Effects of synaptic plasticity on neural activity of a local circuit model from primary visual cortex

O córtex visual desempenha papel essencial no processamento de informação visual. A primeira região do córtex a receber estímulos visuais é o córtex visual primário (V1) e pode ser subdividida anatomicamente em seis camadas, onde cada camada contém diferentes tipos e números de neurônios. Entender a forma como a informação é processada entre as diferentes camadas envolve o estudo da dinâmica dos padrões coletivos de atividade neural quando a rede é exposta a diferentes situações e como esses padrões relacionam-se com a organização estrutural e funcional da rede cortical. Essa dinâmica é afetada por mecanismos de plasticidade sináptica, de maneira que modelos computacionais que busquem capturá-la devem incluir tais mecanismos. Neste trabalho foi construído um modelo computacional de uma rede neural com 4000 neurônios baseada em informações sobre a estrutura local das conexões em V1 disponíveis na literatura neurobiológica. O modelo contém características estruturais consideradas fundamentais tais como: proporção entre neurônios inibitórios e excitatórios e probabilidades de conexões entre neurônios de diferentes populações em diferentes camadas. Os neurônios foram descritos pelo modelo de Izhikevich, reproduzindo três classes eletrofisiológicas mais abundantes no córtex: neurônios de disparo regular, para os excitatórios; neurônios de disparo rápido e baixo limiar de disparo, para os inibitórios. A regra de plasticidade sináptica utilizada foi do tipo plasticidade dependente dos tempos dos disparos neuronais (STDP em inglês), que pode fortalecer ou enfraquecer a força da conexão entre dois neurônios dependendo dos instantes dos seus disparos. Foram utilizadas versões diferentes dessa regra de plasticidade para sinapses excitatórias (STDPe) e inibitórias (STDPi). Foram simuladas situações com e sem plasticidade e alterando o tipo de neurônio inibitório presente na rede. Para cada uma, três protocolos de estimulação da rede foram utilizados: 1 estimulação por trens de disparos poissonianos aplicada a neurônios da camada 4 (simulando entradas talâmicas) e aplicada aleatoriamente aos neurônios da rede como ruído de fundo; 2 - pulsos aplicados a neurônios da camada 4 simulando estimulação visual com barras luminosas com diferentes orientações angulares; 3 - similar ao segundo protocolo, porém, estimulando a rede com dois pulsos alternantes de diferentes ângulos. Os parâmetros do modelo foram ajustados para que a atividade neural tivesse baixas frequências de disparos coerentes com dados experimentais. Esse ajuste foi mais fácil nos casos em que os neurônios inibitórios eram do tipo FS e havia STDPi. Os resultados mostraram que, de modo geral, os neurônios do tipo LTS contribuem para a formação de atividade síncrona na rede e este efeito foi amplificado com a STDPe. Para todos os protocolos, a STDPe aumentou a frequência média de disparos da rede e, para o segundo experimento, apesar da seletividade à orientação dos neurônios não ter sido alterada significativamente, houve mudanças visíveis na formação de assembleias funcionais. A competição da atividade dos neurônios no experimento 3 na presença da STDPe foi intensificada fortalecendo respostas funcionais de neurônios que não respondiam a ambos os estímulos. O balanço entre os dois tipos de regra de STDP manteve o equilíbrio entre as forças das conexões excitatórias e inibitórias.The visual cortex plays essential role in the processing of visual information. The first region of the cortex that receives visual stimuli is the primary visual cortex (V1) or striate cortex, which can be anatomically divided into six layers, where each layer has different types and numbers of neurons. Understanding the way in which information is processed by the different layers involves the study of the dynamics of collective patterns of neural activity when the network is exposed to different situations, and how these patterns are related with the structural and functional organization of cortical network. This dynamics is affected by mechanisms of synaptic plasticity, so computational models which seek to capture it should include them. In this project a computational model of a neural network was built with 4000 neurons based on information on local connectivity in V1 from the neurobiological literature. The model has realistic structural characteristics such as the proportion between inhibitory and excitatory neurons and the connection probabilities among neurons from different populations of different layers. Neurons were described by the Izhikevich model, reproducing the three most abundant electrophysiological classes in cortex: RS, for the excitatory ones; FS and LTS, for the inhibitory neurons. The synaptic plasticity rule used was spike-timing dependent plasticity (STDP), whereby the synaptic strength between two neurons can increase or decrease depending on the timing of their spikes. Were used different versions of this plasticity rule to synapses made by excitatory neurons (STDPe) and by inhibitory neurons (STDPi). Different scenarios were simulated with and without plasticity and changing the type of inhibitory neuron present in the network. For each configuration, three network stimulation protocols were used: 1 - stimulation applied to layer 4 neurons (simulating thalamic inputs) modeled by Poissonian spike trains and background noise applied to all network neurons modeled in a similar manner; 2 - pulses applied to layer 4 neurons simulating visual stimulation with light bars at different angular directions; 3 - similar to the second protocol, however, stimulating the network with two alternating pulses of different angles. The parameters of the model were adjusted so that neural activity had low spike frequencies consistent with experimental data. This adjustment was easier in cases where inhibitory neurons were of FS type and had STDPi. The results showed that, in general, LTS neurons contribute to the formation of synchronous activity in the network and this effect was amplified with the insertion of STDPe. For all protocols, the STDPe increased the average firing frequency of the network. For Experiment 2, although the orientation selectivity of the neurons did not change significantly, there have been noticeable changes in the formation of functional assemblies. The competition of the activity of neurons in Experiment 3 in the presence of STDPe strengthened functional responses of neurons that do not respond to both stimuli. The balance between the two types of STDP rule maintained the equilibrium between excitatory and inhibitory connections