用于同时估计生物神经元网络内电生理与连接性的统计数据同化方法
神经元与认知
2020-02-05 v8 生物物理
摘要
采用一种数据同化(DA)方法,在一个小型模型生物网络中同时估计神经元的电生理参数及其突触连接性。DA过程被表述为一个优化问题,其代价函数由测量误差项和模型误差项共同构成。对这些项进行迭代重加权,提供了一种系统方法,可在状态空间局部区域内识别非凸代价函数曲面上的最低极小值。在该模型中,两组参数值对应于两种特定的网络活动功能模式:所有神经元同时放电,以及神经元依次爆发的一种模式生成模式。若满足以下条件,DA过程能够恢复这些模式:i)刺激电流具有混沌波形;ii)测量包含电路中所有神经元的膜电压。此外,该方法能够将维度不必要过高的模型剪枝至一个包含重现所给测量所需最大维度的表示。本文提供了一种概念验证,表明DA有潜力为小型且可隔离功能电路的属性估计指导实验室设计。
引用
@article{arxiv.1711.03834,
title = {Statistical data assimilation for estimating electrophysiology simultaneously with connectivity within a biological neuronal network},
author = {Eve Armstrong},
journal= {arXiv preprint arXiv:1711.03834},
year = {2020}
}
备注
15 pages and 7 figures (without appendices). arXiv admin note: text overlap with arXiv:1706.03296