通过iso-mirror在器官体系网络的时间序列中发现变点和分段线性结构
摘要：细胞基于体外神经元网络，或称为器官样体的发展已取得最新进展。为了更好地理解这些器官样体网络的结构，提出了一种超级选择性算法，用于从多电极阵列数据中推断有效连接网络。本文将一种称为光谱镜像估计的新颖统计方法应用于推断的有效连接器官样体网络的时间序列中。该方法生成了一个一维的等镜像表示网络时间序列的动态，该动态呈现出分段线性结构。然后，将经典变点算法应用于该表示，成功检测出与神经科学中重要的抑制性神经元开始出现和星形细胞百分比显著增加相一致的变点。这一发现证明了将等镜像动态结构发现方法应用于推断的有效连接时间序列的器官样体网络的潜在实用性。
作者：Tianyi Chen, Youngser Park, Ali Saad-Eldin, Zachary Lubberts, Avanti Athreya, Benjamin D. Pedigo, Joshua T. Vogelstein, Francesca Puppo, Gabriel A. Silva, Alysson R. Muotri, Weiwei Yang, Christopher M. White, Carey E. Priebe
论文ID：2303.04871
分类：Applications
分类简称：stat.AP
提交时间：2023-04-13