Stochastic and complex dynamics in mesoscopic brain networks

Author: Daniel Malagarriga
Title: Stochastic and complex dynamics in mesoscopic brain networks
Director: Pons Rivero, Antonio Javier; Villa, Alessandro E.P.; García Ojalvo, Jordi
Presentation date: January 13, 2017
Link to text: http://www.tdx.cat/handle/10803/404298

Abstract: L'objectiu d'aquesta Tesi és aprofundir en la comprensió dels mecanismes responsables de la generació de dinàmica complexa i estocàstica, així com de fenòmens emergents, en el cervell humà. Estudiem la fenomenologia característica de l'escala mesoscòpica, és a dir, aquella en la que la dinàmica característica ve donada per l'activitat de milers de neurones. En aquesta escala l'activitat síncrona de grans poblacions neuronals dóna lloc a un fenomen col·lectiu pel qual es produeixen oscil·lacions del seu potencial mitjà. Aquestes oscil·lacions poden ser fàcilment enregistrades mitjançant aparells d'electroencefalograma (EEG) o enregistradors de Potencials de Camp Local (LFP). En el Capítol 5 mostrem com la comunicació entre dos columnes corticals (estructures mesoscòpiques) pot ser conduïda de forma eficient per una xarxa neuronal microscòpica. De fet, emprem la sincronització de les dues columnes corticals per comprovar que s'ha establert una comunicació efectiva entre les tres estructures neuronals. Els resultats indiquen que hi ha règims dinàmics de la xarxa neuronal microscòpica que afavoreixen la correcta comunicació entre les columnes corticals: si la freqüència típica de LFP a la xarxa neuronal està al voltant dels 40Hz la sincronització entre les columnes corticals és més robusta que a una menor freqüència (10Hz). La topologia de la xarxa microscòpica també influeix en la comunicació, essent una estructura de tipus món petit (small-world) la que més afavoreix la sincronització. Finalment, la mediació de xarxa neuronal no pot ser substituïda per la mitjana de la seva activitat, és a dir, les propietats dinàmiques microscòpiques són imprescindibles per a la correcta transmissió d'informació entre totes les escales cerebrals. L'activitat elèctrica oscil·latòria cerebral ve donada en gran mesura per la interacció entre excitació i inhibició neuronal. En el Capítol 6 estudiem com grups de columnes corticals mostren patrons complexos d'excitació i inhibició segons quina sigui la seva topologia i d¿acoblament. D'aquesta manera les columnes corticals se segreguen entre aquelles dominades per l'excitació i aquelles dominades per la inhibició, influint en les capacitats de sincronització de xarxes de columnes corticals En el Capítol 7 estudiem un règim dinàmic segons el qual patrons complexos de sincronització apareixen espontàniament en xarxes d'oscil·ladors caòtics. Mostrem quines condicions s'han de donar en un conjunt de sistemes dinàmics acoblats per tal de mostrar heterogeneïtat en la sincronització, és a dir, coexistència de sincronitzacions. D'aquesta manera relacionem els nostres resultats amb el fenomen de sincronització complexa en el cervell. Finalment, en el Capítol 8 estudiem com el cervell computa i processa informació. La novetat aquí és l'ús que fem de la sincronització complexa de columnes corticals per tal d'implementar elements bàsics de computació Booleana. Mostrem com la sincronització parcial de les oscil·lacions cerebrals estableix un codi neuronal en termes de sincronització/no sincronització (1/0, respectivament) amb el qual totes les funcions Booleanes simples poden ésser implementades (AND, OR, XOR, etc). Mostrem, també, com emprant xarxes mesoscòpiques extenses les capacitats de computació creixen proporcionalment. Així funcions Booleanes complexes, com una memòria del tipus flip-flop, pot ésser construïda en termes d'estats de sincronització dinàmica d'oscil·lacions cerebrals.