Simultaneous Bayesian Estimation of Excitatory and Inhibitory Synaptic Conductances by Exploiting Multiple Recorded Trials
Notice bibliographique
Résumé
Advanced statistical methods have enabled trial-by-trial inference of the underlying excitatory and inhibitory synaptic conductances of the membrane potential recordings. Simultaneous inference of both excitatory and inhibitory conductances sheds light into the neural circuits underlying the neural activity and advances our understanding on neural information processing. Conventional Bayesian methods can infer excitatory and inhibitory synaptic conductances based on a single trial of observed membrane potential. However, if multiple recorded trials are available, this typically leads to suboptimal estimation because they neglect common statistics (of synaptic inputs) across trials. Here, we establish a new expectation maximization (EM) algorithm that improves such single-trial Bayesian methods by exploiting multiple recorded trials to extract common synaptic input statistics across the trials. In this paper, the proposed EM algorithm is embedded in parallel Kalman filters (KFs) and Particle filters (PFs) for multiple recorded trials to integrate their outputs to iteratively update the common synaptic input statistics. These statistics are then used to infer the excitatory and inhibitory synaptic conductances of individual trials. We demonstrate the superior performance of these multiple-trial Kalman Filter (MtKF) and Particle Filter (MtPF) methods relative to the corresponding single-trial methods. While relative estimation error of excitatory and inhibitory conductances is known to depend on the level of current injection into a cell, our numerical simulations using MtKF show that both excitatory and inhibitory condutances are reliably inferred using an optimal level of current injection. Finally, we validate the robustness and applicability of our technique through simulation studies and apply the MtKF algorithm to in-vivo data recorded from rat barrel cortex.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».