组合阈值线性网络中的顺序吸引子
摘要：神经活动的序列出现在许多脑区域中，包括皮层、海马体和中枢模式生成器回路，这些回路是产生节律行为（如运动）的基础。虽然支持序列生成的网络结构差异很大，但一个共同特征是抑制性的丰富。在这项工作中，我们关注支持具有抑制性主导动力学的循环连接网络中的序列活动的结构。具体来说，我们研究了一类特殊的阈值-线性网络结构，称为组合阈值-线性网络（CTLNs），其连通性矩阵是由有向图定义的。这种网络自然地产生大量与底层图形紧密相关的序列动力学。我们发现基于循环图的推广的网络架构产生了极限周期吸引子，可以激活以生成短暂或持续（重复）序列。每种架构类型都产生了一个无限的图形族，可以从任意组件子图构建。此外，我们证明了每个族中相应CTLN的一些图形规则。图形规则使我们能够强烈限制，并在某些情况下完全确定网络的定点，以及组件子网络的定点。最后，我们还展示了某些架构的结构如何揭示相应吸引子的序列动力学。
作者：Caitlyn Parmelee, Juliana Londono Alvarez, Carina Curto, Katherine Morrison
论文ID：2107.10244
分类：Neurons and Cognition
分类简称：q-bio.NC
提交时间：2022-08-16