Prefrontal circuits underlying working memory encoding and maintenance

Resum

La memòria de treball, la capacitat de mantenir i manipular informació a la nostra ment quan ja no està disponible a l'entorn, és una funció central de la nostra capacitat cognitiva. Un dels correlats neuronals més importants d'aquesta funció són les anomenades neurones persistents, que responen selectivament a l'estimulació sensorial i mantenen la seva activitat pronunciada fins i tot després d'eliminació de l'estímul. Aquest fenomen, observat amb més freqüència a l'escorça prefrontal, ha estat descrit amb èxit mitjançant models de xarxes neuronals amb dinàmica d'atractor. Tot i això, només unes poques de les neurones involucrades en tasques de memòria de treball tenen activitat persistent. A més, l'anàlisi dels registres experimentals a nivell de població revela que el codi experimenta un canvi entre la presentació de l'estímul i l'època de retenció, cosa que no és compatible amb un codi que només depèn de cèl·lules persistents establement actives . Aquesta troballa ha motivat la proposta de mecanismes alternatius, però els models computacionals actuals que expliquen la dinàmica no inclouen èpoques estables o no proporcionen una interpretació mecanística clara. En aquesta tesi, utilitzem anàlisi de dades estadístiques i modelatge de xarxes neuronals per investigar si subpoblacions neuronals especialitzades subjauen als codis de memòria de treball estables i dinàmics. Primer, investiguem la connexió entre la dinàmica observada al codi de la memòria de treball i l'estructura funcional dels circuits prefrontals. Analitzem registres prefrontals de micos macacos i observem que la selectivitat no es distribueix aleatòriament entre les neurones. L'estructure o no aleatoritat de la distribució de selectivitat està relacionada amb subpoblacions funcionals amb activitats dispars que explica la transició de dinàmic a estable al codi de la memòria de treball. En segon lloc, desenvolupem un model computacional que representa tres subpoblacions funcionals com a xarxes d'atractors que funcionen en diferents règims dinàmics. El model il·lustra com l'estructura de subpoblacions, que implica diferents neurones actives a les diferents èpoques d'una tasca, està directament relacionada amb la transició dinàmica al codi. A més, mostrem com l'arquitectura de tres xarxes es pot ampliar fàcilment per tenir en compte característiques addicionals, com ara activitat de rampa i períodes de retenció variables. En tercer lloc, les nostres xarxes basades en subpoblacions tenen lavantatge funcional de ser robustes contra estímuls distractors. El model captura la vulnerabilitat observada experimentalment als distractors que es presenten poc després de l'eliminació de l'estímul. A més, prediu que la retroalimentació "de dalt a baix" (top-down) millora la solidesa de la xarxa en general. En resum, mostrem com la presència de subpoblacions funcionals a l'escorça prefrontal pot estar relacionada amb la transició dinàmica a estable en el codi de la memòria de treball i amb més capacitat per filtrar estímuls distractors. En conclusió, el nostre treball reconcilia la dinàmica d'atractors amb els canvis dinàmics observats en el codi, suggerint encara que la dinàmica dels atractors és essencial per a la memòria de treball.

Data del Ajut	1 de des. 2023
Idioma original	Anglès
Supervisor	Klaus Wimmer (Director/a)