×
迈克尔·维德;亚沙尔·艾哈迈迪安;乔纳森·希伦斯;乔纳森·皮洛（Jonathan W.Pillow）。;贾扬特·库尔卡尼;Litke，Alan M。;奇奇尔尼斯基，E.J。;埃罗·西蒙塞利;利亚姆·帕宁斯基

模拟常见噪声输入对视网膜神经节细胞网络活动的影响。 （英语） Zbl 1446.92089号

J.计算。神经科学。 33，第1期，97-121（2012）.
摘要：视网膜神经节细胞（RGC）之间的同步自发放电在时间尺度上比视觉反应更快，已在许多研究中得到报道。同步触发的两种候选机制包括直接耦合和共享噪声输入。灵长类视网膜邻近的阳伞细胞表现出快速同步放电，这已被广泛研究，最近的实验工作表明，直接电耦合或突触耦合较弱，但在没有调制刺激的情况下共享突触输入较强。然而，以前的建模工作并没有考虑到阳伞细胞群中放电的这一方面。在这里，我们开发了一个新的模型，该模型结合了常见噪声的影响，并将其应用于分析由250多个同时记录的伞细胞组成的大型密集采样网络的光响应和同步发射。我们使用一个广义线性模型，其中每个细胞中的尖峰速率由时空滤波视觉输入、该细胞的时间滤波先验尖峰和代表常见噪声的未观测源的线性组合确定。该模型准确地捕获了棘波序列的统计结构和视觉刺激的编码，而不需要先前建模工作中存在的直接耦合假设。最后，我们检查了在给定估计参数的情况下，从棘波序列中解码视觉刺激的问题。共噪声模型产生的贝叶斯解码性能与直接耦合模型一样精确，但对尖峰定时扰动具有显著的鲁棒性。

引用于14文件

MSC公司：

92B20型 生物研究、人工生命和相关主题中的神经网络
92C20美元 神经生物学
92B25型 生物节律和同步

关键词：

视网膜;广义线性模型;状态空间模型;多电极;记录;随机效应模型
PDF格式BibTeX公司 XML格式引用
\textit{M.Vidne}等人，《计算杂志》。神经科学。33，第1号，97-121（2012；Zbl 1446.92089）

参考文献：

[1] Paninski，L.、Ahmadian，Y.、Ferreira，D.、Koyama，S.、Rahnama Rad，K.、Vidne，M.等人（2010）神经数据状态空间模型的新视角。计算神经科学杂志，29, 107-126. ·Zbl 1446.92161号
[2] Koyama，S.和Paninski，L.（2010年）。在完整的和更通用的状态空间模型中有效计算映射路径和参数估计。计算神经科学杂志，29, 89-105. ·Zbl 1446.92143号
[3] Iyengar，S.（2001）。多个神经棘波序列的分析。在概率统计方法和应用方面的进展，Gordon和Breach（第507-524页）·Zbl 1271.62259号
[4] Agresti，A.（2002年）。分类数据分析。在概率与数理统计中的威利级数. ·Zbl 1018.6202号
[5] Paninski，L.（2005）。监督和非监督学习的高斯过程方法的对数一致性结果。神经信息处理系统进展17。
[6] Bickel，P.和Doksum，K.（2001年）。数理统计：基本思想和选定主题普伦蒂斯·霍尔·Zbl 0403.62001
[7] Fahrmeir，L.和Tutz，G.（1994年）。基于广义线性模型的多元统计建模施普林格·兹比尔0809.62064
[8] Haykin，S.（2001）。自适应滤波理论培生教育印度。
[9] Masmoudi，K.、Antonini，M.和Kornprobst，P.（2010年）。使用生物现实模型对刺激进行编码和解码：视为抖动信号的尖峰时间的非确定性。在神经集成的编码和解码研究程序.
[10] McCulloch，C.、Searle，S.和Neuhaus，J.（2008年）。广义、线性和混合模型。在概率统计中的威利级数. ·Zbl 1165.62050号
[11] Shlens，J.、Field，G.D.、Gauthier，J.L.、Greschner，M.、Sher，A.、Litke，A.M.等人（2009年）。灵长类视网膜大规模同步放电的结构。神经科学杂志，29(15), 5022-5031. doi:10.1523/JNEUROSCI.5187-08.2009
[12] Warland，D.、Reinagel，P.和Meister，M.（1997）。从一群视网膜神经节细胞中解码视觉信息。神经生理学杂志，78, 2336-2350.
[13] Zhang，K。
[14] Yu，B.、Cunningham，J.、Santhanam，G.、Ryu，S.、Shenoy，K.和Sahani，M.（2009）。神经群体活动的低维单次试验分析的高斯过程因子分析。在NIPS公司.
[15] Yu，B.、Afshar，A.、Santhanam，G.、Ryu，S.、Shenoy，K.和Sahani，M.（2006）。提取神经活动中的动态结构。在NIPS公司.
[16] Wu，W.、Kulkarni，J.、Hatsopoulos，N.和Paninski，L.（2008）。使用带有隐藏状态的线性状态空间模型对目标定向运动进行神经解码。在计算与系统神经科学会议.
[17] Wilson，J.M.、Dombeck，D.A.、Diaz Rios，M.、Harris Warrick，R.M.和Brownstone，R.M.（2007年）。小鼠XFP表达神经元网络活动的双光子钙成像。神经生理学杂志，97(4), 3118-3125.
[18] Vidne，M.、Kulkarni，J.、Ahmadian，Y.、Pillow，J.，Shlens，J.和Chichilnisky，E.等人（2009年）。在共享共同输入的视网膜神经节细胞集合中推断功能连通性。在系统神经科学前沿会议摘要：计算与系统神经科学2009.
[19] Van Pelt，J.、Vajda，I.、Wolters，P.、Corner，M.和Ramakers，G.（2005年）。神经元网络发育中的动力学和可塑性在体外.大脑研究进展，147, 173-188.
[20] Utikal，K.（1997年）。一种检测神经互连性的新方法。生物网络动力学，76, 459-470. ·Zbl 0880.92012号
[21] Usrey，W.和Reid，R.（1999）。视觉系统中的同步活动。生理学年度评论，61(1), 435-456.
[22] Truccolo，W.、Eden，U.、Fellows，M.、Donoghue，J.和Brown，E.（2005）。将神经尖峰活动与尖峰历史、神经集成和外部协变量效应联系起来的点过程框架。神经生理学杂志，93, 1074-1089.
[23] Trong，P.和Rieke，F.（2008）。阳伞视网膜神经节细胞之间相关活动的起源。自然神经科学，11(11), 1343-1351.
[24] Stevenson，I.、Rebesco，J.、Hatsopoulos，N.、Haga，Z.、Miller，L.和Körding，K.（2009年）。基于尖峰的功能连通性和网络结构的贝叶斯推断。IEEE神经系统与康复工程汇刊，17(3), 203.
[25] Stevenson，I.、Rebesco，J.、Miller，L.和Körding，K.（2008）。推断神经元之间的功能联系。神经生物学最新观点，18(6), 582-588.
[26] Stein，R.、Weber，D.、Aoyagi，Y.、Prochazka，A.、Wagenaar，J.、Shoham，S.等人（2004年）。猫背根神经节中同时记录的感觉神经元的位置编码。生理学杂志，560(3), 883-896.
[27] Smith，A.和Brown，E.（2003）。从点过程观测值估计状态空间模型。神经计算，15, 965-991. ·Zbl 1085.68651号
[28] Shlens，J.、Field，G.、Gauthier，J.，Grivich，M.、Petrusca，D.、Sher，A.等人（2006年）。灵长类视网膜多神经元放电模式的结构。神经科学杂志，26(32), 8254.
[29] Segev，R.、Goodhouse，J.、Puchalla，J.和Berry，M.（2004）。记录视网膜斑块中大部分神经节细胞的棘波。自然神经科学，7, 1154-1161.
[30] Schnitzer，M.和Meister，M.（2003）。眼睛到大脑的信号中的多神经元放电模式。神经元，37, 499-511.
[31] Schneidman，E.、Berry，M.、Segev，R.和Bialek，W.（2006年）。弱的成对相关性意味着神经种群中的强相关网络状态。自然，440, 1007-1012.
[32] Schneidman，E.、Bialek，W.和Berry，M.（2003）。人口编码中的协同、冗余和独立性。神经科学杂志，23(37), 11,539.
[33] Rybicki，G.和Hummer，D.（1991年）。多层辐射传输的加速lambda迭代法，附录b：三对角矩阵逆矩阵对角元素的快速求解。天文学和天体物理学，245, 171.
[34] de la Rocha，J.、Doiron，B.、Shea-Brown，E.、Josic，K.和Reyes，A.（2007年）。神经棘波序列之间的相关性随着放电率的增加而增加。自然，448, 802-806.
[35] Rigat，F.、de Gunst，M.和van Pelt，J.（2006）。时空神经元网络的贝叶斯建模和分析。贝叶斯分析，1, 733-764. ·Zbl 1331.62161号
[36] Pillow，J.、Ahmadian，Y.和Paninski，L.（2011年）。多神经元棘波序列中基于模型的解码、信息估计和变化点检测。神经计算，23, 1-45. ·Zbl 1204.92023号
[37] Pillow，J.，Shlens，J.、Paninski，L.、Sher，A.、Litke，A.、Chichilnisky，E.等人（2008年）。完整神经元群的时空相关性和视觉信号。自然，454, 995-999.
[38] Pillow，J.、Paninski，L.、Uzzell，V.、Simoncelli，E.和Chichilnisky，E.（2005）。用概率峰值模型预测和解码视网膜神经节细胞反应。神经科学杂志，25, 11,003-11,013.
[39] Pillow，J.和Latham，P.（2007年）。部分观察到的尖峰神经元群的神经特性。在NIPS公司.
[40] Paninski，L.、Pillow，J.和Simoncelli，E.（2004）。一个随机积分-fire神经模型的最大似然估计。神经计算，16, 2533-2561. ·Zbl 1180.62179号
[41] Paninski，L.（2004）。级联点过程神经编码模型的最大似然估计。网络：神经系统计算，15, 243-262.
[42] Okatan，M.、Wilson，M.和Brown，E.（2005）。使用集成神经尖峰活动的网络似然模型分析功能连通性。神经计算，17, 1927-1961. ·Zbl 1076.92011号
[43] Ohki，K.、Chung，S.、Kara，P.、Hübener，M.、Bonhoeffer，T.和Reid，R.（2006）。定向销轮中单个神经元的高度有序排列。自然，442(7105), 925-928.
[44] Nykamp，D.（2009）。神经元网络的刺激依赖性连接分析。数学生物学杂志，59(2), 147-173. ·Zbl 1227.92016年
[45] Nykamp，D.（2008）。利用历史相关效应来推断网络连接。SIAM应用数学杂志，68(2), 354-391. ·Zbl 1133.92306号
[46] Nykamp，D.（2005）。揭示线性-非线性网络中的成对耦合。SIAM应用数学杂志，65, 2005-2032. ·Zbl 1077.92011年
[47] Nirenberg，S.、Carcieri，S.，Jacobs，A.和Latham，P.（2002年）。视网膜神经节细胞主要作为独立的编码器发挥作用。自然，411, 698-701.
[48] Niebur，E.（2007）。使用定义的成对相关性生成合成尖峰序列。神经计算，19(7), 1720-1738. ·Zbl 1146.68430号
[49] Nicolelis，M.、Dimitrov，D.、Carmena，J.、Crist，R.、Lehew，G.、Kralik，J.等人（2003年）。猕猴的慢性多部位多电极记录。美国国家科学院院刊，100, 11,041-11,046.
[50] Mishchenko，Y.、Vogelstein，J.和Paninski，L.（2011）。从钙荧光成像数据推断神经元连接的贝叶斯方法。应用统计年鉴，5（2B），1229-1261年·Zbl 1223.62162号
[51] Meister，M.、Lagnado，L.和Baylor，D.（1995）。视网膜神经节细胞发出的协调信号。科学，270(5239), 1207.
[52] Mastronarde，D.（1983年）。猫视网膜神经节细胞的相关放电。I.对x和y细胞的自发活动输入。神经生理学杂志，49(2), 303.
[53] Martignon，L.、Deco，G.、Laskey，K.、Diamond，M.、Freiwald，W.和Vaadia，E.（2000年）。神经编码：细胞集合的神经统计中的高阶时间模式。神经计算，12, 2621-2653.
[54] MacLean，J.、Watson，B.、Aaron，G.和Yuste，R.（2005）。内部动力学决定了皮层对丘脑刺激的反应。神经元，48, 811-823.
[55] Macke，J.、Berens，P.、Ecker，A.、Tolias，A.和Bethge，M.（2009年）。生成具有指定相关系数的尖峰序列。神经计算，21, 397-423. ·Zbl 1155.92011年
[56] Litke，A.、Bezayiff N.、Chichilnisky E.、Cunningham W.、Dabrowski W.、Grillo A.等人（2004年）。眼睛告诉大脑什么？视网膜输出活动大规模记录系统的开发。IEEE核科学汇刊，51, 1434-1440.
[57] Lawhern，V.、Wu，W.、Hatsopoulos，N.和Paninski，L.（2010年）。使用带有隐藏状态的广义线性模型对运动皮层活动进行群体解码。神经科学方法杂志，189(2), 267-280.
[58] Latham，P.和Nirenberg，S.（2005年）。人口法规中的协同、冗余和独立性，再次讨论。神经科学杂志，25(21), 5195.
[59] Kulkarni，J.和Paninski，L.（2007）。多神经尖峰序列数据的通用输入模型。网络：神经系统计算，18, 375-407.
[60] Krumin，M.和Shoham，S.（2009年）。生成具有受控自相关和互相关功能的尖峰序列。神经计算，21(6), 1642-1664. ·Zbl 1166.92014号
[61] Kerr，J.N.D.、Greenberg，D.和Helmchen，F.（2005）。新皮质网络的成像输入和输出体内.美国国家科学院院刊，102(39), 14063-14068.
[62] Kelly，R.、Smith，M.、Samonds，J.、Kohn，A.、邦兹，J.，Movshon，A.B.等人（2007年）。视觉皮层微电极阵列和单电极记录的比较。神经科学杂志，27, 261-264.
[63] Keat，J.、Reinagel，P.、Reid，R.和Meister，M.（2001年）。预测每一个棘波：视觉神经元反应的模型。神经元，30, 803-817.
[64] Kass，R.和Raftery，A.（1995年）。贝叶斯因素。美国统计协会杂志，90, 773-795. ·Zbl 0846.62028号
[65] Higham，N.（1988年）。计算最近的对称半正定矩阵。线性代数及其应用，103, 103-118. ·Zbl 0649.65026号
[66] Hayes，M.H.（1996）。统计数字信号处理与建模威利。
[67] Harris，K.、Csicsvari，J.、Hirase，H.、Dragoi，G.和Buzsaki，G.（2003）。海马体中细胞组装的组织。自然，424, 552-556.
[68] Gutnisky，D.和Josic，K.（2010年）。使用多元自回归过程生成时空相关尖峰序列和局部场电位。神经生理学杂志，103(5), 2912.
[69] Greschner，M.、Shlens，J.、Bakolitsa，C.、Field，G.、Gauthier，J.和Jepson，L.等人（2011年）。灵长类视网膜主要神经节细胞类型之间的相关放电。生理学杂志，589(1), 75.
[70] Gauthier，J.、Field，G.、Sher，A.、Greschner，M.、Shlens，J.和Litke，A.等人（2009年）。灵长类动物视网膜中的感受野被协调，以更均匀地采样视觉空间。公共科学图书馆生物学，7（4） ，e1000063。
[71] Frechette，E.、Sher，A.、Grivich，M.、Petrusca，D.、Litke，A.和Chichilnisky，E.（2005）。灵长类视网膜视觉运动的集成代码保真度。神经生理学杂志，94(1), 119.
[72] Field，G.、Gauthier，J.、Sher，A.、Greschner，M.、Machado，T.、Jepson，L.等人（2010年）。绘制神经回路图：灵长类动物视网膜的完整输入输出图。自然，467, 673-677.
[73] Fahrmeir，L.和Kaufmann，H.（1991）。动态指数族回归中的卡尔曼滤波、后验模式估计和fisher评分。梅特里卡，38, 37-60. ·Zbl 0713.62092号
[74] Dorn，J.D.和Ringach，D.L.（2003）。从细胞外棘突序列估计膜电压相关性。神经生理学杂志，89(4), 2271-2278.
[75] Dombeck，D.、Khabbaz，A.、Collman，F.、Adelman，T.和Tank，D.（2007年）。用细胞分辨率对清醒、活动小鼠的大规模神经活动进行成像。神经元，56(1), 43-57.
[76] DeVries，S.H.（1999）。兔视网膜神经节细胞的相关放电。神经生理学杂志，81(2), 908-920.
[77] Dacey，D.和Brace，S.（1992年）。灵长类视网膜中的阳伞而非侏儒神经节细胞的耦合网络。视觉神经科学，9(3-4), 279-290.
[78] Cossart，R.、Aronov，D.和Yuste，R.（2003）。新皮质中网络向上状态的吸引子动力学。自然，423, 283-288.
[79] Cocco，S.、Leibler，S.和Monasson，R.（2009年）。通过有效的反向统计物理方法推断视网膜神经节细胞之间的神经耦合。国家科学院院刊，106(33), 14058.
[80] Chornoboy，E.、Schramm，L.和Karr，A.（1988年）。神经点过程系统的最大似然辨识。生物控制论，59, 265-275. ·Zbl 0658.92007号
[81] Cafaro，J.和Rieke，F.（2010年）。噪声相关性提高了响应保真度和刺激编码。自然，468(7326), 964-967.
[82] Brody，C.（1999）。没有同步性的关联。神经计算，11, 1537-1551.
[83] Brivanlou，I.、Warland，D.和Meister，M.（1998）。视网膜神经节细胞间协同放电的机制。神经元，20(3), 527-539.
[84] Arnett，D.（1978年）。金鱼相邻视网膜神经节细胞之间的统计相关性。实验脑研究，32(1), 49-53.
[85] Ahmadian，Y.、Pillow，J.W.和Paninski，L.（2011）。解码神经尖峰序列的高效马尔可夫链蒙特卡罗方法。神经计算，23, 46-96. ·Zbl 1217.92022号
[86] Ahmadian，Y.、Pillow，J.、Shlens，J.，Chichilnisky，E.、Simoncelli，E.和Paninski，L.（2009年）。一种基于解码器的棘波训练指标，用于分析视网膜中的神经代码。在COSYNE09公司.
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。