在来自多个神经元群体的大规模记录中,神经元群体爆发的相对时间和合
Motolani Olarinre1,2, Joshua H Siegle3, Robert E Kass1,2,4
1Machine Learning Department, Carnegie Mellon University, Pittsburgh.
bioRxiv : the preprint server for biology
|March 3, 2025
概括
研究人员开发了一种更快的方法来分析神经活动时间. 这种方法揭示了在感官刺激后大脑区域如何沟通的一致和个体特异性模式.
科学领域:
- 神经科学是一个神经科学.
- 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
背景情况:
- 感官刺激唤起神经群体爆发,这对于信息传输至关重要.
- 这些爆发的峰值时间有所不同,但在功能合的地区,跨区域的时间可能更稳定.
研究的目的:
- 开发一个高效的分析框架来估计神经群体爆发时间及其跨区域的相关性.
- 与现有技术相比,评估新方法的性能和速度.
主要方法:
- 开发了一个新的分析框架,用于估计人口爆发时间和跨区域时间相关性.
- 在模拟数据上验证了该方法,将其速度和易用性与最近的替代方法进行比较.
- 在视觉刺激后,将该方法应用于大规模记录小鼠视觉皮层和乳头中的神经活动.
主要成果:
- 这种新方法显示出高精度,并且比替代方法快得多 (85-90%).
- 识别了视觉区域中神经活动的一致和单独可变序列.
- 揭示了小鼠大脑区域之间峰值爆发时间和功能合的变化.
结论:
- 开发的分析框架为分析神经时间关系提供了高效和准确的工具.
- 这些发现突出了一致和个体特异的神经处理途径之间的相互作用.
- 这种方法可以对神经群体的时间动态及其功能连接进行敏感的分析.
