|
|
Funkce hipokampální formace při vyhýbání se pohyblivému objektu u potkana
Zitta, Pavel ; Svoboda, Jan (vedoucí práce) ; Blahna, Karel (oponent)
V poslední dekádě došlo v oblasti výzkumu hipokampu k významnému posunu směrem od statických úloh k dynamickým prostředím, která lépe modelují skutečné situace zvířat v přírodě. Zároveň v poslední době je zvláštní pozornost věnována inhibičním parvalbuminovým interneuronům (PVI), které modulují hipokampální oscilace. Cílem práce proto bylo zjistit, jakou úlohu PVI hrají v orientaci v dynamických prostředích, respektive v chování vzhledem k potenciální hrozbě představovanou pohybujícím se objektem. V tomto kontextu byly využity chemogenetické metody, umožňující experimentální manipulaci s PVI. V rámci této práce jsme trénovali transgenní PV-cre potkany v úloze vyhýbání se robotu. Navzdory intenzivnímu behaviorálnímu tréninku se ukázalo, že potkani se úlohu učili jen velmi pomalu. Chemogenetická aktivace PVI pomocí látky C21 měla za následek pouze zvýšení lokomoční aktivity se stabilním robotem. Výsledky ukazují, že C21 jinak nemá zásadní vliv na chování potkanů, alespoň ne při relativně nízkém počtu exprimovaných hM3Dq v PVI. Na základě výsledků nahrávání místních potenciálů (LFP) jsme dále ukázali, že aktivace PVI měla vliv na výkon theta frekvenčního pásma. Klíčová slova: Behaviorální úloha, Hipokampus, Chemogenetika, LFP, Parvalbumin, Robot
|
|
|
Signal propagation in neural networks
Blaštík, Filip ; Šanda, Pavel (vedoucí práce) ; Bureš, Zbyněk (oponent)
Detailní popis šíření signálu v neuronálních sítích je klíčová pro porozumění informačním procesům v mozku. Data mohou mít často podobu komplexní aktivity, která je produkována neuronálními populacemi a jejich specifickými motivy ve struktuře akčních potenciálů. Za určitých okolností vytvářejí neuronální populace koordinovanou synchronizovanou aktivitu, která má profil putujících vln. Bylo prokázáno, že tyto vlny jsou součástízpracování informací, např. při vnímání senzorických k podnětů. Rozhodli jsme se takový jev putující vlny modelovat pomocí modelu neuronové sítě, který má reprezentovat 1mm2 primární zrakové kůry primátů. Tento model kanonického neurálního sloupce jsme použili ke generování synchronizované aktivity a pomocí propojení sloupců se nám podařilo modelovat putující vlnu. Pro popis její dynamiky jsme vyvinuli několik algoritmů, které detekují události na časových řadách. Tyto události umožňují identifikovat putující vlnu ze simulovaných neuronových sloupců. Zjistili jsme, že metody založené na detekci lokální dynamiky v klozavých oknech nejadekvátněji vykreslují intuitivní představu o putující vlně. Poté, co jsme zavedli přístup k detekci události, zaměřili jsme se na kauzální inferenci. Běžně se šíření signálu dedukuje pomocí abstraktních teoretických konceptů, jako je Grangerova kauzalita...
|
host ::
RSS.