文献解读：网络交互的动态子集是调整狨猴感觉运动皮层自然运动的基础
感觉运动皮层的计算机制必须灵活而健壮，以支持熟练的运动行为。神经元协同活动模式是计算过程的结果。跨总体的成对尖峰时间统计关系可以概括为保留单位属性的函数网络 （FN）。
本文使用犹他电极和Cereplex Exilis无线放大器（Blackrock Microsystems）记录了猎物捕获和自发行为期间狨猴前肢感觉运动皮层信号，并使用结合运动轨迹和网络特征的编码模型来预测前肢运动期间的神经元电位变化。
每只狨猴都被允许自由进出连接到围栏顶部的猎物捕捉装置。 运动由高速摄像机记录，这些摄像机使用红外光束断路器开关自动触发。围栏内的自发行为由单独的摄像系统连续记录。在整个记录过程中同时记录了动作电位，在此期间，猴子主动伸手去寻找猎物或从事无方向的自发行为。
对于总体中的每个单元，研究员们在轨迹样本中的 17 组超前和滞后时间中测试了每个运动学编码模型——轨迹样本的持续时间为 300-500 毫秒，范围从完全超前到完全滞后。
图 2：完整的运动学编码模型预测神经元活动。
在建立了仅从运动学中预测单个单元总体中峰值的最佳模型后，研究员们接下来将网络项纳入最佳模型，并评估由此产生的模型性能变化。
图 3：网络特征改进了编码模型，一阶 FN 结构与运动学调整相关联。
研究发现，更强的平均输入与更强的运动学调整相关，也与网络功能提供的更大性能提升相关，这可能意味着活动的单个单元预测仅依赖于功能输入的总强度;或者，模型性能可能取决于强连接的特定结构。
图 4：强功能相互作用的拓扑结构是准确预测单样本活性的基础。
接下来研究员们评估了 FN 对猎物捕获的特异性，与我自发的广泛非猎物捕获行为相比。研究员们通过计算自发 FN 点积的网络特征项与与到达轨迹样本相关的电位变化来训练运动学 + 自发 FN 模型。然后，他们在使用 reachFNs 计算的网络特征上测试了这个模型，以比较运动学 + 自发 FN 模型的泛化与原始运动学 + reachFN 模型的性能。
图 5：在猎物捕获过程中，特定于上下文的官能团会重组。
在猎物捕获过程中重组的上下文特异性功能组（FG）也与前肢运动更紧密地联系在一起。研究发现，全运动学模型比上下文不变的模型更准确地预测了上下文特定 FG 中单元的电位变化。
图 6：调整上下文特定和上下文不变功能组的特性和皮层位置。
综上所述，研究结果发现网络功能的贡献取决于强连接功能组内的结构化连接。本文确定了一个特定于上下文的功能组，该功能组对运动学高度调整，并重新组织了其自发和猎物捕获运动之间的连接。在其余的上下文不变组中，交互在行为之间相对稳定，并且单元对运动学的调整较少。这表明在产生自然前肢运动中的作用不同，并将单元调整特性置于种群动力学的背景。
笔名：Liushuai
原文链接：https://www.nature.com/articles/s41467-024-54343-6
本文使用犹他电极和Cereplex Exilis无线放大器（Blackrock Microsystems）记录了猎物捕获和自发行为期间狨猴前肢感觉运动皮层信号，并使用结合运动轨迹和网络特征的编码模型来预测前肢运动期间的神经元电位变化。
每只狨猴都被允许自由进出连接到围栏顶部的猎物捕捉装置。 运动由高速摄像机记录，这些摄像机使用红外光束断路器开关自动触发。围栏内的自发行为由单独的摄像系统连续记录。在整个记录过程中同时记录了动作电位，在此期间，猴子主动伸手去寻找猎物或从事无方向的自发行为。
图1：行为、数据收集和编码模型建设。
对于总体中的每个单元，研究员们在轨迹样本中的 17 组超前和滞后时间中测试了每个运动学编码模型——轨迹样本的持续时间为 300-500 毫秒，范围从完全超前到完全滞后。
图 2：完整的运动学编码模型预测神经元活动。
在建立了仅从运动学中预测单个单元总体中峰值的最佳模型后，研究员们接下来将网络项纳入最佳模型，并评估由此产生的模型性能变化。
图 3：网络特征改进了编码模型，一阶 FN 结构与运动学调整相关联。研究发现，更强的平均输入与更强的运动学调整相关，也与网络功能提供的更大性能提升相关，这可能意味着活动的单个单元预测仅依赖于功能输入的总强度;或者，模型性能可能取决于强连接的特定结构。
图 4：强功能相互作用的拓扑结构是准确预测单样本活性的基础。接下来研究员们评估了 FN 对猎物捕获的特异性，与我自发的广泛非猎物捕获行为相比。研究员们通过计算自发 FN 点积的网络特征项与与到达轨迹样本相关的电位变化来训练运动学 + 自发 FN 模型。然后，他们在使用 reachFNs 计算的网络特征上测试了这个模型，以比较运动学 + 自发 FN 模型的泛化与原始运动学 + reachFN 模型的性能。
图 5：在猎物捕获过程中，特定于上下文的官能团会重组。在猎物捕获过程中重组的上下文特异性功能组（FG）也与前肢运动更紧密地联系在一起。研究发现，全运动学模型比上下文不变的模型更准确地预测了上下文特定 FG 中单元的电位变化。
图 6：调整上下文特定和上下文不变功能组的特性和皮层位置。
综上所述，研究结果发现网络功能的贡献取决于强连接功能组内的结构化连接。本文确定了一个特定于上下文的功能组，该功能组对运动学高度调整，并重新组织了其自发和猎物捕获运动之间的连接。在其余的上下文不变组中，交互在行为之间相对稳定，并且单元对运动学的调整较少。这表明在产生自然前肢运动中的作用不同，并将单元调整特性置于种群动力学的背景。
笔名：Liushuai
原文链接：https://www.nature.com/articles/s41467-024-54343-6
