Das Geruchssystem ist in der Lage, mittels sogenannter kombinatorischer Kodierung einen hochdimensionalen Geruchsraum durch eine begrenzte Anzahl von olfaktorischen Rezeptorneuronen (ORN) abzutasten. Hierbei weisen verschiedene ORN-Klassen eine breite und gleichzeitig spezifische Geruchssensitivität auf, durch welche ein geruchsspezifisches Antwortmuster auf Populationen von Mitral-/Tufted Zellen (M/T) des bulbus olfactoris (OB) abgebildet wird. Neueren Untersuchungen zufolge sind diese Antwortmuster nicht notwendigerweise statisch, sondern enthalten Information in ihrer zeitlichen Entwicklung. Im OB von Larven des Krallenfrosches Xenopus laevis wurde herausgefunden, dass sowohl Geruchsidentität als auch -Konzentration besser vorhergesagt wird durch M/T Antwortlatenzmuster als durch durchschnittliche Feuerraten. Diese Arbeit befasst sich mit der Messung von ORN-Aktivität auf verschiedenen raumzeitlichen Skalen. Auf der Ebene von ORN Populationen wurde mit Hilfe von konfokaler Mikroskopie und [Ca2+] -sensitiven Fluoreszenzfarbstoffen untersucht, in wie weit Latenzmuster auftreten. Es wurde gezeigt, dass Latenzmuster im Unterschied zu M/T Zellen eine geringere Vorhersagekraft für die Geruchsstoffkonzentration besitzen als Feuerratenmuster. Außerdem wiesen Ensemble-Feuerraten einen größeren dynamischen Bereich bezüglich der Geruchsstoffkonzentration auf als Latenzen. Durch eine Kombination von schneller (1,25 kHz) [Ca2+] -Bildgebung und whole-cell Patch-Clamp Technik in einzelnen ORNs wurde die zeitliche Entwicklung der dreidimensionalen intrazellulären Ca2+ -Konzentration während eines Depolarisationspulses gemessen. Mit Hilfe von pixelweiser Angleichung eines numerischen Modells wurden Ballungen spannungsabhängiger Ca2+ Kanäle (VGCC) auf der Oberfläche von ORN-Somata lokalisiert. Da der durchschnittliche gemessene VGCC-Kalziumioneneinstrom einen geringen Beitrag im Vergleich zum Ca2+ Generatorstrom darstellt (<80 pA bzw. geschätzt 900 pA), erklärte sich, warum einzelne Aktionspotentiale nicht mittels [Ca2+] Bildgebung gemessen werden konnten. Bezüglich VGCC-Häufung und möglicher Kolokalisation mit Kaliumkanälen hoher Leitfähigkeit (BK) wurde der Effekt von BK Blocker Iberiotoxin auf ORN-Reizantworten untersucht. In einer Untergruppe aller ORNs wurde eine Verringerung der Antwortamplituden nach Anwendung von Iberiotoxin festgestellt. Aus den gezeigten Ergebnissen wurde geschlossen, dass eine wichtige Funktion von Glomeruli im OB die Konversion von Geruchsinformation zwischen Feuerratenkodierung und Latenzkodierung sein müsse.

In dieser Arbeit werden zwei wesentliche neue Ergebnisse vorgestellt. Das erste bezieht sich auf die olfaktorische Kodierung und das zweite auf das sensorische Gedaechtnis. Beide Phaenomene werden am Beispiel des Gehirns der Honigbiene untersucht. In Bezug auf die olfaktorische Kodierung zeige ich, dass die neuronale Dynamik waehrend der Stimulation im Antennallobus duftspezifische Trajektorien beschreibt, die in duftspezifischen Attraktoren enden. Das Zeitinterval, in dem diese Attraktoren erreicht werden, betraegt unabhaengig von der Identitaet und der Konzentration des Duftes ungefaehr 800 ms. Darueber hinaus zeige ich, dass Support-Vektor Maschinen, und insbesondere Perzeptronen, ein realistisches und biologisches Model der Wechselwirkung zwischen dem Antennallobus (dem kodierenden Netwerk) und dem Pilzkoerper (dem dekodierenden Netzwerk) darstellen. Dieses Model kann sowohl Reaktionszeiten von ca. 300 ms als auch die Invarianz der Duftwahrnehmung gegenueber der Duftkonzentration erklaeren. In Bezug auf das sensorische Gedaechtnis zeige ich, dass eine einzige Stimulation ohne Belohnung dem Hebbschen Postulat folgend Veraenderungen der paarweisen Korrelationen zwischen Glomeruli induziert. Ich zeige, dass diese Veranderungen der Korrelationen bei 2/3 der Bienen ausreichen, um den letzten Stimulus zu bestimmen. In der zweiten Minute nach der Stimulation ist eine erfolgreiche Bestimmung des Stimulus nur bei 1/3 der Bienen moeglich. Eine Hauptkomponentenanalyse der spontanen Aktivitaet laesst erkennen, dass das dominante Muster des Netzwerks waehrend der spontanen Aktivitaet nach, aber nicht vor der Stimulation das duftinduzierte Aktivitaetsmuster bei 2/3 der Bienen nachbildet. Man kann deshalb die duftinduzierten (Veraenderungen der) Korrelationen als Spuren eines Kurzzeitgedaechtnisses bzw. als Hebbsche "Reverberationen" betrachtet werden. / Two major novel results are reported in this work. The first concerns olfactory coding and the second concerns sensory memory. Both phenomena are investigated in the brain of the honeybee as a model system. Considering olfactory coding I demonstrate that the neural dynamics in the antennal lobe describe odor-specific trajectories during stimulation that converge to odor-specific attractors. The time interval to reach these attractors is, regardless of odor identity and concentration, approximately 800 ms. I show that support-vector machines and, in particular perceptrons provide a realistic and biological model of the interaction between the antennal lobe (coding network) and the mushroom body (decoding network). This model can also account for reaction-times of about 300 ms and for concentration invariance of odor perception. Regarding sensory memory I show that a single stimulation without reward induces changes of pairwise correlation between glomeruli in a Hebbian-like manner. I demonstrate that those changes of correlation suffice to retrieve the last stimulus presented in 2/3 of the bees studied. Succesful retrieval decays to 1/3 of the bees within the second minute after stimulation. In addition, a principal-component analysis of the spontaneous activity reveals that the dominant pattern of the network during the spontaneous activity after, but not before stimulation, reproduces the odor-induced activity pattern in 2/3 of the bees studied. One can therefore consider the odor-induced (changes of) correlation as traces of a short-term memory or as Hebbian reverberations.

This thesis deals with machine learning techniques for the extraction of structure and the analysis of the vertebrate olfactory pathway based on related methods. Some of its main contributions are summarized below. We have performed a systematic investigation for classification in biomedical images with the goal of recognizing a material in these images by its texture. This investigation included (i) different measures for evaluating the importance of image descriptors (features), (ii) methods to select a feature set based on these evaluations, and (iii) classification algorithms. Image features were evaluated according to their estimated relevance for the classification task and their redundancy with other features. For this purpose, we proposed a framework for relevance and redundancy measures and, within this framework, we proposed two new measures. These were the value difference metric and the fit criterion. Both measures performed well in comparison with other previously used ones for evaluating features. We also proposed a Hopfield network as a method for feature selection, which in experiments gave one of the best results relative to other previously used approaches. We proposed a genetic algorithm for clustering and tested it on several realworld datasets. This genetic algorithm was novel in several ways, including (i) the use of intra-cluster distance as additional optimization criterion, (ii) an annealing procedure, and (iii) adaptation of mutation rates. As opposed to many conventional clustering algorithms, our optimization framework allowed us to use different cluster validation measures including those which do not rely on cluster centroids. We demonstrated the use of the clustering algorithm experimentally with several cluster validity measures as optimization criteria. We compared the performance of our clustering algorithm to that of the often-used fuzzy c-means algorithm on several standard machine learning datasets from the University of California/Urvine (UCI) and obtained good results. The organization of representations in the brain has been observed at several stages of processing to spatially decompose input from the environment into features that are somehow relevant from a behavioral or perceptual standpoint. For the perception of smells, the analysis of such an organization, however, is not as straightforward because of the missing metric. Some studies report spatial clusters for several combinations of physico-chemical properties in the olfactory bulb at the level of the glomeruli. We performed a systematic study of representations based on a dataset of activity-related images comprising more than 350 odorants and covering the whole spatial array of the first synaptic level in the olfactory system. We found clustered representations for several physico-chemical properties. We compared the relevance of these properties to activations and estimated the size of the coding zones. The results confirmed and extended previous studies on olfactory coding for physico-chemical properties. Particularly of interest was the spatial progression by carbon chain that we found. We discussed our estimates of relevance and coding size in the context of processing strategies. We think that the results obtained in this study could guide the search into olfactory coding primitives and the understanding of the stimulus space. In a second study on representations in the olfactory bulb, we grouped odorants together by perceptual categories, such as floral and fruity. By the application of the same statistical methods as in the previous study, we found clustered zones for these categories. Furthermore, we found that distances between spatial representations were related to perceptual differences in humans as reported in the literature. This was possibly the first time that such an analysis had been done. Apart from pointing towards a spatial decomposition by perceptual dimensions, results indicate that distance relationships between representations could be perceptually meaningful. In a third study, we modeled axon convergence from olfactory receptor neurons to the olfactory bulb. Sensory neurons were stimulated by a set of biologically-relevant odors, which were described by a set of physico-chemical properties that covaried with the neural and glomerular population activity in the olfactory bulb. Convergence was mediated by the covariance between olfactory neurons. In our model, we could replicate the formation of glomeruli and concentration coding as reported in the literature, and further, we found that the spatial relationships between representational zones resulting from our model correlated with reported perceptual differences between odor categories. This shows that natural statistics, including similarity of physico-chemical structure of odorants, can give rise to an ordered arrangement of representations at the olfactory bulb level where the distances between representations are perceptually relevant. / <p>QC 20120224</p>