- 1次围观
神经回路结构的表征通常依赖于可测量的神经元特征，例如形态学、分子身份和空间位置。尽管利用这些性质的生成模型已被证明具有较高准确性，但它们仍然受限于可获得的测量数据以及我们对潜在特征的先验假设。在此，我们提出一种基于表征学习的替代方法，并将其用于模拟小鼠初级视觉皮层一个柱状结构的回路连接。我们的框架联合学习神经元在抽象特征空间中的低维嵌入表示以及用于预测突触连通性的连接规则。基于嵌入的模型仅使用少量嵌入维度和连接规则，便能够准确预测单个突触、连接度以及网络模体统计量——其性能优于依赖详细细胞类型分类的标准生成模型。关键的是，所学习到的表征具有可解释性，能够重现皮层深度、细胞类型和树突形态。由此得到的连接蓝图既简洁又具有生物学意义，表明皮层连通性遵循一种出人意料地简约的逻辑。该框架为学习连接组最简生成模型提供了一种通用且可迁移的工具。
elad.schneidman{at}weizmann.ac.il
摘要 信息/历史 指标 预览 PDF
摘要 神经回路结构的表征通常依赖于可测量的神经元特征，例如形态、分子身份和空间位置。尽管利用这些属性的生成模型已被证明具有较高准确性，但它们仍受限于可获得的测量数据以及我们对候选特征的预设假设。在此，我们提出一种基于表征学习的替代方法，并将其用于对小鼠初级视觉皮层一个柱状单元的回路进行建模。我们的框架在学习预测突触连接的布线规则的同时，共同学习神经元在抽象特征空间中的低维嵌入。这些基于嵌入的模型能够准确预测单个突触、连接度以及网络模体统计量——仅使用少量嵌入维度和布线规则，其表现便优于依赖详细细胞类型分类的标准生成模型。关键的是，所学习到的表征具有可解释性，能够重现皮层深度、细胞类型和树突形态。由此得到的布线蓝图既简洁又具有生物学意义，表明皮层连接性遵循着出人意料的简约逻辑。该框架为学习连接组的最简生成模型提供了一种通用且可移植的工具。
利益冲突声明 版权 持有人为作者/资助方，其已授予 bioRxiv 永久展示该预印本的许可。 本文依据 CC-BY 4.0 国际许可协议 公开提供。
返回顶部 上一页 下一页
发表于 2026 年 7 月 10 日。 下载 PDF 电子邮件
感谢您有兴趣帮助传播 bioRxiv。 注意：要求提供您的电子邮箱地址仅用于将您识别为本文的发送者。
您的电子邮箱 * 您的姓名 * 发送至 * 请输入多个地址，每行一个，或以逗号分隔。
您将发送以下内容的邮件 《哺乳动物皮层柱布线规则的学习》
邮件主题 （您的姓名）已从 bioRxiv 向您转发了一个页面
邮件正文 （您的姓名）认为您会希望查看 bioRxiv 网站上的这个页面。
您的个人留言
验证码 此问题用于测试您是否为人工访问者，并防止自动化垃圾信息提交。
分享
哺乳动物皮层柱布线规则的学习 Oren Richter， Elad Schneidman
bioRxiv 2026.07.09.737432； doi： https://doi.org/10.64898/2026.07.09.737432
分享本文： 复制
引文工具
哺乳动物皮层柱布线规则的学习 Oren Richter， Elad Schneidman
bioRxiv 2026.07.09.737432； doi： https://doi.org/10.64898/2026.07.09.737432
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.07.09.737432v1?rss=1
🏷️ 大脑皮层柱 神经回路连接 表征学习 突触连通性 小鼠视觉皮层