用于细胞内电流事件分析的贝叶斯方法
定量方法
2016-05-19 v2 神经元与认知
应用统计
摘要
神经电路功能的研究常常需要对阈下电生理记录中的事件进行统计解释。该问题并非平凡，因为记录可能具有中等水平的结构化噪声，且事件可能具有不同的动力学特征。此外，结合光学与电生理方法的新型实验设计将依赖于融合多模态数据的统计工具。我们提出一种贝叶斯方法，用于在每个事件的基础上从电压钳记录推断突触后电流（PSCs）的时序、强度和动力学。单一电压钳记录的简单生成模型可灵活扩展以包含网络级结构，从而支持旨在探测突触连接性的实验。我们在模拟和真实数据上验证了该方法。我们还证明，基本 PSC 检测算法的扩展能够处理被光诱发电流污染的数据，并且我们模拟了一个场景：其中对神经元子集可用的钙成像观测可与电生理数据融合以实现更高的时间分辨率。我们将该方法应用于模拟和真实真值数据，以展示相比标准 PSC 检测方法，其在检测低信噪比事件上更高的灵敏度和对噪声更强的鲁棒性。这种用于电生理记录的新的贝叶斯事件分析方法应能在更多变的条件下更好地估计生理参数，并有助于支持电路映射的新实验设计。
引用
@article{arxiv.1603.06230,
title = {Bayesian methods for event analysis of intracellular currents},
author = {Josh Merel and Ben Shababo and Alex Naka and Hillel Adesnik and Liam Paninski},
journal= {arXiv preprint arXiv:1603.06230},
year = {2016}
}