健康と疾患における脳回路動態の神経多様体解析【JST・京大機械翻訳】

Mitchell-Heggs Rufus; Prado Seigfred; Gava Giuseppe P.; Go Mary Ann; Schultz Simon R.

プレプリント

J-GLOBAL ID：202202208729588312 整理番号：22P0308524

健康と疾患における脳回路動態の神経多様体解析【JST・京大機械翻訳】

Neural manifold analysis of brain circuit dynamics in health and disease

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2022年03月22日プレプリントサーバーでの情報更新日： 2022年10月17日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

実験的神経科学における最近の発展は,数千のニューロンの活動を同時に記録することを可能にする。しかし,このような大規模神経記録のための解析手法の開発は,単一細胞実験に適用できるものより遅かった。最近の人気を獲得した一つのアプローチは,神経多様体学習である。この手法は,神経データセットが非常に高い次元であるとしても,神経活動の動力学がはるかに低次元空間を横断する傾向があるという事実を利用する。これらの低次元神経部分空間により形成されたトポロジー構造は,神経多様体として参照され,認知機能と行動性能との神経回路動力学の連結を潜在的に提供する可能性がある。本論文では,一般的な数学的フレームワークの中でそれらを設定し,それらの利点と短所を,ニューラルデータ解析に対する使用に関して比較することにより,ニューラル多様体学習に対する多くの線形および非線形アプローチをレビューした。公開された文献からの多くのデータセットにそれらを適用し,多行動タスク中の海馬位置細胞,到達タスク中の運動皮質ニューロン,および前頭前皮質ニューロンへの応用から生じる多様体を比較した。多くの環境において,線形アルゴリズムは非線形法と同様の結果を生成するが,特に行動の複雑さがより大きい場合には,非線形法は解釈可能性を犠牲にして低次元多様体を見つける傾向があることを見出した。これらの方法がAlzheimer病のマウスモデルのシミュレーションを通して神経学的障害の研究に適用でき,神経多様体解析が分子および細胞神経病理学の回路レベル結果を理解するのに役立つと推測する。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

脳・神経系モデル , 中枢神経系

, , , ,

前のページに戻る