Honlap: http://hangyalab.koki.hu
Az agyműködés idegsejtek egyedi aktivitását reprezentáló pontfolyamatok és idegsejt populációk aktivitását leíró idősorok elemzésén keresztül érthető meg. Azt vizsgáljuk, hogyan hozza létre az agy az olyan kognitív funkciókat, mint a tanulás, memória, figyelem és döntéshozás. Ehhez olyan kísérleti adatokat hoztunk létre, mely során agysejtek környezeti ingerekre (érzékszervi ingerek, jutalom, büntetés) létrehozott válaszait mértük. Ezek értelmezéséhez lineáris statisztikai eszközökre (autokorreláció, keresztkorreláció, szűrés és egyéb konvolúciós módszerek), nem-lineáris információelméleti eszközökre (kölcsönös információ, transzferentrópia) és a legmagasabb szinten idegrendszeri modellezésre (temporal difference reinforcement learning, konduktancia-alapú hálózati modellek) van szükség.
Konkrét vizsgált kérdéseink között szerepel a
-
„figyelem screen” vizsgálat, melyben figyelemmel kapcsolatos modell-változók (szubjektív hazard modell) agyi korrelátumait keressük
-
döntéshozás gátló szabályozásának vizsgálata, mely során Parkinson-kórban szenvedő paciensek döntéshozás közben mutatott agyi aktivitását elemezzük
-
az asszociatív tanulás kéreg alatti szabályozása, mely során a dopamin és az acetlikolin neuromodulátorok tanlásra gyakorolt hatásait elemezzük.
Hivatkozások
Hangya, B., Ranade, S.P., Lorenc, M., and Kepecs, A. (2015). Central Cholinergic Neurons Are Rapidly Recruited by Reinforcement Feedback. Cell 162, 1155–1168.
Hangya, B., Sanders, J.I., and Kepecs, A. (2016). A Mathematical framework for statistical decision confidence. Neural Comput. 28.
Sanders, J.I., Hangya, B., and Kepecs, A. (2016). Signatures of a Statistical Computation in the Human Sense of Confidence. Neuron 90.
Schultz, W., Dayan, P., and Montague, P.R. (1997). A neural substrate of prediction and reward. Science 275, 1593–1599.