RNN建模与任务训练
验证结构化早期训练如何影响网络动力学和策略学习。
训练RNN执行tDNMS任务,比较S/FT与NS网络,并记录训练过程中的行为和网络活动。
Structured experience shapes strategy learning and neural dynamics in the medial entorhinal cortex
RNN建模、小鼠行为、Neuropixels 2.0电生理记录及动力系统分析,含功能与机制验证
循环神经网络(RNN) C57Bl/6小鼠 内侧内嗅皮层(MEC)Neuropixels记录
RNN训练采用1000个四试次区块,S/FT网络前300区块替换为无匹配塑造任务 tDNMS任务使用2秒短和5秒长气味,ISI固定3秒,SS/LL为No-Go,SL/LS为Go 小鼠行为塑造分为三阶段,以连续20次奖励和>70%正确率等为进阶标准 Neuropixels 2.0探针植入MEC,记录神经元活动并进行时间解码分析 动力系统分析识别固定点、慢点和极限环,比较NS与S/FT网络
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
验证结构化早期训练如何影响网络动力学和策略学习。
训练RNN执行tDNMS任务,比较S/FT与NS网络,并记录训练过程中的行为和网络活动。
识别网络在任务中使用的动力系统模式,如固定点和极限环。
对训练后的RNN进行PCA、缠绕度量、特征谱分析和固定点/慢点识别。
测试RNN预测的行为策略是否适用于动物。
训练小鼠tDNMS任务,使用SL+LS或SL-Only塑造,记录行为表现。
验证小鼠MEC神经活动是否呈现RNN预测的动力学特征。
植入Neuropixels 2.0探针,记录MEC神经元活动,进行时间解码和PCA分析。
检验RNN对未见试次类型的预测是否适用于小鼠。
在tDNMS任务中插入LL、MM、XL探测试次,观察小鼠舔舐行为。
按研究目的归类文中使用的方法,便于定位所需技术。
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 电生理记录 | Neuropixels 2.0探针 | imec | NP2014 |
| 探针标记 | Vybrant细胞标记溶液 | Thermo Fisher Scientific | -- |
| 手术固定 | Metabond | Parkell | -- |
| 手术封固 | Kwik-Sil | World Precision Instruments | -- |
| 手术填充 | Dura-Gel | Cambridge NeuroTech | -- |
| 镇痛 | 卡洛芬 | -- | -- |
| 记录系统 | HS-2010头戴式放大器 | imec | -- |
| 行为信号采集 | BNC-2110和PXIe-6341硬件 | National Instruments | -- |
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| RNN训练 | 训练区块数、塑造任务替换前300区块、输入噪声水平N(0,0.15)、单元噪声N(0,0.3)、学习率α=1e-5、L2正则化λ=1e-3 阅读提示:Methods中'RNN implementation and training'小节 |
| 小鼠行为训练 | 小鼠品系C57Bl/6、年龄8-16周、塑造阶段1-3的进阶标准、奖励量5微升、反应窗口3秒、正确率>70%后植入探针 阅读提示:Methods中'Animal training and behavior'小节 |
| 电生理记录 | 探针型号Neuropixels 2.0、植入坐标3.3 mm lateral to bregma、记录采样率30 kHz、单元筛选标准ISI<0.1等 阅读提示:Methods中'Neuropixels implant'和'Electrophysiology recording'小节 |
| 新颖试次测试 | 探测试次比例20%、试次结构LL/MM/XL参数、每只小鼠测试次数 阅读提示:Methods中'Probe trials'小节 |