健康与疾病中脑回路动力学的神经流形分析
摘要：理解神经电路的动力学和认知功能及行为表现等方面的关系，模块降维分析在神经数据分析中扮演着重要的角色。本论文中，我们回顾了一系列线性和非线性的神经模块学习方法，并将其放置在一个共同的数学框架中进行比较，分析它们在神经数据分析中的优势和局限性。我们将它们应用于已发表的文献中的一些数据集，比较它们应用于海马地方细胞、运动皮层神经元和前额皮层神经元等不同任务下所产生的模块。我们发现，在很多情况下，线性算法和非线性方法产生的结果相似，尽管在行为复杂性较高的情况下，非线性方法倾向于找到更低维度的模块，但可能损失解释性。我们通过模拟阿尔茨海默病小鼠模型证明了这些方法在神经学疾病研究中的适用性，并推测神经模块分析可能帮助我们理解分子和细胞病理学的电路层面后果。
作者：Rufus Mitchell-Heggs, Seigfred Prado, Giuseppe P. Gava, Mary Ann Go and Simon R. Schultz
论文ID：2203.11874
分类：Neurons and Cognition
分类简称：q-bio.NC
提交时间：2022-10-18