识别具有高密度细胞外电压记录的多隔间霍奇金-哈克斯利模型

科学领域:

• 计算神经科学是一种神经科学.
• 生物物理学的生物物理.
• 神经工程 神经工程是神经工程.

背景情况:

• 多隔间的霍奇金-哈克斯利模型对于理解神经计算至关重要.
• 估计模型参数通常需要具有挑战性的体内细胞内电压测量.
• 高密度探针的进步允许密集的细胞外电压采样.

研究的目的:

• 开发一种方法,仅从细胞外记录中推断神经元膜电压和生物物理参数.
• 为了同时估计与记录探头相对的神经元位置.
• 克服传统的体内电生理学的局限性.

主要方法:

• 使用扩展卡尔曼波器推断膜电压和通道状态.
• 使用高效,可差分的模拟器进行模型计算.
• 应用基于梯度的方法来最大限度地提高参数学习的边际概率.

主要成果:

• 仅使用细胞外数据,成功推断了膜电压,生物物理参数和神经元位置.
• 在模拟数据上证明方法性能.
• 使用真实神经元形态和细胞外记录验证了这种方法.

结论:

• 拟议的方法可以从非侵入性的细胞外记录中准确估计神经元属性.
• 这种技术提升了研究神经计算的能力 in vivo.
• 方便在大规模神经记录中应用详细的生物物理模型.