TU Darmstadt / ULB / TUprints

Gamma synchronization and spike timing

Feng, Weijia :
Gamma synchronization and spike timing.
Technische Universität, Darmstadt
[Ph.D. Thesis], (2013)

[img]
Preview
Text
FengThesisFinal.pdf
Available under Creative Commons Attribution Non-commercial No Derivatives, 2.5.

Download (9MB) | Preview
Item Type: Ph.D. Thesis
Title: Gamma synchronization and spike timing
Language: English
Abstract:

Neural synchrony is a curious phenomenon of the brain and has been studied now for decades. In this thesis, I made further steps in investigating the functions of neural synchrony using two approaches: analysis of the spike trains recorded from cat primary visual cortex, and theoretical analysis of simulated spike trains. In the first study, I investigated autocorrelations of the spike trains in response to moving gratings. Essentially, the autocorrelation is a second order statistic of spike times. The majority of the observed autocorrelations were oscillatory with an average period in the range of beta/gamma band (~ 25 Hz). Interestingly, the oscillation frequencies were modulated by the direction of the moving gratings. This modulation effects fluctuated in the range of ~ 3 Hz. Those revealed the potential coding capabilities of oscillation frequencies in the spike trains. In the second study, I contributed to the development of scaled-correlation analysis. Scaled correlation analysis is a method that enables the isolation of autocorrelation and cross-correlation histograms of fast signals components. I produced an analytical proof that scaled correlation implicitly attenuates the slow-frequency components in a similar way as a high-pass filter. In the third study, I investigated the relation between statistics of spike times on one side and the rules for obtaining spike time dependent plasticity (STDP) on the other side. It is well established that STDP is characterized by a time range of ~100 ms within which the spike time dynamics can lead to plastic modification of synapses. Results of previous studies in our group (Schneider et al. 2006, Havenith et al., 2011) and those of König et al (1995) showed that the difference of the first order statistic of spike times, i.e. the relative spike times change with the stimulus property. These relative spike times do not exceed ~ 15 ms. Therefore, the range of relative spikes time falls into the range of STDP. Using a random walk model of the STDP and assuming Poisson spike trains, I derived the first two moments of the synaptic weights evolving stochastically over time. It became clear that the average synaptic weight at the equilibrium depends most heavily on two factors, the level of the synchrony between input and output spikes, and the relative spike times. We obtained the same results for an additive and a multiplicative STDP model. In addition to the theoretical work, I estimated the degree to which spikes recorded in vivo were able to modify the putative synapses which may exist between the recorded neurons. The spikes were fed to an experimentally established and computer-simulated STDP model, known as the suppression model (Froemke and Dan, 2002). Results for suppression model were comparable to those obtained from the theoretical analysis, despite the marked difference between the STDP models used in the two analysis (suppression model vs. additive model) and between the spike trains (patterned in the gamma-band vs. Poisson distributed). I could show that this is due to the fact that the prediction of the suppression model converges to the additive models of STDP when the rate of spikes is sufficiently low. In conclusion, the present work shows that the frequency of oscillatory patterns in spike trains can be used potentially to code stimulus-related information, these phenomena can be studied efficiently using scaled-correlation even if spike trains are polluted with slow-frequency components, and the time-delays in the resulting synchrony between spike trains can significantly affect the connectivity of the underlying network via STDP.

Alternative Abstract:
Alternative AbstractLanguage
Neuronale Synchronizität ist ein äußerst interessantes Phänomen des Gehirns und wird nun bereits seit Jahrzehnten untersucht. Mit dieser Arbeit habe ich weiter zur Untersuchung der Funktion von neuronaler Synchronizität beigetragen, wobei zwei Ansätze verwendet wurden: Die Analyse von Abfolgen von Spikes, die im primären visuellen Kortex von Katzen aufgezeichnet wurden sowie die theoretische Analyse von simulierten Spikesequenzen. In der ersten Untersuchung habe ich Autokorrelationen der Spikesequenzen untersucht, die als Antwort auf die Applikation von bewegten Gitterreizen (moving gratings) entstanden. Autokorrelationen können als Statistik zweiter Ordnung von Spikezeiten gesehen werden. Die Mehrheit der beobachteten Autokorrelationen waren oszillatorischer Natur. Die mittleren Frequenzen bewegten sich im Beta und Gammabandbereich (ca. 25 Hz). Interessanterweise wurde die Frequenz der Oszillationen durch die Bewegungsrichtung der Gitterreize moduliert. Der Modulationseffekt fluktuierte in einem Bereich von 3 Hz. Dies deutet auf die potenzielle Rolle hin, die oszillatorische Frequenzen beim Kodieren von Reizmerkmalen spielen. In der zweiten Untersuchung habe ich an der Entwicklung von skalierten Korrelationsanalysen (scaled-correlation analysis) gearbeitet. Dies ist eine Methode, die die gesonderte Analyse von Auto- und Karenzkorrelationen von schnellen Signalkomponenten ermöglicht. Ich habe den analytischen Beweis erbracht, dass ‚scaled correlation‘ auf implizite Weise niedrig-frequente Komponenten des Signals dämpft und dabei ähnlich funktioniert wie ein Hochpassfilter. In der dritten Untersuchung habe ich die Beziehung zwischen der Statistik von Spike Zeiten und den Regeln für Spikezeit abhängige Plastizität (Spike timing dependent plasticity) untersucht. Es ist bekannt, dass die STDP durch ein Zeitfenster von 100ms charakterisiert ist, innerhalb dessen die plastische Modulation von Synapsen erfolgen kann. Ergebnisse aus früheren Arbeiten unserer Gruppe (Schneider et al., 2006; Havenith et al., 2011) sowie Ergebnisse von König et al (1995) zeigten, dass sich relative Spikezeiten mit den Stimuluseigenschaften ändern und in der Statistik erster Ordnung widerspiegeln. Diese relativen Spike-Zeiten überschreiten nicht die Dauer von 15 ms. und fallen damit in den Bereich der STDP. Unter Verwendung eines ‚random walk‘ Modells der STDP und unter Annahme von Poisson verteilten Spikesequenzen, habe ich die ersten beiden Momente der stochastischen Entwicklung der synaptischen Gewichtung über die Zeit beobachtet. Dabei wurde deutlich, dass die mittlere synaptische Gewichtung im Gleichgewichtszustand stark von zwei Faktoren abhängt: Der Grad der Synchronizität von prä- und postsynaptischen Spikes und den relativen Spikezeiten. Diese Bedingungen gelten sowohl für das additive wie für das multiplikative STDP Modell. Zusätzlich zu dieser theoretischen Arbeit habe ich abgeschätzt, ob in-vivo aufgezeichnete Spikes in der Lage sind, hypothetische synaptische Verbindungen zwischen den aufgezeichneten Neuronen zu modifizieren. Die Spikes wurden dazu in ein simuliertes STDP Modell, das ‚Supression Modell‘ (Froemke und Dan, 2002) eingespeist. Die Ergebnisse waren mit denen vergleichbar, die von der theoretischen Analyse vorausgesagt wurden. Dies gilt sowohl für die unterschiedlichen STDP Modelle (Suppressionsmodell vs. Additives Modell) als auch für die unterschiedlichen Spikesequenzen (Gamma Band moduliert vs. Poisson verteilt). Ich konnte zeigen, dass sich die Vorhersagen des ‚Supressions-Modells‘ denen des ‚Additiven Modells‘ annähern, wenn die Spike Rate sehr niedrig wird. Zusammenfassend ergibt sich, dass die Frequenz von oszillatorischen Prozessen in einer Abfolge von Spikes als potenzieller Mechanismus zur Kodierung von Stimulus-relevanter Information gesehen werden kann und dass diese Phänomene auch dann mit skalierten Korrelationsanalysen effizient untersucht werden können, wenn die Spikesequenzen mit niedrig-frequenten Signalkomponenten angereichert sind. Zeitliche Verschiebungen in der Synchronizität der Spike Abfolgen kann die Konnektivität zwischen den zugrundeliegenden Netzwerken durch STDP signifikant beeinflussen. German
Place of Publication: Darmstadt
Classification DDC: 500 Naturwissenschaften und Mathematik > 500 Naturwissenschaften
500 Naturwissenschaften und Mathematik > 570 Biowissenschaften, Biologie
Divisions: 10 Department of Biology
10 Department of Biology > Computational Biology and Simulation
10 Department of Biology > Systems Neurophysiology
Date Deposited: 31 May 2013 07:41
Last Modified: 31 May 2013 07:41
URN: urn:nbn:de:tuda-tuprints-34527
Referees: Galuske, Prof. Ralf and Laube, Prof. Bodo
Refereed: 24 April 2013
URI: http://tuprints.ulb.tu-darmstadt.de/id/eprint/3452
Export:
Actions (login required)
View Item View Item

Downloads

Downloads per month over past year