Statistisches Praktikum im SS 2008

Thema: "Neuronale Feuermuster"

In Kooperation mit Prof. Dr. Jochen Roeper, Direktor des Instituts für Neurophysiologie

Seminar mit Abschlusspräsentation

Di. 14:15 Uhr, Seminarraum 711 (klein), Robert-Mayer-Str. 10

Das Statistische Praktikum richtet sich an Studierende der Mathematik mit Statistik-Kenntnissen. Es ist ähnlich konzipiert wie ein Seminar. Ziel dabei ist es, statistische Denkweisen und Methoden anhand von Daten und Fragestellungen zu erproben, die aus der Praxis kommen. Im Sommersemester 2008 werden wir in Kooperation mit Kollegen aus der Neurophysiologie die Feuereigenschaften und Aktivitätsmuster verschiedener Nervenzellen mathematisch beschreiben und statistisch analysieren. Zum Abschluss sollen die Ergebnisse in einer kleinen Präsentationsreihe vorgestellt werden. Durch aktive Mitarbeit kann ein Seminarschein in "Angewandter Mathematik" erworben werden.

Abschlusspräsentation: Freitag, 11. Juli

Vorträge ab ca. 15 Uhr, Neuroscience Center, EG, Seminarraum
Treffen: 14 Uhr vor dem Gebäude zur Laborführung

Vorträge

Die folgenden Abstracts wurden in Kooperation mit den Teilnehmern des Statistischen Praktikums erstellt.

1. Role of K_ATP channels for dopaminergic activity in vivo

2. Descriptive spike-train statistics

We present basic methods for the visualization and description of empirical spike-trains, such as raster plots and firing rate statistics. The distribution and dependence of inter spike intervals is analyzed by comparing the empirical processes to standard renewal processes with different distributions. We apply the methods to the data set and discuss the results and potential difficulties.

3. Burst Erkennung mit 'Poisson Surprise'

Eine Ansammlung von Spikes, die im Verhältnis zum übrigen Prozess überraschend dicht beieinander stehen, bezeichnet man als "Burst". Die Poisson Surprise-Methode identifiziert solche Bursts, indem sie unter Annahme eines Poissonprozesses für jede Spikeansammlung eine Wahrscheinlichkeit bestimmt, mit der diese durch Zufall auftritt. Je kleiner die Wahrscheinlichkeit, desto größer die "Surprise". Die Methode wird vorgestellt, implementiert und exemplarisch auf verschiedene experimentelle Datensätze angewandt.
C.R. Legendy and M. Salcman (1985) Bursts and Recurrences of Bursts in the Spike Trains of Spontaneously Active Striate Cortex Neurons. Journal of Neurophysiology, Vol. 53 (4), pp. 926-939

4. Rank Surprise

The analysis of neuronal fire patterns reveals occasionally occurring phases of rapid firing, so called bursts. Although the concept of a burst seems to be quite intuitive for the human observer, it is much more difficult to develop automatized detection algorithms due to the lack of an established formal definition of a burst. While the Poisson-surprise method as one of the widely used algorithms makes strong assumptions about the underlying process, it was recently suggested by Gourevitch and Eggermont [1] to use a non-parametric approach using the ranks of the interspike intervals rather than the absolute firing rates. Gourevitch and Eggermont also introduced an exhaustive search algorithm in which a priori all continuous sub-sequences of the spike train are burst candidates. Applied to simulated and real data, several measures for the burst behaviour of the neuron can be derived. The efficiency of finding bursts in different generic classes of fire patterns as well as possible extensions to the method will be discussed.
[1] Gourevitch, Eggermont (2007) A nonparametric approach for detection of bursts in spike trains. Journal of Neuroscience Methods, Vol. 160, pp. 349-358

5. Ein stochastischer Oszillator

Wir entwickeln ein stochastisches Oszillationsmodell zur Charakterisierung rhythmischer neuronaler Feueraktivität. Ziel dabei ist es, mit möglichst wenigen, biologisch interpretierbaren Parametern empirische Spiketrains mit regelmäßigen Feuermustern zu beschreiben. Das Modell wird vorgestellt und mit Hilfe der Autokorrelationshistogramme an die Daten angepasst. Wir diskutieren die Stärken und Schwächen des Modells und die potentielle Bedeutung der geschätzten Parameterwerte im neurophysiologischen Kontext.

6. Ein Modell für Bursts in Spike-Trains

Es wird ein stochastisches Modell vorgestellt, das das mehrfache, gebündelte Auftreten von Spikes näher betrachtet und damit eine bestimmte Form unregelmäßiger Feuermuster beschreiben und generieren kann. Es basiert auf der Annahme n unabhängiger Input-Prozesse derselben Rate, die mit Hilfe einer Schwellenfunktion in keinen, einen oder mehrere Spikes transformiert werden. Die verschiedenen Modellparameter werden variiert und die Auswirkungen dieser Variationen betrachtet.

Poster:

Zusammenhang zwischen Genmutationen und Schmerzempfinden

In Zusammenarbeit mit der Arbeitsgruppe von Prof. Dr. Jörn Lötsch vom Institut für Klinische Pharmakologie werden Daten über das Schmerzempfinden freiwilliger Probanden analysiert. Dabei geht es um die Frage, inwiefern das Schmerzempfinden von verschiedenen Einflussgrößen abhängt, insbesondere von (1) der Art des Schmerzreizes, (2) dem Geschlecht der Probanden und/oder der Prüfer sowie (3) bestimmten genetischen Faktoren.

Statistisches Praktikum