XiaoMi-AI文件搜索系统
World File Search SystemNeuropixels
一种具有脉冲减少和位置特征的全自动多通道神经脉冲分类算法
摘要 目的：对 Neuropixels 等多通道和高通道神经探针记录的神经尖峰数据进行分类，尤其是实时分类，仍然是一项重大的技术挑战。大多数神经尖峰分类算法侧重于事后对神经尖峰进行高分类精度——但这些算法通常无法减少处理延迟以实现快速分类，甚至可能是实时分类。 方法：我们在此报告我们的图形网络多通道排序 (GEMsort) 算法，该算法主要基于图形网络，可以对多个神经记录通道进行快速神经尖峰分类。这是通过两项创新实现的：在 GEMsort 中，通过仅选择任何通道中幅度最高的神经尖峰进行后续处理，从多个通道记录的重复神经尖峰被从重复通道中消除。此外，记录代表性神经尖峰的通道被用作附加特征，以区分从具有相似时间特征的不同神经元记录的神经尖峰。 主要结果：合成和实验记录的多通道神经记录用于评估 GEMsort 的分类性能。 GEMsort 的排序结果还与其他两种最先进的排序算法（Kilosort 和 Mountainsort）在排序时间和排序一致性方面进行了比较。意义：GEMsort 可以快速对神经脉冲进行排序，非常适合用数字电路实现，以实现高处理速度和通道可扩展性。
HERBS：啮齿动物脑空间的组织学电子数据注册
过去十年，啮齿动物的记录技术取得了巨大进步，使用户可以同时从多个大脑区域采样数千个神经元。这促使人们需要数字工具包来帮助整理解剖数据，但是，现有工具要么功能有限，要么要求用户精通编码才能使用它们。为了解决这个问题，我们创建了 HERBS，这是一种针对啮齿动物用户的综合新工具，它通过用户友好的图形用户界面提供广泛的功能。在实验之前，HERBS 可用于规划植入电极、靶向病毒注射或示踪剂的坐标。实验后，用户可以注册记录电极位置（例如 Neuropixels、四极体）、病毒表达或其他解剖特征，并以 2D 或 3D 形式可视化结果。此外，HERBS 可以描绘组织切片中多次注射的表达并获得单个细胞计数。 HERBS 中的区域划分基于来自 Sprague Dawley 大鼠脑 Waxholm 空间图集或 Allen 小鼠脑图集的带注释的 3D 体积。HERBS 允许用户滚动浏览数字脑图集，并提供自定义角度切片，并支持将组织切片自由转换为图集切片。此外，HERBS 还允许用户使用来自单个动物的组织重建 3D 脑网格。HERBS 是一个多平台开源 Python 包，可在 PyPI 和 GitHub 上获取。
强大而局部的复发控制跨大脑区域神经活动的维度
大脑包含天文数量的神经元，但1是他们的集体活动才是大脑功能的基础。这种集体活动3个储藏的自由度的2个自由度（其维度）是神经动力学和计算的基本sig-4性质（1-7）。然而，5尚不清楚是什么控制了生物-6逻辑大脑中的这种维度，尤其是复发性7突触网络是否发挥作用（8-10）。通过分析高8个密度神经偶像记录（11），我们认为9个小鼠皮层的区域以敏感的状态运行，这使这10个突触网络在控制维度-11 ality中具有非常重要的作用。我们表明，这种控制是在跨时间表达的，这是具有不同维度13个状态的状态之间的12个活动过渡。此外，我们表明控制是通过突触网络的14个高度可拖动的特征介导的。然后，我们通过大量的突触生理数据集分析了15个这些关键特征（12）。16根据细胞类型的特定网络量化了这些特征17基序，我们发现影响尺寸尺寸的突触模式在小鼠和人的大脑中都普遍存在。因此，19个本地电路系统地扩大了扩展，以帮助控制大脑网络可能探索和利用的20个自由。21
最佳自适应电极选择，以同时记录神经元的产量
神经矩阵样式，用于脑机界面（BMIS）和神经科学研究的高密度电极阵列需要使用多路复用：每个记录通道都可以路由到阵列上的几个电极位点之一。此功能允许用户富裕地将记录通道分发给可以解决最理想的神经信号的位置。例如，在神经质探针中，可以通过384个记录通道来解决960个电极。但是，目前尚无自适应方法使用记录的神经数据来优化/自定义每个记录上下文的电极选择。在这里，我们提出了一种称为基于分类的选择（CBS）的算法，该算法优化了所有记录通道的关节电极选择，以最大程度地提高检测到的神经元的隔离质量。我们在使用非人类灵长类动物中的神经质子的实验中表明，该算法会产生与同时记录所有电极同时记录所有电极相似的隔离神经元。神经元计数比以前发表的电极选择策略提高了41-85％。通过CBS选择的电极分离的神经元是73％的匹配，通过尖峰时间到探针周围的完整可记录神经元集。CBS选择的电极表现出较高的平均每个记录通道信号 - 噪声比。CBS以及一般的选择优化可能在BMI神经技术的开发中起重要作用，因为信号带宽成为越来越有限的因素。代码和实验数据已提供1。
最佳自适应电极选择，以同时记录神经元的产量
神经矩阵样式，用于脑机界面（BMIS）和神经科学研究的高密度电极阵列需要使用多路复用：每个记录通道都可以路由到阵列上的几个电极位点之一。此功能允许用户富裕地将记录通道分发给可以解决最理想的神经信号的位置。例如，在神经质探针中，可以通过384个记录通道来解决960个电极。但是，目前尚无自适应方法使用记录的神经数据来优化/自定义每个记录上下文的电极选择。在这里，我们提出了一种称为基于分类的选择（CBS）的算法，该算法优化了所有记录通道的关节电极选择，以最大程度地提高检测到的神经元的隔离质量。我们在使用非人类灵长类动物中的神经质子的实验中表明，该算法会产生与同时记录所有电极同时记录所有电极相似的隔离神经元。神经元计数比以前发表的电极选择策略提高了41-85％。通过CBS选择的电极分离的神经元是73％的匹配，通过尖峰时间到探针周围的完整可记录神经元集。CBS选择的电极表现出较高的平均每个记录通道信号 - 噪声比。CBS以及一般的选择优化可能在BMI神经技术的开发中起重要作用，因为信号带宽成为越来越有限的因素。代码和实验数据已提供1。
焦点 - 罗杰斯研究小组 - 西北大学
欧洲科学代表了现代研究的一个引人注目的领域，其目标是建立对动物（包括我们自己）复杂行为背后原理的理解 1 。成功的结果不仅有助于我们了解自然界，而且将对神经系统疾病治疗方法的发展产生深远的影响 2 。一项重大努力集中于开发先进的可植入神经技术，作为神经系统各个部分的双向接口。当与遗传神经生物学的新兴方法相结合时，这些平台为神经科学研究创造了丰富的实验选择（图 1 和框 1 ），特别是对于涉及自由行为的小动物模型作为个体或相互作用的社会群体的研究。最成熟的平台包括用于电生理和电刺激的市售无线系统（例如，Neuropixels）、用于成像神经活动的光纤荧光显微镜（例如，Inscopix）和用于神经调节的完全可植入的微型发光二极管（例如，Neurolux）。一组平行的探索性努力围绕着不寻常且具有强大潜力的概念展开，这些概念包括类神经元电极 3、4、混合生物-非生物电极 5、6、平面互补金属氧化物半导体系统作为高密度电生理映射平台 7、可注射生物共轭纳米材料作为磁和/或电磁形式神经调节 8、9 和成像 10、11 的传感剂、可植入光电微芯片作为神经调节源 12 以及使用超声波作为无线电力传输和通信载体以监测神经活动的微创组件 13。这些想法中的许多可能会成为未来重要且广泛应用的技术的基础，也可能成为代表本综述核心内容的技术的增强。本综述重点介绍尚未广泛商业化但在近期具有强大潜力的神经技术
啮齿动物脑空间中的组织学电子数据注册
啮齿动物的抽象记录技术在过去十年中取得了巨大进步，使用户可以同时从多个大脑区域进行样品采样数千个神经元。这促使需要数字工具套件来帮助策划解剖数据，但是，现有工具要么提供有限的功能，要么要求用户熟练地编码使用它们。为了解决这个问题，我们创建了草药（在啮齿动物大脑空间中的组织学E-DATA注册），这是一种适用于啮齿动物用户的新工具，可通过用户友好的图形用户界面提供广泛的功能。在实验之前，可以使用草药计划植入电极，靶向病毒注射或示踪剂的坐标。实验后，用户可以注册记录电极位置（例如神经偶像和四极管），病毒表达或其他解剖特征，并以2D或3D的形式可视化结果。Additionally, HERBS can delineate labeling from multiple injec- tions across tissue sections and obtain individual cell counts.Regional delineations in HERBS are based either on annotated 3D volumes from the Waxholm Space Atlas of the Sprague Dawley Rat Brain or the Allen Mouse Brain Atlas, though HERBS can work with compatible volume atlases from any species users wish to install.草药允许用户滚动浏览数字大脑地图集，并在卷中提供定制的角度切片，并支持组织截面的自由转变为Atlas Slices。此外，草药允许用户与单个动物的组织重建3D脑网格。草药是一种多平台开源Python软件包，可在PYPI和GitHub上使用，并且与Windows，MacOS和Linux操作系统兼容。
深度逆建模揭示神经回路机制中的动态相关不变性
摘要 8 神经群体动态受许多细胞、突触和网络特性的影响。不仅要了解电路参数的协调变化如何改变神经活动，而且要了解动态何时不受此类变化的影响或对此类变化保持不变。计算建模揭示了单个神经元和小电路中的不变性，这些不变性被认为反映了它们对变化和扰动的鲁棒性。然而，将这些见解推广到皮层和其他大脑区域的较大电路仍然具有挑战性。一个关键的瓶颈在于使用脉冲网络模型对神经回路进行逆向建模，即识别与神经记录中观察到的动态定量匹配的参数配置。在这里，我们提出了神经动力学自动模型推断 (AutoMIND)，以有效发现不变的电路模型配置。 AutoMIND 利用具有自适应 16 脉冲神经元和群集连接的机械模型，该模型显示了丰富的时空动态。概率 17 深度生成模型（仅在网络模拟上训练）然后返回与给定目标神经活动观察一致的许多参数配置。应用于多个数据集后，AutoMIND 发现了人类大脑类器官在早期发育过程中同步网络爆发的电路模型 19，以及捕捉小鼠海马和皮层中神经像素记录的复杂频率曲线的模型 20。在每种情况下，我们都获得了 21 数百种配置，这些配置组成一个（非线性）参数子空间，其中种群动态保持不变 22。令人惊讶的是，不变子空间的全局和局部几何形状并不固定，而是因不同的动态而异 23。总之，我们的研究结果揭示了不同 24 种群体动态背后的电路参数的动态相关不变性，同时展示了 AutoMIND 在神经电路逆向建模方面的灵活性。25
深层建模揭示了神经回路机理中动态依赖性的不向导
摘要8神经种群动力学由许多细胞，突触和网络特性塑造。不仅要9了解电路参数的协调变化如何改变神经活动，而且当动态不受影响的情况下，或不变的变化时，也很重要。计算建模揭示了单个神经元和小11个电路中的不变，这些电路被认为反映了它们对可变性和扰动的稳健性。但是，将这12个见解概括为皮质和其他大脑区域的较大电路仍然具有挑战性。一个关键的瓶颈在于具有尖峰网络模型的13个神经回路的反向建模，即识别量化对动力学14在神经记录中观察到的动力学14的参数配置。在这里，我们提出了从神经动力学（Automind）的自动化模型推断，以有效发现不变电路模型配置。自动源具有自适应16个尖峰神经元和聚类连接性的机械模型，该模型显示出丰富的时空动力学。概率17深生成模型（仅在网络模拟上进行训练），然后返回许多参数配置，一致18，具有给定的神经活动目标观察。应用于几个数据集，Automind发现了早期发育中人类脑类器官中同步网络爆发的电路模型19，以及捕获小鼠海马和皮质中神经偶像记录的20个复杂频率曲线的模型。在每种情况下，我们都会获得21个组成（非线性）参数子空间的配置，其中人口动态保持22不变。令人惊讶的是，不变子空间的全局和局部几何形状并不固定，但在不同的23个动态方面有所不同。一起，我们的结果阐明了24个种群动态的基础电路参数的动态依赖性不向导，同时证明了自动源对神经回路的反向建模的灵活性。25
简历
我的研究兴趣围绕认知过程的神经基础，主要关注从非人类灵长类动物大脑高级皮质区域（尤其是前额叶和顶叶皮质）的神经元群体记录中探究有意识的视觉感知机制。我经常使用最先进的电生理方法（长期植入的犹他阵列，神经像素）和信号处理/机器学习工具，在多个时空尺度上记录和分析神经元群体。我的研究揭示了前额叶皮质在有意识的视觉感知中的作用（Panagiotaropoulos 等人，Neuron 2012、认知科学趋势 2020；Kapoor 等人，Nature Communications 2022、Bellet 等人，意识神经科学 2022、Panagiotaropoulos Neuron 2024）、内在皮质状态与有意识内容表征的相互作用（Dwarakanath 等人，Neuron 2023），以及预测和抽象处理背后的神经群体机制（Bellet 等人，Cell Reports 2024；Kapoor 等人，Communications Biology 2018）。我对意识的本质（认知理论与非认知理论）很感兴趣，为此，我参加了研究联盟，测试人类和动物模型中意识理论的预测（Cogitate Consortium bioRxiv 2023，已被《自然》接受发表）。此外，我还研究了麻醉过程中前额叶和顶叶皮质失去意识的机制。我还通过记录人类内侧颞叶的概念细胞来探索陈述性记忆表征（Rey，Panagiotaropoulos 等人，Cell Reports 审查中）。过去，我通过结合行为、分子和神经内分泌学方法来研究新生儿经历对成年空间学习和记忆以及对压力的反应的影响（Panagiotaropoulos 等人，神经内分泌学 2004，学习和记忆的神经生物学 2009）。我曾担任认知神经科学学会、视觉科学学会组织的会议以及艾伦脑科学研究所、加州理工学院、美国国立卫生研究院等组织的研讨会/研讨会的特邀发言人。学术和研究经历