Title: Spatiotemporal analysis of cultured neural networks
Language: English
Authors: Zöttl, Andreas
Qualification level: Diploma
Advisor: Markum, Harald 
Issue Date: 2009
Number of Pages: 46
Qualification level: Diploma
Researchers at EMPA, St. Gallen, Switzerland cultivated an in vitro neural network on one side of a multielectrode array and grew myofibrils on the other side to measure the activity between them. The neural action potential signals resulting from 60 spatially separated channels are analyzed by using correlation functions C(i,j)(τ) between channels i and j. Integrating the correlation functions up to a certain value results in the correlation matrix a(i,j) which is a measure for the strength of the correlations.
Due to the asymmetry of a(i,j) an information flow can be extracted from the network which results in a transfer matrix A(i,j) defining a Markov process. A set of correlation measures is established by taking a(i,j) to the power of [beta].
By introducing a corresponding partition function Z([beta]) phase-transition-like behavior near a critical [beta] is studied. At early days of the experiment the network is strongly synchronized in contrast to later times. The transitions are stronger for the asynchronous case where the peaks of the second derivative of the partition function are much higher than for the synchronous case.

Forscher der EMPA in St. Gallen (Schweiz) kultivierten ein neuronales Netz in vitro auf einer Seite eines Multielectrode-Arrays mit 60 Kanälen. Auf der anderen Seite wurden Myofibrillen angebracht, und anschließend wurde die Aktivität zwischen dem neuronalen Netz undden Myofibrillen gemessen. Die Aktionspotentiale der Neuronen im Netzwerk wurden mittels Korrelationsfunktionen C(i,j)(τ) zwischen Kanälen i und j analysiert. Integration der Korrelationsfunktionen bis zu einem bestimmten Wert liefert eine Korrelationsmatrix a(i,j), die ein Maß für die Stärke der Korrelationen darstellt. Die Asymmetrie von a(i,j) beschreibt einen Informationsfluss im Netzwerk, welcher durch eine Transfer-Matrix A(i,j), die einen Markov-Prozess definiert, dargestellt wird. Mittels a(i,j) [beta] wird eine Schar von Korrelationsmaßen eingeführt. Die entsprechende Zustandssumme Z([beta]) erlaubt die Untersuchung von phasenübergangähnlichem Verhalten. An frühen Tagen des Experiments ist das Netzwerk stark synchronisiert, im Gegensatz zu den späteren Tagen. Die Ubergänge im asynchronen Fall, die durch große Amplituden der zweiten Ableitung der Zustandssumme charakterisiert sind, erweisen sich als stärker als im synchronisierten Fall.
Keywords: in vitro neuronale Netzte; raumzeitliche Dynamik; Korrelationsintegral; Korrelationsfunktion; MEA; Biophysik; Wiederkehrplot; Phasenübergang
in vitro neural networks; spatiotemporal dynamics; correlation integral; correlation function; MEA; biophysics; recurrence plot; phase transition
URI: https://resolver.obvsg.at/urn:nbn:at:at-ubtuw:1-28787
Library ID: AC05040922
Organisation: E141 - Atominstitut der Österreichischen Universitäten 
Publication Type: Thesis
Appears in Collections:Thesis

Files in this item:

Items in reposiTUm are protected by copyright, with all rights reserved, unless otherwise indicated.

Page view(s)

checked on May 9, 2022


checked on May 9, 2022

Google ScholarTM