Vertebrate neuronal networks: efficient coding and compressibility of interactions in the retina and the hippocampus

• Ano de defesa: 2022
• Autor(a) principal: Luisa Fernanda Ramirez Ochoa
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Instituição de defesa: Universidade Federal de Minas Gerais; Brasil; ICX - DEPARTAMENTO DE FÍSICA; Programa de Pós-Graduação em Física; UFMG
• Palavras-chave em Português: Neuronal code; Visual system; Retina; Efficient coding; Hipocampo
• Link de acesso: http://hdl.handle.net/1843/57796; https://orcid.org/0000-0002-8052-3260

O nosso sucesso no entendimento da retina se deve em parte à estrutura de camadas que facilita o estudo de diferentes tipos de circuitos e funções neuronais. O processamento de informação na retina pode ser entendido em três etapas: I. Codificação de estímulos visuais em sinais elétricos. II. Processamento desses sinais por circuitos na retina. III. Geração do código retinal. O meu trabalho de tese está focado no estudo da primeira e última etapa desde uma perspectiva da teoria da informação. Na primeira etapa, investigamos a codificação de cor pelos circuitos retinais do zebrafish, baseados em resultados experimentais recentes que mostram evidencia de codificação eficiente. Nós propormos um modelo teórico para estudar codificação em diferentes tipos de redes retinais nas camadas externas, contrastando o papel da excitação e inibição. Os nossos resultados sugerem que a inibição joga um rol importante na codificação reliable de cor, o que não é garantido em redes com fortes interações excitatórias entre cones. De forma similar, os nossos resultados mostram que as redes otimizadas para codificar informação espectral em ambientes aquáticos são similares a aquelas observadas no zebrafish, validando os resultados experimentais e provendo um entendimento mais geral de circuitos retinais para codificação de cor com estruturas similares a aquelas do zebrafish. Estes resultados sugerem que a retina do zebrafish poderia ter se adaptado para fazer uma codificação eficiente da informação do ambiente, melhorando as capacidades de visão colorida. Estudos em outras espécies mostram que os animais podem adoptar diferentes estratégias para melhorar a visão colorida. Por exemplo, em pássaros e tartarugas, a existência de gotas oleosas serve como um filtro para expandir a quantidade de cores distinguíveis. Gotas oleosas e circuitos retinais adaptados tem sido investigados de forma separada. Porém estudos sobre a combinação dos dois continuam desconhecidos. Nós implementamos um modelo de transmissão de luz das gotas para investigar a codificação de circuitos similares a aqueles do zebrafish que mostram uma codificação eficiente. Nossos resultados sugerem que a introdução de gotas oleosas naqueles circuitos gera um trade-off entre codificação eficiente e espaço de cor. Isto é, gotas oleosas diminuem a qualidade de codificação da rede enquanto expandem o numero de cores potencialmente distinguíveis pelo animal. Relacionado à última etapa de processamento retinal, o nosso trabalho se foca no estudo teórico da atividade neuronal na camada ganglionar e a compressibilidade como um caminho para construir modelos simples de atividade neuronal. Modelos convencionais de atividade neuronal fazem suposições sobre interações neuronais inspiradas em sistemas de matéria condensada. Mas, esses modelos falham quando o número de neurônios aumenta, levando a um aumento exponencial no número de parâmetros. Neste trabalho implementamos ideias de teoria de informação de grupo de renormalização para procurar descrições eficientes da atividade neuronal. Mais especificamente, aplicamos o formalismo de compression-bottleneck numa população de células ganglionares na retina da salamandra. Os nossos resultados mostram que a compressão leva a uma grande simplificação da descrição da atividade neuronal, ultrapassando os resultados de modelos convencionais tais como o de interação entre pares. Como uma generalização, implementamos o nosso modelo de compressão numa população de neurônios do hipocampo, achando de forma geral os mesmos resultados. Isto leva a concluir que a compressão é uma característica geral de redes neuronais de spikes.