神经元可变性的连续分区
Anuththara Rupasinghe1, Adam S Charles2, Jonathan W Pillow1
1Princeton Neuroscience Institute, Princeton University, Princeton, NJ, 08544.
bioRxiv : the preprint server for biology
|August 8, 2025
概括
神经变异性是神经科学中的一个挑战,现在正在连续建模. 新的连续调制的Poisson (CMP) 模型分区神经的变异性,提供了对整个视觉大脑区域的刺激驱动和调制过程的见解.
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:
- 神经的变化使理解神经代码变得复杂.
- 现有的模型将可变性划分为刺激和调制元件,但缺乏连续时间解释.
- 之前的框架仅限于固定的时间区,阻碍了跨时间尺度的概括.
研究的目的:
- 开发一个连续时间模型来分割神经变异性.
- 将现有框架扩展到一个连续时间域.
- 分析不同视觉大脑区域和时间尺度的神经变异性.
主要方法:
- 引入了连续调制的Poisson (CMP) 模型.
- 模拟即时发射率作为刺激驱动和随机增益的产物.
- 将CMP模型应用于LGN,V1,V2和MT视觉区域的尖端响应.
主要成果:
- CMP模型准确地捕捉了跨时间尺度和视觉层次的尖端列车变化.
- 证明调制增益过程遵循指数化的功率定律衰变.
- 在较晚的视觉处理阶段观察到更高的方差和更慢的调制增益衰减.
结论:
- CMP模型为神经可变性分析提供了一个连续时间框架.
- 揭示了对刺激驱动和刺激独立调节过程的组织的见解.
- 提供了一种强大的工具,用于描述不同大脑区域的神经变异性.


