Spike patterns optimize information transmission in neural populations

• Main Author: Avila Akerberg, Oscar
• Other Authors: Maurice Chacron (Supervisor)
• Format: Others
• Language: en
• Published: McGill University 2011
• Subjects: Biophysics - General
• Online Access: http://digitool.Library.McGill.CA:80/R/?func=dbin-jump-full&object_id=104710

Sensory neurons respond to a stimulus, such as light or sound with temporal sequences of electric pulses known as action potentials. Action potentials carry information about a stimulus in temporal sequences. Little is known, however, about how groups of neurons convey information, in part because of the complexity of natural stimuli and also because of neurons' complex dynamics that make them respond with spike patterns. Spike patterns, a tightly packed group of action potentials followed by a quiet period, are also known as a burst. Another kind of pattern is alternating time intervals between action potentials: a long interval followed by a short one, followed by a long one, knownas a nonrenewal pattern. Here we hypothesize that both bursts and nonrenewalpatterns may optimize information transmission in populations of neurons. To testthis, we used a combination of numerical neuron models, mathematical theory andelectrophysiology experiments. We investigated burst firing at the single neuronlevel as well as correlations between the activity of bursting neurons. In addition, weexplored information transmission by nonrenewal patterns in populations of neurons.We found that bursts of action potentials can act as single units of information.Also, bursts regulate correlated activity in neurons. Moreover, nonrenewal patternsincrease information transmission in groups of neurons coupled with excitation. Ourresults have implications for information coding by neural populations. In particular,our results suggest that spike patterns may optimize information transmission inpopulations of neurons. === En présence d'un stimulus, tel que la lumière ou le son, les neurones sensoriels répondent par des séquences temporelles d'impulsions électriques, appelées également des potentiels d'action. Il est généralement accepté que ces séquences temporelles de potentiels d'action acheminent des informations concernant le stimulus, cependant, la façon dont les neurones transmettent ces informations est difficile à comprendre, car les neurones agissent selon une dynamique complexe. C'est le cas, par exemple, lorsqu'ils répondent par des groupes de potentiels d'action serrés suivis d'intervalles de calme -- phénomène connu sous le nom de bouffée -- ou lorsque les potentiels d'actions sont alternativement entrecoupés d'intervalles de temps courts et longs -- ce que l'on appelle motifs de mémoire. Quoiqu'on comprenne les mécanismes impliqués dans la production de ces séquences temporelles (modèles temporels), leur rôle fonctionnel est moins bien compris.Dans ce texte, nous avançons l'hypothèse que ces deux types de séquences de potentiels d'action pourraient optimiser la transmission d'information dans des populations de neurones. Pour vérifier cela, nous avons eu recours à des modèles numêriques de neurones, à la théorie mathématique et à des expériences électrophysiologiques. Nous avons étudié les bouffées au niveau des neurones uniques. Ensuite, nous avons comparé la transmission d'information dans des groupes de neurones qui démontrent des motifs de mémoire avec celle dans des groupes qui n'en démontrent pas. Nous avons constaté que la transmission d'information peut être régulée par des séquences de potentiels d'action : dans des réseaux de neurones couplés, l'addition de motifs de mémoire peut augmenter la transmission d'information lorsque les neurones sont couplés avec de l'excitation. Nous avons également constaté que les bouffées régulaient l'activité corrélée de neurones qui reçoivent un stimulus commun avec un contraste qui varie selon le temps. Nos résultats suggèrent que les séquences de pic pourraient jouer un rôle important dans la modulation de la transmission d'information dans des populations de neurones.