Characterization of information and causality measures for the study of neuronal data

Abstract

We study two methods of data analysis which are common tools for the analysis of neuronal data. In particular, we examine how causal interactions between brain regions can be investigated using time series reflecting the neural activity in these regions. Furthermore, we analyze a method used to study the neural code that evaluates the discrimination of the responses of single neurons elicited by different stimuli. This discrimination analysis is based on the quantification of the similarity of the spike trains with time scale parametric spike train distances. In each case we describe the methods used for the analysis of the neuronal data and we characterize their specificity using simulated or exemplary experimental data. Taking into account our results, we comment the previous studies in which the methods have been applied. In particular, we focus on the interpretation of the statistical measures in terms of underlying neuronal causal connectivity and properties of the neural code, respectively.

Estudiem dos mètodes d'anàlisi de dades que són eines habituals per a l'anàlisi de dades neuronals. Concretament, examinem la manera en què les interaccions causals entre regions del cervell poden ser investigades a partir de sèries temporals que reflecteixen l'activitat neuronal d'aquestes regions. A més a més, analitzem un mètode emprat per estudiar el codi neuronal que avalua la discriminació de les respostes de neurones individuals provocades per diferents estímuls. Aquesta anàlisi de la discriminació es basa en la quantificació de la similitud de les seqüències de potencials d'acció amb distàncies amb un paràmetre d'escala temporal. Tenint en compte els nostres resultats, comentem els estudis previs en els quals aquests mètodes han estat aplicats. Concretament, ens centrem en la interpretació de les mesures estadístiques en termes de connectivitat causal neuronal subjacent i propietats del codi neuronal, respectivament.