Descripción del proyecto
DEL MISMO MODO QUE NUESTRA EXPERIENCIA TIENE SU ORIGEN EN NUESTRAS PERCEPCIONES DEL MEDIO, NUESTRAS PERCEPCIONES ESTAN A SU VEZ BASADAS EN NUESTRA EXPERIENCIA, ¿COMO CONSTRUYE EL CEREBRO NUESTRAS EXPECTATIVAS A PARTIR DE LA EXPERIENCIA Y COMO ESTAS EXPECTATIVAS AFECTAN A NUESTRA PERCEPCION? EN UN MARCO BAYESIANO LA PERCEPCION SE DESCRIBE COMO UN PROBLEMA DE INFERENCIA EN EL QUE LAS EXPECTATIVAS DEBEN REFLEJAR LA PROBABILIDAD A PRIORI DE LA OCURRENCIA DE LAS DIFERENTES VARIABLES SENSORIALES DEL ENTORNO, ESTA PROBABILIDAD, COMUNMENTE LLAMADA PRIOR, DEBE COMBINARSE CON LA INFORMACION SENSORIAL PARA DAR LUGAR A DECISIONES PERCEPTUALES OPTIMAS, EXISTEN MODELOS COMPUTACIONALES TALES COMO EL ACCUMULATION-TO-BOUND QUE SE HAN UTILIZADO EXTENSAMENTE PARA DESCRIBIR LA INTEGRACION TEMPORAL DE ESTIMULOS SENSORIALES Y CON LOS QUE ES POSIBLE DIVISAR VARIAS MANERAS PARA TENER EN CUENTA LA EXISTENCIA DE PRIORS NO UNIFORMES, SIGUE SIENDO UNA PREGUNTA ABIERTA SIN EMBARGO SU VALIDEZ EN TERMINOS GENERALES, E,G, EN DIFERENTES TAREAS DE DISCRIMINACION, Y SI SU IMPLEMENTACION UTILIZANDO NEURONAS ES PLAUSIBLE, MAS IMPORTANTE AUN, CRECEMOS DE DATOS ELECTROFISIOLOGICOS QUE MUESTREN COMO LOS CIRCUITOS NEURONALES INTEGRAN EVENTOS ANTERIORES EN ESCALAS DE TIEMPO MAS LARGOS Y PROCESAN ESTA INFORMACION DE FORMA ADAPTATIVA PARA GENERAR EXPECTATIVAS VENTAJOSAS DE CARA A CONSEGUIR UNA INFERENCIA OPTIMA DEL ENTORNO,NUESTROS OBJETIVOS SON ENTENDER (1) COMO LOS CIRCUITOS DE LA CORTEZA CEREBRAL INTEGRAN LA HISTORIA RECIENTE DE ESTIMULOS Y RECOMPENSAS PARA GENERAR EXPECTATIVAS, (2) COMO LA INFORMACION SENSORIAL QUE FLUCTUA EN EL TIEMPO ES INTEGRADA DURANTE LA DURACION DE ESTIMULO PARA PRODUCIR DECISIONES PERCEPTUALES, Y (3) COMO SE COMBINAN LAS EXPECTATIVAS CON LA INFORMACION SENSORIAL EN LOS DIFERENTES CIRCUITOS CORTICALES DE LA JERARQUIA SENSORIAL PARA LLEGAR A SESGAR NUESTRAS DECISIONES, PARA ELLO ENTRENAREMOS RATAS EN UNA NUEVA TAREA DE DISCRIMINACION AUDITIVA QUE UTILIZA SECUENCIAS DE ESTIMULOS CON UNA ESTRUCTURA CUASI-PREDECIBLE QUE PUEDE SER EMPLEADA PARA CALCULAR PRIORS ADAPTADOS A LA ESTADISTICA DEL ENTORNO Y ASI MEJORAR LA DISCRIMINACION, REALIZAREMOS REGISTROS DE POBLACIONES DE NEURONAS Y MANIPULACIONES OPTOGENETICAS PARA IDENTIFICAR LAS AREAS DE LA CORTEZA CEREBRAL INVOLUCRADAS EN LA GENERACION DE PRIORS Y CARACTERIZAREMOS LA DINAMICA DE CIRCUITO QUE INTEGRA DICHOS PRIORS CON LA INFORMACION SENSORIAL, PARA ELLO, DESARROLLAREMOS UN MODELO COMPUTACIONAL DE RED NEURONAL LA ENTRENAREMOS PARA CLASIFICAR ESTIMULOS FLUCTUANTES DE MODO QUE MEDIANTE LA ADAPTACION DE SU DINAMICA A LA ESTADISTICA DE LA SECUENCIA DE ESTIMULOS, ACUMULE EVIDENCIA ENTRE TRIALS Y MAXIMICE EL RENDIMIENTO EN LA CLASIFICACION, EL MODELO GENERALIZARA LOS MODELOS ACCUMULATION-TO-BOUND PORQUE SERA CAPAZ DE INTEGRAR INFORMACION A TRAVES DE DIVERSAS ESCALAS DE TIEMPO, ESTE MODELO SERVIRA COMO UNA HIPOTESIS DE TRABAJO PARA INTERPRETAR Y ANALIZAR LA DINAMICA DE ALTA DIMENSION DE LOS CIRCUITOS CORTICALES REGISTRADOS MIENTRAS QUE LAS RATAS REALIZAR ESTA TAREA, NUESTRA PROPUESTA ESTABLECERA LAS BASES PARA ENTENDER UNA CAPACIDAD COGNITIVA CLAVE DEL CEREBRO: SU TENDENCIA A UTILIZAR CONTINUAMENTE LAS EXPERIENCIAS DEL PASADO Y PROCESARLAS CON EL FIN DE PREDECIR EL FUTURO PROXIMO, LA CARACTERIZACION DE LA BASES NEURONALES DE ESTE PROCESO CLAVE DE LA COGNICION, PODRIA AYUDAR A COMPRENDER LOS DEFICITS COGNITIVOS OBSERVADOS EN TRASTORNOS CEREBRALES COMO LA ESQUIZOFRENIA O LA FAMILIA DE ENCEFALITIS AUTOINMUNES, CIRCUITO CORTICAL\TOMA DE DECISIONES\DISCRIMINACIÓN ACÚSTICA\ELECTROFISIOLOGÍA\MODELO COMPUTACIONAL DE RED DE NEURONAS