| dc.description.abstract | Teknologisk innovasjon har ført til en stor økning i mengden nevrale data som kan innhentes på en gang, noe som har avlet et behov for nye metoder for å analysere disse store, multidimensjonale datasettene. Laminære multielektroder måler det ekstracellulære potensialet (ECP) som reflekterer aktiviteten til tusenvis av nevroner samtidig over flere kortikale lag, men de mange kildene til ECP gjør det også vanskelig å tolke. Tidligere ble den høyfrekvente (over 500 Hz) delen av ECP, kalt multi-enhet aktivitet (MEA) brukt til å ekstrahere avfyringer, mens den lavfrekvente delen (under 500 Hz) av signalet, kalt lokalt feltpotensial (LFP), stort sett ble ignorert. Forsøk på å forbedre tolkningen LFP ved å dekomponere det til de ulike kildene har ofte blitt hemmet av mangelen på passende verktøy for å gjennomføre dekomponeringen. En metode utviklet for å løse dette er laminær populasjonsanalyse (LPA), hvor MEA og LFP blir brukt sammen i dekomponeringen. I dette prosjektet ble denne metoden evaluert ved å anvende den på en modell av primær visuell korteks som er under utvikling ved Allen-instituttet for hjerneforskning. Hvor godt den fungerer ble vurdert ved å sammenligne resultatet fra dekomponeringen med resultatet fra dekomponeringen fått ved å utføre prinsipiell komponoentsanalyse (PKA) på samme datasett. Med LPA ble tre av de fem laminære populasjonene som utgjør primær visuell korteks korrekt identifisert og skilt fra de andre lagene, mens intet enkeltlag ble identifisert og skilt ut med PKA. Hverken LPA eller PKA greier å skille bidragene fra de ulike laminære populasjonene til LFP på noen overbevisende måte. Alle populasjonene som LPA delte LFP inn i var dominert av eksitatoriske lag 5- og lag 6-celler. Den eneste indikasjonen på en mulig separarering av de ulike bidragene var at én populasjon var mer påvirket av lag 5-celler enn celler i andre lag. Med PKA var alle bidragene til LFPet samlet i én komponent. Den manglende nyttigheten av begge tilnærminger i dekomponeringen av LFP kan skyldes artefakter ved denne modellen, slik som over-synkron avfyring på tvers av lagene, og dominansen av bidrag fra de eksitatoriske cellene i lag 5 og 6 til LFP. | |
| dc.description.abstract | Recent technological innovation has led to a vast increase in the amount neural data that can be collected at once, and spawned the need for new methods to analyze these large, multidimensional data sets. Laminar multielectrodes measures the extracellular potential (ECP) and allows recording of the activity from thousands of neurons simultaneously across the cortical layers. However, since many sources contribute to the measured ECP it can also be hard to interpret. Traditionally, the high-frequency (above 500 Hz) part of the ECP, referred to as multi-unit activity (MUA), has been used to extract spikes, while the low-frequency (below 500 Hz) part, referred to as the local field potential (LFP), has largely been ignored. Efforts to improve interpretability of the LFP by decomposing it into the different sources have often been hampered by the lack of suitable tools for performing this decomposition. One method developed to remedy this is the laminar population analysis (LPA), where the MUA and LFP are utilized jointly in the decomposition. Here, the adequacy of this method was assessed by applying it on a model of the primary visual cortex currently under development at the Allen Institute for Brain Science, and its performance was evaluated by comparing it to the performance of the standard decomposition method principal components analysis (PCA). With LPA, three out of the five laminar populations were correctly identified and separated from the other layers, while no single layer was identified and separated with PCA. Neither LPA nor PCA convincingly separated the contributions of the different laminar populations to the LFP. All the populations that LPA partitioned the LFP into were dominated by excitatory layer 5 and layer 6 cells. The only indication of a possible separation of the different contributions was that one population was more influenced by layer 5 cells than cells in other layers. With PCA, all major sources to the LFP were allocated to the first component. The inefficacy of both approaches in the decomposition of the LFP could be due to artefacts of this model, such as overly synchronous firing across layers, and the dominance of the LFP by contributions from layer 5 and layer 6 excitatory cells. | |
