Circuitry underlying response summation in mouse and primate: Theory and experiment

项目总结： 尽管人脑具有巨大的复杂性，但它的结构与人脑的相似之处正变得越来越明显。 大脑皮质功能是模块化的，而不是依赖于一组可能发生在大脑不同区域和不同区域的规范计算。 通道可以调节人的感知、认知和行为。这是一个重要的例子，说明了一种新的规范的计算方法。 它是各种不同的、驱动的、上下文的、不同的和调制的神经性神经输入的总和，以确保产出的激增。 大脑皮层神经网络如何整合这些信息输入，并将它们转化为个人峰值输出的问题。 神经元对于神经科学来说是至关重要的。对于理解这些复杂的计算来说，这是一个重大的挑战。 据说，每个神经元都被嵌入到一个更大的神经元回路中，每个神经元都在调节彼此的神经活动。如此这般。 理解一个特定的神经元如何对输入做出反应，必然涉及到对更大的神经元回路的理解。 最近的光遗传学研究发现，在老鼠和猴子的V1中，人类输入和求和的模式不同。 最近发展起来的一些理论模型已经产生了一些关于网络差异的具体预测。 电路理论认为，这可能会导致求和中的差异，并预测非线性求和将如何依赖于求和。 投入需要建立网络。拟议的网络研究小组将对这些预测进行测试，并寻求帮助来更好地理解这些网络。 计算中使用了一种理论工作原理和小鼠大脑中神经回路的光遗传调制原理的完美组合。 猴子。他们的目标是1：不同的视觉诱发电位和视神经刺激，以及独立的视觉对比测试。 尖峰响应和总和是对多个数据输入的响应。为了实现这一目标，我们建立了多个数据输入和总和的理论模型。 不同的大脑皮层神经回路机制将继续开发，最近开发的光遗传工具也将在未来得到广泛使用。 唤醒老鼠模型和猴子模型V1，以测试由这些模型生成的预测，并识别相应的模型。 制度。这些光遗传学工具包括一种全新的病毒传播策略，该策略可以指导不同的视黄素基因的表达。 抑制性神经元与兴奋性神经元相比，新皮质神经元参与了猕猴的活动。它们同时激活和独立激活E蛋白和E蛋白。 我相信和支持视觉刺激，所有这些都是在这个理论框架内进行的，它将使我们能够测试是否观察到。 属性总和的差异反映了物种的根本差异，或者反映了一种常见的计算方法。 在不同的运行参数和制度下运行。目标2：确定控制运行动态的主要电路要素。 大脑皮质神经网络通过使用动态的光遗传刺激来产生反应。为了实现这一目标，我们进行了实验。 动态的光遗传行为和视觉行为刺激的模式，并对具有动态行为输入的模型进行了理论分析。 它将被用来阐明总和的时间和动力学。目标3：确定是否有不同的抑制性因素。 子类控制着输入和集成的不同方面。不同的抑制性子类也不会受到刺激。 光遗传学需要破译它们各自在输入和总结中所扮演的角色。综合起来，这些目标将不会有帮助。 定义兴奋性神经元和抑制性神经元在调解神经元输入的总和过程中所起的重要作用。 产量激增。这一信息收集将成为进一步了解与医疗故障相关的大脑功能障碍的关键因素。 感知和注意力，就像人们经常看到的那样，与自闭症、精神分裂症、癌症和阿尔茨海默氏症有关。

Project Summary  Despite the enormous complexity of the brain, it is becoming increasingly apparent that structures like the  cerebral cortex are modular, relying on a set of canonical computations that occur across brain regions and  modalities to mediate perception, cognition and behavior.  One important example of a canonical computation  is the summation of various driving, contextual, and modulatory neuronal inputs to yield spiking output. The  question of how cortical networks integrate these inputs and transform them into spiking outputs of individual  neurons is of central importance to neuroscience.  A significant challenge to understanding these computations  is that each neuron is embedded within a larger circuit of neurons, each modulating one another’s activity.  So,  understanding how a particular neuron responds to input necessarily involves understanding the larger circuit.   Recent optogenetic studies have found different patterns of input summation in mouse vs. monkey V1.  Recently developed theoretical models have produced specific predictions about the differences in network  circuitry that can lead to differences in summation, and predict how summation non-­linearities depend on  inputs to the network. The proposed research will test these predictions and seek to understand these circuit  computations using a combination of theoretical work and optogenetic modulation of circuits in mouse and  monkey.  Aim 1: Varying E and I optogenetic stimulation and visual contrast independently to measure  spike response summation to multiple inputs. In this Aim, theoretical models of input summation across  varying cortical circuit regimes will be developed, and recently developed optogenetic tools will be used in  awake mouse and monkey V1 to test predictions generated by these models and identify the corresponding  regimes. The optogenetic tools include a new viral strategy that directs expression of different opsins to  inhibitory vs. excitatory neocortical neurons in the macaque. Simultaneous and independent activation of E and  I and the visual stimulus, all within this theoretical framework, will enable us to test whether observed  differences in summation properties reflect fundamental species differences or reflect a common computation  operating in different parameter regimes.  Aim 2: Determine the circuit elements controlling dynamics of  cortical network responses using dynamic optogenetic stimulation. In this Aim, experiments using  dynamic optogenetic and visual stimulation patterns and theoretical analysis of the models with dynamic inputs  will be used to elucidate the temporal dynamics of summation. Aim 3: Determine if different inhibitory  subclasses control different aspects of input integration. Different inhibitory subclasses will be stimulated  optogenetically to decipher their respective roles in input summation. Taken together, these Aims will help  define the roles played by excitatory and inhibitory neurons in mediating summation of neuronal inputs to yield  spiking output. This information will be critical for understanding brain disorders associated with failures in  perception and attention, as is seen with autism, schizophrenia, and Alzheimer’s disease.