Positive Auswirkungen von Fluktuationen auf die Übertragung und Verarbeitung von zeitabhängigen Signalen durch Populationen sensorischer Nervenzellen


Populationen sensorischer Nervenzellen kodieren in ihren Sequenzen von Aktionspotenzialen Information über zeitabhängige Stimuli, die relevant für den Organismus sind. Diese pulsenden Neuronen (engl. spiking neurons) sind in vielen Fällen einem beträchtlichen intrinsischen Rauschen ausgesetzt. Neuronen differieren auch innerhalb der Population in ihrer Pulsstatistik (z.B. in der mittleren Feuerrate) - die Populationen sind in diesem Sinne im Allgemeinen heterogen. Nicht verstanden ist bisher, warum bestimmte Populationen von Nervenzellen ein hohes Maß von Fluktuationen und Populationsheterogenität zeigen, während andere dies nicht tun. Aus theoretischen Arbeiten ist bekannt, dass die Signalübertragung in nichtlinearen Systemen von Rauschen und Fluktuationen profitieren kann --- dieser Effekt der stochastischen Resonanz wurde auch in neuronalen Systemen gefunden, die mit einer Mischung aus Signal und Rauschen stimuliert werden. In neuronalen Populationen ist möglicherweise insbesondere die sogenannte Überschwellige Stochastische Resonanz von großer Bedeutung, die theoretisch vorwiegend in Schwellwertsystemen untersucht allerdings bisher experimentell nicht nachgewiesen wurde (ein direkter Nachweis über eine Veränderung der intrinsischen Rauschstärke ist in neuralen Systemen nicht möglich). Bisherige Theorien dieses Effekts in Schwellwertsystemen beschreiben nicht die Auswirkungen von Simuluskorrelationen (charakterisiert durch die Bandbreite des Signals) und Stimulusstärke sowie von Netzwerkheterogenität auf die Signalübertragung in Populationen pulsender Nervenzellen. Weiterhin beschränken sich Vorarbeiten auf die Information, die in der summierten Netzwerkaktivität kodiert wird obgleich in vielen Fällen die synchrone Aktivität die informationstragende Größe darstellt. Die synchrone Aktivität ist auch deshalb besonders interessant, da sie, wie unlängst experimentell und theoretisch gezeigt wurde, zu einfachen Formen der Signalverarbeitung wie z.B. der Informationsfilterung genutzt werden kann. Im hier vorgeschlagenen Projekt soll eine Theorie entwickelt werden für die Signalübertragung und Informationsfilterung in heterogenen Populationen pulsender Neurone, die durch einen gemeinsamen Stimulus und individuelles intrinsisches Rauschen getrieben werden. Diese Theorie wird es erlauben Bedingungen zu identifizieren, unter denen sich intrinsische Fluktuationen und/oder Heterogenität der Zellen in der Population vorteilhaft auf die Signalübertragung und die Informationsfilterung auswirken können. Unsere theoretischen Vorhersagen können anhand experimenteller Daten überprüft werden, die von unseren Kooperationspartnern an einem biologischen Modell, dem schwach elektrischen Fisch, erhoben werden. Die Ergebnisse sollen aber auch zur allgemeinen Theorie neuronaler Signalverarbeitung, wie sie z.B. in kortikalen Systemen anwendbar ist, beitragen.


Projektleitung
Lindner, Benjamin Prof. Dr. (Details) (Theoretische Physik (Theorie komplexer Systeme und Neurophysik))

Laufzeit
Projektstart: 03/2014
Projektende: 07/2017

Publikationen
2015
D. Bernardi and B. Lindner: A Frequency-Resolved Mutual Information Rate and its Application
to Neural Systems J. Neurophysiol. 113 , 1342 (2015)
A. Kruscha and B. Lindner: Spike count distribution in a neural population under weak common
stimulation Phys. Rev. E 92 , 052817 (2015)

2016
A. Kruscha and B. Lindner: Partial synchronous output of a neuronal population under weak
common noise: analytical approaches to the correlation statistics Phys. Rev. E 94 , 022422 (2016)
B. Lindner: Mechanisms of information filtering in neural systems IEEE Transactions on Molecular,
Biological, and Multi-Scale Communications 2, 5 (2016)

2017
J. Grewe, A. Kruscha, B. Lindner, and J. Benda: Synchronous Spikes are Necessary but not
Sufficient for a Synchrony Code PNAS 114, E1977 (2017)

2018
M. Beiran, A. Kruscha, J. Benda and B. Lindner Coding of time-dependent stimuli in homogeneous and heterogeneous neural populations J. Comp. Neurosci. 44 , 189 (2018)

Zuletzt aktualisiert 2020-18-03 um 23:14