在vivo中纳米尺度突触可塑性跟踪的不确定性带来的最小成本流.

科学领域:

• 神经科学是一个神经科学.
• 计算生物学 计算生物学
• 生物物理学的生物物理.

背景情况:

• 突触对于神经连接,学习和记忆至关重要.
• 在体内成像突触动力学对于理解自适应神经计算至关重要.
• 现有的跟踪算法与动态突触的规模和复杂性作斗争.

研究的目的:

• 开发一个强大的算法,以高分辨率,长期跟踪单个突触 in vivo.
• 克服当前处理动态,密集和短暂的突触信号的方法的局限性.
• 为了能够详细分析突触可塑性和神经电路功能在行为动物.

主要方法:

• 开发了SynTrack,一个使用异构不确定性球的最大后期估计算法.
• 实现了一个时间连接的时空图表来管理长期的闭塞.
• 应用了SynTrack来跟踪活生生的小鼠在几天内超过10万个动态的亚微米突触粒子.

主要成果:

• SynTrack实现了0.51微米的平均轨道长度,并实现了88.8%的多重对象跟踪精度 (MOTA).
• 该算法表现出与专家注释器相当的性能,但速度和可扩展性明显更高.
• 在两周的时间里,成功地在多个成像过程中追踪了平均65,000个突触.

结论:

• SynTrack是一个最先进的算法,用于精确和高效地跟踪活体内突触动态.
• 该算法为研究突触可塑性和神经计算在行为小鼠中提供了前所未有的细节.
• SynTrack促进了理解大脑功能,学习和记忆形成在突触水平上的进步.