术成功地在模拟的脊柱运动神经元中识别了突触输入模式. 这种方法从神经元发射模式准确地重建神经电路组织,即使是复杂的输入.
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
- 神经工程 神经工程是神经工程.
背景情况:
- 了解神经电路组织对于破译大脑功能至关重要.
- 脊柱运动神经元整合多种突触输入来控制运动指令.
- 反向工程 (RE) 方法旨在从活动模式中推断神经电路结构.
研究的目的:
- 开发和验证用于识别神经元群体中突触输入组织的新型RE技术.
- 评估这些RE方法在重建复杂的刺激性,抑制性和神经调节性输入模式中的有效性.
- 评估神经系统非独特性和神经调制对RE精度的影响.
主要方法:
- 在脊柱运动神经元的in silico模拟中,使用超级计算资源进行了广泛的参数搜索.
- 开发RE算法来分析模拟的神经元发射模式并推断输入特征.
- 对RE性能进行定量分析,在重建的输入模式中计算测量方差.
主要成果:
- 模拟的神经元发射模式包含足够的信息来显著限制可能的输入组合.
- RE技术成功估计了刺激,抑制和神经调节的模拟模式,其中75-90%的差异占比.
- 激发模式中的神经调节诱导的非线性有助于,而不是阻碍,RE过程.
结论:
- 新的RE技术可以有效地从神经元发射模式中识别突触输入组织.
- 计算能力的进步可能会提高RE在神经科学中的准确性和适用性.
- 这种方法对理解各种神经系统中神经计算具有前景.


