Projektbeschreibung
Mit statistischen Methoden der zellulären Signalverarbeitung im Kleinhirn auf der Spur
Das Kleinhirn ist ein zentraler Dreh- und Angelpunkt für die Feinabstimmung von zeitlich präzisem Verhalten, also von komplexen Handlungen oder Bewegungen, die innerhalb von Millisekunden geplant und ausgeführt werden. Die Kleinhirnrinde ist der äußerste Abschnitt des Kleinhirns und relativ einfach aufgebaut. Gebraucht wird sie für die Abbildung zeitabhängiger sensorischer Informationen, die für die Bewegungsplanung und -ausführung relevant sind. Das EU-finanzierte Projekt SICNET will mit exakten statistischen Methoden tiefere Erkenntnisse über die synaptische Verarbeitung und die in den Schaltkreisen der Kleinhirnrinde ablaufenden Berechnungen gewinnen. Ausgehend von Bilddaten lebendiger Tiere nutzt SICNET mathematische Methoden, um die Aktivität zu messen, die Konnektivität und synaptischen Eigenschaften der bekannten Zelltypen zu bestimmen und die Verarbeitungskapazität des Netzwerks im Kleinhirn zu bewerten. Mit diesen Methoden, die auch zur Untersuchung anderer Hirnregionen geeignet wären, sollten sich die zellulären Mechanismen bei der Berechnung in den Schaltkreisen des Kleinhirns ablesen lassen.
Ziel
The brain can coordinate complex sequences of actions with the accuracy of milliseconds. Where and how these neural computations occur is an open question in neuroscience. Despite recent technological developments allowing for large-scale high-resolution functional imaging of the brain and direct neuronal recordings in behaving animals, there has been little effort in applying rigorous statistical approaches to test circuit connectivity patterns and synaptic mechanisms driving neural activity.
Experimental evidence from classical conditioning and neuronal recordings have revealed that the cerebellum plays a fundamental role in fine-tuning of temporally precise behaviors. This project aims to elucidate the neural computation arising from anatomical and physiological constraints of the comparatively simple organization of the cerebellar cortical circuit, which allows the cerebellum to represent time-dependent sensory information necessary to drive behavior. Experimental and theoretical findings in the host laboratory have led to the hypothesis that dynamic synapse are a substrate for temporal representations and temporal learning. I will use sequential Monte Carlo methods to extract activity from calcium imaging data. Then I will use a generative model of the cerebellar network to infer the connectivity among the known cell types of the cerebellum as well as their synaptic properties. Finally, I will use information theory to examine the processing capacity of the cerebellar network, thereby providing new insights on evolutionary optimization of brain computation.
The combination of my experience in statistical methods and the host laboratory's experience in state-of-art neural recordings and theoretical models, is a perfect match to break down the barriers to understanding the cellular mechanisms of circuit computations. We believe that this analysis approach could also be applied to understand other neuronal circuits.
Wissenschaftliches Gebiet
Programm/Programme
Thema/Themen
Aufforderung zur Vorschlagseinreichung
Andere Projekte für diesen Aufruf anzeigenFinanzierungsplan
MSCA-IF-EF-ST - Standard EFKoordinator
75724 Paris
Frankreich