用于神经潜在动力学控制的可行闭环刺激

现代神经科学受益于研究神经群体的强大计算与实验方法，包括能以少量维度预测行为的潜在动力学模型。然而，尽管这些潜在因子具有解释效用，它们很少被实验扰动明确靶向，从而使得其与行为的因果关系以及推断出的动力学景观仍未得到检验。一个有前景的解决方案是闭环、多通道光遗传学控制，当与模型预测配对时，它可以在实时中引导神经轨迹——这是传统手工设计的刺激无法实现的壮举。然而，由于闭环潜在控制尚未在体内得到证明，硬件和软件需求仍不明确——特别是必要的刺激维度，以及诸如植入体积和带宽等有限资源应如何在刺激与记录能力之间分配。因此，初步实验将有助于指导正在进行的技术开发。由于在体内对这些设计空间进行大规模探索成本过高，我们使用基于生物物理的脉冲神经网络进行了一项高通量模拟调查。我们发现低维驱动是足够的：在参考配置中，约20%的刺激通道实现了约85%的峰值控制性能，远少于神经元数量。此外，在刺激和记录之间大致平均分配通道可优化行为控制，而将许多电极与单一光源配对——这是实验实验室的普遍做法——表现不佳。即使没有对建模或控制进行大量优化，对于最佳通道数，我们平均获得了>60%的跟踪误差减少和>90%的诱发行为准确率。这些结果在广泛的参数变化中均成立，表明闭环潜在控制在可及的通道数下是可行的，并为未来工具开发和体内实验建立了设计原则。

中文由 AI 翻译，仅供参考，以原文为准。