跳到主要内容
返回时间线
bioRxiv来源发表:

不用先做spike sorting:C3PO直接从原始脉冲事件学出可解释的群体状态,跨毫秒到小时

核心概要

C3PO把神经脉冲当作带波形标记的点过程直接建模,跳过spike sorting与分箱,用对比预测从事件历史推断低维“上下文”状态。在合成数据上,它学出的上下文按潜在相位排成环状结构,并能还原48个相位调谐神经元的调谐曲线;在多个已发表记录上,它复现了位置、头朝向、theta相位等已知变量,并给出单神经元与群体特征之间的直接映射。

Source-provided article image: Learning predictive latent structure from unclustered neural spike trains
bioRxiv · 第 1 页

深度剖析

一种无监督方法可以直接从未经spike sorting的连续脉冲事件中推断出低维、可解释的群体状态,而不必先把脉冲分配给单个神经元再按时间窗平均。 此前的PCA、GPFA、LFADS、CEBRA等潜变量方法依赖spike sorting,并在分箱或平滑后建模,时间分辨率受限于箱宽,且非线性嵌入使潜空间方向难以对应到具体神经元。 在48个相位调谐神经元加16个无调谐噪声神经元的合成数据上,模型在训练中看不到潜在相位和神经元身份,学出的上下文前两个主成分按相位排成环状,推断的调谐曲线与真实曲线高度吻合。

模型把每个脉冲的波形特征压成低维标记,再用因果网络从历史事件推断当前上下文,并以“真实下一个事件相对于背景噪声事件”的对比目标训练。 对比目标来自对比预测编码与噪声对比估计,被改写为点过程形式,使原本无法计算的连续标记似然积分在候选集归一化时消去。 在460个已排序神经元的大鼠内侧内嗅皮层记录上,上下文主成分分别对应theta相位、头朝向和位置,头朝向调谐强度与神经元嵌入在该平面上的投影幅度相关,报告的决定系数为0.71。

启示与展望

演示范围包括合成脉冲数据、猕猴初级体感皮层、大鼠内侧内嗅皮层、海马CA1与内侧前额叶记录,以及DANDI档案中51个至少含50个已排序单元和15分钟记录的数据集;所有模型训练时只使用脉冲活动,行为与刺激标注仅用于事后对齐和分组。

作者指出,在CA1的sharp-wave ripple重放事件中,C3PO解码出的位置表征不如带显式连续性模型的状态空间解码器那样在空间上集中;额叶的慢状态变化无法区分是疲劳、饱足还是挫败所致,因此只用“动机”作操作性描述。