用于复用推断的脉冲计数分析（SCAMPI）

《Journal of Computational Neuroscience》：Spike count analysis for multiplexing inference (SCAMPI)

神经元多刺激编码机制研究中，提出改进的统计检测框架，采用贝叶斯推断和预测递归边际似然方法，检测到更快的亚 trial 时尺度波动，并验证多编码在面部刺激组合及视觉皮层区分融合物体中更显著。

　　

摘要

理解神经元如何编码多个同时发生的刺激是神经科学中的一个基本问题。我们之前提出了一种新的随机编码模式理论，该理论认为当神经元面临多个刺激时，其尖峰活动会动态地在不同的单刺激活动模式之间切换（Groh等人，2024）。在这里，我们提出了一个改进的、全面的统计测试框架，用于检测这种“多路复用”现象。与之前一样，我们的方法评估双刺激反应是否可以解释为与单刺激基准相关的泊松分布的混合。我们的改进框架在两个方面优于之前的方法：首先，它引入了一组更强大的多路复用对照方案，其中包括一个“过度分散”类别，用于捕捉与单刺激基准无关的过度分散的活动模式，从而减少了多路复用的误检测；其次，它能够检测到连续的混合现象，这可能表明存在更快的波动——即在亚试验时间尺度上——而这些波动在之前可能被忽略。我们采用贝叶斯推理框架，将后验概率最高的假设视为正确答案，并使用预测递归边际似然方法对潜在的混合分布进行非参数估计。对先前研究的重新分析证实了活动波动的普遍存在，并表明波动可能发生在比之前认为的更快的时间尺度上。我们进一步确认：(a) 在下颞叶面部区域，多路复用在面部刺激组合中比在面部与非面部物体组合中更为常见；(b) 在初级视觉皮层中，多路复用在不同的物体与融合的物体之间更为普遍。