从神经连接组学自动发现细胞类型与微环路
神经元与认知
2014-07-17 v1 机器学习
摘要
神经连接组学已开始产生海量数据，亟需新的分析方法来揭示其生物与计算结构。长期以来，人们一直认为发现神经元类型及其与微环路的关系对于理解神经功能至关重要。在此，我们开发了一种非参数贝叶斯技术，用于在连接组学数据中识别神经元类型和微环路模式。该方法以原则性且概率一致的方式，整合了生物学家传统上使用的信息，包括连接性、细胞体位置以及突触的空间分布。我们表明，该方法能够恢复视网膜中已知的神经元类型，并能比更简单的算法更好地预测连接性。它还能揭示秀丽隐杆线虫（C. elegans）神经系统中的有趣结构，并自动发现微处理器的结构。我们的方法从连接组学中提取结构意义，使得能够从这些新兴数据集中自动推导解剖学见解成为可能。
引用
@article{arxiv.1407.4137,
title = {Automatic discovery of cell types and microcircuitry from neural connectomics},
author = {Eric Jonas and Konrad Kording},
journal= {arXiv preprint arXiv:1407.4137},
year = {2014}
}