論文の概要: Neuronal Identity as an Organizational Basis for Analyzing Neural Population Dynamics

• arxiv url: http://arxiv.org/abs/2610.36745v1
• Date: Tue, 27 Oct 2026 07:02:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-28 21:04:31.531025
• Title: Neuronal Identity as an Organizational Basis for Analyzing Neural Population Dynamics
• Title（参考訳）: 神経集団動態解析のための組織的基盤としての神経アイデンティティ
• Abstract要約: 本稿では, 神経集団の組織化のための枠組みを, マルチモーダルな生物学的特徴によって提案する。 幼魚ゼブラフィッシュにおける全脳カルシウムイメージングの枠組みとマウス視覚野における大規模電気生理学的検討を行った。
• 参考スコア（独自算出の注目度）: 1.490632041321913
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Individual neurons exhibit diverse molecular, morphological, and electrophysiological properties that shape their distinct roles in neural circuits. While these multimodal features are largely shared across individuals, they remain an underutilized source of information in analyzing neural population dynamics. We posit that these shared biological profiles provide a common reference for relating neural dynamics across subjects and recording sessions. Our framework leverages this structure by routing neurons into latent groups based on their biological profiles and analyzing population dynamics through group-level representations. Because these assignments are anchored in biological properties that are consistent across subjects, the learned organization supports transfer to unseen animals without retraining or neuron-wise correspondence. We evaluate our framework on whole-brain calcium imaging in larval zebrafish and large-scale electrophysiology in the mouse visual cortex. Across both species and recording modalities, the framework delivers state-of-the-art performance in both neural decoding and manifold analysis: it achieves superior decoding of behavior and stimulus labels while better preserving the temporal consistency and local geometric structure of latent trajectories on unseen data. Our experiments demonstrate that not only does providing biological features improve baseline performance, but our proposed framework achieves even stronger results by using these properties to explicitly structure the population rather than treating them as auxiliary inputs. Together, these results suggest that organizing neural populations by their multimodal biological features offers a promising framework for generalizing population dynamics across subjects and recording sessions.
• Abstract（参考訳）: 個々のニューロンは様々な分子的、形態学的、電気生理学的特性を示し、神経回路におけるそれぞれの役割を形作る。 これらのマルチモーダルな特徴は、主に個人間で共有されているが、ニューラル人口動態の分析において、未利用の情報源として残されている。 これらの共有生物学的プロファイルは、被験者間の神経力学と記録セッションを関連付ける共通の基準となると仮定する。 我々のフレームワークは、ニューロンを生物学的プロファイルに基づいて潜伏群にルーティングし、グループレベルの表現を通して個体群動態を解析することによって、この構造を利用する。 これらの課題は、被験者間で一貫した生物学的性質に固定されているため、学習組織は、再訓練や神経学的対応なしに、見えない動物への移動を支援する。 幼魚ゼブラフィッシュにおける全脳カルシウムイメージングの枠組みとマウス視覚野における大規模電気生理学的検討を行った。 このフレームワークは、種別と記録モダリティの両方にわたって、ニューラルデコーディングと多様体解析の両方において最先端のパフォーマンスを提供する。これは、動作と刺激ラベルの優れた復号化を実現し、不明瞭なデータに対する潜在軌道の時間的一貫性と局所的幾何学的構造をよりよく保存する。 提案手法は, 生物学的特徴の提供がベースライン性能を向上させるだけでなく, それらの特性を補助的な入力として扱うのではなく, 個体群を明示的に構成することにより, より強力な結果が得られることを示した。 これらの結果から, マルチモーダルな生物学的特徴による神経集団の組織化は, 被験者と記録セッション間での集団動態の一般化に有望な枠組みをもたらすことが示唆された。

関連論文リスト

• BrainWideBench: Benchmarking large-scale pretraining and across-animal transfer in multi-region neural recordings [65.86350451382873]
  マルチリージョンニューラル記録における動物間移動の評価のためのベンチマークであるBrainWideBenchを提案する。 BrainWideBenchは、276の脳領域にまたがる神経と行動の記録の、国際脳研究所のBrainwide Mapデータセット上に構築されている。
  論文  参考訳（メタデータ） (2026-09-18T17:54:32Z)
• A neural-astrocyte architecture implements a hybrid automaton for evidence accumulation [0.0]
  アストロサイトは神経細胞以外のグリア細胞であり、神経計算における役割により広く注目を集めている。 本研究では、アストロサイトが強化学習環境において、ニューラルネットワークが文脈を推測する能力を増強するメカニズムについて検討する。
  論文  参考訳（メタデータ） (2026-09-14T18:49:14Z)
• Manifolds and Modules: How Function Develops in a Neural Foundation Model [5.518605965321172]
  神経活動の基礎モデルとして,視差刺激に対する時間的応答特性に基づいて各ニューロンを特徴付ける。 モデルの異なる処理段階はそれぞれ、定性的に異なる表現構造を示す。 全体として、本研究は、神経基盤モデルの内部構造の研究として、その内部の生物学的関連性についての洞察を得るものである。
  論文  参考訳（メタデータ） (2025-11-26T20:36:47Z)
• Neuronal Group Communication for Efficient Neural representation [85.36421257648294]
  本稿では, 効率的な, モジュラー, 解釈可能な表現を学習する, 大規模ニューラルシステムの構築方法に関する問題に対処する。 本稿では、ニューラルネットワークを相互作用する神経群の動的システムとして再認識する理論駆動型フレームワークである神経グループ通信(NGC)を提案する。 NGCは、重みを埋め込みのようなニューロン状態間の過渡的な相互作用として扱い、神経計算はニューロン群間の反復的なコミュニケーションを通じて展開する。
  論文  参考訳（メタデータ） (2025-10-19T14:23:35Z)
• NOBLE -- Neural Operator with Biologically-informed Latent Embeddings to Capture Experimental Variability in Biological Neuron Models [63.592664795493725]
  NOBLEは、解釈可能なニューロンの特徴を連続周波数変調した埋め込みから電流注入によって誘導されるソマティック電圧応答へのマッピングを学ぶ神経オペレーターフレームワークである。 内在的な実験変数を考慮したニューラルダイナミクスの分布を予測する。 NOBLEは、その一般化を実際の実験データで検証する最初の大規模ディープラーニングフレームワークである。
  論文  参考訳（メタデータ） (2025-06-05T01:01:18Z)
• Graph-Based Representation Learning of Neuronal Dynamics and Behavior [2.3859858429583665]
  本稿では,時間変動ニューロン接続をモデル化する新しいフレームワークTAVRNNを紹介する。 TAVRNNは、解釈可能な集団レベルの表現を維持しながら、単一単位レベルで潜伏ダイナミクスを学習する。 TAVRNNは,(1)自由行動ラットの電気生理学的データ,(2)到達作業中の霊長類体性感覚皮質記録,(3)仮想ゲーム環境と相互作用するDishBrainプラットフォーム内の生物学的ニューロンの3つのデータセットで検証した。
  論文  参考訳（メタデータ） (2024-10-01T13:19:51Z)
• CREIMBO: Cross-Regional Ensemble Interactions in Multi-view Brain Observations [3.3713037259290255]
  現在の分析手法は、しばしばそのようなデータの豊かさを活かさない。 CREIMBOは、グラフ駆動辞書学習を通じて、セッションごとのニューラルアンサンブルの隠れた構成を特定する。 合成データ中の真の成分を回収するCREIMBOの能力を実証する。
  論文  参考訳（メタデータ） (2024-05-27T17:48:32Z)
• Neural population geometry and optimal coding of tasks with shared latent structure [4.490493754303233]
  4つの幾何学的測度がタスク間の性能を決定することを示す。 マルチタスク学習問題に対する最適解として,実験的に観察された不整合表現が自然に現れることがわかった。
  論文  参考訳（メタデータ） (2024-02-26T17:39:23Z)
• Contrastive-Signal-Dependent Plasticity: Self-Supervised Learning in Spiking Neural Circuits [61.94533459151743]
  この研究は、スパイキングネットワークのシナプスを調整するための神経生物学的に動機づけられたスキームを設計することの課題に対処する。 我々の実験シミュレーションは、繰り返しスパイクネットワークを訓練する際、他の生物学的に証明可能なアプローチに対して一貫した優位性を示す。
  論文  参考訳（メタデータ） (2023-03-30T02:40:28Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。