基于高斯过程电流源密度的跨神经群体活动耦合

由于局部场电位（LFPs）源自不同空间位置的多个源，它们不易在试次间揭示神经群体间的协调活动。然而，正如我们在此展示的，一旦将不同的源信号解耦，它们的试次间波动就变得更容易获取，且跨群体相关性变得更加明显。为解耦源，我们引入了一种估计电流源密度（CSDs）的通用框架。在该框架中，LFP 集合由噪声叠加到 CSD 经生物物理前向模型变换后的结果上而形成，而 CSD 被视为一个零均值、平稳、时空高斯过程（具有快、慢分量）与一个均值函数之和，该均值函数是分布于空间中、在各试次间变化的多个时变函数之和。我们推导了与所分析数据相关的生物物理前向模型。在仿真研究中，与现有 CSD 估计方法相比，该方法改进了源信号的识别。利用从灵长类听觉皮层记录的数据，我们分析了稳态与任务诱发信号的试次间波动。我们发现了两个探针之间的皮层层级特异性相位耦合，并表明直接对 LFPs 应用相同分析未能恢复这些模式。我们还发现任务诱发的 CSD 在特定皮层深度上跨探针相关。利用小鼠视觉区 Neuropixels 探针的数据，我们再次发现了基于 CSDs 的初级视觉区与外侧内侧区之间深度特异性相位耦合的证据。