Heterojen nöral ağda eşikaltı bilgi kodlama

Abstract

Bu çalışmada, sinir sisteminde bilgi kodlama konusu ele alınmıştır. Sinir sisteminde bilginin işlenmesi üzerine pek çok faktörün etkisi vardır. Bu faktörler; nöral gürültü, uyartım şiddeti, nöronların biyofiziksel özellikleri, sinaptik bağlantının türü (elektriksel veya kimyasal), sinapsların sayısı ve buna bağlı olarak ağ topolojisi olabilir. Yakın zamana kadar sinirbilim alanında bilginin işlenimine dair yapılan hesapsal çalışmalarda, bir biyolojik gerçeklik olan heterojenlik göz önünde bulundurulmadan tasarlanan modeller kullanılmıştır. Ancak elektrofizyolojik ve ileri görüntüleme teknikleriyle yapılan deneysel sinirbilim çalışmaları, sinir sistemini meydana getiren nöronların elektrofizyolojik ve morfolojik özellikleri açısından özdeş olmadığını göstermiştir. Buradan hareketle çalışmada sinir sisteminin en temel elemanı olan nöronlar uyarılabilirlikleri açısından heterojen olarak modellenerek, nöron popülasyonlarının bilgiyi işleme performansı araştırılmıştır. Bu amaçla nöron popülasyonlarının zayıf sinyalleri algılama performanslarına nöronların uyarılabilirliğindeki heterojenliğin etkisi araştırılmıştır.Çalışmada başlıca nöron ve uyartım özelliklerine göre heterojenlik ile sinyal algılama arasındaki ilişki incelenmiştir. İlk adımda ortalama uyarılabilirlik ve ikinci adımda ağ büyüklüğü özelliklerinin etkisine bakılmıştır. Her iki özelliğin tüm değerlerinde çift rezonans etkisinin oluştuğu, iki farklı şiddetteki heterojenliğin nöral sistemlerde gürültünün sağladığı iyileştirci etkiye (Stokastik Rezonans) benzer şekilde bilginin işleniminde yapıcı rol oynadığını gösterilmiştir. Çalışmada ayrıca genlik ve periyot gibi uyartım özelliklerinin etkileri de araştırılmıştır. Son olarak heterojenlik rezonansı fenomeni sinapsların özelliklerine göre incelenmiştir. Elde edilen sonuçlar popülasyonda heterojenliği hesaba katmanın nöral bilginin işlenmesinde önemli avantajlar sağladığını göstermiştir.

In this study, the information encoding issue in the nervous system is investigated. There are lots of factors influencing information encoding in a nervous system. Several of them are neural noise, stimulus intensity, biophysical properties of neurons, types of synaptic connections (electrical or chemical), number of synapses and hence network topology.In recent computational neuroscience studies concerning the information encoding, models designed without considering the heterogeneity, which is a biological reality, have been used. However experimental neuroscience studies performed with electrophysiological and advanced imaging techniques have shown that neurons constituting nervous system are not identical in terms of their electrophysiological and morphological properties. Based on this fact, the information encoding performance of neural populations was investigated in this work, modeling neurons that are the primary elements of the nervous system as heterogeneous elements in the context of excitability. For this purpose, the effects of heterogeneity in the neural excitability on the performance of weak signal detection of neural populations were investigated in the present work.In this study, the relationship between heterogeneity and the signal detection have been studied according to the main features of neuron and stimulus. In first place, mean excitability and then network size have been handled. It is shown that double resonance effect emerges at all values for both features and at two different point heterogeneity can play constructive role in information processing similarly with the effect of noise (Stochastic Resonance) in neural systems. In this study, the effects of the stimulus features such as amplitude and period are also investigated. And lastly, the phenomena of diversity induced resonance is investigated according to properties sinapses.The results obtained from the study show that reckoning heterogeneity of the population provides significant advantages in the processing of neural information.