响应统计剖析不同变异性来源对 V1 群体活动的贡献
神经元与认知
2016-05-31 v1
摘要
响应变异性（通过试验重复执行时响应的波动来衡量）是神经响应的主要组成部分，其表征是解释高维群体记录的关键。响应变异性和协变性在刺激与认知或行为状态变化时表现出可预测的变化，为检验神经变异性模型的预测能力提供了机会。然而，关于在群体水平分析中使用哪个模型作为构建模块，几乎没有共识，并且变异性模型常被视为一种选择主题。我们研究了两个竞争模型：假设脉冲生成中随机性的双随机泊松（DSP）模型，以及将变异性追溯至膜电位方差的修正高斯（RG）模型，以分析响应统计中刺激依赖的调制。使用一对神经元的模型，我们证明两个模型预测相似的单神经元统计。然而，DSP 和 RG 模型对脉冲响应的联合统计有矛盾的预测。为了根据数据检验模型，我们构建了一个群体模型来模拟响应统计中与刺激变化相关的调制。我们使用猴子初级视觉皮层的单元记录表明，虽然模型对方差的预测与实验数据定性相似，但只有 RG 模型的预测与联合统计兼容。这些结果表明，使用类泊松变异性的模型可能无法捕获响应统计的重要特性。我们认为，膜电位水平的随机性建模为建模相关性提供了有效策略。
引用
@article{arxiv.1605.08909,
title = {Response statistics dissect the contributions of different sources of variability to population activity in V1},
author = {Mihály Bányai and Zsombor Koman and Gergő Orbán},
journal= {arXiv preprint arXiv:1605.08909},
year = {2016}
}