新方法旨在揭开大脑交流的神秘面纱
从日出到日落,大脑区域之间的交流有助于促进我们的每一个动作。例如,看、听、走和唱歌,都是通过大脑中大量同时激活的神经元之间的相互作用而实现的。卡内基梅隆大学、阿尔伯特·爱因斯坦医学院和尚帕利莫基金会的合作者已经合作了十多年,使用最先进的实验和统计方法更好地理解大脑中的交流流程。他们最新的胜利是一种全新的统计方法——跨组延迟潜伏期(DLAG),这种方法可以分离大脑区域之间传递的信号,即使大脑区域之间的通信是双向的。
“我们开发的方法DLAG适用于更广泛的机器学习或检测高维的统计方法神经信号.其新颖之处在于识别大脑不同区域共享的活动模式,”卡耐基梅隆大学电子与计算机工程专业的研究生埃夫伦·戈克岑(Evren Gokcen)说。
“几十年来,研究一直专注于一次记录一个或几个来自大脑区域的神经元。但随着神经记录技术的进步,瓶颈已经转移到能够分析和解释来自多个大脑区域的大量神经元的记录。”
一般认为,大脑中的任务是由神经元共同改变其活动来完成的。活动模式是指神经元之间协调活动的特定方式。识别的一个挑战活动模式参与沟通大脑区域之间的交流在于这种交流通常是双向的,同时发生的。神经记录反过来显示了一种复杂的交流方式。
“为了在消除通信纠缠方面取得进展,我们利用了一个简单的见解:你不能即时发送信号;信息传播需要一定的时间,”Gokcen解释道。“在考虑通信延迟时,视频会议是一个很好的参考点;这在大脑中是相似的。使用DLAG,我们利用了这个时间延迟,所以如果信号首先出现在区域A,然后出现在区域B,那么我们就认为是区域A将信号发送到区域B。使用DLAG方法,我们可以分离并发中继信号。”
从更大的角度来看,DLAG可以应用于其他神经科学应用,例如了解不同细胞类型之间的相互作用(例如,抑制性和兴奋性之间的相互作用)神经元)或在大脑的不同层之间。
生物医学工程、电子和计算机工程教授拜伦·余(Byron Yu)说:“引入DLAG就像引入了一把手术刀,以获得关于大脑区域如何相互交流的潜在更深入的见解。”“结合这篇论文,我们将把我们的源代码提供给科学界的其他人。DLAG可用于研究我们关注的视觉系统之外的其他大脑系统,例如研究记忆、决策和运动控制。”
这篇论文发表在自然计算科学.
进一步探索