Dissertação

{en_GB=Application of causal analysis to neural circuits in Zebrafish} {} CONFIRMED

{pt=A inferência de causalidade é um tema comum em investigação biomédica e um conceito chave no estudo the connectividade em neuro-ciência. O objetivo deste trabalho é a análise the connectividade effectiva em peixe-zebra usando Convergent Cross Mapping, uma ferramenta de inferência causal baseada na teoria de sistemas dinâmicos. Os dados utilizados continham a atividade neuronal da maiorida das células de todo o cérebro de 7 sujeitos exibindo atividade cerebral espontânea, obtidos utilizando a técnica the imagiologia Light-Sheet microscopy. O processamento dos dados contem a implementação e um método de agrupamento não supervisionado que dividiu as células em grupos funcionais, que criou 4 grupos principais: um no prosencéfalo, um no mesencéfalo e dois no rombencéfalo. A análise de CCM foi feita entre 15 neurónios-examplo de cada um dos grupos funcionais, e para todos os peixes, o que permitiu obter um diagram de causalidade com as seguintes relações: unidirecional do mesencéfalo para o prosencéfalo, e do mesencéfalo para ambas as regiões no rombencéfalo, e relações bidirecionais entre o prosencéfalo e ambas as regiões no rombencéfalo. Adicionalmente, foi testada uma versão extendida da análise do CCM, que permite differenciar entre uma relação bidirecional e uma relação unidirectional com uma forte influência da variável de causa. Este método permitiu validar o caso em que a relação é unidirecional, no entanto não apresentou resultados conclusivos para a relação bidirecional encontrada. , en=Causal inference is a common topic in biomedical research and a key concept in the study of effective connectivity in neuroscience. The aim of this work is to analyse effective connectivity in the zebrafish brain with the use of Convergent Cross Mapping (CCM), a causal inference tool based on the theory of dynamic systems. The data set consists of neural activity of the whole brain of 7 subjects displaying blocks of spontaneous activity recorded using light-sheet microscopy. Data processing consists in an implementation of an unsupervised clustering algorithm that divided the cells in functional clusters. Four main regions appear as result: one in the forebrain; one the midbrain; and two in the hindbrain. The CCM analysis performed between 15 example neurons from each cluster, and across all fish allowed to obtain a diagram with an hypothesis for causal relations in the zebrafish brain: unidirectional causality from the cluster in the midbrain to the cluster in the forebrain, from the midbrain to both clusters in the hindbrain, and a bidirectional relation between the cluster in the forebrain and the two clusters in the hindbrain. Additionally, we tested the extended version of the CCM analysis, which allows differentiating between bidirectional causality and strong unidirectional causality. It was possible to validate the unidirectional relation, but the results do not appear to be conclusive for bidirectional relations.}
{pt=Peixe zebra, Connectividade, Inferência Causal, Convergent Cross Mapping, Actividade Neuronal, Agrupamento Não Supervisionado, en=Zebrafish, Effective Connectivity, Causal Inference, Convergent Cross Mapping, Neural Activity, Unsupervised Clustering}

Novembro 19, 2019, 11:30

Orientação

ORIENTADOR

Patrícia Margarida Piedade Figueiredo

Departamento de Bioengenharia (DBE)

Professor Auxiliar

ORIENTADOR

Gonzalo de Polavieja

Champalimaud Research

Doutor