通过基于模型的压缩传感启用全息集体刺激的神经电路的快速学习
Marcus A Triplett1,2,3,4, Marta Gajowa5, Benjamin Antin6,7,8,9
1Mortimer B. Zuckerman Mind Brain Behavior Institute, Columbia University, New York, NY, USA. marcus.triplett@columbia.edu.
Nature neuroscience
|September 17, 2025
概括
我们开发了新的计算工具,通过同时刺激许多神经元来快速绘制大脑连接. 这显著加快了脑计算的基础的神经回路的发现.
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:
- 绘制大脑中单突触连接的地图对于理解神经计算至关重要.
- 目前的方法,如双光子光遗传学,由于连续单个神经元刺激,长时间的实验时间是有限的.
研究的目的:
- 开发可扩展的计算工具,用于高吞吐量单突触连接映射.
- 克服目前大规模神经电路分析技术的局限性.
主要方法:
- 开发了一个基于模型的压缩传感算法,用于从集体刺激有效识别连接.
- 实施了一种深度学习方法,以隔离 postsynaptic 响应以进行快速序列合体刺激.
- 组合全息集体刺激与先进的计算分析.
主要成果:
- 在神经连接映射的吞吐量上实现了数量级的增加.
- 通过刺激神经元组合,使单突触连接的快速识别成为可能.
- 促进了神经电路的更快发现.
结论:
- 新的计算工具显著提高了连接映射的效率和可扩展性.
- 这一进步加速了对脑功能背后的神经电路机制的理解.
- 为大规模的连接经济学研究开辟了新的可能性.
