arXiv q-bio.NC（Neurons and Cognition）·2026-10-15 12:00· 10 天前AI 评分25

基于模拟推断简单神经网络结构：用动作电位序列统计量重建网络连接

Simulation Based Inference of a Simple Neural Network Structure

AI 导读

针对多电极记录中神经元群体严重欠采样导致互相关等关联统计难以推断网络结构的问题，研究者提出改用动作电位频率、峰间期分布等简单动作电位序列统计量，通过模拟估计其抽样分布来推断底层网络结构。在一个"玩具模型"上，该方法在推断原始网络连接概率方面显著优于子网络重建方法。

AI 要点

团队

第一作者 Pierre Charitat，末位作者 Christophe Pouzat，共 3 位作者。

主要结果

在“toy model”上，该方法推断原始网络连接概率的结果显著优于子网络重建方法。

解决什么问题

用互相关函数等关联统计推断记录神经元构成的网络结构时，受神经元群体严重欠采样影响。

方法

改用发放频率、峰间距分布等简单脉冲序列统计量，通过模拟估计其抽样分布来推断底层网络结构。

局限

从研究设计看，结论基于“toy model”的模拟验证，未在真实记录数据上验证。

AI 依据原文整理，未经人工核对。