Comparazione di metodi statistici per individuazione di pattern spazio-temporali in processi di punti multivariati: un'applicazione in neuroscienze

The understanding of how information is processed and how neurons coordinate their activity is still a challenge in neuroscience. The brain network is highly interconnected, and the firing activity of single neurons is influenced by the behavior of their peers: Hebb's hypothesis states that the evolution of neuronal activity is driven by the activation sequence of groups of neurons called assemblies. Moreover, recent technological developments in neuroscience made electrophysiological recordings of large neuronal population possible. Correlated activity is thought to be the expressing signature of the activation of a cell assembly, thus many methods have been designed to extract correlation and dependency structures from this high-dimensional data. Some of these methods look specifically to significant repetitions of firing patterns, although they are based on different hypothesis and have different performances. This present work addresses the question by studying two statistical methods in order to compare and contrast the hypothesis behind them, and both their statistical and computational performances. The purpose is to identify, in our specific model, in which settings one method is more performing than the other in order to obtain a possible workflow for the analysis of suitable electrophysiological data.

La comprensione di come nel cervello sono processate le informazioni e come i neuroni coordinano le proprie attività è ancora una sfida in neuroscienze. La rete neurale è densamente interconnessa, e l'attività elettrica dei singoli neuroni è influenzata dal comportamento dei propri pari: l'ipotesi di Hebb afferma che l'evoluzione dell'attività neurale è regolata dalla sequenza di attivazione di gruppi di neuroni chiamati assemblies. Inoltre, recenti sviluppi tecnologici in neuroscienze hanno reso possibile la registrazione elettrofisiologica di vaste popolazioni di neuroni. Si suppone che la presenza di correlazione nell'attività sia data dall'attivazione di un assembly, e di conseguenza sono stati sviluppati metodi per estrarre strutture di correlazione e dipendenza da tali dati multi-dimensionali. Alcuni di questi metodi ricercano specificatamente ripetizioni significative di pattern costituiti da impulsi, sebbene siano basati su ipotesi diverse e abbiano diverse performance. Questa tesi si approccia al problema studiando due differenti metodi statistici in modo da confrontare le ipotesi sottostanti, e sia le loro performance statistiche che computazionali. L'obiettivo è identificare, nel nostro particolare modello, in quali contesti un metodo è migliore dell'altro, in modo tale da ottenere un possibile workflow per l'analisi di dati elettrofisiologici.