Sensorische Nervenzellen kodieren Informationen über die Umwelt mittels
elektrischer Impulse, sogenannte Aktionspotentiale oder Spikes. Diese werden
weitergeleitet zu postsynaptischen Neuronen im zentralen Nervensystem, welche
unterschiedliche Auslesestrategien verwenden. Integratorzellen summieren alle
ankommenden Aktionspotentiale auf, wodurch sie die Gesamtaktivität einer
präsynaptischen Population messen. Koinzidenzdetektoren hingegen, werden nur
durch das synchrone Feuern der zuführenden Neuronenpopulation aktiviert.
Die grundlegende Frage dieser Dissertation lautet: Welche Information eines
zeitabhängigen Signals kodieren die synchronen Spikes einer Neuronenpopulation
im Vergleich zu der Summe all ihrer Aktionspotentiale? Hierbei verwenden wir die
Theorie stochastischer Prozesse: wir berechnen Spektralmaße, die es ermöglichen
Aussagen darüber zu treffen welche Frequenzkomponenten eines Signals vorwiegend
transmittiert werden. Im Gegensatz zu früheren Studien, verstehen wir unter
einem synchronen Ereignis nicht zwangsläufig, dass die gesamte Population
simultan feuert, sondern, dass ein minimaler Anteil („Synchronizitätsschranke")
gleichzeitig aktiv ist. Unsere Analyse zeigt, dass die synchrone
Populationsaktivität als ein Bandpass-Informationsfilter agieren kann: die
synchronen Spikes kodieren hauptsächlich schnelle Signalanteile. Damit stellt
die Selektion simultaner Neuronenaktivität ein potentielles Mittel dar um
gleichzeitig anwesende, konkurrierende Signale voneinander zu trennen. Dabei
hängen die genauen Charakteristika der Informationsfilterung ausschlaggebend von
der Synchronizitätsschwelle ab. Insbesondere zeigt sich, dass eine Symmetrie in
der Schwelle vorliegt,die die Äquivalenz der Kodierungseigenschaften von
synchronem Feuern und synchronem Schweigen offenlegt. Unsere analytischen
Ergebnisse testen wir mittels numerischer Simulationen und vergleichen sie mit
Experimenten am schwach elektrischen Fisch. / Populations of sensory neurons encode information about the environment into electrical pulses, so called action potentials or spikes. Neurons in the brain process these pulses further by using different readout strategies.
Integrator cells sum up all incoming action potentials and are thus sensitive to the overall activity of a presynaptic population.
Coincidence detectors, on the other hand, are activated by the synchronous firing of the afferent population. The main question of this thesis is: What information about a common time-dependent stimulus is encoded in the synchronous spikes of a neuronal population in comparison to the sum of all spikes? We approach this question within the framework of spectral analysis of stochastic processes, which allows to assess which frequency components of a signal are predominantly encoded. Here, in contrast to earlier studies, a synchronous event does not necessarily mean that all neurons of the population fire simultaneously, but that at least a prescribed fraction ('synchrony threshold') needs to be active within a small time interval.
We derive analytical expressions of the correlation statistics which are compared to numerical simulations and experiments on weakly electric fish. We show that the information transmission of the synchronous output depends highly on the synchrony threshold. We uncover a symmetry in the synchrony threshold, unveiling the similarity in the encoding capability of the common firing and the common silence of a population. Our results demonstrate that the synchronous output can act as a band-pass filter of information, i.e. it extracts predominantly fast components of a stimulus. If signals in different frequency regimes are concurrently present, the selection of synchronous firing events can thus be a tool to separate these signals.
| Identifer | oai:union.ndltd.org:HUMBOLT/oai:edoc.hu-berlin.de:18452/19068 |
| Date | 21 September 2017 |
| Creators | Kruscha, Alexandra |
| Contributors | Lindner, Benjamin, Nawrot, Martin, Maler, Leonard |
| Publisher | Humboldt-Universität zu Berlin |
| Source Sets | Humboldt University of Berlin |
| Language | English |
| Detected Language | English |
| Type | doctoralThesis, doc-type:doctoralThesis |
| Format | application/pdf |
| Rights | CC0 1.0 Universell, Namensnennung-Keine Bearbeitung 3.0 Deutschland, http://creativecommons.org/licenses/by-nd/3.0/de/ |
Page generated in 0.0026 seconds