前额叶皮层和纹状体群体神经元编码视觉刺激和奖励信息

以往的文献报道了前额叶皮层和纹状体中的一些神经元编码视觉刺激(visual stimulus)和奖励(reward)信息,但从单个神经元角度来看,编码信息的方式很复杂,不同的神经元在不同时刻各自编码刺激或奖励信息。本文旨在研究这两个区域的群体神经元能否在整个试验期间(in a whole trial)稳定地表征与任务相关的信息。在一个刺激-奖励预测实验中,记录了日本猕猴(Macaca fuscata)前额叶皮层和纹状体中单个神经元的活动,采用多变量回归分析和线性支持向量机分类的方法研究了群体神经元编码的信息。结果显示,尽管与任务相关的神经元的比例在整个试验中变化较大,但前额叶皮层群体神经元稳定、可靠地编码了奖励和刺激信息,纹状体群体神经元在整个试验期间也编码了奖励信息,但没有编码刺激信息。这两个区域的神经元都编码了刺激和奖励的组合信息,并且前额叶皮层的神经元编码了一组刺激(一个集合)与奖励的关系,而纹状体神经元编码了一个特定刺激与奖励的关系。以上结果提示,前额叶皮层和纹状体群体神经元都能稳定地表达任务相关的参数,但各自编码的信息是不一样的,对应于它们在价值决策中不同的作用。

神经元群体解码方法及其在脑-机接口中的应用

基于脑神经元放电信号的脑-机接口(brain-computer interface,BCI)系统近年来有了越来越深入的研究,它使BCI在皮层运动控制等方面更加精确、迅速。从神经工程角度,此类BCI的实现不仅依赖于多电极神经记录硬件技术的发展,还依赖于其软件技术的核心神经元群体解码方法。本文综述了目前神经元群体解码方法中已成功运用于BCI研究的四类主要算法:群矢量算法、最佳线性估计、卡尔曼滤波法、贝叶斯方法。

让神经元放电“看得见”——清醒活动小鼠中神经元活动的群体成像

神经科学的一个长期目标,是在清醒、活动的哺乳动物中,对不同类型的神经元群体进行膜电压成像。视紫红质衍生的近红外遗传编码电压指示剂(genetically encoded voltage indicators, GEVIs)具有较高的时间保真度,并兼容光遗传学操控,而源自磷酸酶或视蛋白电压感应域的绿色荧光GEVI通常较慢且较亮。由于膜定位差,光稳定性低和信噪比低,将这些电压传感器转入活的哺乳动物大脑一直具有很大的挑战性。

基于受限玻尔兹曼机的神经元群体响应的贝叶斯解码

神经元通过尖峰模式传递有关刺激的信息,多个神经元通过突触相互联系,构成了复杂的神经回路。在过去的一个世纪中,多电极记录技术的进步使科学家们能够获取一个完整神经回路的细胞响应。这些记录表明,神经元的活动之间存在显著相关性。因此,本文提出利用受限玻尔兹曼机模型描述神经元响应活动之间的相关性,建立神经元群体响应的编码模型,并利用贝叶斯定理构建了基于受限玻尔兹曼机模型的解码器,将它应用于模拟的小鼠视觉皮层神经元的响应序列中。实验结果表明,此解码器在准确率方面优于不考虑神经元之间相关性的独立模型解码器。

二十一世纪脑科学的前沿:脑功能基因组学

由于大约70%的基因能够在人的大脑里得到特异性或高水平的表达,"人类后基因组计划"的本质就是开展"脑功能基因组学"的研究。脑功能基因组学的目标是在分子水平上揭示大脑的学习、记忆、思维和认知行为的生理机制,从而为治疗各种脑疾病和开发人类潜能提供理论基础。有鉴于其巨大的应用价值,世界各大制药公司、生物技术公司和大学研究机构纷纷投入巨额资金展开研究。文章系统介绍了脑功能基因组学研究的四大技术平台:基因组学及蛋白组学技术、转基因或基因敲除技术、化学遗传学手段和高密度神经元群体记录技术,重点介绍了利用基因敲除技术构建模式小鼠的四代发展过程。文章最后还提到,中国传统医药在治疗脑疾病方面积累了丰富的实践经验,在"脑功能基因组时代"开发中医药宝库,也是华人科学家应予关注的课题。

神经元网络动力学的统计物理方法(英文)

本文回顾了利用统计物理的方法研究神经元网络动力学的数学降维描述。以一个全兴奋性的"整合-发放"神经元网络为出发点,导出了描写神经元群体活动的概率分布函数的 (2+1)-维对流-扩散方程。在没有引入任何新参数的情况下,讨论了如何利用moment closure scheme得到(1+1)-维的动力学方程。我们将此方程的预测与原神经元网络动力学的蒙特卡洛模拟结果进行比较,从而展示了新方程的数值精确性。

视知觉学习的神经机制

感知分辨能力经过训练而提高的现象称为知觉学习。由于缺乏有力的生理学证据,已往主要基于行为和脑成像的研究存在分歧,焦点在于知觉学习发生的脑区和编码形式。近年来,结合心理物理和清醒猴电生理的系列研究表明,视觉检测训练可以优化大脑初级视皮层神经元的编码,该过程依赖于自上而下的信号调控。这些发现提示,知觉学习改变了前馈输入和反馈信号之间的相互作用。这种多脑区间的协同编码机制为理解学习与脑的可塑性提供了新的视角。

多通道神经信号分析方法及其应用(英文)

在神经科学研究中,多通道记录方法被普遍应用在对神经元群体活动特性的研究中。通过分析多个神经元的活动,可以了解神经系统协同编码外界信息的规则以及大脑实现各项功能的机制。为了挖掘出多通道神经信号中携带的信息及其潜在的相关性,需要合适的计算方法辅助对神经元放电活动进行解码。本文回顾了多通道神经信号分析中的一些常见方法,以及它们在不同类型神经信号分析要求下的典型应用。