Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Electrophysiological characterization of striatalneurons through dynamic I-V curves
KTH, School of Computer Science and Communication (CSC).
2013 (English)Independent thesis Advanced level (degree of Master (Two Years)), 20 credits / 30 HE creditsStudent thesisAlternative title
Elektrofysiologisk karakterisering av striatala neuroner genom dynamiska I-V kurvor (Swedish)
Abstract [en]

Dynamic I-V curves constitute a naturalistic approach to electrophysiological neuronal characterization. Instead of analyzing a cells response to simple current injections and waiting for the cell membrane to stabilize, a dynamic I-V curve is generated by injecting a more naturalistic, dynamic input and analyzing the membrane response over a prolonged period of time. While this data is inherently noisy, it can be averaged out over longer recordings to produce accurate and detailed information on the current-voltage relationship of the cell membrane.

For a number of different striatal neurons, a comparison is made between membrane properties as determined through conventional methods, and those same parameters extracted from the dynamic I-V curve. These are not always in agreement, although for some parameters like the membrane resistance and capacitance, the correlation is strong enough to be statistically significant. Furthermore, the dynamic I-V curve allows estimation of membrane resistance over a wide voltage range, unlike the traditional method, yielding a better insight in the summed opening and closing of voltage-gated ion channels.

When these extracted parameters are then applied in a refractory Exponential Integrate and Fire model, the model is able to accurately mimic the response of the real neuron with minimal computational complexity.

Abstract [sv]

Dynamiska I-V-kurvor utgör en fysiologiskt relevant ansats för att elektrofysiologiskt karakterisera neuroner. Istället för att analysera en cells svar på enkla ströminjektioner och vänta på att cellmembranet stabiliseras så genereras en dynamisk I-V-kurva genom att injicera en mer naturtrogen dynamisk input och sedan analysera membransvaret över en längre tidsperiod. Trots att denna typ av data i grunden är brusig kan man genom medelvärdesbildning producera noggrann och detaljerad information om ström- spänningsrelationen för cellmembranet.

En jämförelse har gjorts mellan ett antal olika striatala neuronertyper för embranegenskaper bestämda genom konventionella metoder och motsvarande parametrar extraherade från den dynamiska I-V-kurvan. Parameteröverenstämmelsen är inte alltid god, men för parametrar som membranresistans och membrankapacitans så är korrelationen ändå stark nog att bli statisktiskt signifikant. Vidare, den dynamiska I-V-kurvan ger också möjlighet att estimera membranresistansen över ett brett spänningsintervall, till skillnad mot traditionella metoder. Detta medger en bättre insikt i hur spänningsstyrda jonkanaler öppnar eller stänger.

När de extraherade parametrarna tillämpas på en integrerande tröskelfyrningsmodell av refraktär exponentiell typ så kan modellen mycket noggrannt beskriva neuronens respons och detta med minimal beräkningskomplexitet.

Place, publisher, year, edition, pages
2013.
National Category
Computer Science
Identifiers
URN: urn:nbn:se:kth:diva-142426OAI: oai:DiVA.org:kth-142426DiVA: diva2:700408
Educational program
Master of Science in Engineering - Computer Science and Technology
Supervisors
Examiners
Available from: 2014-03-11 Created: 2014-03-04 Last updated: 2014-03-11Bibliographically approved

Open Access in DiVA

fulltext(2827 kB)317 downloads
File information
File name FULLTEXT01.pdfFile size 2827 kBChecksum SHA-512
c52645445f9b1174fd90ca93f413101594d207a2680b9d988501aa3ba4803241ac73a1c46527af7916cb0ca0ec00d1ee708d4e13b94da579d4074c6616dd8e71
Type fulltextMimetype application/pdf

By organisation
School of Computer Science and Communication (CSC)
Computer Science

Search outside of DiVA

GoogleGoogle Scholar
Total: 317 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 6924 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf