Sıçrayan nöron popülasyonlarındaki optimum patlama, tonik ateşlemedeki düşüşlerin kodunun çözülmesini kolaylaştırır
Bir uyaran, ortak ani artış modeli istatistiklerindeki herhangi bir değişiklik yoluyla ani artan nöron popülasyonunda kodlanabilir, ancak tek deneme popülasyon aktivitesini genellikle hücreler arasında toplanan ani artış oranıyla özetleriz: popülasyon peri-uyaran zaman histogramı (pPSTH) . Hız artışına sahip bir uyaranı kodlayan düşük taban artış hızına sahip nöronlar için bu basitleştirilmiş temsil iyi çalışır, ancak yüksek başlangıç oranlarına ve heterojen yanıt modellerine sahip popülasyonlar için, pPSTH’nin uyaranın sinirsel temsilini yakalamada sınırlı faydası vardır. Boyut, temel hız, patlama istatistikleri ve korelasyon açısından değişen ani yükselen nöron popülasyonlarını simüle ettik ve bu popülasyonların ani hızdaki düşüşleri (boşlukları) nasıl temsil ettiğini ölçtük. “Bilgi treni” olarak adlandırdığımız popülasyon artış modelinin farklı bir temsilini sunuyoruz ve farklı nöron popülasyonları arasında uyaran bilgilerini yakalamada pPSTH’den daha esnek ve sağlam olduğunu gösteriyoruz. Özellikle, bu aracı, ani artış istatistiklerinde değişen düzeylerde patlamaya sahip popülasyonları incelemek için kullanıyoruz. Popülasyonun diğer birçok parametresine karşı sağlam olan boşluk tespiti için optimal bir patlama seviyesi olduğunu bulduk. Daha sonra, bu teorik sonucu, farklı retina gangliyon hücrelerinden elde edilen deneysel veriler bağlamında ele alıyoruz ve belirli, yakın zamanda tanımlanmış bir türün taban çizgisi ani istatistiklerinin, bir kontrast adımının hem başlangıcının hem de gücünün neredeyse optimal tespitini desteklediğini belirliyoruz.
