bioRxiv（Neuroscience）· Vincenzo Vitelli·· 3 天前精选AI 评分60
Vincenzo Vitelli 团队提出旋转成分分析，揭示全脑自发旋转动力学约束线索诱发行为
Spontaneous brain-wide rotational dynamics constrain cue-evoked behavior
AI 导读
Vincenzo Vitelli 团队提出降维方法旋转成分分析（RCA），用于在单试次中检测低方差旋转模式。他们将 RCA 应用于猴和人的运动皮层动作电位数据、小鼠全脑钙成像以及人的 fMRI 和 MEG；在小鼠中，静息态识别出的旋转模式可预测随机时刻线索到来后动物是否拉杆，作者用循环神经网络模型和二维响应学习模型解释这一关联。
AI 要点
团队
Vincenzo Vitelli（bioRxiv 预印本，未列其他作者）
主要结果
小鼠静息态旋转模式的相位可预测随机提示到达后是否拉杆；小鼠与人类数据中均识别出双旋转模式；旋转不可逆性可捕捉早期精神病，而 PCA 未见组间差异。
解决什么问题
寻找脑全局神经动力学的低维表征，并说明其与行为的关系。
方法
提出降维技术 Rotational Component Analysis（RCA），用于猴子与人类运动皮层锋电位、小鼠全皮层钙成像、人类 fMRI 与 MEG；并用 RNN 和二维响应学习模型解释。
局限
从研究设计看，为预印本，尚未经同行评审；行为预测结果来自小鼠实验。
AI 依据原文整理，未经人工核对。
AI 推荐理由
文章提出旋转成分分析，并在猴、人、小鼠多类数据上展示自发旋转动力学如何约束线索诱发行为，可供做低维神经动力学分析的研究者参考。
来源：bioRxiv（Neuroscience） · biorxiv.org