ING - Scuola di Ingegneria Industriale e dell'Informazione
9-apr-2024
2022/2023
Le cellule gangliari retiniche (RGC) sono i neuroni di uscita della retina e inviano segnali lungo il nervo ottico. Esistono svariati tipi di RGC, i quali rispondono in modo diverso agli stimoli visivi. La loro classificazione sulla base delle risposte a uno stimolo visivo prende il nome di tipizzazione funzionale delle RGC. Studi precedenti hanno dimostrato che è possibile eseguire una buona tipizzazione analizzando le risposte delle RGC a uno stimolo composto da dischi di varie dimensioni centrati nel campo recettivo della cellula. Questo metodo richiede la presentazione di un diverso stimolo a ogni neurone, ma ciò è difficilmente realizzabile in esperimenti ad alto rendimento, in cui si effettua la registrazione simultanea di svariate cellule utilizzando un array a multi-elettrodi. Una soluzione alternativa qui proposta è quella di mostrare lo stesso stimolo a molte cellule contemporaneamente e utilizzare questi dati per addestrare un modello delle RGC in grado di predire le risposte ai dischi. Lo specifico problema qui affrontato è capire quale stimolo utilizzare per apprendere al meglio il modello. Abbiamo utilizzato dei processi gaussiani per modellizzare le risposte delle cellule a diversi stimoli e in seguito abbiamo quantificato la loro capacità di predire le risposte ai dischi. Le prestazioni del modello riflettono la bontà dello stimolo, e questa misura può essere utilizzata per ottimizzare lo stimolo. Questa procedura è stata applicata a uno stimolo a scacchiera e siamo stati in grado di identificare lo stimolo ottimale per la caratterizzazione delle risposte delle RGC ai dischi in una sequenza temporale di scacchiere contenente quadrati di dimensioni diverse nella stessa proporzione. In futuro questo metodo potrà essere utilizzato per migliorare la tipizzazione funzionale delle RGC.
Retinal Ganglion Cells (RGCs) are the output neurons of the retina and send signals down the optic nerve. There are many different types of RGC, which respond in a diverse way to visual stimuli. Their classification based on the responses to a visual stimulus takes the name of functional RGCs typing. Previous methods demonstrated that a good typing can be performed by exploiting the responses of the RGCs to a stimulus composed of disks of varying sizes centered in the receptive field of the cell. This method requires presenting a different stimulus to each neuron, which is difficult to do in high-throughput experiments, where many cells are recorded simultaneously using a multi-electrode array. An alternative solution proposed here is to show the same stimulus to many cells simultaneously and use these data to train a model of the RGCs able to predict responses to the disks. The specific challenge we address is to understand which stimulus to use to best learn the model. We use gaussian processes to fit cells responses to different stimuli and we quantify how good they are at predicting the responses to disks. The performance of the model reflects the goodness of the stimulus, and this measure can be used to optimize the stimulus. The procedure has been applied on the commonly used checkerboard stimulus and we were able to identify the optimal stimulus for the characterization of the responses of RGCs to the disks as a temporal sequence of checkerboards containing different check sizes in equal proportion. In the future this method can be used to improve the functional typing of RGCs.