XiaoMi-AI文件搜索系统
World File Search Systemneural
使用加权单元格 -
单细胞RNA测序（SCRNA-SEQ）已成为理解细胞异质性的强大工具，在分子调节分析中提供了前所未有的分辨率。现有的细胞类型注释的监督学习方法主要利用SCRNA-SEQ数据中的基因表达式。尽管某些方法包含了基因相互作用网络信息，但它们无法使用细胞特异性基因关联网络。此限制忽略了单个细胞内的独特基因相互作用模式，可能会损害细胞类型分类的准确性。我们介绍了WCSGNET，这是一种基于图神经网络的算法，用于自动细胞类型注释，利用加权细胞特异性网络（WCSN）。这些网络是基于高度可变基因构建的，并固有地捕获基因表达模式和基因关联网络结构特征。广泛的实验验证表明，WCSGNET始终达到卓越的细胞类型分类性能，在最佳的方法中排名，同时保持各种数据集的稳健稳定性。值得注意的是，WCSGNET在处理不平衡数据集方面具有明显的优势，在这些挑战性的情况下表现优于现有方法。复制这项工作的所有数据集和代码都存放在GitHub存储库中（https://github.com/yi-elen/wcsgnet）。
小鼠间歇性气味刺激的感知和神经表示
小鼠Luis Boero* 1,2，Hao Wu* 1,2,3，Joseph D. Zak 4，Paul Masset 5，Farhad Pashakhanloo 1,2，Siddharth Jayakumar 1，2美国剑桥，美国2号哈佛大学蜂窝生物学，美国剑桥大学，美国3化学与化学生物学系，哈佛大学，美国剑桥，美国4伊利诺伊州伊利诺伊大学生物科学系美国剑桥的哈佛大学工程和应用科学8肯普纳自然与人工智能研究所，哈佛大学，美国剑桥 *这些作者贡献了同样的贡献。†与Venkatesh N. Murthy（vnmurthy@fas.harvard.edu）的通信，自然界中的抽象气味线索由于动荡的运输而稀疏且高度波动。为了研究动物如何看待这些间歇性线索，我们制定了一项行为任务，在该任务中，头部约束小鼠根据几秒钟内随机提出的离散气味脉冲的总数做出了二进制决策。小鼠很容易学会这项任务，并且他们的性能被广泛使用的决策模型很好地描述。logistic在呼吸周期内针对气味脉冲时间的二进制选择的逻辑回归表明，小鼠对吸入期间刺激的感知重量更高，而不是呼气，这种相位依赖性与嗅觉感觉神经元中反应的幅度密切相关。前梨状皮层（APCX）神经元对气味脉冲的种群反应也通过呼吸阶段进行调节，尽管单个神经元表现出不同的相位依赖性水平。单个APCX神经元对气味脉冲反应，导致表示有感觉证据的特征，但没有其积累。我们的研究表明，小鼠可以在数十个呼吸中整合间歇性的气味信号，但是感觉输入的呼吸调节对信息获取施加了限制，即皮质电路无法克服改善行为。
XLF/cernunnos损失通过改变神经祖细胞的对称增殖分裂
Amandine Bery, 1.2,8,9 Olivier Etienne, 1,2.9 Laura Mouton, 1.2 So Ane Mokrani, 1,2 Christine Granotier-Canaders, 1,2 Laurent R. Gauthier, 1.2 Justyne Feat-Vetel, 1.2 Thierry Kortulewski, 1.2 Elodie A. Chantal Desmaze, 1,2 Philippe Lestaveal, 4 Vilma Barroca, 1.2 Antony Laugeray, 5 Fawzi Boumezbeur, 3 Vincent Abramovski, 7 Ste´ Phane Mortaud, 5.6 Arnaud Menuet, 5.6 Denis Le Bihan, 3 Jean-Pierre de Villartay, 7 and Franc¸ Ois D. Paris CITE´, INSERM, CEA, stabilitis of stem and radiation cells/IRCM, 92265 FONTENAY-AUX-ROSES, France 2 Universite´ PARIS-SACLAY, INSERM, CEA, Stabilite Étique Stem and Radiation cells/IRCM, 92265 FONTENAY-AUS-ROSES, France 3 Neurospin, CEA, CEA, CEA, CEA CNRS, Universite´ PARIS-SACLAY, GIF-SUR-YVETTE, France 4 Institute of Radiation Protection and S ^输尿管核（IRSN），PSANTE/SERTEMED，92262 FONTENAY-AUX-ROSES，法国5 expersles和Mole dlars-umr7355 cnrs-3b的免疫学和神经偶像，3B，3B，3B，3B rue de la fe la fe´ roule of du o du o o o o o o o o o o o o o o o o o o o o o。法国奥勒斯大学7大学，想象学院，实验室，“免疫系统中的基因组动态”，标记为ÉquipeTuipe -ligue，inserm umr 1163，75015 Paris，France 8 Presse 8 Presse de Strasbourg，Inci upr3212，strasbourg，france 9造成了撰稿人，撰写 * francois.boussin@cea.fr https://doi.org/10.1016/j.celrep.2023.112342
使用卷积神经网络基于EEG的低位检测
摘要。缺陷率检测已成为生物医学信号处理场中重要的活跃研究领域。为此，脑电图（EEG）是嗜睡和觉醒检测中最常见的方式之一。在这种情况下，我们提出了一种用于检测疲劳状态的新EEG分类方法。我们的方法利用A和觉醒的检测。在这种情况下，我们提出了一种用于检测疲劳状态的新EEG分类方法。我们的方法利用了卷积神经网络（CNN）体系结构。我们使用Emotiv Epoc+耳机定义了实验方案。之后，我们在记录和注释的数据集上评估了我们提出的方法。报告的结果表明检测准确性很高（93％），并表明所提出的方法是与其他方法相比，该方法是缺陷检测的有效替代方案。
规范和非典型PRC1差异促进了神经干细胞命运的调节
新皮层发育的特征是神经祖细胞（NPC）膨胀，神经发生和胶片发生的顺序相。多肉体介导的表观遗传机制在调节发育过程中的谱系潜力中起着重要作用。PolyComb抑制复合物1（PRC1）的组成在哺乳动物中高度多样，并被介绍为有助于细胞命运的上下文调节。在这里，我们对规范PRC1.2/1.4和非典型PRC1.3/1.5的作用进行了并排比较，所有这些都在NSC的增生和分化中表达。我们发现NSC中PCGF2/4的缺失导致在神经发生和神经胶原型相期间，PCGF2/4的删除大大减少和改变谱系命运，而PCGF3/5则起了较小的作用。从机械上讲，编码干细胞和神经源性因子的基因由PRC1结合，并在PCGF2/4缺失时差异表达。因此，与非典型的PRC1相比，在扩散，神经源和神经胶原阶段的增殖，神经源和神经胶原阶段期间，规范性PRC1在NSC调节中起着更重要的作用，而不是不同的PRC1亚复合物在NSC调节中起着更重要的作用。
人工神经网络中认知能力的多层次发展
已经提出了几种神经机制来解释认知能力的形成，这些认知能力是通过出生后与身体和社会文化环境的互动形成的。在这里，我们介绍了一个三级信息处理和认知能力获取的计算模型。我们提出了构建这些级别的最低架构要求，以及参数如何影响它们的性能和关系。第一个感觉运动水平处理局部无意识处理，这里是在视觉分类任务期间。第二级或认知水平通过长距离连接全局整合来自多个本地处理器的信息，并以全局但仍然无意识的方式合成它。第三级也是认知最高的级别，全局和有意识地处理信息。它基于全局神经工作空间 (GNW) 理论，被称为意识水平。我们分别使用跟踪和延迟条件任务来挑战第二级和第三级。结果首先强调了通过在局部和全局尺度上选择和稳定突触来进行表观遗传的必要性，以使网络能够解决前两个任务。在全局尺度上，尽管感知和奖励之间存在时间延迟，但多巴胺似乎对于正确提供信用分配必不可少。在第三层，在没有感官输入的情况下，中间神经元的存在对于在 GNW 内维持自我维持的表征必不可少。最后，虽然平衡的自发内在活动促进了局部和全局尺度上的表观遗传，但平衡的兴奋/抑制比率可以提高性能。我们从神经发育和人工智能两个方面讨论了该模型的合理性。
认知时间的大脑信号箭头
在发育中的人脑皮质中，神经发生的发生率特别缓慢，部分原因是皮质神经祖细胞在相对较长的时间内保存其祖细胞状态，同时产生神经元。对祖细胞和神经源性状态之间的这种平衡受到调节，以及它是否有助于物种特定的大脑时间模式，对此有鲜为人知的理解。在这里，我们表明，人类神经祖细胞（NPC）在祖细胞状态下生成神经元的特征潜力长时间需要淀粉样蛋白前体蛋白（APP）。相比之下，小鼠NPC中的APP是可分配的，该APP以更快的速度进行神经发生。从机械上讲，APP细胞自治通过抑制后尿激活蛋白的抑制作用，从而有助于神经发生 - 1转录因子和规范WNT信号传导的促进。我们建议，自我更新和差异之间的良好平衡受APP调节，这可能有助于神经发生的人类特定的时间模式。
基于反向传播的深度脉冲神经网络学习技术：综述
摘要 — 随着智能系统的采用，人工神经网络 (ANN) 已变得无处不在。传统的 ANN 实现能耗高，限制了它们在嵌入式和移动应用中的使用。脉冲神经网络 (SNN) 通过二进制脉冲随时间分布信息来模拟生物神经网络的动态。神经形态硬件的出现充分利用了 SNN 的特性，例如异步处理和高激活稀疏性。因此，SNN 最近引起了机器学习社区的关注，成为低功耗应用的 ANN 的受大脑启发的替代品。然而，信息的离散表示使得通过基于反向传播的技术训练 SNN 具有挑战性。在这篇综述中，我们回顾了针对深度学习应用（例如图像处理）的深度 SNN 的训练策略。我们从基于从 ANN 到 SNN 的转换的方法开始，并将它们与基于反向传播的技术进行比较。我们提出了一种新的脉冲反向传播算法分类法，将其分为三类，即：空间方法、时空方法和单脉冲方法。此外，我们还分析了提高准确性、延迟和稀疏性的不同策略，例如正则化方法、训练混合和调整特定于 SNN 神经元模型的参数。我们重点介绍了输入编码、网络架构和训练策略对准确性-延迟权衡的影响。最后，鉴于准确、高效的 SNN 解决方案仍面临挑战，我们强调了联合硬件和软件共同开发的重要性。
视觉与深层神经网络中的内部注意机制用于图像分类和对象检测
深神经网络（DNN）中所谓的“注意机制”表示DNN的自动适应，以捕获具有特定分类任务和相关数据的代表性特征。这种注意机制通过加强特征通道和本地强调每个特征图中的特征来在全球范围内发挥作用。渠道和特征重要性是在全球端到端DNS培训过程中学习的。在本文中，我们提出了一项研究，并提出了一种具有不同方法的方法，并在训练图像旁边添加了补充视觉数据。我们使用人类的视觉注意图在任务驱动或自由观看条件下独立于心理视觉实验获得的人类视觉注意图，或者在自由观看条件下或预测视觉注意图的强大模型。我们在图像旁边添加了视觉注意图作为新数据，从而将人类的视觉注意力引入DNNS培训中，并将其与全球和局部自动注意机制进行比较。实验结果表明，DNN中的已知注意力机制几乎与人类的视觉关注在一起，但提出的方法仍然可以更快地收敛和在图像分类任务中更好地表现。
发育过程中的差异粘附建立了单个神经干细胞壁ni，并塑造了果蝇中的成人行为
神经干细胞（NSC）位于定义的细胞微环境中，利基市场，该环境支持新生神经元的产生和整合。围绕NSC围绕NSC及其与神经发生的功能相关的机制尚待理解。在果蝇幼虫大脑中，皮层胶质（CG）包含膜腔中的个体NSC谱系，将干细胞种群和新生神经元组织成刻板的结构。我们首先发现CG围绕谱系与谱系相关的细胞不论其身份如何，表明谱系信息构建了CG架构。然后，我们发现使用保守的配合物具有时间控制的差异粘附机制支持了NSC谱系的单个包围。通过同粒神经相互作用通过同一谱系的细胞之间的强烈结合，而通过Neurexin-IV和NSC谱系之间存在较弱的相互作用，则具有强烈的结合。神经胶质的丧失导致NSC谱系结合在一起，并在变化的CG网络中，而神经毒素-IV/包装器的丢失会生成更大但定义的CG腔室，将几个谱系分组在一起。在这些条件下，新生神经元的轴突投射也发生了变化。此外，我们将这两种粘附复合物的丧失与最终成年人的运动多动症联系起来。总的来说，我们的发现确定了在单个干细胞的规模上建立神经源性生殖位的粘连带，并提供了在发展过程中成年成人行为的概念证明。