首页
/ 使用NEMoS项目分析海马位置细胞的神经编码特性

使用NEMoS项目分析海马位置细胞的神经编码特性

2025-06-18 07:59:13作者:昌雅子Ethen

前言

本文将介绍如何使用NEMoS项目中的工具来分析海马位置细胞的神经编码特性。海马位置细胞是空间导航研究中的重要神经元类型,它们会在动物处于特定空间位置时表现出较高的放电频率。我们将通过实际数据分析,展示如何建立位置细胞的编码模型。

数据准备

数据来源

我们使用的数据来自Grosmark和Buzsáki在2016年发表的Science论文,记录了小鼠在直线轨道上运动时的神经活动、位置信息和theta节律相位。

数据加载与预处理

首先,我们使用pynapple库加载NWB格式的神经数据文件:

import nemos as nmo
import pynapple as nap

# 加载数据
path = nmo.fetch.fetch_data("Achilles_10252013.nwb")
data = nap.load_file(path)

数据提取

从加载的数据中提取关键信息:

# 提取尖峰时间、位置信息和theta相位
spikes = data["units"]
position = data["position"]
theta = data["theta_phase"]

# 限制分析范围到直线轨道运动期间
position = position.restrict(data["runs"])

# 筛选兴奋性神经元
spikes = spikes.getby_category("cell_type")["pE"]
spikes = spikes.getby_threshold("rate", 0.3)  # 去除低放电率神经元

基础分析

位置场计算

位置场(position field)是位置细胞最显著的特征,表示神经元在不同位置的放电率分布:

# 计算位置场
pf = nap.compute_1d_tuning_curves(spikes, position, 50, position.time_support)

# 按峰值位置排序
order = pf.idxmax().sort_values().index.values

相位进动分析

位置细胞还表现出theta相位进动现象,即放电相位会随位置变化:

# 调整数据采样率
bin_size = 0.005
theta = theta.bin_average(bin_size, position.time_support)
theta = (theta + 2 * np.pi) % (2 * np.pi)

# 创建包含位置和相位的数据结构
data = nap.TsdFrame(
    t=theta.t,
    d=np.vstack((position.interpolate(theta).values, theta.values)).T,
    time_support=position.time_support,
    columns=["position", "theta"],
)

速度调制分析

我们还分析了运动速度对神经元放电的影响:

# 计算运动速度
speed = []
for s, e in data.time_support.values:
    pos_ep = data["position"].get(s, e)
    speed_ep = np.abs(np.diff(pos_ep))
    speed_ep = np.pad(speed_ep, [0, 1], mode="edge") * data.rate
    speed.append(speed_ep)
speed = nap.Tsd(t=data.t, d=np.hstack(speed), time_support=data.time_support)

# 计算速度调谐曲线
tc_speed = nap.compute_1d_tuning_curves(spikes, speed, 20)

建模分析

基函数选择

我们使用不同的基函数组合来建模神经活动:

# 定义各种基函数
position_basis = nmo.basis.MSplineEval(n_basis_funcs=10, label="position")
phase_basis = nmo.basis.CyclicBSplineEval(n_basis_funcs=12, label="theta_phase")
speed_basis = nmo.basis.MSplineEval(n_basis_funcs=15, label="speed")

# 组合基函数
basis = position_basis * phase_basis + speed_basis
basis.label = "full_design"

模型训练

使用Poisson GLM模型进行训练:

# 准备设计矩阵
X = basis.compute_features(position, theta, speed)
count = spikes[neuron].count(bin_size, data.time_support)

# 训练模型
glm = nmo.glm.GLM(solver_kwargs=dict(tol=10**-12), solver_name="LBFGS")
glm.fit(X, count)

模型预测与验证

评估模型预测效果:

# 预测放电率
predicted_rate = glm.predict(X) / bin_size

# 计算预测的调谐曲线
glm_pf = nap.compute_1d_tuning_curves_continuous(predicted_rate[:, np.newaxis], position, 50)
glm_pos_theta = nap.compute_2d_tuning_curves_continuous(predicted_rate[:, np.newaxis], data, 30)
glm_speed = nap.compute_1d_tuning_curves_continuous(predicted_rate[:, np.newaxis], speed, 30)

模型比较

我们比较了不同特征组合的模型表现:

models = {
    "position": position_basis,
    "position + speed": position_basis + speed_basis,
    "position * phase": position_basis * phase_basis,
    "position * phase + speed": position_basis * phase_basis + speed_basis,
}

# 训练和评估各模型
scores = {}
for m in models:
    X = models[m].compute_features(*features[m])
    glm.fit(X.restrict(train_iset), count.restrict(train_iset))
    scores[m] = glm.score(X.restrict(test_iset), count.restrict(test_iset))

结论

通过NEMoS项目提供的工具,我们能够系统地分析位置细胞的编码特性。实验结果表明:

  1. 位置信息是位置细胞放电的最主要决定因素
  2. theta相位调制提供了额外的编码维度
  3. 运动速度对放电率也有显著影响
  4. 综合考虑位置、相位和速度的模型表现最佳

这种分析方法可以扩展到研究其他类型的神经元编码特性,为理解神经信息处理机制提供了有力工具。

登录后查看全文
热门项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
168
2.05 K
openHiTLS-examplesopenHiTLS-examples
本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
94
603
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
199
279
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
954
563
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
78
71
leetcodeleetcode
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
60
17
apintoapinto
基于golang开发的网关。具有各种插件,可以自行扩展,即插即用。此外,它可以快速帮助企业管理API服务,提高API服务的稳定性和安全性。
Go
22
0