从钙成像信号中无模型重建神经元网络连接

即使在离体神经元培养物中，通过直接电生理学测定对全局神经网络连接进行系统性评估在技术上仍然不可行。我们引入了一种基于 Transfer Entropy 的改进算法方法，用于从通过钙荧光成像监测的网络活动中重建网络结构连接的近似结果。基于信息论，我们的方法不需要对神经元放电和神经元连接的统计特性作任何先验假设。我们利用具有已知真实拓扑的网络模拟动力学生成的钙荧光替代时间序列，对算法性能进行了基准测试。我们发现，Transfer Entropy 揭示的有效网络拓扑在定性上依赖于网络随时间变化的动态状态（例如，爆发或非爆发状态）。因此，我们展示了如何通过相对于全局平均活动进行条件化处理来提升我们方法的性能。[...] 与互相关或 Granger Causality 等其他重建策略相比，我们基于改进的 Transfer Entropy 的方法准确度显著更高。特别是，它提供了对网络聚类系数的良好重建，能够区分弱聚类或强聚类拓扑，而基于互相关的方法则会恒定地检测到人为偏高的聚类水平。最后，我们展示了该方法在体外皮层培养物真实记录中的适用性。我们证明，与随机图相比，这些网络具有较高（尽管并非极端）的聚类水平以及显著的非局域连接。