Shaping cortical computations via higher-order feedback

Descrizione del progetto

Decodificare i segnali di feedback del cervello

La percezione non è un processo passivo. È modellato sia dalle informazioni sensoriali in entrata sia dai segnali delle aree cerebrali superiori che codificano il contesto, l’attenzione e le aspettative. Questi segnali di «feedback» influenzano il modo in cui interpretiamo gli stimoli, ma il loro ruolo preciso e la loro integrazione nei circuiti neurali rimangono poco chiari. La comprensione di questo processo è essenziale, poiché è alla base anche delle attività più semplici, dal riconoscimento degli oggetti alla navigazione nell’ambiente che ci circonda. In questo contesto, il progetto FeedbackCircuits, finanziato dal CER, svelerà i meccanismi alla base delle computazioni corticali guidate dal feedback. Utilizzando dati sperimentali della corteccia visiva del topo, svilupperà modelli multi-scala che collegano l’attività cellulare alla funzione del circuito. I risultati forniranno nuove conoscenze su come il cervello elabora dinamicamente le informazioni.

Obiettivo

Our ability to flexibly adapt to changing environments depends on how we perceive, prioritize and act on stimuli. This involves actively integrating our current sensory experiences with our prior knowledge of the world and the surrounding context. Stimulus perception is influenced by contextual top-down signals from areas higher up in the processing hierarchy that carry information about internal state, attention and future actions to early processing stages where they are combined with bottom-up inputs. Commonly referred to as “feedback”, these top-down signals are multi-faceted; they come from diverse brain areas and are integrated at different loci in neural circuits. What type of information they carry and where is still unclear despite their fundamental role in shaping even the most mundane tasks.
FeedbackCircuits will investigate the mechanistic circuit basis of feedback-driven cortical computations, including contextual modulation and the amplification of unexpected stimuli, and will pinpoint the synaptic plasticity mechanisms governing the wiring logic of feedback projections. Constrained by experimental data from the mouse visual cortex, I will build a multi-scale theoretical framework that unifies diverse experimental findings and links cellular to circuit-level processing. Our strategy leverages new datasets that encompass multiple modalities, from neural responses in various brain regions to detailed synaptic-level wiring diagrams. The proposed mechanistic models will enable the exploration of distinct feedback sources and sites of plasticity, and together with the data, define plausible parameter spaces underlying feedback-driven computations. In contrast to other efforts training hard-to-interpret artificial neural networks, our models promise to elucidate the mechanistic underpinnings of circuit structure-function dynamics involving feedback, to distinguish between competing mechanistic hypotheses and make numerous experimental predictions.