Acoplamientos neuronales entre células ganglionares retinianas inferidos por métodos eficientes de física estadística inversa

La complejidad de los sistemas neuronales a menudo hace impracticables las mediciones explícitas de todas las interacciones entre sus componentes. Los enfoques de física estadística inversa, que inferen couplings efectivos entre neuronas a partir de su actividad de disparo, han sido hasta ahora obstaculizados por su complejidad computacional. Aquí, presentamos 2 algoritmos inversos complementarios y computacionalmente eficientes basados en los modelos de Ising y "disparo e integración filtrada". Aplicamos esos algoritmos para reanalizar grabaciones multielectrodo en la retina de salamandra en la oscuridad y bajo un estímulo visual aleatorio. Encontramos acoplamientos positivos fuertes entre células ganglionares cercanas comunes a ambos estímulos, mientras que los acoplamientos a larga distancia aparecen solo bajo el estímulo aleatorio. Se discute la incertidumbre sobre los acoplamientos inferidos debido a las limitaciones en las grabaciones (duración, pequeña área cubierta en la retina). Nuestros métodos permitirán la evaluación en tiempo real de los acoplamientos para grandes ensamblajes de neuronas.