CONICET | Buscador de Institutos y Recursos Humanos

La sincronización entre potenciales de acción (o `espigas´) de neuronas es ampliamente encontrada en el cerebro y da lugar a mecanismos que subyacen la percepción, cognición y acción. Estos patrones de actividad poblacional (que se traducen a un `código neuronal´) se encuentran caracterizados no sólo por los disparos individuales de cada neurona y por las correlaciones de pares entre ellas, sino también por dependencias estadísticas entre grupos más grandes de células, denominadas correlaciones de alto orden. Sin embargo, estudiar las interacciones de alto orden se ha tornado un desafío, dado que el número de posibles combinaciones crece exponencialmente con el tamaño del sistema y por lo tanto, la estructura de las interacciones se vuelve intratable matemática y computacionalmente. Aunque los modelos de interacciones de pares han demostrado ser capaces de capturar algunas de las características más importantes de la actividad poblacional a nivel de la retina, la evidencia experimental muestra que no son suficientes para describir la dinámica neuronal colectiva en grandes poblaciones en general.Estudiar el código neuronal mediante herramientas de Teoría de Información permite caracterizar, por ejemplo, las respuestas neuronales frente a un estímulo. Por medio de un desarrollo en serie para escalas de tiempo cortas en la información mutua, la información se puede descomponer en términos dependientes de las tasas de disparos individuales y de las componentes de correlación. En este trabajo presentamos una propuesta extendida de este desarrollo en serie, y se investigan las componentes de correlación considerando tanto interacciones de segundo y de órdenes superiores. Se demuestra que la existencia de un término espurio estímulo-dependiente que mezcla correlaciones de distintos órdenes define un escenario completamente nuevo de la funcionalidad de la interacciones de pares y así como de correlaciones de órdenes mayores a dos.