Dimensionality reduction for large-scale neural recordings.
Dimensionality reduction for large-scale neural recordings.
复制标题
DOI：
10.1038/nn.3776
复制
发表时间：
2014-11
影响因子：
25
通讯作者：
Yu, Byron M.
中科院分区：
文献类型：
--
作者：
Cunningham, John P.;Yu, Byron M.
大多数感觉、认知和运动功能依赖于许多神经元的相互作用。近年来，从大量神经元中顺序或同时记录的技术得到了迅速发展和越来越多的使用。一个关键的问题是，除了单独研究每个神经元之外，通过研究一组记录的神经元可以获得什么科学见解。在这里，我们考察了人口研究的三个重要动机：需要统计能力的单项试验假设，人口反应结构假设和对大数据集的探索性分析。最近的许多研究都采用降维的方法来分析这些群体，并发现在单个神经元水平上不明显的特征。我们描述了人口活动中常用的降维方法，并对方法的选择和结果的解释提供了实用的建议。这篇综述是为那些试图理解降维在系统神经科学中已经和可能起到的作用的实验和计算研究人员，以及试图将这些方法应用于他们自己的数据的人而准备的。
Most sensory, cognitive and motor functions depend on the interactions of many neurons. In recent years, there has been rapid development and increasing use of technologies for recording from large numbers of neurons, either sequentially or simultaneously. A key question is what scientific insight can be gained by studying a population of recorded neurons beyond studying each neuron individually. Here, we examine three important motivations for population studies: single-trial hypotheses requiring statistical power, hypotheses of population response structure and exploratory analyses of large data sets. Many recent studies have adopted dimensionality reduction to analyze these populations and to find features that are not apparent at the level of individual neurons. We describe the dimensionality reduction methods commonly applied to population activity and offer practical advice about selecting methods and interpreting their outputs. This review is intended for experimental and computational researchers who seek to understand the role dimensionality reduction has had and can have in systems neuroscience, and who seek to apply these methods to their own data.
登录
查看更多内容
影响因子：
2.5
作者：
Carrillo-Reid, Luis;Tecuapetla, Fatuel;Bargas, Jose
通讯作者：
Bargas, Jose
DOI：
10.1073/pnas.92.19.8616
发表时间：
1995-09-12
影响因子：
11.1
作者：
ABELES, M;BERGMAN, H;VAADIA, E
通讯作者：
VAADIA, E
影响因子：
16.2
作者：
Broome, Bede M.;Jayaraman, Vivek;Laurent, Gilles
通讯作者：
Laurent, Gilles
影响因子：
48
作者：
Ahrens, Misha B.;Orger, Michael B.;Keller, Philipp J.
通讯作者：
Keller, Philipp J.
DOI：
10.1126/science.1195870
发表时间：
2011-01-07
期刊：
Science (New York, N.Y.)
影响因子：
--
作者：
Berkes P;Orbán G;Lengyel M;Fiser J
通讯作者：
Fiser J