Publicaciones - Instituto Salk de Estudios Biológicos

todas las publicaciones

Álvarez-Kuglen, M., Rodríguez, D., Qin, H., Ninomiya, K., Fiengo, L., Farhy, C., Hsu, WM, Havas, A., Feng, GS, Roberts, AJ, Anderson , RM, Serrano, M., Adams, PD, Sharpee, TO, Terskij, AV La cromatina y la edad epigenética basada en imágenes, ImAge, cuantifica el envejecimiento y el rejuvenecimiento. (2023) Plaza Res. DOI: 10.21203/rs.3.rs-3479973/v1

+ expandir resumen

Pequeño, JC, Kaaronen, RO, Hukkinen, JI, Xiao, S., Sharpe, T., Farid, AM, Nilchiani, R., Barton, CM Sistemas terrestres a sistemas antropocenos: un paradigma evolutivo, de sistema de sistemas, de convergencia para desafíos sociales interdependientes. (2023) Medio Ambiente Sci Technol. DOI: 10.1021 / acs.est.2c06203

+ expandir resumen

Yang, JY, O'Connell, TF, Hsu, WM, Bauer, MS, Dylla, KV, Sharpee, TO, Hong, EJ Reestructuración de las representaciones olfativas en el cerebro de la mosca en torno a las relaciones olfativas en fuentes naturales. (2023) bioRxiv. DOI: 10.1101 / 2023.02.15.528627

+ expandir resumen

Un desafío central de la neurociencia olfativa es comprender cómo se generan y transforman progresivamente las representaciones neuronales del olor a través de diferentes capas del circuito olfativo en formatos que respaldan la percepción y el comportamiento. La codificación del olor por los receptores odorantes en la capa de entrada del sistema olfativo refleja, al menos en parte, las relaciones químicas entre los compuestos odoríferos. Se espera que las representaciones neuronales del olor en áreas olfativas asociativas de orden superior, generadas por redes aleatorias de retroalimentación, preserven en gran medida estas relaciones de olor de entrada. Evaluamos estas ideas examinando cómo se representan los olores en diferentes etapas de procesamiento en el circuito olfativo de la mosca del vinagre. Descubrimos que las representaciones del olor en el cuerpo del hongo (MB), un área olfativa asociativa de tercer orden en el cerebro de la mosca, están estructuradas y son invariantes entre las moscas. Sin embargo, la estructura del espacio representacional de MB divergió significativamente de lo que se espera en una red conectada aleatoriamente. Además, las relaciones olfativas codificadas en el MB se correlacionaron mejor con una métrica de la similitud de su distribución entre fuentes naturales en comparación con su similitud con respecto a las características químicas, y lo contrario fue cierto para las relaciones olfativas codificadas en las neuronas receptoras olfativas primarias (ORN). ). La comparación de la codificación de olores en las capas primaria, secundaria y terciaria del circuito reveló que los olores se reagruparon significativamente con respecto a su similitud representacional en las sucesivas etapas del procesamiento olfativo, y los mayores cambios ocurrieron en el MB. La reorganización no lineal de las relaciones olfativas en el MB indica que existe una estructura no apreciada en el circuito olfativo de la mosca, y esta estructura puede facilitar la generalización de los olores con respecto a su coexistencia en fuentes naturales.

Zhang, H., Rich, PD, Lee, AK, Sharpee, TO Las representaciones espaciales del hipocampo exhiben una geometría hiperbólica que se expande con la experiencia. (2022) Neurociencia de la naturaleza. DOI: 10.1038/s41593-022-01212-4

+ expandir resumen

Ghaninia, M., Zhou, Y., Knauer, AC, Schiestl, FP, Sharpee, TO, Smith, BH Mezclas de olores hiperbólicos como base para una señalización más eficiente entre las plantas con flores y las abejas. (2022) Más uno. 17(7):e0270358. DOI: 10.1371/journal.pone.0270358

+ expandir resumen

Zhou, Y. Sharpee, TO Uso de t-SNE global para preservar la estructura de datos entre clústeres. (2022) Computación neuronal.:1-15 DOI: 10.1162/neco_a_01504

+ expandir resumen

Shadel, GS, Adams, PD, Berggren, WT, Diedrich, JK, Diffenderfer, KE, Gage, FH, Hah, N., Hansen, M., Hetzer, MW, Molina, AJA, Manor, U., Marek, K ., O'Keefe, DD, Pinto, AFM, Sacco, A., Sharpee, TO, Shokriev, MN, Zambetti, S. El Nathan Shock Center de San Diego: abordar la heterogeneidad del envejecimiento. (2021) Gerociencia. DOI: 10.1007 / s11357-021-00426-x

+ expandir resumen

Comprender los mecanismos básicos del envejecimiento es una gran promesa para desarrollar intervenciones que prevengan o retrasen muchas enfermedades y declives relacionados con la edad simultáneamente para aumentar la salud humana. Sin embargo, un factor de confusión importante en la investigación sobre el envejecimiento es la heterogeneidad del propio proceso de envejecimiento. A nivel del organismo, está claro que la edad cronológica no siempre predice la edad biológica o la susceptibilidad a la fragilidad o la patología. Si bien la genética y el medio ambiente son los principales factores que impulsan las tasas variables de envejecimiento, surge una complejidad adicional porque los diferentes órganos, tejidos y tipos de células son intrínsecamente heterogéneos y exhiben diferentes trayectorias de envejecimiento normalmente o en respuesta a las tensiones del proceso de envejecimiento (p. ej., acumulación de daño) . Abordar la heterogeneidad del envejecimiento requiere herramientas nuevas y especializadas (p. ej., análisis unicelulares, enfoques basados en espectrometría de masas e imágenes avanzadas) para identificar firmas novedosas de envejecimiento en todas las escalas. Luego, se necesitan enfoques computacionales de vanguardia para integrar estos conjuntos de datos dispares y dilucidar las interacciones de red entre los sellos de envejecimiento conocidos. También existe la necesidad de modelos mejorados de envejecimiento basados en células humanas para garantizar que los hallazgos de la investigación básica sean relevantes para el envejecimiento humano y las intervenciones de salud. El Nathan Shock Center de San Diego (SD-NSC) brinda acceso a recursos científicos de vanguardia para facilitar el estudio de la heterogeneidad del envejecimiento en general y para promover el uso de nuevos modelos de células humanas del envejecimiento. El centro también cuenta con un sólido Núcleo de Desarrollo de Investigación que financia proyectos piloto sobre la heterogeneidad del envejecimiento y organiza actividades de capacitación innovadoras, incluidos talleres y un programa de tutoría personalizado, para ayudar a los investigadores nuevos en el campo del envejecimiento a tener éxito. Finalmente, el SD-NSC participa en actividades de divulgación para educar a la comunidad en general sobre la importancia de la investigación sobre el envejecimiento y promover la necesidad de la biología básica de la investigación sobre el envejecimiento en particular.

Hsu, WM, Kastner, DB, Baccus, SA, Sharpee, TO Cómo las neuronas inhibitorias aumentan la transmisión de información bajo la modulación del umbral. (2021) Informes de celda. 35(8):109158. DOI: 10.1016/j.celrep.2021.109158

+ expandir resumen

Zhou, Y. Sharpee, TO Geometría hiperbólica de la expresión génica. (2021) iCiencia. 24(3):102225. DOI: 10.1016/j.isci.2021.102225

+ expandir resumen

Sharpee, TO, Berkowitz, JA Vinculación de las respuestas neuronales al comportamiento con vectores de población que preservan la información (2019) Opinión actual en ciencias del comportamiento. 29:37-44. DOI: https://doi.org/10.1016/j.cobeha.2019.03.004

+ expandir resumen

Todos los sistemas para procesar señales, tanto artificiales como dentro de animales, deben obedecer las leyes estadísticas fundamentales sobre cómo se puede procesar la información. Discutimos aquí los resultados recientes utilizando la teoría de la información que proporcionan un plan para construir circuitos donde las señales se pueden leer sin pérdida de información. Muchas propiedades que son necesarias para construir circuitos que conservan la información se observan en las neuronas reales, al menos aproximadamente. Una de esas propiedades es el uso de la no linealidad logística para relacionar las entradas con la probabilidad de respuesta neuronal. Tales no linealidades son comunes en las redes neuronales e intracelulares. Con este tipo de no linealidad, existe una combinación lineal de respuestas neuronales que garantiza la preservación de la información de Shannon contenida en la respuesta de una población neuronal, sin importar cuántas neuronas contenga. Esta medida de lectura está relacionada con una cantidad clásica conocida como vector de población que ha tenido bastante éxito al relacionar las respuestas neuronales con el comportamiento animal en una amplia variedad de casos. Sin embargo, el vector de población no soportó el escrutinio de análisis teóricos de información detallados que mostraron que descarta cantidades sustanciales de información contenida en las respuestas de una población neuronal. Discutimos los resultados teóricos recientes que muestran cómo modificar la expresión del vector de población para que "conserve la información", y lo que es necesario en términos de organización del circuito neuronal para permitir la transferencia de información sin pérdidas. Es probable que la implementación de estas estrategias dentro de los sistemas artificiales aumente su eficiencia, especialmente para las interfaces cerebro-máquina.

Amatya, DN, Linker, SB, Mendes, APD, Santos, R., Erikson, G., Shokhirev, MN, Zhou, Y., Sharpe, T., Gage, FH, Marchetto, MC, Kim, Y. La complejidad eléctrica dinámica se reduce durante la diferenciación neuronal en el trastorno del espectro autista. (2019) Informes de células madre. DOI: 10.1016/j.stemcr.2019.08.001

+ expandir resumen

Sharpee, TO Un argumento a favor de la geometría hiperbólica en los circuitos neuronales. (2019) Opinión actual en neurobiología. 58:101-104. DOI: 10.1016/j.conb.2019.07.008

+ expandir resumen

Berkowitz, JA, Sharpee, TO Cuantificación de la información transmitida por grandes poblaciones neuronales. (2019) Computación neuronal.:1-33 DOI: 10.1162/neco_a_01193

+ expandir resumen

Zhou, Y., Smith, BH, Sharpee, TO Geometría hiperbólica del espacio olfativo. (2018) Avances de la ciencia. 4(8):eaaq1458. DOI: 10.1126/sciadv.aaq1458

+ expandir resumen

Zhang, Y., Kastner, DB, Baccus, SA, Sharpee, TO Transmisión de información óptima mediante la superposición de mosaicos de células retinales. (2018) Proc Conf Inf Sci Sist. 2018. DOI: 10.1109/ciss.2018.8362310

+ expandir resumen

La retina proporciona un excelente sistema para comprender las ventajas y desventajas que influyen en el procesamiento de la información distribuida en múltiples tipos de neuronas. Nos centramos aquí en el problema que enfrenta el sistema visual de asignar un número limitado de neuronas para codificar diferentes características visuales en diferentes ubicaciones espaciales. La retina necesita resolver tres objetivos competitivos: 1) codificar diferentes características visuales, 2) maximizar la resolución espacial para cada característica y 3) maximizar la precisión con la que se codifica cada característica en cada ubicación. No existe una comprensión actual de cómo estos objetivos se optimizan juntos. Si bien la teoría de la información proporciona una plataforma para resolver teóricamente estos problemas, evaluar la información proporcionada por las respuestas de grandes matrices neuronales es, en general, un desafío. Aquí presentamos una solución a este problema en el caso de que los estímulos multidimensionales se puedan descomponer en componentes aproximadamente independientes que posteriormente se acoplan mediante respuestas neuronales. Usando este enfoque, cuantificamos la transmisión de información mediante múltiples mosaicos de células ganglionares retinianas superpuestas. En la retina, la invariancia de traducción de las señales de entrada hace posible utilizar la base de Fourier como un conjunto de componentes independientes. Los resultados revelan una transición en la que un mosaico de alta densidad se vuelve menos informativo que dos o más mosaicos superpuestos de menor densidad. Los resultados explican las diferencias en las fracciones de múltiples tipos de células, predicen la existencia de nuevos subtipos de células ganglionares de la retina, la distribución relativa de neuronas entre los tipos de células y las diferencias en sus propiedades de respuesta dinámica y no lineal.

Sharpee, TO (2018) Enciclopedias de investigación de Oxford, Neurociencia.:1-23 DOI: doi.org/10.1093/acrefore/9780190264086.013.110

+ expandir resumen

Los sistemas sensoriales existen para proporcionar a un organismo información sobre el estado del medio ambiente que puede usarse para guiar acciones y decisiones futuras. Sorprendentemente, se pueden usar dos teoremas conceptualmente simples pero generales de la teoría de la información para evaluar el desempeño de cualquier sistema sensorial. Un teorema establece que hay una cantidad mínima de energía que un organismo tiene que gastar para capturar una cantidad determinada de información sobre el medio ambiente. El segundo teorema establece que la tasa máxima con la que el organismo puede adquirir recursos del entorno, en relación con sus competidores, está limitada por la información que este organismo recopila sobre el entorno, también en relación con sus competidores. Estos dos teoremas proporcionan un andamiaje para formular y probar los principios generales de la codificación sensorial, pero dejan sin respuesta muchas preguntas prácticas importantes de implementación en los circuitos neuronales. Estas preguntas de implementación han guiado el pensamiento en subcampos completos de la neurociencia sensorial e incluyen: ¿Qué características del entorno sensorial deben medirse? Dado que tomamos decisiones en una variedad de escalas de tiempo, ¿cómo se deben resolver las compensaciones entre hacer mediciones más simples para guiar decisiones mínimas y sistemas sensoriales más elaborados que tienen que superar múltiples retrasos entre la sensación y la acción? Una vez que nos ponemos de acuerdo sobre los tipos de características que es importante representar, ¿cómo deben representarse? ¿Cómo se deben asignar los recursos entre las diferentes etapas del procesamiento y dónde es más dañino el impacto del ruido? Finalmente, se deben considerar las compensaciones entre implementar una estrategia fija versus un esquema adaptativo que reajusta los recursos en función de las necesidades actuales. Cuando se considera la adaptación, ¿bajo qué condiciones se vuelve óptimo cambiar de estrategia? La investigación durante los últimos 60 años ha brindado respuestas a casi todas estas preguntas, pero principalmente en los sistemas sensoriales tempranos. Unir estas respuestas en un marco integral es un desafío que nos ayudará a comprender quiénes somos y cómo podemos hacer un mejor uso de los recursos naturales limitados.

Atencio, CA, Sharpee, TO Procesamiento de campo receptivo multidimensional por neuronas corticales auditivas primarias de gato. (2017) Neurociencia. 359:130-141. DOI: 10.1016/j.neurociencia.2017.07.003

+ expandir resumen

Sharpee, TO Sobre la textura, la forma y los movimientos oculares de fijación. (2017) Opinión actual en neurobiología. 46:228-233. DOI: 10.1016/j.conb.2017.09.002

+ expandir resumen

Kaardal, JT, Theunissen, FE, Sharpee, TO Un método de bajo rango para caracterizar cálculos neuronales de alto nivel. (2017) Fronteras en Neurociencia Computacional. 11:68. DOI: 10.3389/fncom.2017.00068

+ expandir resumen

Las transformaciones de señales que tienen lugar en las regiones sensoriales de alto nivel del cerebro siguen siendo enigmáticas debido a las muchas transformaciones no lineales que separan las respuestas de estas neuronas de los estímulos de entrada. A uno le gustaría tener métodos de reducción de dimensionalidad que puedan describir las respuestas de tales neuronas en términos de operaciones en un conjunto grande pero aún manejable de características de entrada relevantes. Se han desarrollado varios métodos para este propósito, pero a menudo estos métodos se basan en la expansión del espacio de entrada para capturar tantos componentes de estímulo relevantes como sea estadísticamente posible. Esta expansión conduce a un muestreo efectivo más bajo, lo que reduce la precisión de los componentes estimados. Alternativamente, los llamados métodos de rango bajo buscan explícitamente una pequeña cantidad de componentes con la esperanza de lograr una mayor precisión de estimación. Sin embargo, incluso con estos métodos, el ruido en las respuestas neuronales puede obligar a los modelos a estimar más componentes de los necesarios, lo que nuevamente reduce la precisión de los métodos. Aquí describimos cómo un procedimiento de regularización flexible, junto con una restricción de rango explícita, puede mejorar considerablemente la precisión de la estimación en comparación con los métodos anteriores adecuados para caracterizar las respuestas neuronales a los estímulos naturales. Al aplicar el método de rango bajo propuesto a las respuestas de las neuronas auditivas en el cerebro del pájaro cantor, encontramos múltiples componentes relevantes que conforman el campo receptivo para cada neurona y caracterizamos sus cálculos en términos de cálculos lógicos OR y AND. Los resultados destacan las posibles diferencias en cómo se construyen las invariancias en los sistemas visual y auditivo.

Sharpee, TO Optimización de la capacidad de información neuronal a través de la discretización. (2017) Neuron. 94(5):954-960. DOI: 10.1016/j.neurona.2017.04.044

+ expandir resumen

Rowekamp, RJ, Sharpee, TO Supresión de orientación cruzada en el área visual V2. (2017) Nature Communications. 8:15739. DOI: 10.1038/ncomms15739

+ expandir resumen

Sharpee, TO Plasticidad al Rescate. (2016) Neuron. 92(5):935-936. DOI: 10.1016/j.neurona.2016.11.042

+ expandir resumen

Kuzala, A., Sharpee, TO Espectros de valores propios de grandes matrices aleatorias correlacionadas. (2016) Rev. Phys. E. 94(5-1):050101. DOI: 10.1103/PhysRevE.94.050101

+ expandir resumen

Sharpee, TO Cómo se logra la selectividad de características invariantes en Cortex. (2016) Neurociencias sinápticas frontales. 8:26. DOI: 10.3389/fnsyn.2016.00026

+ expandir resumen

Sharpee, TO Echando un vistazo de cerca a la electrodetección. (2016) Elife. 5. DOI: 10.7554/eLife.16209

+ expandir resumen

Zhang, Y., Sharpee, TO Un modelo sólido de avance del sistema olfativo. (2016) PLOS Biología Computacional. 12(4):e1004850. DOI: 10.1371/diario.pcbi.1004850

+ expandir resumen

Aljadeff, J., Renfrew, D., Vegué, M., Sharpee, TO Dinámica de baja dimensión de redes aleatorias estructuradas. (2016) Rev. Phys. E. 93(2):022302. DOI: 10.1103/PhysRevE.93.022302

+ expandir resumen

Hinckley, CA, Alaynick, WA, Gallarda, BW, Hayashi, M., Hilde, KL, Driscoll, SP, Dekker, JD, Tucker, HO, Sharpee, TO, Pfaff, SL Los circuitos locomotores espinales se desarrollan utilizando reglas jerárquicas basadas en la posición e identidad de las neuronas motoras. (2015) Neuron. 87(5):1008-21. DOI: 10.1016/j.neurona.2015.08.005

+ expandir resumen

Calhoun, AJ, Tong, A., Pokala, N., Fitzpatrick, JA, Sharpee, TO, Chalasani, SH Mecanismos neurales para evaluar la variabilidad ambiental en Caenorhabditis elegans. (2015) Neuron. 86(2):428-41. DOI: 10.1016/j.neurona.2015.03.026

+ expandir resumen

Aljadeff, J., Stern, M., Sharpe, T. Transición al caos en redes aleatorias con conectividad específica del tipo de celda. (2015) física Rev. Lett. 114(8):088101. DOI: 10.1103/PhysRevLett.114.088101

+ expandir resumen

Kastner, DB, Baccus, SA, Sharpee, TO Codificación crítica y máximamente informativa entre poblaciones neuronales en la retina. (2015) Actas de la Academia Nacional de Ciencias de los Estados Unidos de América. 112(8):2533-8. DOI: 10.1073/pnas.1418092112

+ expandir resumen

La computación en el cerebro involucra múltiples tipos de neuronas, sin embargo, los principios organizadores de cómo estas neuronas trabajan juntas siguen sin estar claros. La teoría de la información ha ofrecido explicaciones sobre cómo diferentes tipos de neuronas pueden maximizar la información transmitida mediante la codificación de diferentes características del estímulo. Sin embargo, experimentos recientes indican que existen tipos neuronales separados que codifican la misma versión filtrada del estímulo, pero luego los diferentes tipos de células señalan la presencia de esa característica de estímulo con diferentes umbrales. Aquí mostramos que la aparición de estos tipos neuronales puede describirse cuantitativamente mediante la teoría de las transiciones entre diferentes fases de la materia. Los dos parámetros clave que controlan la separación de las neuronas en subclases son la media y la desviación estándar (DE) del ruido que afecta las respuestas neuronales. El ruido promedio en la población neuronal juega el papel de la temperatura en la teoría clásica de las transiciones de fase, mientras que la SD es equivalente a la presión o al campo magnético, en el caso de las transiciones líquido-gas y magnéticas, respectivamente. Nuestros resultados explican las propiedades de dos tipos recientemente descubiertos de células ganglionares retinianas Off de salamandra, así como la ausencia de múltiples tipos de células On. Mostramos además que, a través de los contrastes de estímulos visuales, los circuitos retinales continuaron operando cerca del punto crítico cuyas características cuantitativas coincidieron con las esperadas cerca de un punto crítico líquido-gas y descritas por el modelo de Ising del vecino más cercano en tres dimensiones. Al operar cerca de un punto crítico, los circuitos neuronales pueden maximizar la transmisión de información en un entorno determinado mientras conservan la capacidad de adaptarse rápidamente a un nuevo entorno.

Calhoun, AJ, Chalasani, SH, Sharpee, TO Búsqueda de alimento máximamente informativa por Caenorhabditis elegans. (2014) Elife. 3. DOI: 10.7554/eLife.04220

+ expandir resumen

Sharpee, TO Hacia la clasificación funcional de los tipos neuronales. (2014) Neuron. 83(6):1329-34. DOI: 10.1016/j.neurona.2014.08.040

+ expandir resumen

Sharpee, TO La función determina la estructura en redes neuronales complejas. (2014) Actas de la Academia Nacional de Ciencias de los Estados Unidos de América. 111(23):8327-8. DOI: 10.1073/pnas.1407198111

Sharpee, TO, Calhoun, AJ, Chalasani, SH Teoría de la información de la adaptación en las neuronas, el comportamiento y el estado de ánimo. (2014) Opinión actual en neurobiología. 25:47-53. DOI: 10.1016/j.conb.2013.11.007

+ expandir resumen

Morris, R., Sancho-Martínez, I., Sharpee, TO, Izpisúa Belmonte, JC Enfoques matemáticos para modelar el desarrollo y la reprogramación. (2014) Actas de la Academia Nacional de Ciencias de los Estados Unidos de América. 111(14):5076-82. DOI: 10.1073/pnas.1317150111

+ expandir resumen

Aljadeff, J., Segev, R., Berry, MJ, Sharpee, TO Spike disparó covarianza en estímulos gaussianos fuertemente correlacionados. (2013) PLOS Biología Computacional. 9(9):e1003206. DOI: 10.1371/diario.pcbi.1003206

+ expandir resumen

Muchos sistemas biológicos realizan cálculos sobre entradas que tienen una dimensionalidad muy grande. Determinar las combinaciones de entrada relevantes para un cálculo en particular suele ser clave para comprender su función. Una forma común de encontrar las dimensiones de entrada relevantes es examinar la diferencia en la varianza entre la distribución de entrada y la distribución de entradas asociadas con ciertas salidas. En neurociencia de sistemas, el método correspondiente se conoce como covarianza desencadenada por picos (STC). Este método ha tenido un gran éxito en la caracterización de dimensiones de entrada relevantes para las neuronas en una variedad de sistemas sensoriales. Hasta ahora, la mayoría de los estudios utilizaron el método STC con entradas gaussianas débilmente correlacionadas. Sin embargo, también es importante utilizar este método con entradas que tengan correlaciones de largo alcance típicas del entorno sensorial natural. En tales casos, la matriz de covarianza del estímulo tiene uno (o más) valores propios destacados que no se pueden igualar fácilmente debido a la variabilidad del muestreo. Tales modos destacados interfieren con los análisis de significancia estadística de las dimensiones de entrada candidatas que modulan las salidas neuronales. En muchos casos, estos modos oscurecen las dimensiones significativas. Mostramos que la sensibilidad del método STC en el régimen de entradas fuertemente correlacionadas se puede mejorar en un orden de magnitud o más. Esto se puede hacer evaluando la importancia de las dimensiones en el subespacio ortogonal a los modos destacados. Al analizar las respuestas de las células ganglionares de la retina analizadas con [Fórmula: ver texto] Ruido gaussiano, encontramos que tener en cuenta los modos sobresalientes es crucial para recuperar las dimensiones de entrada relevantes para estas neuronas.

Sharpee, TO Identificación computacional de campos receptivos. (2013) Revisión anual de la neurociencia. 36:103-20. DOI: 10.1146/annurev-neuro-062012-170253

+ expandir resumen

Sharpee, TO, Kouh, M., Reynolds, JH Compensación entre ajuste de curvatura e invariancia de posición en el área visual V4. (2013) Actas de la Academia Nacional de Ciencias de los Estados Unidos de América. 110(28):11618-23. DOI: 10.1073/pnas.1217479110

+ expandir resumen

Kaardal, J., Fitzgerald, JD, Berry, MJ, Sharpee, TO Identificación de bases funcionales para cálculos neuronales multidimensionales. (2013) Computación neuronal. 25(7):1870-90. DOI: 10.1162/NECO_a_00465

+ expandir resumen

Los métodos actuales de reducción de la dimensionalidad pueden identificar subespacios relevantes para los cálculos neuronales, pero no favorecen una base sobre la otra dentro del subespacio relevante. Encontrar la base adecuada puede simplificar la descripción de la computación no lineal con respecto a las variables relevantes, lo que facilita la aclaración de la computación neuronal subyacente y la formulación de hipótesis sobre el circuito neuronal que da lugar a las respuestas observadas. Parte del problema es que aunque algunos de los métodos de reducción de dimensionalidad pueden identificar muchas de las dimensiones relevantes, generalmente es difícil mapear o interpretar la transformación no lineal con respecto a más de unas pocas dimensiones relevantes simultáneamente sin algunos supuestos simplificadores. Si bien los enfoques recientes hacen posible la creación simultánea de modelos predictivos basados en muchas dimensiones relevantes, aún existe la necesidad de relacionar dichos modelos predictivos con las descripciones mecanicistas del funcionamiento de los circuitos neuronales subyacentes. Aquí demostramos que la transformación a una base dentro del subespacio relevante donde el cómputo neuronal se describe mejor mediante una función no lineal dada a menudo facilita la interpretación del cómputo y la descripción con una pequeña cantidad de parámetros. Nos referimos a la base correspondiente como la base funcional e ilustramos la utilidad de dicha transformación en el contexto de las funciones lógicas OR y lógicas AND. Mostramos que aunque los métodos de reducción de la dimensionalidad, como la covarianza desencadenada por picos, pueden encontrar un subespacio relevante, a menudo producen dimensiones que son difíciles de interpretar y no corresponden a una base funcional. Las características funcionales se pueden encontrar utilizando un enfoque de máxima verosimilitud. Los resultados se ilustran utilizando neuronas simuladas y grabaciones de células ganglionares de la retina. Las características resultantes están definidas de forma única y no ortogonales, y facilitan la relación entre modelos computacionales y mecánicos.

Nandy, AS, Sharpee, TO, Reynolds, JH, Mitchell, JF La fina estructura del ajuste de forma en el área V4. (2013) Neuron. 78(6):1102-15. DOI: 10.1016/j.neurona.2013.04.016

+ expandir resumen

Saremi, S., Sejnowski, TJ, Sharpee, TO Los filtros de doble gabor son componentes independientes de pequeños parches de imagen invariantes a la traducción. (2013) Computación neuronal. 25(4):922-39. DOI: 10.1162/NECO_a_00418

+ expandir resumen

Juana, JM, Sharpee, TO, Gentner, TQ El aprendizaje asociativo mejora la codificación de la población al invertir los patrones de correlación interneuronal. (2013) Neuron. 78(2):352-63. DOI: 10.1016/j.neurona.2013.02.023

+ expandir resumen

Eickenberg, M., Rowekamp, RJ, Kouh, M., Sharpee, TO Caracterización de las respuestas de las neuronas invariantes de traducción a los estímulos naturales: dimensiones invariantes máximamente informativas. (2012) Computación neuronal. 24(9):2384-421. DOI: 10.1162/NECO_a_00330

+ expandir resumen

El sistema visual humano es capaz de reconocer objetos complejos incluso cuando su apariencia cambia drásticamente bajo diversas condiciones de visualización. Especialmente en las áreas corticales superiores, las neuronas sensoriales reflejan tal capacidad funcional en su selectividad por características visuales complejas e invariancia a ciertas transformaciones de objetos, como la traducción de imágenes. Debido a las fuertes no linealidades necesarias para lograr tanto la selectividad como la invariancia, caracterizar y predecir los patrones de respuesta de estas neuronas representa un desafío computacional formidable. Un problema relacionado es que dichas neuronas están mal impulsadas por entradas aleatorias, como el ruido blanco, y responden fuertemente solo a estímulos con correlaciones complejas de alto orden, como los estímulos naturales. Aquí describimos una nueva técnica de optimización de dos pasos que puede caracterizar tanto la selectividad de la forma como el rango y la tosquedad de la invariancia de la posición de las respuestas neuronales a los estímulos naturales. Un paso en la optimización es encontrar la plantilla como la dimensión máximamente informativa dada la ubicación espacial estimada donde la respuesta podría haberse activado dentro de cada imagen. Las estimaciones de las ubicaciones que desencadenaron la respuesta se actualizan en el siguiente paso. Bajo el supuesto de una relación monótona entre la tasa de disparo y las proyecciones de estímulo en la plantilla en una posición dada, la ubicación más probable es la que tiene la mayor proyección en la estimación de la plantilla. El algoritmo muestra una convergencia rápida durante la optimización y los resultados de la estimación son fiables incluso en el régimen de relaciones señal/ruido pequeñas. Cuando aplicamos el algoritmo a las respuestas de células complejas en la corteza visual primaria (V1) a películas naturales, encontramos que las respuestas de la mayoría de las células se describieron significativamente mejor mediante modelos invariantes de traducción basados en una plantilla en comparación con modelos específicos de posición. con varias características relevantes.

Atencio, CA, Sharpee, TO, Schreiner, CE La dimensionalidad del campo receptivo aumenta desde el mesencéfalo auditivo hasta la corteza. (2012) Revista de Neurofisiología. 107(10):2594-603. DOI: 10.1152/jn.01025.2011

+ expandir resumen

Sharpee, TO Interruptores adaptativos en los circuitos del cerebro medio. (2012) Neuron. 73(1):6-7. DOI: 10.1016/j.neurona.2011.12.017

+ expandir resumen

Fitzgerald, JD, Rowekamp, RJ, Sincich, LC, Sharpee, TO Reducción de dimensionalidad de segundo orden utilizando modelos de información mutua mínimos y máximos. (2011) PLOS Biología Computacional. 7(10):e1002249. DOI: 10.1371/diario.pcbi.1002249

+ expandir resumen

Sharpee, TO, Nagel, KI, Doupé, AJ Adaptación bidimensional en el cerebro anterior auditivo. (2011) Revista de Neurofisiología. 106(4):1841-61. DOI: 10.1152/jn.00905.2010

+ expandir resumen

Las neuronas sensoriales exhiben dos propiedades universales: sensibilidad a múltiples dimensiones de estímulo y adaptación a las estadísticas de estímulo. La forma en que la adaptación afecta la codificación a lo largo de las dimensiones primarias está bien caracterizada para la mayoría de las vías sensoriales, pero si afecta las dimensiones secundarias y cómo lo hace es menos claro. Estudiamos estos efectos para las neuronas en el equivalente aviar de la corteza auditiva primaria, respondiendo a sonidos modulados temporalmente. Mostramos que la tasa de activación de las neuronas individuales en el campo L se vio afectada por al menos dos componentes de la amplitud logarítmica del sonido variable en el tiempo. Cuando la amplitud general del sonido era baja, las respuestas neuronales se basaban en combinaciones no lineales de la amplitud logarítmica media y su tasa de cambio (diferencial de primera vez). A una amplitud de sonido media alta, las dos características de estímulo relevantes se convirtieron en la primera y segunda derivada temporal de la amplitud logarítmica del sonido. Por lo tanto, se conservó una relación sorprendentemente sistemática entre las dimensiones a través de los cambios en la intensidad del estímulo, por lo que una de las dimensiones relevantes se aproximó al diferencial de tiempo de la otra dimensión. En contraste con la media del estímulo, los aumentos en la varianza del estímulo no cambiaron las dimensiones relevantes, pero aumentaron selectivamente la contribución de la segunda dimensión al disparo neuronal, lo que ilustra un nuevo comportamiento adaptativo habilitado por la codificación multidimensional. Finalmente, demostramos teóricamente que la inclusión de diferenciales de tiempo como características de estímulo adicionales, como se ve de manera tan prominente en las respuestas de una sola neurona estudiadas aquí, es una estrategia útil para codificar estímulos naturalistas, porque puede reducir la frecuencia de muestreo necesaria mientras mantiene la robustez de reconstrucción del estímulo al ruido correlacionado.

Sharpee, TO, Atencio, CA, Schreiner, CE Representaciones jerárquicas en la corteza auditiva. (2011) Opinión actual en neurobiología. 21(5):761-7. DOI: 10.1016/j.conb.2011.05.027

+ expandir resumen

Rowekamp, RJ, Sharpee, TO Análisis de campos receptivos multicomponentes a partir de respuestas neuronales a estímulos naturales. (2011) Red. 22(1-4):45-73. DOI: 10.3109/0954898X.2011.566303

+ expandir resumen

Fitzgerald, JD, Sincich, LC, Sharpee, TO Modelos mínimos de cálculos multidimensionales. (2011) PLOS Biología Computacional. 7(3):e1001111. DOI: 10.1371/diario.pcbi.1001111

+ expandir resumen

Los cálculos multidimensionales realizados por muchos sistemas biológicos a menudo se caracterizan por tener información limitada sobre las correlaciones entre entradas y salidas. Dada esta limitación, nuestro enfoque es construir la función de respuesta de máxima entropía de ruido del sistema, lo que conduce a un modelo de forma cerrada y mínimamente sesgado consistente con un conjunto dado de restricciones en los momentos de entrada/salida; el resultado es equivalente a los modelos de campo aleatorio condicional del aprendizaje automático. Para sistemas con salidas binarias, como neuronas que codifican estímulos sensoriales, los modelos de máxima entropía de ruido son funciones logísticas cuyos argumentos dependen de las restricciones. Una restricción en la salida promedio convierte los modelos binarios de máxima entropía de ruido en modelos mínimos de información mutua, lo que permite el cálculo del contenido de información de las restricciones y una caracterización teórica de la información de los cálculos del sistema. Utilizamos este enfoque para analizar las funciones de entrada/salida no lineales en la retina y el tálamo de macacos; aunque se ha demostrado previamente que estos sistemas responden a dos dimensiones de entrada, la forma funcional de la función de respuesta en este espacio reducido no se ha identificado sin ambigüedades. Se encuentra que un modelo de segundo orden basado en la función logística es necesario y suficiente para describir con precisión las respuestas neuronales a los estímulos naturalistas, lo que representa un promedio del 93% de la información mutua con una pequeña cantidad de parámetros. Así, a pesar de que el estímulo es altamente no gaussiano, la gran mayoría de la información en las respuestas neuronales está relacionada con correlaciones de primer y segundo orden. Nuestros resultados sugieren una forma objetiva e imparcial de modelar cálculos multidimensionales y determinar las estadísticas de las entradas que se codifican en las salidas.

Jeanne, JM, Thompson, JV, Sharpee, TO, Gentner, TQ Emergencia de representaciones categóricas aprendidas dentro de un circuito auditivo del cerebro anterior. (2011) Journal of Neuroscience. 31(7):2595-606. DOI: 10.1523/JNEUROSCI.3930-10.2011

+ expandir resumen

Imaizumi, K., Priebe, Nueva Jersey, Sharpee, TO, Cheung, SO, Schreiner, CE Codificación de información temporal por tiempo, velocidad y lugar en la corteza auditiva del gato. (2010) Más uno. 5(7):e11531. DOI: 10.1371/journal.pone.0011531

+ expandir resumen

Gallarda, BW, Sharpee, TO, Pfaff, SL, Alaynick, WA Definición de patrones de ráfagas locomotoras rítmicas utilizando una transformada wavelet continua. (2010) Ann. NY Acad. Ciencia. 1198:133-9. DOI: 10.1111/j.1749-6632.2010.05437.x

+ expandir resumen

Atencio, CA, Sharpee, TO, Schreiner, CE Cálculo jerárquico en el circuito cortical auditivo canónico. (2009) Actas de la Academia Nacional de Ciencias de los Estados Unidos de América. 106(51):21894-9. DOI: 10.1073/pnas.0908383106

+ expandir resumen

Fitzgerald, JD, Sharpee, TO Interacciones por pares máximamente informativas en redes. (2009) Phys Rev E Stat Nonlin Soft Matter Phys. 80(3 parte 1):031914. DOI: 10.1103/PhysRevE.80.031914

+ expandir resumen

Liu, YS, Stevens, CF, Sharpee, TO Irregularidades predecibles en los campos receptivos de la retina. (2009) Actas de la Academia Nacional de Ciencias de los Estados Unidos de América. 106(38):16499-504. DOI: 10.1073/pnas.0908926106

+ expandir resumen

Sincich, LC, Horton, JC, Sharpee, TO Preservar la información en la transmisión neuronal. (2009) Journal of Neuroscience. 29(19):6207-16. DOI: 10.1523/JNEUROSCI.3701-08.2009

+ expandir resumen

Sharpee, TO, Víctor, JD La modulación contextual de los campos receptivos de V1 depende de su simetría espacial. (2009) Revista de Neurociencia Computacional. 26(2):203-18. DOI: 10.1007/s10827-008-0107-5

+ expandir resumen

Kou, M., Sharpee, TO Estimación de modelos lineales-no lineales utilizando divergencias de Renyi. (2009) Red. 20 (2): 49-68. DOI: 10.1080/09548980902950891

+ expandir resumen

Atencio, CA, Sharpee, TO, Schreiner, CE No linealidades cooperativas en neuronas corticales auditivas. (2008) Neuron. 58(6):956-66. DOI: 10.1016/j.neurona.2008.04.026

+ expandir resumen

Sharpee, TO, Miller, KD, Stryker, MP Sobre la importancia de la no linealidad estática en la estimación de filtros neuronales espaciotemporales con estímulos naturales. (2008) Revista de Neurofisiología. 99(5):2496-509. DOI: 10.1152/jn.01397.2007

+ expandir resumen

Comprender las respuestas neuronales con estímulos naturales se ha convertido cada vez más en una parte esencial de la caracterización de la codificación neuronal. Las respuestas neuronales se caracterizan comúnmente por un modelo lineal-no lineal (LN), en el que la salida de un filtro lineal aplicado al estímulo se transforma en una no linealidad estática para determinar la respuesta neuronal. Para estimar el filtro lineal en el modelo LN, los estudios de respuestas a estímulos naturales comúnmente usan métodos que son imparciales solo para un modelo lineal (en el que no hay no linealidad estática): promedios desencadenados por picos con corrección para el espectro de potencia del estímulo, con o sin regularización. Aunque estos métodos funcionan bien para estímulos artificiales, como el ruido blanco gaussiano, aquí mostramos que estiman los filtros neuronales de los modelos LN a partir de respuestas a estímulos naturales de manera mucho más pobre. Estudiamos células simples en la corteza visual primaria del gato. Demostramos que los filtros calculados teniendo en cuenta directamente la no linealidad tienen mejor poder predictivo y dependen menos del estímulo que los calculados bajo el modelo lineal. Con estímulos de ruido, los filtros calculados utilizando los modelos lineal y LN fueron similares, como se predijo teóricamente. Con estímulos naturales, los filtros de los dos modelos pueden diferir profundamente. Los filtros de ruido y de estímulo natural diferían significativamente en las propiedades espaciales, pero estas diferencias se exageraron cuando los filtros se calcularon utilizando el modelo lineal en lugar del modelo LN. Aunque la regularización de los filtros computados bajo el modelo lineal mejoró su poder predictivo, también condujo a distorsiones sistemáticas de sus perfiles de frecuencia espacial, especialmente en frecuencias espaciales y temporales bajas.

Clifford, CW, Webster, MA, Stanley, GB, Stocker, AA, Kohn, A., Sharpee, TO, Schwartz, O. Adaptación visual: aspectos neurales, psicológicos y computacionales. (2007) Investigación de la visión. 47(25):3125-31. DOI: 10.1016/j.visres.2007.08.023

+ expandir resumen

Sharpee, TO Comparación de estrategias de maximización de varianza e información para caracterizar la selectividad de características neuronales. (2007) Stat Med. 26(21):4009-31. DOI: 10.1002/sim.2931

+ expandir resumen

Este artículo compara varios métodos estadísticos para analizar la selectividad de características neurales con estímulos naturales. A pesar del carácter no gaussiano de las correlaciones en estímulos naturales, se pueden encontrar varias dimensiones de estímulo relevantes maximizando la información o, como se demuestra aquí, la varianza. En el caso de la información, la relevancia de cada dimensión se cuantifica mediante una divergencia de Kullback-Leibler entre la distribución de probabilidad de entrada completa y la de las entradas asociadas con respuestas neuronales positivas, ambas proyectadas en esa dimensión. Demostramos que la coincidencia de mínimos cuadrados de la predicción no lineal basada en varias dimensiones relevantes para los trenes de picos registrados produce un esquema de optimización similar a la maximización de la información. Las dimensiones relevantes se encuentran como aquellas que capturan la mayor variación en la respuesta neuronal. La varianza a lo largo de una dimensión de estímulo viene dada por una divergencia de Rényi de orden 2 en lugar de la divergencia de Kullback-Leibler utilizada para maximizar la información. Se muestra que los errores estadísticos esperados para los dos esquemas son similares a través de cálculos analíticos y numéricos. Sin embargo, en el límite asintótico de grandes números de picos, maximizar la información da como resultado errores más pequeños que la optimización de la varianza. Las simulaciones numéricas para celdas modelo con diferentes niveles de ruido muestran que esta tendencia persiste, y posiblemente aumenta, cuando disminuye el número de picos. Esto hace que el problema de encontrar dimensiones relevantes sea uno de los ejemplos en los que los enfoques teóricos de la información no tienen más datos limitados que las medidas basadas en la varianza. La optimización de la varianza y la información también supera a los métodos basados en el promedio activado por picos para todos los números de picos y niveles de ruido neuronal.

Sharpe, T., Bialek, W. Límites de decisión neuronal para la máxima transmisión de información. (2007) Más uno. 2(7):e646. DOI: 10.1371/journal.pone.0000646

+ expandir resumen

Sharpee, TO, Sugihara, H., Kurgansky, AV, Rebrik, SP, Stryker, MP, Miller, KD El filtrado adaptativo mejora la transmisión de información en la corteza visual. (2006) Naturaleza. 439 (7079): 936-42. DOI: 10.1038/naturaleza04519

+ expandir resumen

Víctor, JD, Mechler, F., Repucci, MA, Púrpura, KP, Sharpe, T. Respuestas de las neuronas V1 a las funciones de hermita bidimensional. (2006) Revista de Neurofisiología. 95(1):379-400. DOI: 10.1152/jn.00498.2005

+ expandir resumen

Las neuronas en la corteza visual primaria se consideran filtros orientados o detectores de energía que realizan análisis de características unidimensionales. Generalmente se cree que las principales desviaciones de esta imagen incluyen controles de ganancia e influencias moduladoras. Aquí investigamos las propiedades del campo receptivo (RF) de neuronas individuales con estímulos bidimensionales localizados, las funciones bidimensionales de Hermite (TDH). Los TDH se pueden agrupar en distintas bases ortonormales completas que coinciden en energía de contraste, extensión espacial y contenido de frecuencia espacial, pero difieren en forma bidimensional y, por lo tanto, se pueden usar para sondear no linealidades específicas del espacio. Aquí usamos dos de estas bases: TDH cartesianas, que se asemejan a rejillas y tableros de ajedrez con viñetas, y TDH polares, que se asemejan a anillos y dianas con viñetas. De 63 unidades aisladas, 51 respondieron a los estímulos de TDH. En 37/51 unidades, encontramos diferencias significativas en el tamaño de la respuesta general (21/51) o la forma aparente de RF (28/51) que dependían del conjunto de base que se utilizó. Debido a las propiedades de los estímulos TDH, estos hallazgos son inconsistentes con las no linealidades simples de retroalimentación y con muchas variantes de modelos de energía. Más bien, implican la presencia de no linealidades que no son locales ni en el espacio ni en la frecuencia espacial. Las unidades que mostraban estas diferencias estaban presentes en un grado similar en gatos y monos, en células simples y complejas y en capas supragranulares, infragranulares y granulares. Por lo tanto, encontramos un sustrato neurofisiológico ampliamente distribuido para el análisis espacial bidimensional en las primeras etapas del procesamiento cortical. Además, el patrón poblacional de sintonización con las funciones TDH sugiere que las neuronas V1 muestrean no solo orientaciones, sino un espacio más grande de forma bidimensional, de manera imparcial.

Sharpe, T., Sugihara, H., Kurgansky, AV, Rebrik, S., Stryker, MP, Miller, KD Selectividad característica de sondeo de las neuronas en la corteza visual primaria con estímulos naturales. (2004) Proc SPIE Int Soc Opt Ing.(5467): 212-222

+ expandir resumen

Sharpe, T., Rust, Carolina del Norte, Bialek, W. Análisis de respuestas neuronales a señales naturales: dimensiones máximamente informativas. (2004) Computación neuronal. 16 (2): 223-50. DOI: 10.1162/089976604322742010

+ expandir resumen

Dykman, MI, Sharpe, T., Platzman, PM Mejora de la tunelización de un sistema de electrones 2D correlacionado mediante un retroceso de tipo Mössbauer de muchos electrones en un campo magnético. (2001) física Rev. Lett. 86(11):2408-11. DOI: 10.1103/PhysRevLett.86.2408

+ expandir resumen

Barabash-Sharpee, T., Dykman, MI, Platzman, PM Tunelización transversal a un campo magnético y su aparición en sistemas de electrones 2D correlacionados. (2000) física Rev. Lett. 84(10):2227-30. DOI: 10.1103/PhysRevLett.84.2227

+ expandir resumen

Nowotny, T., van Albada, SJ, Fellous, JM, Haas, JS, Jolivet, RB, Metzner, C., Sharpe, T. Editorial: Avances en Neurociencia Computacional. (Dakota del Norte) Fronteras en Neurociencia Computacional. 15:824899. DOI: 10.3389/fncom.2021.824899

Dra. Tatyana Sharpee

Instituto Salk de Estudios Biológicos - Publicaciones

todas las publicaciones

Apoye la investigación de Salk

Education

Afiliaciones

Premios y honores

Mi Perfil

Caracteristicas

Página web

Contacto