Interacción funcional entre neuronas: aplicación en la retina

Mostrar todas las versiones(2)

La función principal de las neuronas es la de codificar información: pueden codificar la información de un estimulo, transmitir ordenes a otras regiones o servir de enlace para otras neuronas, entre otras cosas. Al estudiar como una población de neuronas codifica información externa, es común que se...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Lorenz, Gabriel M.
Formato: Tesis NonPeerReviewed
Lenguaje:Español
Publicado: 2019
Materias:
Neurociencias
Retina
[Computational neuroscience
Neurociencia computacional
Neural correlations
Correlaciones neuronales
Bayesian inference
Inferencia bayesiana]
Acceso en línea:http://ricabib.cab.cnea.gov.ar/880/1/1Lorenz.pdf
Aporte de:
Repositorio Institucional Centro Atómico Bariloche e Instituto Balseiro (RICABIB) de Instituto Balseiro
id I25-R131-880
record_format dspace
institution Instituto Balseiro
institution_str I-25
repository_str R-131
collection Repositorio Institucional Centro Atómico Bariloche e Instituto Balseiro (RICABIB)
language Español
orig_language_str_mv es
topic Neurociencias
Retina
[Computational neuroscience
Neurociencia computacional
Neural correlations
Correlaciones neuronales
Bayesian inference
Inferencia bayesiana]
spellingShingle Neurociencias
Retina
[Computational neuroscience
Neurociencia computacional
Neural correlations
Correlaciones neuronales
Bayesian inference
Inferencia bayesiana]
Lorenz, Gabriel M.
Interacción funcional entre neuronas: aplicación en la retina
topic_facet Neurociencias
Retina
[Computational neuroscience
Neurociencia computacional
Neural correlations
Correlaciones neuronales
Bayesian inference
Inferencia bayesiana]
description La función principal de las neuronas es la de codificar información: pueden codificar la información de un estimulo, transmitir ordenes a otras regiones o servir de enlace para otras neuronas, entre otras cosas. Al estudiar como una población de neuronas codifica información externa, es común que se analice la dependencia de esta información con la actividad individual de cada neurona, ignorando las correlaciones dentro de la población. Si bien esto contribuye en gran parte a caracterizar neuronas y poblaciones de ellas, se ha encontrado que las neuronas realizan cómputos complejos, a ´un en capas de bajo nivel, gracias a las interacciones entre neuronas de una misma capa. Por lo tanto, es necesario estudiar el comportamiento conjunto de las neuronas en la codificación. Existen modelos que incorporan las interacciones entre pares de neuronas y que logran describir mejor el comportamiento de algunas poblaciones de neuronas. No obstante, no proveen una perspectiva completa a la hora de entender el origen de las correlaciones o la función que cumplen en la codificación del estímulos. En este trabajo proponemos una forma de entender esta codificación al buscar no solo las características del estimulo que inducen una respuesta de una determinada neurona sensorial, sino también aquellas que modulan la interacción entre esta y una neurona vecina de su mismo nivel. Para ello, planteamos una distribución de probabilidad conjunta para el disparo de dos neuronas considerando que la correlación entre ellas es guiada por campos receptivos en el estímulo. A fin de poder calcular los parámetros de este modelo en datos experimentales construimos un estimador que discrimina los campos receptivos individuales de los de interacción, a ´un en casos de pocas muestras. Aplicamos el modelo a mediciones de células ganglionares de la retina de ratón. Encontramos evidencia de campos receptivos de la interacción inhibitorios y los resultados fueron consistentes con los obtenidos por el modelo marginal. Además, las pruebas de validación hechas sobre el modelo muestran una mejora en la capacidad de predicción de datos en comparación al modelo de probabilidad marginal en tres de cuatro casos estudiados.
format Tesis
NonPeerReviewed
author Lorenz, Gabriel M.
author_facet Lorenz, Gabriel M.
author_sort Lorenz, Gabriel M.
title Interacción funcional entre neuronas: aplicación en la retina
title_short Interacción funcional entre neuronas: aplicación en la retina
title_full Interacción funcional entre neuronas: aplicación en la retina
title_fullStr Interacción funcional entre neuronas: aplicación en la retina
title_full_unstemmed Interacción funcional entre neuronas: aplicación en la retina
title_sort interacción funcional entre neuronas: aplicación en la retina
publishDate 2019
url http://ricabib.cab.cnea.gov.ar/880/1/1Lorenz.pdf
work_keys_str_mv AT lorenzgabrielm interaccionfuncionalentreneuronasaplicacionenlaretina
_version_ 1812569706140270592
spelling I25-R131-8802021-04-14T13:26:58Z Interacción funcional entre neuronas: aplicación en la retina Functional interaction between neurons: application in the retina Lorenz, Gabriel M. Neurociencias Retina [Computational neuroscience Neurociencia computacional Neural correlations Correlaciones neuronales Bayesian inference Inferencia bayesiana] La función principal de las neuronas es la de codificar información: pueden codificar la información de un estimulo, transmitir ordenes a otras regiones o servir de enlace para otras neuronas, entre otras cosas. Al estudiar como una población de neuronas codifica información externa, es común que se analice la dependencia de esta información con la actividad individual de cada neurona, ignorando las correlaciones dentro de la población. Si bien esto contribuye en gran parte a caracterizar neuronas y poblaciones de ellas, se ha encontrado que las neuronas realizan cómputos complejos, a ´un en capas de bajo nivel, gracias a las interacciones entre neuronas de una misma capa. Por lo tanto, es necesario estudiar el comportamiento conjunto de las neuronas en la codificación. Existen modelos que incorporan las interacciones entre pares de neuronas y que logran describir mejor el comportamiento de algunas poblaciones de neuronas. No obstante, no proveen una perspectiva completa a la hora de entender el origen de las correlaciones o la función que cumplen en la codificación del estímulos. En este trabajo proponemos una forma de entender esta codificación al buscar no solo las características del estimulo que inducen una respuesta de una determinada neurona sensorial, sino también aquellas que modulan la interacción entre esta y una neurona vecina de su mismo nivel. Para ello, planteamos una distribución de probabilidad conjunta para el disparo de dos neuronas considerando que la correlación entre ellas es guiada por campos receptivos en el estímulo. A fin de poder calcular los parámetros de este modelo en datos experimentales construimos un estimador que discrimina los campos receptivos individuales de los de interacción, a ´un en casos de pocas muestras. Aplicamos el modelo a mediciones de células ganglionares de la retina de ratón. Encontramos evidencia de campos receptivos de la interacción inhibitorios y los resultados fueron consistentes con los obtenidos por el modelo marginal. Además, las pruebas de validación hechas sobre el modelo muestran una mejora en la capacidad de predicción de datos en comparación al modelo de probabilidad marginal en tres de cuatro casos estudiados. Coding information is the principal function of neurons: they can code information from stimuli, give orders to other regions in the body and be messengers for other neurons, among other things. When one studies how a neuronal population codes external information, it is common to analyze the dependence of this information with every individual neural activity, disregarding correlations inside the population. Although this contributes greatly to characterize neurons and populations, it has been found that neurons can make complex calculations even in low level layers thanks to interactions between neurons in the same layer. Because of this, it is necessary to search how to study the joint behavior of neurons in coding. Currently, there are models that incorporate pairwise interactions to describe population behavior. Nevertheless, they do not provide foundations necessary to understand the origin of these correlations or its function in stimulus coding. In this work we propose a probability model for a pair of neurons, imcorporating explicitly a correlation modulated by the stimulus. We constructed a bayesian estimator to fit the model to experimental data. This estimator is capable of discriminate between individual and coupling receptive fields, even in low-count measurements scenarios. We applied the model in retinal ganglion cells of mice. We found evidence of inhibitory coupling receptive fields and its features were consistent with ones from the marginal model. We run a cross-validation test and found positive results for three of four studied pairs. 2019-12-13 Tesis NonPeerReviewed application/pdf http://ricabib.cab.cnea.gov.ar/880/1/1Lorenz.pdf es Lorenz, Gabriel M. (2019) Interacción funcional entre neuronas: aplicación en la retina / Functional interaction between neurons: application in the retina. Maestría en Ciencias Físicas, Universidad Nacional de Cuyo, Instituto Balseiro. http://ricabib.cab.cnea.gov.ar/880/

Ejemplares similares