时间相关的视网膜神经节细胞种群的最大熵模型
摘要：应用逆 Ising 模型推断大规模神经元群体同步活动的概率分布是计算神经科学中的常用方法。该方法允许找到单个神经元偏置和一对一交互作用最大化熵并重现记录的神经元活动的经验统计特性的玻尔兹曼分布。本文将这一策略应用于不同类型大规模视网膜输出神经元（神经节细胞），这些神经元受到具有自己统计特性的多个视觉刺激的刺激。视网膜输出神经元的活动受到来自上游神经元和回路连接的驱动。我们首先采用标准的逆 Ising 模型方法，并表明当输入视觉刺激具有短程空间相关性时，它很好地解释了系统的集体行为，但在具有长程空间相关性时失败。这是因为具有长程空间相关性的刺激会使神经元的活动在较长距离上同步。这种效应无法通过一对一交互作用来解释，因此无法用一对一 Ising 模型来解释。为了解决这个问题，我们应用了先前提出的一个框架，该框架在单个神经元偏置中包括时间依赖性，以模拟神经元如何在时间上被刺激驱动。通过这一补充，刺激效应通过偏置被纳入考虑，并且一对一交互作用可以用来描述群体活动中的网络效应，并重现视网膜结构中的重新发生性功能连接的结构。我们发现视网膜结构分为弱相互作用的亚群，由强相互作用的神经元组成。总的来说，这种时间框架修复了标准的静态逆 Ising 模型的问题，并解释了系统的集体行为，无论刺激是具有短程还是长程相关性的。
作者：Geoffroy Delamare, Ulisse Ferrari
论文ID：2207.12810
分类：Neurons and Cognition
分类简称：q-bio.NC
提交时间：2022-07-27