神经元功能网络特性分析及认知行为预测方法研究

发布时间：2020-06-03 01:35

【摘要】：脑科学是二十一世纪最重要的学科之一,脑神经信息处理是一门综合神经生物学、计算机和数学等多学科的新兴交叉学科。传统分析方法已经无法适应多电极阵列记录到群体神经元信号分析的要求,结合图论和复杂网络理论研究脑功能网络已成为神经科学研究的重要内容。现有研究集中在脑功能网络的小世界特性上,且研究对象为宏观层次(磁共振成像、脑电图等)构建的功能网络,无法反应神经元的活动规律。从微观层次(神经元)分析能更精细刻画脑功能网络的连接规律。本课题以在体多电极记录大鼠神经元构建的功能性网络为研究对象,结合计算模型分析,通过复杂网络中的分析方法对神经元功能性网络的特性、社团结构的划分、评价及利用功能网络来预测大鼠的行为选择过程等方面展开研究。本课题的研究不仅为阐明大脑认知功能的神经机制提供了依据,也为脑疾病的诊断和治疗提供了新方向。论文的第一章对神经元功能网络研究的具体背景和基本知识进行了简单的介绍。第二、三、四、五、六章分别介绍了本论文的主要结果。其中包括： (1)目前神经科学家对于执行认知任务的脑功能网络是如何演化的还缺乏了解。本论文根据海马的神经生物学解剖基础,构建了海马神经环路的计算模型。在模拟单个神经元动作电位串(spike trains)发放的基础上,通过结合神经元之间的连接结构,模拟了海马群体神经元的发放活动。研究群体神经元之间是如何随着连接结构的变化形成功能网络社团结构的。由于在体多电极记录神经元功能网络是无法预先知道其网络结构及社团个数的,需要研究该计算模型如何根据不同的神经元功能网络社团结构,产生已知群体神经元社团个数和社团结构的spike trains,用来测试社团分析方法的有效性。 (2)在本研究中,我们通过多电极记录了多只大鼠皮层群体神经元的spike trains,这些老鼠分别执行多种不同认知任务实验。我们分别对每次trial过程构建了神经元功能网络,总共构成了150个功能网络。我们从复杂网络最重要的3个特性对神经元功能网络拓扑特性进行了分析：小世界特性、无标度网络和社团结构特性。另外为了分析神经元网络的社团结构,我们提出了一个判断在神经元功能网络中是否存在社团的准则。我们发现小世界特性普遍存在于不同的神经元功能网络中。与fMRI功能网络不同,发现神经元功能网络并不存在无标度特性。发现社团结构特性与记录到的spike trains数据集有关。相比DM-GM认知实验任务。在Y-maze任务实验的数据集中发现存在很明显的社团结构特性。我们发现并非所有存在小世界特性的功能网络都存在社团性。这些结果表明神经元功能网络与其它脑功能网络一样,存在着重要的复杂网络特性。这个研究第一次同时分析了神经元功能网络的几个复杂网络拓扑特性。结果表明该分析方法是有效的。 (3)本论文提出了一种新的神经元功能网络社团结构的划分方法。首先通过随机游走距离计算成对神经元spike trains之间的相似性,接着使用最近邻方法对相似度矩阵进行排序,形成块矩阵,最后使用谱划分方法对相似度矩阵进行谱分解,通过分析特征值与特征向量的特性自动确定社团个数和社团的结构。我们在由计算模型生成的已知社团结构的spike trains上评价了该方法。同时用于执行Y-maze行为任务的大鼠前额叶皮层的多神经元记录spike trains上,发现了传统方法无法发现的社团结构个数及模式。 (4)如何划分网络的社团结构对于分析各种网络拓扑性质是一个非常关键的问题,包括社会网络、计算机网络和生物网络等。Newman等人提出的社团模块度函数Q是应用最为广泛的评判社团特性强弱的指标,但存在着严重的分辨率极限问题。本论文提出了一种新的衡量社团划分强弱的评价函数,我们称之为社团系数C。根据社团系数C可自动地识别出网络社团结构的最佳划分个数,不需要任何社团结构的先验知识。同时我们比较了层次划分、谱聚类Ncut划分两种常用的社团划分方法,表明Ncut划分方法和社团系数C结合的社团检测方法得到的社团结构划分结果更优。在已知社团结构的一些真实网络上测试了该方法,相比现有其它几种社团检测方法,表明该方法能正确地划分出不同的社团结构,并且正确地识别了社团的个数。最后我们将该方法应用到神经元功能网络中。 (5)分析神经元功能网络的结构对理解脑的认知功能是一个基本的任务。这些皮层群体神经元组成的功能网络是否可以用来分析群体神经元活动与动物行为任务的关系,及预测动物单个trial行为选择的正确性?这些问题目前仍然是不知晓的。本文提出了一种新的方法来分析群体神经元的功能网络结构和局部神经元环路结构,这些神经元来自多只执行不同行为任务的大鼠,并且给出了预测大鼠单次trial结果正确性的实现过程。该方法主要由四个部分组成：根据spike trains构建记录到全体神经元的功能网络；根据社团划分方法对全体神经元网络划分成最优局部神经功能环路组；根据功能网络和功能神经环路组无监督聚类两种不同行为选择的trials;预测单次trial行为选择的正确性。我们分别采用多电极记录方法记录了老鼠不同皮层的群体神经元的spike trains,这些老鼠执行两种不同记忆行为任务,分别为Y-maze任务和U-maze任务。实验结果表明这些功能网络与不同的行为选择间存在着关系。相比Y-maze数据集,U-maze数据集无监督划分trials的正确性更高。结果表明,在大鼠在执行U-maze任务时,两种不同行为选择过程对应的神经元功能网络及神经功能环路组存在着明显区别。同时这些数据集能非常有效地用来预测大鼠单次trial的行为选择结果。
【图文】：

实验装置,大鼠

图2.1 DM-GM实验装置验任务训练箱是一个有底无盖的长方形盒子（,材质为塑料灰板。在训练箱前挡板丨0cm高度处有中央位置的外壁设有一对红外发射接收装置。当大鼠被打断，输出电平信号，可被行为控制程序实时检测m处的两侧箱壁间也设有一对红外发射接收装置。训一由电磁开关控制的水管，当电磁阀打开时，即可将饮用。所用实验装置如图2.1所示。程如下：将单只经过预训练的大鼠放入训练箱中，先相同。观察到大鼠成功取得20次以上的饮水后，，将控置。此时要求大鼠把鼻子探入孔内并停留至少800rTi后，必须在五秒钟之内转身到盒子的另一侧去获得水内停留的时间。在孔内停留的时间越长，转身后获得的水）。该实验及数据记录过程由复旦大学李德明课

实验装置,大鼠,门关,迷宫

e任务训练箱是一个有底无盖的Y形盒子，选择臂长71厘米，两个奖2厘米，三臂互成120度夹角，高20厘米，材质为塑料灰板。距选择处和距奖励臂末端35厘米处各有一个可以从迷宫地板下升起来的门端和每个门处各有一对红外（一个红外线发射端和一个红外线接测大鼠在迷宫内的位置。实验装置如图2.2所示。作过程如下：将控水1天的大鼠放入迷宫适应10分钟，然后取出，式训练。训练^u始时选择臂的门关闭、奖励臂的门开放，当大鼠打的红外时此门打开，大鼠可以自由选择进入奖励臂，并在奖励臂的微升的水。此时大鼠未进入的奖励臂的门关闭。当大鼠消费完奖励择臂的末端以启动下一次实验，此时选择臂的门关闭，奖励臂的门到选择臂末端6秒后，当大鼠打断选择臂门前的红外时此门打开，另一个奖励臂才能得到奖励，即若上次trial进入的左奖励臂，则当右奖励臂才能得到奖励，否则反之。如果进入和上次trial相同的奖错误trial。下次trial的奖励位置不变。每天训练100个trial,当任务连续两天超过80%,则开始记录。该实验及数据记录过程由复旦大
【学位授予单位】：复旦大学
【学位级别】：博士
【学位授予年份】：2013
【分类号】：R338;O157.5

【参考文献】