Neural activity dynamics in experimental recordings and simulated networks

Essink, Simon; Kampa, Björn M.; Grün, Sonja Annemarie

doi:HT030924942

Neural activity dynamics in experimental recordings and simulated networks

Essink, Simon^RWTH*

2023 & 2025

Verantwortlichkeitsangabevorgelegt von Simon Essink, M.Sc.

ImpressumAachen : RWTH Aachen University 2023

Umfang1 Online-Ressource : Illustrationen

Dissertation, RWTH Aachen University, 2023

Veröffentlicht auf dem Publikationsserver der RWTH Aachen University 2025

Genehmigende Fakultät
Fak01

Hauptberichter/Gutachter
Grün, Sonja Annemarie (Thesis advisor)^RWTH* ; Kampa, Björn M. (Thesis advisor)^RWTH*

Tag der mündlichen Prüfung/Habilitation
2023-12-12

Online
DOI: 10.18154/RWTH-2024-11193
URL: http://publications.rwth-aachen.de/record/998199/files/998199.pdf

Einrichtungen

Projekte

Inhaltliche Beschreibung (Schlagwörter)
computational neuroscience (frei) ; neural coding (frei) ; neural dynamics (frei) ; neuronal network theory (frei) ; statistical neuroscience (frei)

Thematische Einordnung (Klassifikation)
DDC: 570

Kurzfassung
Empirische, datengestützte Ansätze und theoretische, modellgestützte Ansätze zur Erforschung des Gehirns existieren weitestgehend unabhängig voneinander. Mit der Absicht, Synergien zu fördern, erforscht diese Arbeit die Feinheiten beider Ansätze. In der ersten Studie werden die neuronalen Grundlagen der Koordination von Auge und Hand untersucht, indem Spike-Aktivitäten, die über Multielektroden-Arrays im Rahmen des Vision-for-Action Experiments in Affen aufgezeichnet wurden, analysiert werden. Bevor die bewegungsbezogene Aktivität entlang des dorsalen Sehstroms untersucht wird, wird die Entwicklung des Datensatzes von den Rohdaten bis hin zu vorverarbeiteten Daten mit integrierten Metadaten und Spike Sortings erläutert. Artefakte werden charakterisiert und entfernt. Um die Auswirkungen von Bewegungsvariablen von simultan stattfindenden Prozessen (z. B. Sehen und Bewegung der Augen) auf die Spike-Aktivität einzelner Neuronen zu isolieren, werden Generalized Linear Models (GLMs) verwendet. Insbesondere wird die Beobachtung einer bimodalen Verteilung der bevorzugten Richtungen von Neuronen in M1/PMd für Handbewegungen, die auf die horizontale Ebene beschränkt sind, reproduziert und durch die Beobachtung einer ähnlichen bimodalen Verteilung in V1/V2, DP, 7a erweitert. In einem zweiten Projekt werden hochfrequente Oszillationen (~300 Hz) erforscht, die in Simulationen von biologisch eingeschränkten, großskaligen, spikenden neuronalen Netzwerkmodellen eines kortikalen Mikroschaltkreises auftreten. Um die Modellvorhersage mechanistisch zu verstehen, wird die Netzwerkdynamik durch Mean-Field- und Linear Response Theorie angenähert und es werden drei Netzwerkbestandteile ausgemacht, die die spektrale Leistungsdichte der Populationsaktivität beeinflussen: die anatomische Konnektivität, die Delay-Verteilungen und die Übertragungsfunktionen. Unter der Annahme, dass die Modellvorhersage zutreffend ist, wird argumentiert, dass hochfrequente Oszillationen über Populationsmessungen wie beispielsweise das lokale Feldpotenzial nachweisbar sein sollten.

Empirical, data-driven approaches and theoretical, model-driven approaches to investigate the brain largely co-exist. With the intention to foster synergies, this thesis explores the intricacies of each of these two approaches. In the first study, we investigate the neural underpinnings of eye-hand coordination by analyzing spiking activity recorded via multi-electrode arrays from behaving monkeys within the Vision-for-Action experiment. Before exploring movement-related activity along the dorsal visual stream, we follow the dataset's evolution from the raw recording data to preprocessed datasets with integrated metadata as well as spike sorting, and deal with potential artifacts by characterizing and excluding them. To isolate the effect of movement variables from simultaneously occurring behaviors (e.g., vision and eye movements) on the spiking activity of single neurons, we use Generalized Linear Models (GLMs). In particular, we reproduce the observation of a bimodal distribution of preferred directions of neurons in M1/PMd for hand movements restricted to the horizontal plane and report similar bimodal distributions in V1/V2, DP, 7a.In a second project, we research high-frequency oscillations (~300 Hz) that are predicted by simulations of biologically constrained, large-scale, spiking neural network models of a cortical microcircuit. To understand the model prediction mechanistically, we approximate the network dynamics via mean-field and linear response theory and find three network ingredients that impact the power spectrum of the population activity: the anatomical connectivity, the delay distributions, and the transfer functions. Assuming the model prediction is accurate, we argue that high-frequency oscillations should be detectable via population measures as the local field potential.

OpenAccess:
PDF
(zusätzliche Dateien)