神经科学研究表明,神经元释放的尖峰信号是构成神经元之间信息传递的基本单位,根据神经元尖峰序列推断神经元网络可以模拟神经元的信息处理过程,而神经元网络的结构和认知功能是相互关联的,通过推断神经元网络在研究与神经退行性疾病相关的认知功能异常上具有很大的潜力。目前现有的神经元网络推断方法及其在神经退行性疾病上的应用研究已经取得了一定进展,但仍然存在一些不足:(1)传统多维霍克斯过程难以判断神经元之间的有效连接是否由于参数估计的偏差导致,容易产生错误的推断;(2)前人研究发现神经元网络的拓扑结构对认知功能具有重要影响,但对唐氏综合症患者的HPCPFC回路神经元网络拓扑结构与记忆障碍相关的联系了解不足。针对以上问题,本文提出了基于多维霍克斯过程似然比的神经元网络推断方法,并将其应用在唐氏综合症小鼠的HPC-PFC回路研究。论文的相关内容概括如下:针对传统多维霍克斯过程难以准确推断神经元网络的问题,本文提出一种基于多维霍克斯过程似然比的神经元网络推断方法。首先采用多维霍克斯过程描述多维神经元尖峰序列,构造似然函数并进行求解;然后提出多维霍克斯过程似然比统计量,使用多重假设检验方法检验格兰杰因果关系的显著性,以推断神经元之间的有MK-2206分子量效连接,最后得到神经元网络。模拟实验表明,与前人提出的三种方法:转移熵、标准多维霍克斯过程、广义线性模型GC方法的对比结果显示,本文提出的方法在综合性能上表现最好。平均查全率比转移熵提升82%,比广义线性模型GC方法提升94%,并且与标准多Biotin-streptavidin system维霍克斯过程表现持平;平均误报率比标准多维霍克斯过程降低29%,比广义线性模型Blebbistatin半抑制浓度GC方法降低低3%,与转移熵表现相当。针对现有研究对唐氏综合症患者的神经元网络拓扑结构与记忆障碍的联系了解不足的问题,使用本文方法推断唐氏综合症小鼠及其对照组的HPC-PFC回路的神经元网络。通过复杂网络分析发现唐氏综合症小鼠HPC-PFC回路神经元网络拓扑结构的动态重组趋势存在异常,具体表现为在应对记忆辨别的需求时,未发现反映记忆加载过程的从HPC指向PFC的跨区域连接增加趋势,并且未发现进行记忆辨别时PFC神经元网络聚集系数的增加趋势;唐氏综合症小鼠的HPC-PFC回路神经元网络在清醒的休息和新物体辨别状态时表现出过高的模块化程度,这意味着了神经元网络在记忆巩固阶段和记忆辨别阶段的认知过程异常。这些发现为唐氏综合症记忆障碍的神经生理学因素研究提供了新观点。