团拓扑揭示神经相关性中的内在几何结构
神经元与认知
2015-11-24 v1
摘要
在存在隐藏非线性的情况下，从神经活动与连接数据中检测有意义的结构具有挑战性，传统基于特征值的方法可能产生误导。我们引入一种称为团拓扑(clique topology)的矩阵分析新方法，它提取在数据非线性单调变换下不变的特征。这些特征可用于检测随机与几何结构，且仅依赖于矩阵元素的相对排序。随后我们分析了大鼠海马体中锥体神经元的活动，这些活动记录于动物探索二维环境时，并确认我们的方法仅利用神经相关性的内在模式即可检测几何组织。值得注意的是，我们在非空间行为（如转轮跑动和快速眼动睡眠）期间发现了类似结果。这表明相关性的几何结构由潜在的海马回路塑造，而不仅是位置编码的结果。我们提出团拓扑是生物环境中矩阵分析的有力新工具，其中观测量与更有意义变量之间的关系往往是非线性且未知的。
引用
@article{arxiv.1502.06172,
title = {Clique topology reveals intrinsic geometric structure in neural correlations},
author = {Chad Giusti and Eva Pastalkova and Carina Curto and Vladimir Itskov},
journal= {arXiv preprint arXiv:1502.06172},
year = {2015}
}
备注
29 pages, 4 figures, 13 supplementary figures (last two authors contributed equally)