存在未知调制输入时的感觉神经反应模型

神经反应具有高度变异性，其中部分变异源于改变其增益的调制因素的波动，如适应、注意、唤醒、预期或实际奖励、情绪以及局部代谢资源可用性。无论其来源如何，这些信号的波动都可能混淆或偏置从放电反应中得出的推断。近期研究表明，对于感觉神经元，这些效应可以通过一个调制泊松模型来捕捉，该模型的发放率是刺激驱动的反应函数与一个未知调制信号的乘积。在此，我们扩展了这一模型，纳入了已知的显式调制元素（具体而言，如先前模型中的放电历史依赖性），并约束剩余的潜在调制信号在时间上平滑。我们开发了通过证据优化来拟合整个模型（包括超参数）的推断程序，并将其应用于模拟数据以及雪貂听觉中脑和皮层神经元对复杂声音的反应。我们证明，对潜在调制变量进行积分可以得到比标准泊松模型更好（或更易于解释）的感受野估计。反之，对刺激依赖性进行积分可以得到缓慢变化的潜在调制变量的估计。