Neurons which fire in a fixed temporal pattern (i.e., “cell assemblies”) are hypothesized to be a fundamental unit of neural information processing. Several methods are available for the detection of cell assemblies without a time structure. However, the systematic detection of cell assemblies with time structure has been challenging, especially in large datasets, due to the lack of efficient methods for handling the time structure. Here, we show a method to detect a variety of cell-assembly activity patterns, recurring in noisy neural population activities at multiple timescales. The key innovation is the use of a computer science method to comparing strings (“edit similarity”), to group spikes into assemblies. We validated the method using artificial data and experimental data, which were previously recorded from the hippocampus of male Long-Evans rats and the prefrontal cortex of male Brown Norway/Fisher hybrid rats. From the hippocampus, we could simultaneously extract place-cell sequences occurring on different timescales during navigation and awake replay. From the prefrontal cortex, we could discover multiple spike sequences of neurons encoding different segments of a goal-directed task. Unlike conventional event-driven statistical approaches, our method detects cell assemblies without creating event-locked averages. Thus, the method offers a novel analytical tool for deciphering the neural code during arbitrary behavioral and mental processes.

中文翻译：

---

通过基于相似性的聚类对细胞组装序列进行无监督检测

以固定时间模式（即“细胞集合”）激发的神经元被假设为神经信息处理的基本单元。有几种方法可用于检测没有时间结构的细胞组件。然而，由于缺乏处理时间结构的有效方法，具有时间结构的细胞集的系统检测一直具有挑战性，尤其是在大型数据集中。在这里，我们展示了一种检测各种细胞组装活动模式的方法，在多个时间尺度的嘈杂神经群体活动中反复出现。关键创新是使用计算机科学方法来比较字符串（“编辑相似性”），将峰值分组为程序集。我们使用人工数据和实验数据验证了该方法，先前从雄性 Long-Evans 大鼠的海马体和雄性 Brown Norway/Fisher 杂交大鼠的前额叶皮层中记录。从海马体中，我们可以同时提取在导航和清醒重放期间发生在不同时间尺度上的位置细胞序列。从前额叶皮层，我们可以发现编码目标导向任务不同部分的多个神经元尖峰序列。与传统的事件驱动统计方法不同，我们的方法无需创建事件锁定平均值即可检测细胞组件。因此，该方法提供了一种新的分析工具，用于在任意行为和心理过程中破译神经代码。我们可以在导航和唤醒重放期间同时提取发生在不同时间尺度上的位置单元序列。从前额叶皮层，我们可以发现编码目标导向任务不同部分的多个神经元尖峰序列。与传统的事件驱动统计方法不同，我们的方法无需创建事件锁定平均值即可检测细胞组件。因此，该方法提供了一种新的分析工具，用于在任意行为和心理过程中破译神经代码。我们可以在导航和唤醒重放期间同时提取发生在不同时间尺度上的位置单元序列。从前额叶皮层，我们可以发现编码目标导向任务不同部分的多个神经元尖峰序列。与传统的事件驱动统计方法不同，我们的方法无需创建事件锁定平均值即可检测细胞组件。因此，该方法提供了一种新的分析工具，用于在任意行为和心理过程中破译神经代码。