Open Access

Ovidiu Florin Jurjuţ

• The brain is a highly distributed system of constantly interacting neurons. Understanding how it gives rise to our subjective experiences and perceptions depends largely on understanding the neuronal mechanisms of information processing. These mechanisms are still poorly understood and a matter of ongoing debate remains the timescale on which the coding process evolves. Recently, multielectrode recordings of neuronal activity have begun to contribute substantially to elucidating how information coding is implemented in brain circuits. Unfortunately, analysis and interpretation of multielectrode data is often difficult because of their complexity and large volume. Here we propose a framework that enables the efficient analysis and visualization of multielectrode spiking data. First, using self-organizing maps, we identified reoccurring multi-neuronal spike patterns that evolve on various timescales. Second, we developed a color-based visualization technique for these patterns. They were mapped onto a three-dimensional color space based on their reciprocal similarities, i.e., similar patterns were assigned similar colors. This innovative representation enables a quick and comprehensive inspection of spiking data and provides a qualitative description of pattern distribution across entire datasets. Third, we quantified the observed pattern expression motifs and we investigated their contribution to the encoding of stimulus-related information. An emphasis was on the timescale on which patterns evolve, covering the temporal scales from synchrony up to mean firing rate. Using our multi-neuronal analysis framework, we investigated data recorded from the primary visual cortex of anesthetized cats. We found that cortical responses to dynamic stimuli are best described as successions of multi-neuronal activation patterns, i.e., trajectories in a multidimensional pattern space. Patterns that encode stimulus-specific information are not confined to a single timescale but can span a broad range of timescales, which are tightly related to the temporal dynamics of the stimuli. Therefore, the strict separation between synchrony and mean firing rate is somewhat artificial as these two represent only extreme cases of a continuum of timescales that are expressed in cortical dynamics. Results also indicate that timescales consistent with the time constants of neuronal membranes and fast synaptic transmission (~10-20 ms) appear to play a particularly salient role in coding, as patterns evolving on these timescales seem to be involved in the representation of stimuli with both slow and fast temporal dynamics.
• Das Gehirn ist ein weit vernetztes System fortwährend interagierender Neurone. Um zu verstehen, wie dieses System unsere subjektiven Erfahrungen und Wahrnehmungen generiert, muessen wir die neuronalen Mechanismen der kortikalen Informationsverarbeitung verstehen. Diese Mechanismen sind noch immer weitgehend unbekannt, und die Diskussion darüber, welche Zeitskala entscheidend für den Kodierungsprozess ist, dauert an. Seit kurzem ermoeglichen Multi-Elektroden-Ableitungen neuronaler Aktivität neue Einblicke darin wie Information in Hirnkreisläufen kodiert wird. Aufgrund der Komplexität und des schieren Volumens solcher Multi-Elektroden-Daten ist die Analyse und Interpretation jedoch oftmals schwierig. In dieser Arbeit stelle ich einen Ansatz vor, der die effiziente Analyse und Visualisierung von Spikeaktivitaet in Multi-Elektroden-Aufnahmen ermöglicht. Zunächst wurden unter Anwendung selbstorganisierender Karten wiederkehrende multi-neuronale Spikemuster identifiziert, die auf verschiedenen Zeitskalen ablaufen. Als nächstes wurde eine auf Farben basierte Visualisierungstechnik für diese Muster entwickelt. Die Muster wurden basierend auf gegenseitiger Ähnlichkeit auf einen 3-dimensionalen Farbraum abgebildet, d.h. aehnliche Muster erhielten aehnliche Farben. Diese innovative Darstellung erlaubt einen schnellen und verständlichen Überblick über die Spike-Daten und bietet eine qualitative Beschreibung der Musterverteilung des gesamten Datensatzes. Drittens wurden die mit dieser Methode gefundenen Muster quantifiziert und ihr Beitrag zur Kodierung der Stimulusinformation untersucht. Ein besonderes Augenmerk lag dabei auf der Frage, auf welchen Zeitskalen die Muster abliefen; sie deckten eine zeitliche Spanne von Synchronizität bis mittlerer Feuerrate ab. Unter Anwendung der beschriebenen mutli-neuronalen Analyse wurden Aufnahmen aus dem primären visuellen Kortex der Katze ausgewertet. Es zeigte sich, dass die neuronale Antwort auf dynamische visuelle Reize am besten durch eine Abfolge verschiedener multi-neuronaler Aktivierungsmuster dargestellt werden konnte, d.h. durch Trajektorien von Mustern in einem multidimensionalen Musterraum. Muster die stimulus-spezifische Information enthalten sind nicht auf eine einzige Zeitskala begrenzt, sondern können vielmehr eine weite Spanne von Zeitskalen abdecken, die jeweils in engem Zusammenhang mit der zeitlichen Dynamik des Stimulus steht. Die strikte Trennung zwischen Synchronizität und mittlerer Feuerrate ist daher in gewisser Weise kuenstlich, da diese beiden Konzepte lediglich die beiden Extrema eines Kontinuums von Zeitskalen darstellen, die alle im Kortex eine Rolle spielen. Die Ergebnisse zeigen ausserdem, dass die Zeitskalen, die mit den Zeitkonstanten neuronaler Membranen und schneller synaptischer Übertragungen (~ 10 – 20 ms) uebereinstimmen, eine besonders wichtige Rolle spielen, da Muster auf dieser Zeitskala sowohl Stimuli mit schnellen als auch mit langsamen Dynamiken repräsentieren.