[论文解读] Phase response curve measurements based on perturbations or noise stimuli for conductance-based neuron models.

Janina Hesse, Susanne Schreiber|arXiv (Cornell University)|May 10, 2019

Neural dynamics and brain function参考文献 52被引用 8

一句话总结

本文表明，在高内在神经元噪声条件下，相位反应曲线（PRC）测量中不适当的刺激幅度会严重扭曲PRC，使其失去可识别性，转而反映测量协议而非真实的神经元动力学。通过使用电导基神经元模型，作者证明只有弱且对噪声鲁棒的刺激才能产生准确反映尖峰起始分岔的PRC，并提出了识别有效刺激强度的标准，适用于扰动法与噪声刺激法。

ABSTRACT

The program simulates conductance-based neuron models with three different spike-onset bifurcations. The repetitively spiking neurons are stimulated with a series of short current pulses or a known noise stimulus provided as data. The resulting spike jitter allows to estimate the phase-response curve of the model, based on methods described in Galan et al. (2005), Ota et al. (2009) and Torben-Nielsen et al. (2010). The estimation of the phase-response curve is tested for different stimulus amplitudes and different levels of intrinsic noise. See Hesse and Schreiber (2019) and readme.txt for details.

研究动机与目标

• 确定在存在内在噪声的情况下，PRC测量如何准确反映神经元动力学。
• 解决实验PRC估计与理论模型之间的差异，特别是在尖峰起始附近。
• 建立选择刺激幅度的标准，以避免因过度刺激或噪声干扰导致的PRC失真。
• 比较在高内在噪声水平下，扰动法与噪声刺激法的可靠性。

提出的方法

• 使用具有三种尖峰起始分岔的电导基神经元模型：亚临界Hopf分岔、SNIC分岔和鞍-同宿轨道（HOM）分岔。
• 通过在极限环上对伴随方程进行反向积分，理论计算PRC以获得“真实”PRC。
• 应用三种实验PRC估计方法：单点时间扰动法、连续噪声刺激法和加权尖峰触发平均（wSTA）法。
• 提出STEP方法，通过最小化尖峰时间预测误差来估计PRC。
• 使用自助法量化在不同噪声水平和刺激幅度下PRC估计的不确定性。
• 在不同刺激强度和噪声水平下，将测量得到的PRC与理论PRC进行比较，以检测失真。

实验结果

研究问题

• RQ1 刺激幅度与内在噪声如何共同影响电导基神经元模型中PRC测量的准确性？
• RQ2 标准PRC测量协议在多大程度上产生反映潜在尖峰起始分岔的PRC，而非协议本身？
• RQ3 当内在噪声较高且动作电位抖动显著时，噪声刺激法能否可靠地恢复真实PRC？
• RQ4 在噪声神经元系统中，允许有效PRC估计的刺激幅度范围是什么？
• RQ5 在内在噪声和刺激强度的干扰下，扰动法与基于噪声的方法在鲁棒性方面如何比较？

主要发现

• 当刺激过强时，PRC会严重失真，呈现出与底层尖峰起始分岔无关的通用形状，转而反映测量协议。
• 对于高内在噪声的神经元，有效刺激幅度的范围显著缩小，使得准确估计PRC变得困难。
• 当过度驱动时，扰动法产生的PRC会提前至刺激发生的时间，导致响应中出现特征性‘凸起’。
• 噪声刺激法生成的PRC因时间拉伸的噪声片段而出现刺激前的抬升，从而扭曲真实PRC。
• 在高噪声条件下，扰动法与基于噪声的方法表现相似，但仅当刺激幅度处于狭窄的最优范围内时成立。
• 只有当刺激幅度足够弱以保持线性响应假设，又足够强以克服内在噪声时，理论PRC才能被可靠恢复。