Procesamiento de información en neuronas y circuitos
Sponsored Links
This presentation is the property of its rightful owner.
1 / 45

Procesamiento de información en neuronas y circuitos PowerPoint PPT Presentation


  • 174 Views
  • Uploaded on
  • Presentation posted in: General

Procesamiento de información en neuronas y circuitos. Gonzalo G. de Polavieja Investigador ‘Ramón y Cajal’ Laboratorio de Procesamiento Neuronal, Dept. Física Teórica & Nicolás Cabrera. ¿Qué reglas cumplen circuitos sensoriales?. Tomado de Llinás (2003).

Download Presentation

Procesamiento de información en neuronas y circuitos

An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -

Presentation Transcript


Procesamiento de información en neuronas y circuitos

Gonzalo G. de Polavieja

Investigador ‘Ramón y Cajal’

Laboratorio de Procesamiento Neuronal,

Dept. Física Teórica & Nicolás Cabrera


¿Qué reglas cumplen circuitos sensoriales?

Tomado de Llinás (2003)


¿Qué reglas cumplen circuitos sensoriales

en Drosophila?

  • Técnicas:

  • Genética

  • Electrofisiología e imagen in vivo

  • Modelización y análisis

  • Comportamiento

Tomado de Heisenberg (2003)


2 preguntas sobre transmisión

de información

1. ¿Cómo influye un circuito

de retroalimentación en la

transmisión de información

visual?

2. ¿Importa la forma

de los potenciales

de acción en la transmisión

de información?


  • Efectos de red en visión

Adaptado de Ian Meinertzhagen


Electrofisiología intracelular en Drosophila:

no es un sueño imposible!

Drosophila


Indifferent electrode

Microelectrode

10 mV

100 ms

Peltier temperature control


Comparacion de WT y ORT (receptores de histamina postsinapticos no funcionales)

ORT-mutant

WT


Respuesta a pulsos de luz

ORT-mutant

WT

Light

pulses

Zheng, de Polavieja, Wolfram, Ashaly, Hardie & Juusola (2005, submitted)


R 1-6

Si hay feedback en WT...

Exc.

Inh.

Inh.

Luz intensa

Luz debil

LMC


R 1-6

...entonces en ORT-mutant

Exc.

Exc.

Inh.

Inh.

Luz intensa

Luz debil

LMC


  • Ventajas del feedback negativo:

  • Control de la ganancia (baja I sigue dentro del rango de respuesta)

  • Aumenta la anchura de banda a altas frecuencias (el sistema responde bien a cambios muy rápidos).


Voltage responses

Ri(t)

Voltage Noise

Ni(t)=Ri(t)-S(t)

10 mV

1000 ms

Average response

Signal, S(t)

Stimulus

Experimentos con repeticiones

Juusola & de Polavieja, J. Gen. Physiol. (2004))


Señal sobre ruido (SNR)=calidad de señal

Frecuencia


Señal sobre ruido en WT y ORT

Feedback negativo aumenta la

calidad de señal a altas frecuencias

Zheng, de Polavieja, Wolfram, Ashaly, Hardie & Juusola (2005, submitted)


2. ¿Tiene relevancia la forma del PA?

Se asume que los PA son estereotipados


Experimentos típicos muestran AP idénticos


Excitación natural da PA distintos

Harsch & Robinson (2000)


La forma del PA influye en la integración de excitación sináptica

Dos neuronas (Purkinje vs. Piramidal) con diferentes PA integran de forma distinta los mismos EPSPs

Hausser, Major & Stuart, Science (2000)

EPSP

PA


La misma neurona produce diferentes PA cuando se estimula dinámicamente.

Estos diferentes PA hacen que haya diferente integración de EPSPs idénticos.

¿Las diferente formas de PA se producen al azar o están correlacionadas con la estimulación que recibe la neurona?


Experimentos en rebanadas de cortex


Estimulación ‘natural’ con injección de conductancia (dynamic clamp)

Inyección de corriente

Inyección de conductancia (dynamic clamp)


Con estimulación ‘natural’ hay variabilidad en PA

de Polavieja, Harsch, Kleppe, Robinson,& Juusola (Journal of Neuroscience, accepted, 2005)


Forma del PA se correlaciona con amplitud

del estímulo

de Polavieja, Harsch, Kleppe, Robinson,& Juusola (Journal of Neuroscience, accepted, 2005)


Escala temporal de la codificación < 50ms

de Polavieja, Harsch, Kleppe, Robinson,& Juusola (Journal of Neuroscience, accepted, 2005)


Formas de PA fiable en experimentos de repetición

de Polavieja, Harsch, Kleppe, Robinson,& Juusola (Journal of Neuroscience, accepted, 2005)


La fiabilidad en las formas implica alto paso de

información del estímulo a las formas

de Polavieja, Harsch, Kleppe, Robinson,& Juusola (Journal of Neuroscience, accepted, 2005)


Los tiempos de los PA tienen baja correlación

con el estímulo

de Polavieja, Harsch, Kleppe, Robinson,& Juusola (Journal of Neuroscience, accepted, 2005)


Modelo

de Polavieja, Harsch, Kleppe, Robinson,& Juusola (Journal of Neuroscience, accepted, 2005)


¿Para que puede servir?


  • Conclusiones:

  • Electrofisiología en Drosophila

  • Feedback negativo controla sistema visual

  • 3. Las formas de potencial de acción, que influyen

  • en la integración neuronal, dependen de la

  • estimulación recibida en los 50ms anteriores


Otros trabajos en proceso:

Códigos minimizando ruido

y coste energético

Relación dinámica de Ca

y variabilidad neuronal

Multiplicación con neuronas

y detección de movimiento

Variabilidad neuronal

Conexión neurona

con modelos de redes

Análisis cuantitativo de

comportamiento con imagen


AGRADECIMIENTOS

DROSOPHILA VISION LAB (Cambridge): Mikko Juusola, Lei Zheng

& Verena Wolfram

BIOPHYSICS OF SYNAPTIC INTEGRATION LAB (Cambridge): Hugh Robinson, Annette Harsch & Ingo Kleppe

LABORATORIO DE PROCESAMIENTO NEURONAL: Sara Arganda &

Gabriel González

GRUPO DE COMPUTACION BIOLOGICA: Pablo Varona & Francisco de Borja

GRUPO DE ESTADISTICA: Raul Guantes

Las facturas de la casa: MCyT, equipamiento MCyT y fBBVA

y los viajes The Royal Society


2. La multiplicacióm como operación en neuronas


Control de mirada por detección de movimiento


Modelo de Reichardt obtenido a partir de comportamiento del escarabajo

tiempo


¿Cómo se implementa?

Pistas:

  • Comportamiento

  • como Reichardt

2. Neuronas ganglionares como Barlow-Levick (medula consistente anatónimamente con BL).

PROBLEMA: ambiguedad


Buscando modelos

de Polavieja (2005, submitted)


… y aquí estan


Como se multiplica?

A

B

AxB

B-B.~A


Respuesta de modelos a imagen sinusoide


  • Adaptación a la intensidad de luz:

  • ¿Hay efectos de red?

Restricciones en los códigos

de Polavieja, J. Theor. Biol (2003)


  • Login