Obermayer, KlausHoch, Thomas2015-11-202007-05-212007-05-212007-05-21urn:nbn:de:kobv:83-opus-15661https://depositonce.tu-berlin.de/handle/11303/1894http://dx.doi.org/10.14279/depositonce-1597Experimente an Zellen aus dem visuellen Kortex offenbarten ein stark fluktuierendes Membranpotential, das im Mittelwert deutlich erhöht war. Eine hohe Variabilität des Membranpotentials hat erhebliche Auswirkungen auf die Art und Weise, wie Informationen in Neuronen verarbeitet werden. Zum einen tragen die starken Fluktuationen zu einer schnellen Übertragung von Signalen bei oder erlauben überhaupt erst die Übertragung von schwachen Signalen. Zum anderen induzieren sie eine hohe Variabilität in der Antwort eines Neurons, was den Informationsgehalt einzelner Aktionspotentiale stark mindern kann. Eine zentrale Frage ist daher, wie die Verarbeitung von Signalen von der Dynamik des Membranpotentials beeinflusst wird. In einer aktuellen Untersuchung fand man heraus, dass die Stärke der Fluktuationen des Membranpotentials im Gamma-Frequenzbereich (25-70 Hz) mit der langsamen, vom Eingangssignal induzierten Änderung des Membranpotentials gekoppelt ist. Mit Hilfe eines detaillierten Neuronenmodells, welches sorgfältig an experimentelle Daten angepasst wurde, wird in der vorliegenden Arbeit gezeigt, dass sich diese Kopplung positiv auf die Kodierungseigenschaft des Neurons auswirkt. Eine weiterführende Analyse ergab sogar, dass eine Änderung der Amplitude der Fluktuationen im Gamma-Bereich einen größeren Einfluss auf die Güte der Kodierung hat, als eine vergleichbare Änderung in der Stimulusamplitude. Dies bedeutet, dass die Modulation der Stärke der Gamma-Fluktuationen ein effizienter Mechanismus ist, um die Kodierung visueller Signale zu verbessern. Des Weiteren wurde untersucht, wie die Fluktuationen des Membranpotentials die Verarbeitung von schwachen Signalen beeinflussen. Aus Studien an Tieren ist bekannt, dass ein stark fluktuierendes Membranpotential meist mit einer Erhöhung des Leitwerts einhergeht, was zu einer Reduzierung der zeitlichen Korrelation führt. Es stellt sich somit die Frage, inwieweit die Güte der Detektion von synchroner Aktivität von der zeitlichen Korrelation des Membranpotentials abhängt. Die hier durchgeführte systematische Untersuchung ergab, dass für viele Kombinationen von Mittelwert und Standardabweichung des Membranpotentials eine Reduzierung der zeitlichen Korrelation zu einer besseren Detektion führt. Des Weiteren konnte gezeigt werden, dass eine optimale Informationsübertragung bei Berücksichtigung der Kosten schwache Signale und ein fluktuierendes Membranpotential voraussetzt. Die gemessene Variabilität in der Antwort von Neuronen könnte somit eine Signatur effizienter Informationsverarbeitung sein. Eine weitere Konsequenz der hohen Irregularität neuronaler Antworten ist, dass Information vermutlich von Gruppen von Neuronen verarbeitet wird. Um festzustellen, wie viel Information durch so ein Ensemble repräsentiert wird, eignet sich z.B. das Summieren der Einzelaktivitäten als Auslesemechanismus. Wenn man nun aber die Information einer solchen aufsummierten Antwort bestimmen möchte, dann zeigt sich, dass lineare Methoden für Signale, die einen starken niederfrequenten Anteil haben, den Informationsgehalt zu niedrig schätzen. Da solche Signale oft bei Experimenten eingesetzt werden, sollten daher nichtlineare Methoden, wie z.B. Neuronale Netzwerke, für die Bestimmung des Informationsgehaltes bevorzugt werden.Visual stimulation often leads in neurons of the visual cortex to a strongly fluctuating membrane potential, which on average is close to the threshold. The consequences of such a fluctuating membrane potential for the processing of weak input signals in cortical neurons are not well understood yet. Recently, it has been shown that increased amplitudes of membrane potential fluctuations in the gamma-frequency range (25-70 Hz) are coupled to the depolarizing peaks of the stimulus-induced, low frequency changes of the membrane potential, and they suggested that this coupling may improve stimulus encoding. Using a single compartment conductance-based neuron model we show that modulation of the gamma-range membrane potential fluctuations in phase with the slow membrane depolarization greatly improves stimulus encoding. Moreover, we find that the alteration of modulated gamma-activity within the range typically observed in visual cells, leads to a variation in stimulus encoding, which was stronger than corresponding changes of the amplitude of the low frequency signal. Thus, the modulation of the gamma-activity is an efficient mechanism to improve the encoding precision of the temporal characteristics of visual signals. We also investigate the processing of sub-threshold signals in the high noise regime. We show that besides the mean and the standard deviation of the membrane potential, its temporal correlation is an important factor that modulates the detection of synchronous activity. Using a neural population we show that for most combinations of mean and standard deviation of the membrane potential detection performance could be improved by a faster changing membrane potential. Furthermore, we investigate metabolic aspects of information processing. We show that optimal information transmission favors sub-threshold input distributions, if quality of information transmission is traded against its metabolic costs, which indicates that information is likely to be coded using low firing rates and populations of cells. Finally, we compare a linear with a nonlinear decoder (e.g. neural network) with respect to how well they estimate the information rate from pooled population responses. We find that the feed-forward neural network outperforms the linear decoder substantially, if membrane potential fluctuations are weak and if input stimuli have a strong low frequency components. Because experimentally used stimuli often have strong low frequency components, our results suggest the use of a nonlinear decoder for the precise quantification of the transmitted information.en004 Datenverarbeitung; InformatikMathematische ModellierungNeuronale InformationsverarbeitungVisueller KortexMathematical modelingNeural information processingVisual cortexDoctoral Thesis