Detection of directional interactions between neurons from spike trains

Abstract

An important problem in neuroscience is the assessment of the connectivity between neurons from their spike trains. One recent approach developed for the detection of directional couplings between dynamics based on recorded point processes is the nonlinear interdependence measure L. In this thesis we first use the Hindmarsh-Rose model system to test L in the presence of noise and for different spiking regimes of the dynamics. We then compare the performance of L against the linear cross-correlogram and two spike train distances. Finally, we apply all measures to neuronal spiking data from an intracranial whole-night recording of a patient with epilepsy. When applied to simulated data, L proves to be versatile, robust and more sensitive than the linear measures. Instead, in the real data the linear measures find more connections than L, in particular for neurons in the same brain region and during slow wave sleep.

Un problema important en la neurociència és determinar la connexió entre neurones utilitzant dades dels seus trens d’impulsos. Un mètode recent que afronta la detecció de connexions direccionals entre dinàmiques utilitzant processos puntuals és la mesura d’interdependència no lineal L. En aquesta tesi, utilitzem el model de Hindmarsh-Rose per testejar L en presència de soroll i per diferents règims dinàmics. Després comparem el desempenyorament de L en comparació al correlograma lineal i a dues mesures de trens d’impulsos. Finalment, apliquem totes aquestes mesures a dades d’impulsos de neurones obtingudes de senyals intracranials electroencefalogràfiques gravades durant una nit a un pacient amb epilèpsia. Quan utilitzem dades simulades, L demostra que és versàtil, robusta i més sensible que les mesures lineals. En canvi, utilitzant dades reals, les mesures lineals troben més connexions que L, especialment entre neurones en la mateixa àrea del cervell i durant la fase de son d’ones lentes.