TC
Tara Chowdhury
Author with expertise in Brain-Computer Interfaces in Neuroscience and Medicine
Achievements
This user has not unlocked any achievements yet.
Key Stats
Upvotes received:
0
Publications:
2
(0% Open Access)
Cited by:
0
h-index:
15
/
i10-index:
19
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

Efficient sorting of single-unit activity from midbrain cells using KiloSort is as accurate as manual sorting.

Madeleine Allen et al.Apr 18, 2018
Extracting single-unit activity from in vivo extracellular neural electrophysiology data requires sorting spikes from background noise and action potentials from multiple cells in order to identify the activity of individual neurons. Typically this has been achieved by algorithms that employ principal component analyses followed by manual allocation of spikes to individual clusters based on visual inspection of the waveform shape. This method of manual sorting can give varying results between human operators and is highly time-consuming, especially in recordings with higher levels of background noise. To address these problems, automatic sorting algorithms have begun to gain popularity as viable methods for sorting electrophysiological data, although little is known about the use of these algorithms with neural data from midbrain recordings. KiloSort is a relatively new algorithm that automatically clusters raw data which can then be manually curated. In this report, we compare results of manually-sorted and KiloSort-processed recordings from the ventral tegmental area (VTA) and substantia nigra pars compacta (SNc). Sorting with KiloSort required substantially less time to complete, while yielding comparable and consistent results. We conclude that the use of KiloSort to identify single units from multi-channel recording in the VTA and SNc is accurate and efficient.
0

Sex differences in reward- and punishment-guided actions

Tara Chowdhury et al.Mar 18, 2019
Differences in the prevalence and presentation of psychiatric illnesses in men and women suggest that neurobiological sex differences confer vulnerability or resilience in these disorders. Rodent behavioral models are critical for understanding the mechanisms of these differences. Reward processing and punishment avoidance are fundamental dimensions of the symptoms of psychiatric disorders. Here we explored sex differences along these dimensions using multiple and distinct behavioral paradigms. We found no sex difference in reward-guided associative learning but a faster punishment-avoidance learning in females. After learning, females were more sensitive than males to probabilistic punishment but less sensitive when punishment could be avoided with certainty. No sex differences were found in reward-guided cognitive flexibility. Thus, sex differences in goal-directed behaviors emerged selectively when there was an aversive context. These differences were critically sensitive to whether the punishment was certain or unpredictable. Our findings with these new paradigms provide conceptual and practical tools for investigating brain mechanisms that account for sex differences in susceptibility to anxiety and impulsivity. They may also provide insight for understanding the evolution of sex-specific optimal behavioral strategies in dynamic environments.