Neuronal assembly detection and cell membership specification by principal component analysis.
Neuronal assembly detection and cell membership specification by principal component analysis.
复制标题
DOI：
10.1371/journal.pone.0020996
复制
发表时间：
2011
期刊：
影响因子：
3.7
通讯作者：
Tort AB
中科院分区：
文献类型：
--
作者：
Lopes-dos-Santos V;Conde-Ocazionez S;Nicolelis MA;Ribeiro ST;Tort AB
1949年，唐纳德·赫布假设，同步激活的神经元集合是大脑中信息处理的基本单位。尽管Hebb的细胞组装假说是神经科学中最有影响力的理论之一，但由于技术进步，直到过去20年才开始变得可验证。然而，尽管同时记录大量神经元群体的技术正在快速发展，但仍然缺乏能够正确检测和跟踪细胞组合活动的分析方法。在这里，我们描述了一种基于主成分的方法，该方法能够(1)识别存在于所研究的神经元群体中的所有细胞组合，(2)确定参与整体活动的神经元的数量，(3)指定与每个细胞组合有关的神经元的精确身份，以及(4)揭示多个组合的单个活动的时间进程。将该方法应用于清醒和行为正常的大鼠的多电极记录显示，在大脑皮层和海马区检测到的组件通常包含重叠的神经元。结果表明，本文提出的主成分分析方法能够正确地检测、跟踪和指定神经元集合，而不考虑重叠的成员资格。
In 1949, Donald Hebb postulated that assemblies of synchronously activated neurons are the elementary units of information processing in the brain. Despite being one of the most influential theories in neuroscience, Hebb's cell assembly hypothesis only started to become testable in the past two decades due to technological advances. However, while the technology for the simultaneous recording of large neuronal populations undergoes fast development, there is still a paucity of analytical methods that can properly detect and track the activity of cell assemblies. Here we describe a principal component-based method that is able to (1) identify all cell assemblies present in the neuronal population investigated, (2) determine the number of neurons involved in ensemble activity, (3) specify the precise identity of the neurons pertaining to each cell assembly, and (4) unravel the time course of the individual activity of multiple assemblies. Application of the method to multielectrode recordings of awake and behaving rats revealed that assemblies detected in the cerebral cortex and hippocampus typically contain overlapping neurons. The results indicate that the PCA method presented here is able to properly detect, track and specify neuronal assemblies, irrespective of overlapping membership.
登录
查看更多内容
影响因子：
2.3
作者：
Khoa, Truong Q. D.;Thang, Hoang M.;Nakagawa, Masahiro
通讯作者：
Nakagawa, Masahiro
影响因子：
64.8
作者：
Harris, KD;Csicsvari, J;Buzsáki, G
通讯作者：
Buzsáki, G
影响因子：
25
作者：
Kriegeskorte, Nikolaus;Simmons, W. Kyle;Bellgowan, Patrick S. F.;Baker, Chris I.
通讯作者：
Baker, Chris I.
影响因子：
5.3
作者：
Bi, GQ;Poo, MM
通讯作者：
Poo, MM
影响因子：
3.7
作者：
Koch, C;Rapp, M;Segev, I
通讯作者：
Segev, I