Encoding and Information Transmission in Synaptically Coupled Neuronal Populations

Abstract

In dieser Arbeit versuche ich, den neuronalen Code, d. h. die Art und Weise, wie die Nervenzellen des Gehirns Informationen in ihrer Aktivität übertragen und verarbeiten, besser zu verstehen, indem ich die Kodierung von Stimuli in neuronalen Systemen untersuche. Zu diesem Zweck analysiere ich die Veränderungen in der Dynamik von neuronalen Standardmodellen, die im Rahmen der statistischen Physik entwickelt wurden, in Bezug auf Veränder- ungen der Parameter und der Konnektivität bei Vorhandensein bzw. Fehlen eines Reizes. Ich verwende informationstheoretische Maße, um die Fähigkeit neuronaler Populationen, empfangene Informationen durch ihren Output zu übertragen, zu quantifizieren. Die vorgestellten Ergebnisse bauen auf einer Vielzahl früherer Studien über unverbundene und rekurrente neuronale Pop- ulationen auf. Einige dieser Studien heben zwei neuronale Code-Kandidaten hervor, die unterschiedliche Profile der Informationsfilterung aufweisen: einen Integrationscode, der als Tiefpass-Informationsfilter fungiert, und einen Synchroniecode, der als Bandpassfilter fungiert. Das Ziel der vorliegenden Arbeit ist es, die Ergebnisse dieser Studien auf Netzwerke mit einem höheren Konnektivitätsgrad, wie er im Kortex beobachtet wird, auszuweiten.

In this thesis I attempt to better understand the neural code, or the way in which the nerve cells of the brain transmit and process information in their activity, through the investigation of stimulus encoding in neural systems. To this end, I analyze changes in the dynamics of standard neuronal models, de- veloped in the framework of statistical physics, to variations in parameters and connectivity in the presence versus the absence of a stimulus. In conjunction, information theoretical measures are utilized to quantify the ability of neu- ronal populations to transmit received information through their output. The presented results build upon a multitude of previous studies of both uncon- nected and recurrent neural populations. Some of these studies highlight two neural code candidates that have distinct information filtering profiles: an in- tegration code that acts as a low-pass information filter and a synchrony code that acts as a bandpass filter. In the following, synaptic connectivity is added in diverse ways in order to extend results of these studies to networks with a higher level of connectivity, as observed in the cortex.