神经元和胶质细胞时间序列的循环爆发事件分割算法与建模
神经元与认知
2024-11-04 v1 无序系统与神经网络
定量方法
摘要
长时间神经记录序列源于相互连接的神经网络的活动。然而，如何从神经元中提取神经属性仍然是经验性的。我们在此综述基于网络模型的数据分析，以从电生理和钙信号记录的神经元和星形胶质细胞中恢复生理参数。随后，我们描述记录技术和激活事件，如脉冲和间脉冲事件以及 Up 和 Down 状态。我们随后描述用于检测和分割这些事件的时间序列分割方法。为了解释从时间序列中提取的统计数据，我们提出基于突触短期塑性和后超极化 (After hyperpolarization) 的神经群落计算模型。我们讨论了如何校准这些模型，以便其再现实验时间序列中观察到的统计特性。它们用于通过比较数值和实验统计矩或整个分布来提取特定参数。最后，我们讨论了校准模型用于预测某些参数对电路行为的选择性影响的案例，这些性质如果不通过实验则难以解剖。
引用
@article{arxiv.2411.00545,
title = {Segmentation algorithms and modeling of recurrent bursting events in neuronal and glial time series},
author = {Lou Zonca and Elena Dossi and Nathalie Rouach and D. Holcman},
journal= {arXiv preprint arXiv:2411.00545},
year = {2024}
}