- 1次围观
从许多神经元群体的同步记录中识别彼此相互作用的神经元亚群，是以细胞分辨率理解跨脑通信的关键。近期研究提出了通信子空间（communication subspaces），通过少量源活动模式和靶活动模式，刻画高维神经元群体之间成对的加性相互作用。然而，现有方法尚无法捕捉第三个可能具有多变量特征的变量（例如行为状态或第三个神经元群体的活动）如何调节这些相互作用。在此，我们将调制参数化为低秩张量，从而扩展了通信子空间框架。该方法能够识别乘性交互通道（multiplicative interaction channels, MICs），其被定义为源活动模式、靶活动模式和调制器活动模式的三元组，其中调制器模式对源-靶相互作用起门控作用。我们将MICs推导为降秩回归的双线性扰动。我们构建了一个分层拟合流程，并给出一种闭式分解，用于量化调制是否重塑了以调制器为平均条件下的基线相互作用、招募了某一群体的私有维度，或开启了新的相互作用。在模拟实验中，即使处于高维、低样本量条件下，MICs仍能可靠地恢复真实调制的存在及其几何结构。将MICs应用于对视觉皮层中的前额叶轴突和中间神经元进行同步钙成像的实验数据后，我们发现，行为状态以不对称的方式调制自上而下的相互作用，重新配置了与一组稳定的视觉中间神经元活动模式发生相互作用的前额叶投射模式。通过提供对调制性交互作用的高效且紧凑的刻画，MICs使我们能够提出关于潜在的如何变态另类
高维变量塑造了神经群体之间的相互作用。
作者声明不存在利益冲突。
感谢您有意传播有关 bioRxiv 的信息。
注意：请求提供您的电子邮件地址仅用于确认您是本文的发送者。
关键词：神经元群体相互作用 · 通信子空间 · 乘性交互通道 · 低秩张量分解 · 神经调制 · 视觉皮层
原文链接：https://www.biorxiv.org/content/10.64898/2026.05.14.725145v1?rss=1