XiaoMi-AI文件搜索系统
World File Search System神经质
下一代神经质量模型
摘要 在本论文中，我们介绍了下一代神经质量模型的新颖扩展和应用。 Montbrió、Pazó 和 Roxin (MPR) 已证明，二次积分和放电 (QIF) 神经元集合的集体行为可以用平均膜电位和放电率来精确描述，从而将无限大的微观网络的问题维度降低为低维宏观描述。由于神经质量提供了平均膜电位的途径，因此它可以作为局部场电位和脑电图信号的指标。本论文的贡献之一是在 MPR 模型中实现短期突触可塑性（STP）。基于工作记忆 (WM) 的突触理论，我们在多群体设置中使用 QIF 网络及其精确的平均场边界重现了 WM 的机制。实验中观察到，神经质量模型在记忆加载和维持过程中表现出 β-γ 带的振荡，而我们在启发式模型中遇到空的 β-γ 带。此外，我们指出了这些功率带是如何由基频之间的共振形成的，并与记忆中保留的元素数量相关。我们还对大约五种元素的最大 WM 容量进行了分析估计。第二个贡献是应用多种群模型来检验癫痫发作传播的临床假设。我们使用从健康受试者和癫痫患者的扩散 MRI 扫描获得的结构连接组。我们描述了如何将类似癫痫发作的事件建模为从低活动状态到高活动状态的募集。外部输入可以触发此类事件并导致一系列招募，从而模仿危机的时空传播。数值结果表明，癫痫患者对延长招募事件比健康受试者更敏感。我们还发现，我们的模型中首先招募的大脑区域与招募的次级网络的手术前评估之间存在良好的一致性。作为第三个贡献，我们使用慢-快动力学研究了 STP 存在下的神经网络和质量。根据施加到群体的慢周期电流的幅度，集体行为可以处于亚阈值振荡状态，也可以处于爆发状态，即在准静态漂移和大幅度快速振荡之间交替。这两个区域之间有一个狭窄的参数间隔，就像鸭子爆炸一样。在这个区域，我们报告了跳跃式鸭翼，它接近通常排斥的不变集。对于中间时间尺度分离，爆发通过混合型环面鸭翼组织的尖峰添加机制以连续的方式出现，其轨迹接近排斥平衡和极限环家族。为了实现更强的时间尺度分离，连续过渡被跳跃式鸭翼阻挡。在神经团中观察到的机制也是导致网络爆发的原因。总而言之，本论文将下一代神经质量模型置于神经科学建模的更广泛背景中，并为未来的工作提供了新的视角。这包括考虑以下方法
面向大众的神经质量建模：利用 FastDMF 实现全脑生物物理建模的民主化
最近，人们开发了不同的全脑计算模型来研究与大脑机制相关的假设。其中，动态平均场 (DMF) 模型尤其引人注目，它结合了通过平均场方法扩展的生物物理现实模型和多模态成像数据。然而，DMF 模型广泛使用的一个重要障碍是，当前的实现在计算上成本高昂，仅支持对考虑不到 100 个大脑区域的大脑分区进行模拟。在这里，我们介绍了一种高效且易于理解的 DMF 模型实现：FastDMF。通过利用分析和数值方面的进步（包括对反馈抑制控制参数的新型估计和贝叶斯优化算法），FastDMF 绕过了以前实现的各种计算瓶颈，提高了可解释性、性能和内存使用率。此外，这些进步使 FastDMF 能够将模拟区域的数量增加一个数量级，这一点已通过与 90 和 1,000 个区域划分的 fMRI 数据的良好拟合得到证实。这些进展为广泛使用基于生物物理的全脑模型开辟了道路
慢性神经质探针的适应性，可重复使用和光植入物
摘要电生理学对于记录神经活动而言已证明是无价的，而神经偶像的发展探针显着增加了记录的神经元的数量。这些探针通常是急性植入的，但是急性记录不能在自由移动的动物中进行，并且无法在几天内跟踪记录的神经元。要研究诸如导航，学习和记忆形成之类的关键行为，必须长期植入探针。理想的慢性植入物应（1）允许神经元稳定记录数周； （2）允许在露天后重复使用探针； （3）足够轻便用于小鼠。在这里，我们介绍了“ Apollo植入物”，这是一种符合这些条件的开源和可编辑的设备，可容纳多达两个Neuropixels 1.0或2.0探针。植入物包含一个“有效载荷”模块，该模块附加到探测器上并可以回收，以及一个固定在头骨上的“对接”模块。设计是可调的，可以轻松更改探针，插入角度和插入深度之间的距离。我们在头部固定小鼠中进行了八个实验室，自由移动的小鼠和自由移动的大鼠测试了植入物。即使在相同探针的重复植入后，在几天内记录的神经元数量也是稳定的。Apollo植入物为可重复使用的慢性神经偶像记录提供了便宜，轻巧且灵活的解决方案。
个性化全脑神经质量模型揭示 Aβ 和 tau 的联合过度兴奋对阿尔茨海默病的影响
阿尔茨海默病 (AD) 中的神经元功能障碍和认知能力下降可能是由多种病理生理因素引起的。然而，人类的机制证据仍然很少，需要改进的非侵入性技术和综合模型。我们引入了个性化的 AD 计算模型，该模型建立在全脑 Wilson-Cowan 振荡器之上，并结合了来自 132 名 AD 患者的静息态功能 MRI、淀粉样蛋白-β (A β ) 和 tau-PET，以评估毒性蛋白质沉积对神经元活动的直接影响。这种针对特定主题的方法揭示了关键的病理机制相互作用，包括 A β 和 tau 对认知障碍的协同作用以及随着疾病进展而增加的神经元兴奋性。通过基于体素的形态测量，数据得出的神经元兴奋性值可以强烈预测临床相关的 AD 血浆生物标志物浓度 (p-tau217、p-tau231、p-tau181、GFAP) 和灰质萎缩。此外，重建的 EEG 代理量显示了标志性的 AD 电生理学改变（θ 波段活动增强和 alpha 波段减少），这种改变发生在 A β 阳性和边缘系统 tau 参与后。小胶质细胞激活对神经元活动的影响不太明确，这可能是由于神经成像在映射神经保护和有害激活表型方面的局限性。机械脑活动模型可以进一步阐明复杂的神经退行性过程并加速预防/治疗干预。
慢性，可重复使用的，多日神经质子录音在自由移动操作行为中
抽象的电生理记录是检查认知和行为的神经元底物的强大技术。神经蛋白探针提供了独特的能力，可以在许多具有高时空分辨率的大脑区域捕获神经元活动。神经质子也很昂贵且针对急性，固定的使用，这两者都限制了可以研究的行为和操纵的类型。最近的进步通过显示了慢性植入物，植物和神经质子探针的再利用来解决成本问题，但是这些方法尚未优化用于自由移动行为。有特定的需要改善电缆/连接稳定性。在这里，我们扩展了这项工作，以演示在完全自由移动的操作行为期间，在大鼠模型中演示慢性神经偶像记录，外观和重复使用。类似于先前的方法，我们将探针和媒体置于3D打印的外壳中，该外壳避免了将探针直接固定到头骨上的直接固定，从而实现了最终的外植体。我们展示了创新，以允许对环境因素的保护和更稳定的布线设置进行慢性逆流联系，以减少可能中断记录的张力。我们以执行两种不同行为任务的大鼠的方式来统治这种方法，在每种情况下显示：（1）在操作室中自由移动大鼠中的慢性单或双探针记录，（2）神经偶像可重复使用1.0探针1.0探针在回收后持续良好的单单单位产量持续良好的单一单位产量持续良好。因此，我们证明了在更广泛的物种和制剂范围内的神经偶像记录的潜力。
艾伦脑天文台：视觉行为神经质
图1。艾伦脑观测神经质体工作流程。管道由8个主要步骤组成：（a）植入自定义头部框架并在视觉皮层上插入玻璃窗口的外科手术程序； （b）内在信号成像以识别皮质视觉区域； （c）小鼠的行为训练； （d）用塑料窗口替换玻璃窗，其中包含孔，用于插入探针； （e）行为的体内细胞外电生理学实验； （f）去除探针和第1天数据的处理； （g）第二次体内细胞外电生理学实验； （h）使用光投影层析成像（OPT）回收记录位置。每行中描述了每个步骤的详细信息和大约持续时间。在每行结束时是参考，读者可以为每个步骤找到更多详细信息。
受神经质量模型约束的深神经网络改善了时空脑动力学的电生理源成像
为成像大脑的时空电活动做出了许多努力，目的是绘制其功能和功能障碍以及帮助管理脑疾病的管理。在这里，我们提出了一个非惯性深度学习 - 基于源成像框架（DEEPSIF），该框架提供了来自非侵入性高密度脑电图（EEG）记录的强大而精确的时空估计值。deepSIF采用了能够建模中尺度脑动力学的生物物质模型产生的合成训练数据。潜在的大脑来源的丰富特征嵌入了现实的训练数据中，并被深sif网络隐含地学习，避免了与明确配置和调整先验有关的并发症在优化问题中，就像常规源成像方法中一样。通过1）通过1）评估一系列数值实验，2）在三个公共数据集中总共20个健康受试者中的感官和认知大脑反应，以及3）严格验证DeepSif在20个识别20型药物抑制患者中的癫痫效果区域的capa的能力，从而对ePiLsists epilessys的同伴进行了比较，结果。deepSif表现出良好的表现，产生的结果与有关感觉和认知信息处理的常见神经科学知识一致，以及有关癫痫组织的位置和范围的临床发现以及超过常规源成像方法。作为数据驱动的成像框架的DeepSIF方法，可以使时空脑动力学的有效且有效的高分辨率功能成像，这表明其对神经科学研究和临床应用的广泛适用性和价值。
面向大众的神经质量建模：利用 FastDMF 实现全脑生物物理建模的民主化
1 瓦尔帕莱索神经科学跨学科中心，瓦尔帕莱索大学，2360103，瓦尔帕莱索，智利。 6 2 剑桥大学心理学系，剑桥 CB2 3EB，英国 7 3 伦敦玛丽女王大学心理学系，伦敦 E1 4NS，英国 8 4 伦敦帝国理工学院脑科学系迷幻药研究中心，伦敦 SW7 2DD，英国。 9 5 伦敦帝国理工学院数据科学研究所，伦敦 SW7 2AZ，英国 10 6 伦敦帝国理工学院复杂性科学中心，伦敦 SW7 2AZ，英国 11 7 剑桥大学临床神经科学系和麻醉科，剑桥，CB2 0QQ，英国 12 8 剑桥大学利华休姆未来智能中心，剑桥，CB2 1SB，英国 13 9 阿兰图灵研究所，伦敦，NW1 2DB，英国 14 10 布宜诺斯艾利斯大学布宜诺斯艾利斯物理研究所和物理系，布宜诺斯艾利斯，阿根廷 15 11 圣安德烈斯大学，布宜诺斯艾利斯，阿根廷 16 12 大脑和流体研究所，ICM，F-75013，巴黎，法国 17 13 拉丁美洲脑健康研究所（BrainLat），布宜诺斯艾利斯大学Adolfo Iba˜nez，智利圣地亚哥 18 14 牛津大学精神病学系，牛津 OX3 7JX，英国。 19 15 奥胡斯大学临床医学系大脑音乐中心，奥胡斯 15 8000，丹麦。 20 16 米尼奥大学医学院生命与健康科学研究所，布拉加 4710-057，葡萄牙。 21 17 CIMFAV-Ingemat，瓦尔帕莱索大学工程学院，瓦尔帕莱索，智利。 22 18 巴黎萨克雷神经科学研究所综合与计算神经科学系，国家研究中心 23 科学中心，伊维特河畔吉夫，法国 24 19 大脑与认知中心，计算神经科学组，信息与通信技术系，Universitat 25 Pompeu Fabra, Roc Boronat 138, 巴塞罗那, 08018, 西班牙。 26 20 加泰罗尼亚研究研究所 (ICREA), 巴塞罗那 08010, 西班牙。 27 21 马克斯·普朗克人类认知和脑科学研究所神经心理学系，莱比锡 04103，德国。 28 22 莫纳什大学心理科学学院，墨尔本，Clayton VIC 3800，澳大利亚。 29 * rubenherzog@ug.uchile.cl, ** 同等最后作者贡献 30
使用高密度神经质探针
。cc-by 4.0未经同行评审获得的未获得的国际许可证是作者/筹款人，他已授予Biorxiv的许可证，以永久显示预印本。它是此预印本的版权持有人（该版本发布于2021年6月4日。; https：//doi.org/10.1101/2021.03.11.435053 doi：biorxiv Preprint
Neurolib：全脑神经质量建模的模拟框架
Neurolib是用Python编写的全脑建模的计算框架。它提供了一组神经质量模型，这些模型代表介质量表上大脑区域的平均活性。在整个脑网络模型中，大脑区域是根据生物学知情的结构连接（即大脑的连接组。Neurolib可以加载结构和功能数据集，建立一个全脑模型，管理其参数，模拟它并组织其输出以供以后分析。每个大脑区域的活性都可以转换为模拟的粗体信号，以根据功能磁共振成像（fMRI）的经验数据校准模型。使用参数探索模块可以进行广泛的模型分析，该模块可以在给定一组更改参数的情况下表征模型的行为。优化模块可以使用进化算法将模型拟合到多模式经验数据。neurolib设计为可扩展，以便可以轻松实现自定义的神经质量模型，为原型模型的计算神经科学家提供了多功能平台，管理大型数值实验，研究大脑网络的结构 - 功能关系，以及对全元模型的核中表现出色。