文摘

在电路理论中,众所周知,一个线性反馈移位寄存器(LFSR)电路生成伪随机序列(PRBS),包括一个m序列的最大长度。在这项研究中,我们试图发现m序列称为LFSR电路产生的伪随机序列的时间序列的模式激发动作电位。刺激海马神经元的动作电位记录来自分离文化生长在一个多极的数组。我们可以找到几m序列从强度LFSR电路(M3)。这些结果显示装配LFSR电路或其等价的可能性的一个神经网络。然而,由于M3模式是由只有四个间隔,意外发现的可能性并不是零。然后,我们发现m序列的随机序列飙升并没有产生一个LFSR电路和比较结果和m序列的数量从最初观察到栅格数据。结果,一个显著差异是证实:更多的“0 - 1”扭转强度m序列比会发生意外被检测出来。这一结果表明,一些LFSR等效电路组装在神经网络。

1。介绍

大脑被认为是一个非常大规模的网络系统的基本元素是一个神经元(1- - - - - -4]。最近大脑中的记忆机制的研究,调查形成的信息交流是比指定更重要在大脑中记忆的区域(4]。

沟通的基本研究方法在大脑中是澄清的编码机制的信息。因此各种神经信息的编码,例如,代码,提出了在先前的研究5- - - - - -15]。第一个信息架构理论是细胞结集赫在1949年提出的理论(16,17]。亚伯假定“synfire链”的高峰与相对固定的间隔可以穿过大脑代表信息和各种行为状态(18- - - - - -21]。罗尔斯顿和其他人观察到一组健壮的自发地重复时空的神经活动模式使用模板匹配算法(22]。

然后,问题是,如何控制和数据通信和数据通信控制的形式是如何构建的。这个问题是至关重要的调查机制,信息是如何详细沟通。为了解决这个问题,解码序列模式在一块高峰活动(分析时间序列的射击模式),而不是上升的速度或动作电位的波形,是必要的。然而,在以往的研究,主要讨论神经网络传播的信息组件发射率或同步发射时机的神经网络在高峰活动的广泛的观点;解码序列模式如上面描述的不是;因此,很少有线索理解机制在大脑中用于编码神经元和沟通数据峰值。

在电路理论中,二进制计数器n位逻辑元素(注册)可以数到 −1。一个适当的反馈链接,环路变得相当于二进制计数器,变成了m序列的长度的输出 −1和被称为周期;在这里,“M”代表最大长度。如果这导致m序列作为一种内在的自身循环的代码, −1循环可以歧视23]。例如,一个强度线性反馈移位寄存器(LFSR)生成一个7位m序列,如图1。

(一)
(一)
(b)
(b)
图1
在环强度LFSR电路,操作和是一个异像 和 。(一)基本电路的反馈2,3)生成一个m序列作为10111001011100…(基本模式)。镜子(b) (A)的电路反馈(1,3生成一个时间的逆序m序列,11101001110100…。

m序列执行最有效的同步通信,用于数据传输的控制,包括码分多址(CDMA)手机(23]。我们假设一些LFSR电路组装在神经网络控制数据通信采用m序列。尽管这种假设已经被证明了计算机模拟在我们之前的研究24),生理验证这种假设没有被执行。因此,本研究的目的是调查LFSR电路在神经网络以生理验证这一假设。

培养、小型神经元网络多级阵列(量)的分析是可行的网络组件。量可以用来申请刺激脉冲与足够的灵活性和神经元在神经网络用于识别功能连接(25- - - - - -28]。

在这项研究中,我们研究m序列从激发动作电位的时间进程在神经网络生长在一个MEA和讨论的LFSR电路组件在神经网络检测到m序列模式。

2。方法

2.1。细胞培养

细胞培养的海马神经元解剖Wistar鼠胚胎日18。按照协议执行过程批准的机构动物保健和使用委员会开张。海马分离与0.1%胰蛋白酶在Ca(表达载体、东京、日本)2 +自由和毫克2 +无磷酸盐-在37°C,持续15分钟。分离神经元在种植密度为3.3 105细胞/毫米2polyethyleneimine-coated意味着菜(MED-P515Aα地中海科学Kadoma,大阪,日本)8 8平面微电极。每个电极的大小是50 50μm和电极间距为150μm。定位神经网络在每个MEA盘的中心区域,我们使用克隆环内直径7毫米。第二天戒指了。神经元坚持多边环境涵盖所有的衬底电极。

神经元维持在37°C在湿润的气氛中含有5%的股份有限公司2和培养意向天杜尔贝科修改鹰的介质(表达载体),包含5%马血清,5%胎牛血清的补充100 U /毫升青霉素,100μg / mL链霉素,5μg / mL胰岛素。一半的培养基是每周更新两次。

图2显示了MEA培养神经细胞的显微照片。


图2
培养的海马神经元的显微照片是黑色矩形电极。每个电极的大小是50 50μm和电极间距为150μm。

在这项研究中,我们准备6 22-50天体外培养的细胞样本(DIV),将其命名为文化1 - 6。

2.2。刺激上涨记录

刺激峰值是由一个细胞外记录系统记录与64个频道(MED64α地中海科学)。记录是20 kHz的采样率和记录时间是3 s。刺激是应用于一个特定的频道(一个电极)5记录开始后的女士。刺激是使用双相脉冲电流控制(正,然后负),10的力量μ100年的时间μ年代。

我们尝试模板匹配一些电极在一些文化。几乎只有一个模式的峰值检测。因此,我们没有飙升排序(27因为几乎没有来自多个神经元的动作电位产生的可能性在我们的实验。

2.3。m序列检测刺激峰值响应

我们用来检测m序列的方法刺激飙升反应如下。

首先,光栅的情节是从记录峰值检测得到的峰值响应与预定的阈值在每个通道(28)的采样频率10 kHz。

阈值是由试验和错误。在我们的实验和最合适的阈值是5倍的均方根噪声(约0.016 ~ 0.024 mV),这可以减少噪声几乎完全没有上达动作电位。这个阈值也被报告为合适的(28]。

然后,光栅图数据分为特定时间箱的宽度。本的状态被认为是“1”,如果一个峰值存在;否则,它被认为是“0。“如果两个峰值检测本,这是被忽视的。然后,光栅阴谋被转换为二进制数据的时间进程为了研究序列模式。

峰值的时间间隔是展开不同。所以它是确定m序列的本尺寸检测的关键。固定本总是存在一些问题(29日]。我们认为这些问题是解决实际的统计分析发现m序列的数量在多极的多元文化如第四章所述。

最大间隔约30 ms在每一种文化里。同时,LFSR的最小尺寸是3阶段生成一个7位(6箱)时期m序列(23实际上。因此,m序列的最大大小本被认为是大约5 ms。

考虑各种本尺寸如上所述的m序列和采样周期的光栅图数据(0.1 ms),时间垃圾箱(m序列的离散位长度)与multi-widths女士从0.1到5女士通过增加0.1毫秒一次一步被应用。检测结果在每次本宽度是叠加和标注在时间轴。然后,它可以检测各种区间长度的m序列虽然常常重叠。

考虑到数据通信必须开始在“1”状态,因为开始的交流不能确定在国家“0”m序列模式的发现开始从国家“1”。

数据转换为光栅图,将光栅图转换为二进制数据的时间进程,和m序列检测进行个人电脑使用检测程序用MATLAB实现(MathWorks日本,日本东京)。

3所示。结果

刺激高峰活动出现在100 - 300毫秒的时间,然后完全消失后的持续时间。

混响,似乎是由于势能的刺激脉冲刺激后观察0.5毫秒。图3(一个)显示了峰值响应渠道(ch) 2和3文化1。表1显示峰值诱发刺激激活时的数量和时间长度为每个文化观察刺激峰值响应。

表1
平均一个通道的刺激峰值(Num)和观察刺激峰值响应的时间长度( )。
(一)
(一)
(b)
(b)
图3
刺激脉冲响应和文化1 m序列检测的结果。(一)原始记录峰值数据(0 - 1岁)。刺激飙升反应是观察从5 ms(应用刺激)到150 ms通道2和3。(b)光栅图和m序列检测通道8,9,10。

50 - 55通道,其数量飙升的刺激,是超过20 100 ms刺激后被选为分析m序列。

我们可以检测到几号m序列(M3),包括那些由镜电路和“0 - 1”reversed-state序列(启M3)。此外,虽然我们试图找到四m序列(M4) 100110101111000…,我们不能检测到它们在所有的文化中,是本研究的一部分。表2总结了m序列模式发现的文化在这个研究。图3 (b)显示了结果的m序列检测通道8,9,10文化1。如这个图所示,各种模式和m序列的间隔长度被检测到。根据检测结果,发现m序列的总数(所有模式的总和)non-Rev之间的差别。M3和启M3为每个通道数,如图4。

表2
m序列模式发现从所有的文化。*镜子显示生成的电路。
(一)
(一)
(b)
(b)
(c)
(c)
(d)
(d)
(e)
(e)
(f)
(f)
图4
发现m序列数(a)文化1、2 (b)文化,(c)文化3,(d)文化4,(e)文化5和6 (f)文化。

考虑一些神经元可能同时属于复数电路可以产生m序列,我们计算每个序列独立即使一些序列模式重叠,如图3 (b)。

4所示。分析和讨论

从检测结果,如前所述,刺激的一些发现了m序列峰值响应。然而,人们有理由怀疑这是否表明存在LFSR电路产生m序列的神经网络。在本节中,我们提供一个更详细的分析发现序列模式,讨论分析为了解决这些疑问。

4.1。的启M3模式中发现m序列的数量

如表所示212种m序列分析结果发现,其中8 non-Rev的类型。M3和4类型的启M3模式。

假设non-Rev序列。M3和启M3模式见表2的概率是随机生成的,启M3模式检测应该是33.3%左右。然而,从分析结果,我们发现的速度启M3模式的数量明显高于这个概率值,这是 %(平均值和标准部门)对所有文化。

4.2。意义的m序列检测概率的估计

发现M3模式相对简单,只由4间隔模式如11,101年,1001年和10001年,每个通道的峰值间隔数量从20岁到40岁不等。因此,意外发现m序列模式的可能性(没有LFSR电路产生m序列)不为零。要解决这个疑问,我们进行了假设检验,估计m序列的重要探测概率观察刺激序列如下所示。

首先,我们生成一个打乱spike-interval序列从原始观察栅格数据,称为间隔洗牌,在每个通道(图5)[30.]。洗好的光栅图有相同数量的状态“1”和峰值间隔与原始光栅情节,但它可以被认为是一个没有LFSR的随机序列。


图5
间隔洗牌的过程(a)原始栅格图数据(b)光栅图数据。

顺便说一下,有一些争论洗牌方法,只用一个洗牌的方法是不够确切估计m序列的重要检测概率(21,31日,32]。然而,大多数洗牌方法,例如,通道洗牌,洗牌在细胞,高峰交换跨细胞(21),等等,包括打破每个通道的峰值和峰值间隔,测试结果的信心失去了除了间隔洗牌。

因此,为了估计m序列的重要探测概率,我们执行间隔洗牌的20倍(创建20打乱区间数据从一个原始飙升的数据),而不是多个洗牌方法。这些重组间隔的数据被认为是人口详细如下所述。

此外,我们还测试了一些光栅图的创建的两个随机噪声数据;其中一个是通过检测获得的光栅图从记录介质噪声响应峰值与阈值(没有细胞培养)0.01 (mV),另一个是由随机数序列数据,从刺激峰值与栅格数据。

间隔洗牌后,检测到的平均数量的显著差异M3模式之间的一个频道的原始观察光栅数据和间隔洗牌数据每个文化(人口)测试使用z以及假设如下。(我)的总数在每个通道被认为是个体发现了M3。(2)区间上的人口群个人洗牌(20倍)。(3)样品上的群人原始栅格数据。(iv)样本的标准差等于人口。(v)样品和人口都是正态分布。

零假设H0和替代假说H1如下。H0:发现m序列的数量从原来的栅格数据并不比间隔洗牌的数字检测数据。H1:发现m序列的数量从原来的栅格数据大于数量检测的间隔洗牌。检测到的平均数量M3人口每通道 由方程定义如下: 在哪里 慢吞吞地时间, 是渠道发现M3打乱时间的数量吗t, 发现M3打乱时间的数量吗t,chnum ch。

总体的标准偏差 被定义为 然后,方程的价值 是 在哪里 是指数量的检测,每通道和chnumo M3的频道数量在原始数据发现了M3。

我们测试了通过使用模式和non-Rev启M3的总和。M3单独模式,因为我们注意到一个更高的检出率启M3模式,如前所述。

从测试的结果,我们证实了明显更多的启M3模式被发现从原始数据比间隔洗牌在所有文化中除了文化2如图6(一)和6 (c),虽然没有显著更多的启M3模式中检测出随机噪声数据如图6 (b)和6 (d)当我们设置 (估计 值)。文化的1、3、4、5,当我们发现了明显更多 也。

(一)
(一)
(b)
(b)
(c)
(c)
(d)
(d)
图6
意味着许多M3发现模式。误差棒显示了标准偏差检测M3的数量为每个文化模式。从峰值数据(a)启M3。原之间有显著差异和区间洗牌数据在所有文化中除了文化2 ( < 0.05)。从随机噪声数据(b)启M3。噪音1是光栅检测获得的情节从记录介质噪声响应峰值与阈值(没有细胞培养)0.01 (mV)。噪音2是随机序列数据创建的随机数字。(c) non-Rev。从峰值数据(d) non-Rev M3。M3从噪声数据。
4.3。分析结果的讨论

m序列模式发现从间隔洗牌被认为意外检测,和他们不是来自LFSR电路。

检测到的启3高于机会刺激活动,而检测数量的启3上面没有机会在随机噪声。

通过评估这些结果,我们确定检测到启m3从原始文化生成的光栅图号LFSR电路组装等同于在神经网络中除了文化2。

同时,发现启m3从随机噪声不超过LFSR的事故表明你没有装配。此外,一些non-Rev。M3模式从生成的文化数据没有发现LFSR也因为发现non-Rev的数量。M3的光栅图最初并不是比间隔洗牌数据如图6 (c)。

顺便说一句,启M3的原因,而不是non-Rev。生成M3,尤其是仍不清楚;我们认为有可能稳定状态,(发送/接受更少的能量信号/来自其他神经元)神经元的电位负电压,实现国家“0”,这一事实导致扭转“0”和“1”。

4.4。在神经网络模型的等效LFSR电路

总结前面的讨论中,我们认识到存在的一些强度LFSR电路生成M3模式(尤其是启M3模式)等价,这表明,这种现象可能与神经网络的数据通信。亚伯表示,有同步上升模式3中神经元“synfire链理论”(18]。我们考虑的事实表明,强度的原因LFSR电路,不是四,5级等等,主要是组装至少在神经网络的早期发展阶段。

然后,神经元的问题可以作为逻辑元素(移位寄存器和XOR如图1)出现。考虑到神经元能够成为神经元兴奋时,与其他神经元和多个连接同时从这些神经元到达峰值,似乎不太可能,一个神经元对应于一个元素的LFSR电阻器(转变),因为一对一连接的神经元对不是有效的激活神经元。

解决矛盾如上所述,我们提出两种类型的等效强度LFSR神经网络模型如下。

第一个模型是峰值多个神经元的神经元群传播到另一个神经元组,如图7(一)。神经元组对应于一个电阻器的转变。这种传播机制类似于synfire链理论(18- - - - - -20.]。我们假设相同的神经元组神经元同时唤起和所有对神经元的突触延迟是相等的。然后突触延迟对应LFSR的时钟周期。从分析结果,发现启M3的平均时间长度大约是10 ms (Max。超过30 ms,最低为1 ms);因此,时钟周期平均约为1.67 ms (Max。超过5 ms)。这些值不矛盾的价值突触延迟(超过1 ms) [31日]。整理synfire链理论,我们认为,这些假设是正确的。同时,Izhikevich提出了一个网络模型有不同的突触延迟(33]。我们认为有一个可能的机会,一个等价的LFSR电路组装的高峰时间延迟相同的神经元组中的每个神经元和神经元之间的突触延迟组织协调即使对神经元的突触延迟是不平等的。

(一)
(一)
(b)
(b)
图7
一个等效强度LFSR。(一)模型1:峰值多个神经元的神经元群传播到另一个神经元的组织synfire链。虽然我们假设相同的神经元组神经元同时唤起和所有的神经元突触延迟是相等的,有可能一个等价的LFSR电路组装的高峰时间延迟相同的神经元组中的每个神经元和神经元之间的突触延迟组织协调即使对神经元的突触延迟是不平等的。(b)模型2:LFSR的框架是由“mainneurons”和“子神经元”与“mainneurons”激发他们。虽然,我们省略一个异或函数在这两个数字,一些XOR电路模型由神经元已经显示在先前的研究。

第二个模型是“mainneurons”这是与一些吗“子神经元”激发“mainneurons”构建LFSR如图7 (b)。这个模型也需要同时subneurons的高峰时间。

然后,我们省略XOR函数图7,一些XOR电路模型由神经元已经显示在先前的研究34]。

考虑到网络的模式是一个天文数字般的传播图,有可能这两种类型的电路模型如上所述组装在神经网络。有可能其他类型的模型组装。目前还不清楚哪种类型的模型是合适的。

5。结论

我们发现明显更多的启M3模式从时间序列刺激峰值响应比随机系列(间隔洗牌)数据的神经网络形成的量。总之,这一结果表明,一些等效强度LFSR电路是聚集在神经网络;通过这些电路检测到m序列生成;他们不是偶然的潜力;和他们在神经网络用于数据通信。我们还提出了等效LFSR电路在神经网络。

我们未来的工作将致力于识别等效LFSR电路的位置和类型,解决的原因发现序列的主要类型是一个启M3模式通过调查数据通信、文化术语之间的关系进行分析,发现m序列的数量调查等效LFSR的生长过程,并分析神经网络的规模之间的关系,发现m序列的数量。

虽然我们只能找到M3模式在这项研究中,有可能更大的m序列类型可以在大规模网络中发现,例如,M4、M5模式(生成5级LFSR电路),这将是不同于小型和细胞培养的早期阶段作为样本在这个研究。

我们的研究表明一个新领域的“大脑计算架构,可用于研究大脑生理学、脑机接口和相关领域。

确认

作者感谢大肠馆和m .铃木(巨大)细胞培养。他们也感谢y .川口和美国三十二(大阪理工学院)支持峰值响应的分析。本研究支持部分探索性研究的科研补助金21656100和科研(A) 21656100日本促进社会科学。