一种用于将数百至上千个神经元尖峰细节结构与行为关联的 mathematics 语言
定量方法
2025-01-16 v2
摘要
最新神经录制技术的进展使得能够记录活跃动物中来自数百至上千个神经元的动作电位。然而， characterizes spike patterns in resulting data and linking these patterns to behavior 仍是一个具有挑战性的任务。缺乏用于描述来自多个神经元（代理人）发出可变数量事件（尖峰）的严谨数学语言是一个重要的限制因素。我们引入了一种新的数学运算，用于将复杂的尖峰模式分解为一组简单、结构化的元素。这创建了一种数学语言，允许跨试验比较尖峰模式、检测子模式，并通过清晰的距离度量将其与行为关联。我们将该方法应用于猴科动物前额叶皮层的双 Utah 电极记录，该技术揭示了可以在虚拟现实工作记忆任务中预测记忆引导的决策和错误的此前看不见的结构。这些结果表明，这种技术为理解神经群体尖峰时间中的结构提供了一种强大的新方法，规模将在未来几年中继续快速增长。
引用
@article{arxiv.2412.03804,
title = {A mathematical language for linking fine-scale structure in spikes from hundreds to thousands of neurons with behaviour},
author = {Alexandra N. Busch and Roberto C. Budzinski and Federico W. Pasini and Ján Mináč and Jonathan A. Michaels and Megan Roussy and Roberto A. Gulli and Benjamin W. Corrigan and J. Andrew Pruszynski and Julio Martinez-Trujillo and Lyle E. Muller},
journal= {arXiv preprint arXiv:2412.03804},
year = {2025}
}