Sequential estimation of neural models by Bayesian filtering

Abstract

Un dels reptes més difícils de la neurociència és el d'entendre la connectivitat del cervell. Aquest problema es pot tractar des de diverses perspectives, aquí ens centrem en els fenòmens locals que ocorren en una sola neurona. L'objectiu final és, doncs, entendre la dinàmica de les neurones i com la interconnexió amb altres neurones afecta al seu estat. Les observacions de traces del potencial de membrana constitueixen la principal font d'informació per a derivar models matemàtics d'una neurona, amb cert sentit biofísic. En particular, la dinàmica de les variables auxiliars i els paràmetres del model són estimats a partir d'aquestes traces de voltatge. El procés és en general costós i típicament implica una gran varietat de blocatges químics de canals iònics, així com una certa incertesa en els valors dels paràmetres a causa del soroll de mesura. D'altra banda, les traces de potencial de membrana també són útils per obtenir informació valuosa sobre l'entrada sinàptica, un problema invers sense solució satisfactòria a hores d'ara. En aquesta Tesi, estem interessats en mètodes d'estimació seqüencial, que permetin evitar la necessitat de repeticions que podrien ser contaminades per la variabilitat neuronal. En particular, ens concentrem en mètodes per extreure l'activitat intrínseca dels canals iònics, és a dir, les probabilitats d'obertura i tancament de canals iònics, i la contribució de les conductàncies sinàptiques. Hem dissenyat un mètode basat en la teoria Bayesiana de filtrat per inferir seqüencialment aquestes quantitats a partir d'una única traça de voltatge, potencialment sorollosa. El mètode d'estimació proposat està basat en la suposició d'un model de neurona conegut. Això és cert fins a cert punt, però la majoria dels paràmetres en el model han de ser estimats per endavant (això és valid per a qualsevol model). Per tant, el mètode s'ha millorat pel cas de models amb paràmetres desconeguts, incloent-hi un procediment per estimar conjuntament els paràmetres i les variables dinàmiques. Hem validat els mètodes d'inferència proposats mitjançant simulacions realistes. Les prestacions en termes d'error d'estimació s'han comparat amb el límit teòric, que s'ha derivat també en el marc d'aquesta Tesi.