任务对齐的区域内和区域间神经流形估计的概率框架
摘要：潜在流形在神经群体活动和脑区之间共享的协变性方面提供了紧凑的特征描述。然而，现有的用于提取神经流形的统计工具存在解释潜变量与任务变量相关性的局限性，并且在没有试验重复的数据集上很难应用。在本文中，我们提出了一种新的概率框架，可以在自然行为环境下实现对群体变异的可解释性划分，包括脑区内部和之间的划分。我们的任务对齐流形估计（TAME-GP）方法扩展了一种概率变体的去混合PCA，方法包括（1）将变异明确划分为私有源和共享源，（2）使用泊松噪声模型，以及（3）引入了高斯过程先验的潜变量轨迹的时间平滑。这种TAME-GP图模型可以稳健地估计局部群体反应中与任务相关的变异性，以及脑区之间的共享协变性。我们通过对模型内和生物学动机驱动的模拟数据进行评估验证了我们的估计器的有效性。我们还将其应用于猴子在封闭环虚拟导航任务中的神经记录，证明了TAME-GP在具有单次试验分辨率时捕捉到有意义的脑区内和脑区间神经变异的能力。
作者：Edoardo Balzani, Jean Paul Noel, Pedro Herrero-Vidal, Dora E. Angelaki, and Cristina Savin
论文ID：2209.02816
分类：Neurons and Cognition
分类简称：q-bio.NC
提交时间：2022-09-08