从序列记录预测大型神经元群体的同步放电

神经科学的一个主要目标是理解神经元群体如何编码刺激或动作。虽然可同时记录的神经元数量正在快速增加，但在大多数情况下这些记录无法访问完整群体。特别是，很难同时记录给定区域中所有同类型神经元。最近的进展借助遗传和生理学工具得以对给定区域中每个记录神经元进行特征刻画，并将不同实验环节中同类型神经元的记录汇集在一起。然而，如何从这些序列记录推断同类型完整神经元群体的活动仍不清楚。神经网络表现出集体行为，例如噪声相关和同步活动，这是仅将序列记录的脉冲序列拼在一起的条件独立模型无法直接捕捉的。在此我们展示，可利用基于 copula 分布和最大熵建模的新方法，从序列记录推断视网膜神经节细胞的完整群体活动。仅利用每个神经节细胞对重复刺激的脉冲响应，以及少量成对记录，我们就能用 copula 预测噪声相关，进而用最大熵建模预测同类型大型神经节细胞群体的完整活动。值得注意的是，我们能推广预测该群体对不同刺激甚至不同实验的响应。因此我们可用该方法构建融合不同实验细胞响应的超大群体。我们准确预测了同步活动，并表明其随神经元数量增加而显著增长。该方法是根据序列记录推断感觉区群体活动的一种有前景的途径。