Descrizione del progetto
Un modello computazionale «intelligente» di neurone corticale
La nostra comprensione delle strategie in base alle quali l’elaborazione di singole cellule migliora il codice neurale è carente quando si ha a che fare con specifiche operazioni del repertorio dendritico che vengono applicate in vivo. Le statistiche dei modelli di input in vivo sono sconosciute. Non è chiaro come informazioni salienti vengano presentate ai dendriti di un neurone e quali meccanismi vengano utilizzati per la trasduzione di tali informazioni in output del potenziale d’azione nell’assone. Il progetto DendritesInVivo, finanziato dall’UE, sta realizzando un modello computazionale di neurone corticale che imparerà a distinguere tra modelli di input sinaptici, al fine di individuare lo schema ideale per la codifica e decodifica di informazioni. Il modello sarà in grado di predire i modelli spaziotemporali dell’input sinaptico sui neuroni, nonché i meccanismi in base ai quali tali informazioni possono essere estratte.
Obiettivo
Integration of synaptic input by single neurons is fundamental to computation in the brain. The output of every cell within a network is shaped by the elaborate morphology of its dendritic tree, and a suite of biophysical mechanisms that confer nonlinear processing capabilities. Over past decades, a remarkable synergy between theory and experiment has elucidated key strategies by which single-cell processing could thus enhance the neural code. However, a critical gap in current understanding remains: which operations from the vast dendritic repertoire are actually employed in vivo? One major obstacle to addressing this problem is that the statistics of in vivo input patterns are largely unknown. Thus, it is unclear how salient information is presented to the dendrites of a neuron, and by extension, what mechanisms are used for its transduction to action potential output at the axon.
I aim to answer these questions by combining my expertise with that of the host lab to formulate theoretical predictions and then validate them with in vivo experiments. Specifically, I will construct a computational model of a cortical neuron that learns to discriminate synaptic input patterns, and use it to discover the optimal scheme for encoding and decoding information. I will thus predict the spatiotemporal patterns of synaptic input to stimulus-tuned neurons, and the biophysical mechanisms through which this information can be extracted. I will then test these predictions in primary visual cortex of awake behaving mice through two-photon dual-colour imaging of presynaptic glutamate release and postsynaptic calcium dynamics. By relating the algorithmic and biological function of neurons in the living brain, I anticipate this project will yield important insights into general principles of neural computation.
Campo scientifico (EuroSciVoc)
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
- scienze naturaliscienze biologicheneurobiologia
- scienze naturaliscienze chimichechimica inorganicametalli alcalino terrosi
È necessario effettuare l’accesso o registrarsi per utilizzare questa funzione
Siamo spiacenti… si è verificato un errore inatteso durante l’esecuzione.
È necessario essere autenticati. La sessione potrebbe essere scaduta.
Grazie per il tuo feedback. Riceverai presto un'e-mail di conferma dell'invio. Se hai scelto di ricevere una notifica sullo stato della segnalazione, sarai contattato anche quando lo stato della segnalazione cambierà.
Programma(i)
Argomento(i)
Invito a presentare proposte
(si apre in una nuova finestra) H2020-MSCA-IF-2018
Vedi altri progetti per questo bandoMeccanismo di finanziamento
MSCA-IF-EF-ST -Coordinatore
WC1E 6BT London
Regno Unito