使用生物物理生成模型精确推断到峰值
Gerard Joey Broussard1, Giovanni Diana2, Francisco J Urra Quiroz2
1Neuroscience Institute, Washington Road, Princeton University, Princeton, New Jersey USA 08540.
Research square
|May 2, 2025
概括
新的算法提高了神经尖端时间的准确性. 用于GCaMP指标的生物物理模型减少了假阳性,实现了准确检测行动潜力的近乎理论极限.
科学领域:
- 神经科学是一个神经科学.
- 生物物理学的生物物理.
- 生物化学 生物化学
背景情况:
- 神经活动指标的内分子动力学可以影响动作潜力 (尖峰) 时间估计.
- 现有的推断算法可能会由于指示器动力学产生不准确性.
研究的目的:
- 为了开发一个更准确的尖峰推断算法.
- 描述GCaMP6f,jGCaMP7f和jGCaMP8f指标对的动态反应.
主要方法:
- 实验室中停止流动和脑切片记录被用于分析指示器动力学.
- 基于实验数据,GCaMP的多状态模型被开发出来.
- 贝叶斯序列蒙特卡洛 (BiophysSMC) 和机器学习 (BiophysML) 推断方法被创造出来.
主要成果:
- jGCaMP8f表现出依赖使用的减速,导致现有方法的错误阳性.
- 新的生物物理推理方法显著减少了假阳性.
- 尖峰时间的准确性得到了改善,中位数不确定性为4毫秒,达到理论极限.
结论:
- 基于模型的方法比用于尖端推断的无模型算法具有优势.
- 开发的生物物理方法在动作潜力检测准确度方面取得了实质性的改进.
- 这一框架增强了神经活动时间的精确估计.


