Neuronen zijn cellen in het zenuwstelsel

Bachelorproject
Laura van Heerden 5828643
Scientific abstract
The reliability of the response of a thalamocortical neuron in the high conductance state was
investigated for an average membrane potential of -80 mV, -70 mV -60 mV and -50 mV. The
high conductance state was modeled by inserting a synaptic current with fluctuating
excitatory and inhibitory conductances. This feature was embedded into an already existent
model of the thalamocortical relay neuron. The neuron was provided with a synaptic input
spike train that stayed the same for each trial, unlike the fluctuating background. The bursting
rate was low considering the burst-inducing T-type calcium current. The reliability was
highest for -60 mV and lowest for -70 mV, indicating a peak in the reliability.
Next the excitatory and inhibitory conductances of the noisy background were adjusted so that
there fluctuations were correlated. Again the reliability was investigated for four different
average potentials.
Only the reliability for an average membrane potential of -50 mV increased in comparison to
the uncorrelated model.
Populair wetenschappeljke Samenvatting
Neuronen zijn cellen in het zenuwstelsel. Ze geven information aan elkaar door door middel
van elektrische signalen. Deze elektrische signalen heten 'spikes’, een piek in de potentiaal die
over het membraan staat. Een serie opeenvolgende spikes heet een spike train. Als de spikes
elkaar heel snel opvolgen in een groepje noemen we dit groepje een burst. Een neuron dat in
contact staat met vele andere neuronen ontvangt veel achtergrondruis want af en toe 'spiken'
die andere neuronen spontaan. Dit zorgt ervoor dat het membraan van het neuron beter geleid.
Daarom zeggen ook wel dat het neuron in de high conductance state is.
In mijn onderzoek heb ik de respons onderzocht van een neuron dat veel achtergrondruis
krijgt. Ik modelleerde een zenuwcel in de high-conductance state die ik vervolgens meerdere
malen dezelfde spike train als input gaf. Dit deed ik voor vier verschillende varianten van de
achtergrondruis, zodat de gemiddelde membraan potentiaal de waarden -80 mV, -70 mV, -60
mV en -50 mV zou aannemen. De achtergrondruis was elke keer verschillend, maar het
inputsignaal dat ik het neuron 'voerde' was elke keer hetzelfde. Uit de respons van het neuron
kon de spiking frequency worden bepaald. Door de verschillende output spike trains te
vergelijken, kon bekeken worden hoezeer deze op elkaar leken. Dit is de betrouwbaarheid van
een neuron. De hoeveelheid bursts in de respons van het neuron was verrassend laag terwijl er
toch een mechanisme in het neuron zat die deze zou moet veroorzaken. Door deze stroom
groter te maken kon ik vast stellen dat dit mechanisme overschaduwd werd door de
achtergrondruis en de input spike train.
De high-conductance state werd gemodelleerd door fluctuerende geleidbaarheden. Een deel
van de geleidbaarheid bracht de potentiaal over de membraan naar beneden, een ander deel
bracht hem omhoog. Dit wordt respectievelijk de excitatoire en inhibitoire geleidbaarheeid
genoemd. Als uitbreiding op mijn simulatie werd opnieuw alles doorlopen, maar nu waren de
twee geleidbaarheden gecorreleerd. Dit betekent dat een verandering in de een een
verandering van de ander tot gevolg had. Ik zag dat de betrouwbaarheid van het neuron voor
een gemiddelde potentiaal van -50 mV iets omhoog ging.