用于解码和分析锋电位序列中重放的隐马尔可夫模型
应用统计
2014-12-22 v1 神经元与认知
摘要
我们提出了一个隐马尔可夫模型，用于描述与单个位置细胞神经元动作电位锋电位序列中不同活动水平相关的动物位置变化。该模型包含了对位置的粗粒化处理，我们发现这比其他模型更能简洁地描述该系统。我们使用序贯蒙特卡洛算法对模型参数（包括状态空间维度）进行贝叶斯推断，并解释了如何从锋电位序列观测中估计位置（解码）。在高时间分辨率和小神经元样本量的条件下，我们获得了比其他方法更高的精度。我们还提出了一种新颖的、基于模型的重放研究方法：重放是指在静止或睡眠期间表达与行为相关的锋电位序列活动，被认为对长期记忆的巩固至关重要。我们演示了如何在模拟数据以及从大鼠在两个不同环境中记录的真实海马数据中，检测重放事件的时间、信息内容和压缩率，并验证了检测到的重放事件时间与局部场电位中尖波/涟漪的时间之间的相关性。
引用
@article{arxiv.1412.6469,
title = {A hidden Markov model for decoding and the analysis of replay in spike trains},
author = {Marc Box and Matt W. Jones and Nick Whiteley},
journal= {arXiv preprint arXiv:1412.6469},
year = {2014}
}