دانلود کتاب Single Neuron Dynamics Models Linking Theory and Experiment

ترجمه فارسی توضیحات (ترجمه ماشینی)

مدل‌های دینامیک نورون تک تئوری و آزمایش را پیوند می‌دهند

تک نورون عنصر اساسی پردازش اطلاعات در سیستم های عصبی است. در این پایان نامه چندین ویژگی دینامیک تولید سنبله ها به صورت تئوری و همچنین تجربی بررسی می شود. نوسان سازهای فاز با پیچیدگی های مختلف به عنوان مدل هایی برای پیش بینی زمان سنبله ها معرفی می شوند. منحنی شدت-پاسخ نورون به عنوان یک پارامتر اساسی در این مدل‌ها استفاده می‌شود تا آن‌ها را به راحتی برای نورون‌های واقعی قابل اجرا کند. به عنوان دومین جنبه مهم دینامیک اسپکینگ، منحنی تنظیم مجدد فاز نورون برای گسترش مدل ها استفاده می شود. نوسانگرهای فاز یک تقریب خوب از رفتار اسپک شدن یک نورون تا زمانی که در رژیم فوق آستانه تحریک شده باشد، هستند. با این حال، با مقایسه با مدل‌های مبتنی بر رسانایی نشان داده می‌شود که این مدل‌ها، و همچنین تمام مدل‌های یک بعدی دیگر از جمله مدل رایج ادغام و آتش، در صورتی که نورون با جریان‌هایی که در اطراف آستانه آن در نوسان هستند تحریک شود، شکست می‌خورند. سازگاری با فرکانس سنبله یک ویژگی مشترک بسیاری از نورون ها است. برای جریان‌های یونی مختلف، به‌عنوان دلیل احتمالی برای سازگاری، یک مدل پدیدارشناختی کلی برای سرعت شلیک نورون‌های سازگار از خواص بیوفیزیکی آنها به دست می‌آید. این مدل با منحنی‌های شدت-پاسخ نورون و ثابت زمانی سازگاری تعریف می‌شود. با استفاده از این مدل می توان ویژگی های بالا گذر سازگاری با فرکانس سنبله را کمی سازی کرد. همچنین نقش سازگاری در سرکوب نویز پس‌زمینه مورد بحث قرار گرفته است. هر دو نوسان ساز فاز و مدل سازگاری بر روی نورون های گیرنده شنوایی ملخ ها و AN1، یک نورون داخلی شنوایی اولیه کریکت {Teleogryllus oceanicus} آزمایش می شوند. در هر دو مورد، مدل‌ها با داده‌های تجربی مطابقت خوبی دارند. با استفاده از مدل‌ها نشان داده می‌شود که سازگاری در نورون‌های گیرنده توسط جریان‌های یونی مولد سنبله ایجاد می‌شود، در حالی که در نورون داخلی این ورودی است که قبلاً در حال تطبیق است. علاوه بر این، تأثیر انطباق با فرکانس سنبله بر شناخت آهنگ‌های خواستگاری تحلیل می‌شود.

Single Neuron Dynamics Models Linking Theory and Experiment

The single neuron is the basic element of information processing in nervous systems. In this thesis several properties of the dynamics of the generation of spikes are investigated theoretically as well as experimentally. Phase oscillators of different complexity are introduced as models to predict the timing of spikes. The neuron’s intensity-response curve is used as a basic parameter in these models to make them easily applicable to real neurons. As a second important aspect of the spiking dynamics, the neuron’s phase-resetting curve is used to extend the models. The phase oscillators turn out to be a good approximation of the spiking behavior of a neuron as long as it is stimulated in its super-threshold regime. However, it is shown by comparison with conductance-based models that these models, as well as all other one-dimensional models including the common integrate-and-fire model, fail, if the neuron is stimulated with currents fluctuating around its threshold. Spike-frequency adaptation is a common feature of many neurons. For various ionic currents, as a possible reason for adaptation, a general phenomenological model for the firing rate of adapting neurons is derived from their biophysical properties. This model is defined by the neuron’s intensity-response curves and an adaptation time-constant. By means of this model the high-pass properties of spike-frequency adaptation can be quantified. Also the role of adaptation in supression of background noise is discussed. Both the phase oscillators and the adaptation-model are tested on auditory receptor neurons of locusts and the AN1, a primary auditory interneuron of the cricket {Teleogryllus oceanicus}. In both cases the models are in good agreement with the experimental data. By means of the models it is shown that adaptation in the receptor neurons is caused by ionic currents of the spike generator while in the interneuron it is the input which is already adapting. In addition, the influence of spike-frequency adaptation on the recognition of courtship songs is analysed.