Search

Bernstein Conference 2021 abstract. http://bernstein-conference.de

Recent findings have revealed that not only neurons but also astrocytes, a special type of glial cells, are major players of neuronal information processing. It is now widely accepted that they contribute to the regulation of their microenvironment by cross-talking with neurons via gliotransmitters. In this context, we here study the phenomenon of vibrational resonance in neurons by considering their interaction with astrocytes. Our analysis of a neuron-astrocyte pair reveals that intracellular dynamics of astrocytes can induce a double vibrational resonance effect in the weak signal detection performance of a neuron, exhibiting two distinct wells centred at different high-frequency driving amplitudes. We also identify the underlying mechanism of this behaviour, showing that the interaction of widely separated time scales of neurons, astrocytes and driving signals is the key factor for the emergence and control of double vibrational resonance.

The inverse stochastic resonance (ISR) phenomenon consists in an unexpected depression in the response of a system under external noise, e.g., as observed in the behavior of the mean-firing rate in some pacemaker neurons in the presence of moderate values of noise. A possible requirement for such behavior is the existence of a bistable regime in the behavior of these neurons. We here explore theoretically the possible emergence of this behavior in a general bistable system, and conclude on conditions the potential function which drives the dynamics must accomplish. We show that such an intriguing, and apparently widely observed, phenomenon ensues in the case of an asymmetric potential function when the high activity minimum state of the system is metastable with the largest basin of attraction and the low activity state is the global minimum with a smaller basin of attraction. We discuss on the relevance of such a picture to understand the ISR features and to predict its general appearance in other natural systems that share the requirements described here. Finally, we report another intriguing non-standard stochastic resonance in our system, which occurs in the absence of any weak signal input into the system and whose emergence can be explained, with the ISR, within our theoretical framework in this paper in terms of the shape of the potential function., 7 pages, 4 figures

Prof Dr İsmail Hakkı Çavdar Department of Electrical and Electronics Engineering, Karadeniz Technical University, Trabzon, Turkey Prof Dr Nermin Suljanovic Faculty of Electrical Engineering, University of Tuzla, Tuzla, Bosnia and Herzegovina Assoc Prof Dr Muhammet Uzuntarla Department of Biomedical Engineering, Bülent Ecevit University, Zonguldak, Turkey

WOS: 000365508200001

Sinir sisteminde bilginin işlenimi farklı nöronal bölgeler tarafından yapılmaktadır. Bu durum, nöronal aktivitenin bir nöron topluluğundan başka bir nöron topluluğuna iletildiğini göstermektedir. Hesaplamalı yaklaşımlar nöronal aktivitenin farklı bilgi işleme birimleri arasındaki propagasyonunun nasıl gerçekleştiğini anlamada etkili araçlar sunmaktadır. Bu bağlamda ileri yönlü sinir ağları modeli sinir sisteminde bilgi iletiminin incelenmesinde basit bir platformdur.Bu çalışma, nöronların biyofiziksel açıdan daha gerçekçi modelleri kullanılarak ileri yönlü ağda nöronal aktivite propagasyonunun daha iyi bir biçimde anlaşılmasını hedeflemektedir. Ağdaki her bir nöron, membran üzerinde gömülü bulunan iyon kanallarının stokastik davranışlarını da içerecek şekilde hücre büyüklüklerine bağlı olarak modellenmiştir. Çalışmada ilk olarak, zayıf periyodik sinyallerin ileri yönlü ağda iletimindeki optimum koşulların belirlenmesi ele alınmıştır. Nöron iç dinamiklerinden kaynaklanan gürültü şiddeti belirli bir seviyenin üzerinde olduğunda, ilk katmana uygulanan zayıf sinyalin sonraki katmanlar tarafından yükseltilerek iletilebildiği tespit edilmiştir. Bunun yanında, sistemdeki gürültü şiddeti ve sinyal frekansı uygun bir biçimde ayarlandığında, katmanlar arasındaki sinaptik bağlantıların olası tüm bağlantı sayısının %4' ü kadar olmasının etkili bir zayıf sinyal iletimi için yeterli olduğu gösterilmiştir.Çalışmada ayrıca oransal kodlama bağlamında, katmanlarda farklı gürültü rejimleri oluşturularak ateşleme oranlarının ileri yönlü ağdaki propagasyonu araştırılmıştır. Tüm gürültü rejimlerinde, ateşleme oranının ağdaki iletiminin katmanlarda nöronların sergilediği senkronizasyon mekanizması ile gerçekleşebileceği ortaya konmuştur. Sözü edilen mekanizmanın ileri yönlü ağda ortaya çıkabilmesinin giriş katmanı ateşleme oranı seviyesine, ağdaki sinaptik bağlantı yoğunluğuna, sinaptik akım istatistiklerine ve nöron iç dinamiklerinden kaynaklanan gürültü şiddetine bağlı olduğu da gösterilmiştir.Tespit edilen sonuçlar literatürdeki deneysel sonuçlarla tutarlılık göstermekte ve ileri yönlü ağda bilgi işlemenin nasıl gerçekleştiğinin anlaşılmasına katkı sağlamaktadır. Information processing in the nervous system involves multiple stages of neuronal networks, where neuronal activity progress from one sub-population to another. Computational approaches provide useful tools to understand the underlying mechanisms of the activity propagation through multiple processing stages. A feedforward sequence of layers of neurons provides a simple platform for analyzing the propagation of neuronal activity in the nervous system.The present work aims at a better understanding of neuronal activity propagation in Feedforward Networks (FFN) by including a more biophysically realistic model of individual neurons on the network, where the stochastic behavior of voltage-gated ion channels embedded in neuronal membranes is modeled depending on the cell size. First, it is determined under which conditions the propagation of weak periodic signals through a FFN is optimal. It is found that successive neuronal layers are able to amplify weak signals introduced to the neurons forming the first layer only above a certain intensity of intrinsic noise. Furthermore, as low as 4% of all possible interlayer links are sufficient for an optimal propagation of weak signals to great depths of the FFN, provided the signal frequency and the intensity of intrinsic noise are appropriately adjusted.Next, in the context of rate coding, firing rate propagation is studied in FFN by considering the different noise regimes in layers. For all regimes, the stable propagation of input firing rate through the network can be achieved via the synchronization mechanism within the neurons in layers. It is also shown that the development of this mechanism in the network depends on the input rate, interlayer-link density, synaptic current statistics and intrinsic noise intensity in layers.Achieved results are consistent with experimental results, given in the literature, and advance our understanding of how information is processed in FFN. 128

06.03.2018 tarihli ve 30352 sayılı Resmi Gazetede yayımlanan “Yükseköğretim Kanunu İle Bazı Kanun Ve Kanun Hükmünde Kararnamelerde Değişiklik Yapılması Hakkında Kanun” ile 18.06.2018 tarihli “Lisansüstü Tezlerin Elektronik Ortamda Toplanması, Düzenlenmesi ve Erişime Açılmasına İlişkin Yönerge” gereğince tam metin erişime açılmıştır. Sinir sisteminde bilginin işlenimi farklı nöronal bölgeler tarafından yapılmaktadır. Bu durum, nöronal aktivitenin bir nöron topluluğundan başka bir nöron topluluğuna iletildiğini göstermektedir. Hesaplamalı yaklaşımlar nöronal aktivitenin farklı bilgi işleme birimleri arasındaki propagasyonunun nasıl gerçekleştiğini anlamada etkili araçlar sunmaktadır. Bu bağlamda ileri yönlü sinir ağları modeli sinir sisteminde bilgi iletiminin incelenmesinde basit bir platformdur. Bu çalışma, nöronların biyofiziksel açıdan daha gerçekçi modelleri kullanılarak ileri yönlü ağda nöronal aktivite propagasyonunun daha iyi bir biçimde anlaşılmasını hedeflemektedir. Ağdaki her bir nöron, membran üzerinde gömülü bulunan iyon kanallarının stokastik davranışlarını da içerecek şekilde hücre büyüklüklerine bağlı olarak modellenmiştir. Çalışmada ilk olarak, zayıf periyodik sinyallerin ileri yönlü ağda iletimindeki optimum koşulların belirlenmesi ele alınmıştır. Nöron iç dinamiklerinden kaynaklanan gürültü şiddeti belirli bir seviyenin üzerinde olduğunda, ilk katmana uygulanan zayıf sinyalin sonraki katmanlar tarafından yükseltilerek iletilebildiği tespit edilmiştir. Bunun yanında, sistemdeki gürültü şiddeti ve sinyal frekansı uygun bir biçimde ayarlandığında, katmanlar arasındaki sinaptik bağlantıların olası tüm bağlantı sayısının %4’ ü kadar olmasının etkili bir zayıf sinyal iletimi için yeterli olduğu gösterilmiştir. Çalışmada ayrıca oransal kodlama bağlamında, katmanlarda farklı gürültü rejimleri oluşturularak ateşleme oranlarının ileri yönlü ağdaki propagasyonu araştırılmıştır. Tüm gürültü rejimlerinde, ateşleme oranının ağdaki iletiminin katmanlarda nöronların sergilediği senkronizasyon mekanizması ile gerçekleşebileceği ortaya konmuştur. Sözü edilen mekanizmanın ileri yönlü ağda ortaya çıkabilmesinin giriş katmanı ateşleme oranı seviyesine, ağdaki sinaptik bağlantı yoğunluğuna, sinaptik akım istatistiklerine ve nöron iç dinamiklerinden kaynaklanan gürültü şiddetine bağlı olduğu da gösterilmiştir. Tespit edilen sonuçlar literatürdeki deneysel sonuçlarla tutarlılık göstermekte ve ileri yönlü ağda bilgi işlemenin nasıl gerçekleştiğinin anlaşılmasına katkı sağlamaktadır. Information processing in the nervous system involves multiple stages of neuronal networks, where neuronal activity progress from one sub-population to another. Computational approaches provide useful tools to understand the underlying mechanisms of the activity propagation through multiple processing stages. A feedforward sequence of layers of neurons provides a simple platform for analyzing the propagation of neuronal activity in the nervous system. The present work aims at a better understanding of neuronal activity propagation in Feedforward Networks (FFN) by including a more biophysically realistic model of individual neurons on the network, where the stochastic behavior of voltage-gated ion channels embedded in neuronal membranes is modeled depending on the cell size. First, it is determined under which conditions the propagation of weak periodic signals through a FFN is optimal. It is found that successive neuronal layers are able to amplify weak signals introduced to the neurons forming the first layer only above a certain intensity of intrinsic noise. Furthermore, as low as 4% of all possible interlayer links are sufficient for an optimal propagation of weak signals to great depths of the FFN, provided the signal frequency and the intensity of intrinsic noise are appropriately adjusted. Next, in the context of rate coding, firing rate propagation is studied in FFN by considering the different noise regimes in layers. For all regimes, the stable propagation of input firing rate through the network can be achieved via the synchronization mechanism within the neurons in layers. It is also shown that the development of this mechanism in the network depends on the input rate, interlayerlink density, synaptic current statistics and intrinsic noise intensity in layers. Achieved results are consistent with experimental results, given in the literature, and advance our understanding of how information is processed in FFN.

20th International EURASIP Conference (BIOSIGNAL) -- JUN, 2010 -- Brno, CZECH REPUBLIC, WOS: 000303723700020, We study firing rate propagation in a feedforward network with multiple layers. Neurons in the network are modeled by using stochastic Hodgkin-Huxley neuronal model, which considers stochastic behaviour of voltage-gated ion channels embedded in neuronal membranes. In the model, ion channel noise due to its stochastic behaviour is related to the cell size in such a way that the noise strength increases with decreasing the cell size, mimicking the actual biophysical conditions. An external additive current noise is also injected into the first layer of the network. Therefore, neurons in the first layer are subject to both internal and external noise while neurons in the subsequent layers are subject to only internal noise. It is shown that the efficient transmission of firing rates requires an appropriate intrinsic noise level in the network if the input firing rate or the external noise strength is higher than a critical value., Brno Univ Technol, Fac Elect Engn & Commun, Dept Biomed Engn, European Assoc Speech, Signal & Image Proc (EURASIP), Inst Elect & Elect Engineers, Engn Med & Biol Soc (IEEE EMB), Nikon Spol, GMC Co

19th International EURASIP Conference (BIOSIGNAL) -- JUN, 2008 -- Brno, CZECH REPUBLIC, WOS: 000303717200015, Cortical neurons in vivo can operate in a continuum between low-conductance (LC) and high-conductance (HC) states. We investigate how changing the ratio, r, of the mean inhibitory conductance to a fixed value of the mean excitatory conductance affects the regularity of spontaneous cortical firing between the two extreme states. We show that, in general, spike regularity becomes smaller for larger r, thus as the neuron approaches the HC state. Furthermore, in the HC state, spike regularity consistently increases with an increase of the synaptic input variability, whereas with small r, thus LC states, regularity first decreases and then increases with an increase in the input variability. We suggest that this qualitative difference may reflect a state-dependent dominance of spike output driven by the average membrane potential, versus that driven by fluctuations in the membrane potential., Brno Univ Technol, Fac Elect Engn & Commun, Dept Biomed Engn, European Assoc Speech, Signal & Image Proc (EURASIP), Inst Elect & Elect Engineers, Engn Med & Biol Soc (IEEE EMB)