利用潜变量模型刻画皮层神经元群体共享变异性的非线性结构
神经元与认知
2019-04-24 v1 定量方法
摘要
感觉神经元对相同刺激的重复呈现往往具有可变响应，这会显著削弱这些响应中所包含的 stimulus 信息。原则上，若变异性在众多神经元间共享，则该信息可得以保留，但这取决于共享变异性的结构及其在群体水平上与时感觉编码的关系。神经活动中该共享变异性的结构可由潜变量模型刻画，尽管迄今这类模型通常在受限的数学假设下使用。本文引入两种用于分析大规模神经记录的非线性潜变量模型。我们首先提出一个对单个神经元的刺激调谐特性无关的一般非线性潜变量模型，因而非常适用于探索调谐特性尚不明确的神经群体。这引出了第二类模型——广义仿射模型（Generalized Affine Model），它同时确定每个神经元的刺激选择性与一组潜变量，这些潜变量以加性和乘性方式调制这些刺激驱动响应。尽管这些方法能检测共享神经变异性中非常一般的非线性关系，我们发现麻醉状态下初级视觉皮层（V1）记录的神经活动最好由单个加性和单个乘性潜变量描述，即“仿射模型”。相比之下，将相同模型应用于清醒猕猴前额叶皮层的记录，发现了更一般的非线性关系以紧凑描述群体响应变异性。这些结果由此展示了如何利用非线性潜变量模型描述群体响应变异性，并表明研究不同实验条件下不同脑区需要一系列方法。
引用
@article{arxiv.1904.10441,
title = {Characterizing the nonlinear structure of shared variability in cortical neuron populations using latent variable models},
author = {Matthew R Whiteway and Karolina Socha and Vincent Bonin and Daniel A Butts},
journal= {arXiv preprint arXiv:1904.10441},
year = {2019}
}