Neural manifold analysis of mirror neuron dynamics

Praca analizuje dynamikę populacyjną w czołowo‑ciemieniowych obszarach lustrzanych makaka (AIP, F5, F6) na publicznym zbiorze danych Tili i wsp., zawierającym nagrania pojedynczych neuronów podczas wykonywania i obserwacji zadania sięgania‑chwytania typu Go/No‑Go.Aktywność populacji ujęto jako trajektorie w niskowymiarowej przestrzeni stanów, przy użyciu współdzielonej PCA, dPCA oraz liniowego dekodowania z walidacją krzyżową, testów permutacyjnych i modeli mieszanych. Zbadano, jak reprezentacja obserwowanej decyzji jest zorganizowana i reformatowana w czasie. Rozróżnienie Go/No‑Go było nieodczytywalne w chwili sygnału dźwiękowego, a stawało się liniowo separowalne dopiero po sygnale Go/No‑Go (uśrednione AUC ≈0,75), wspólnie dla trzech obszarów. Kod decyzji generalizował się częściowo między obiektami chwytu, a dekompozycja dPCA wskazała dominację składowej decyzja‑czas nad statycznym przesunięciem, co świadczy o dynamicznym, a nie stacjonarnym kodowaniu obserwowanej decyzji na poziomie populacyjnej geometrii.

This thesis analyses population dynamics in macaque fronto-parietal mirror-related areas AIP, F5, and F6 using the publicly available Tili et al. dataset, which contains single-unit recordings during execution and observation of a reach-to-grasp Go/No-Go task. Neural activity was mapped as trajectories within a low-dimensional state space. Using a combination of dimensionality reduction (shared PCA and dPCA) and linear decoding, this work tracks how task parameters unfold over time, using cross-conditional generalisation and shuffle-based null models to characterize the low-dimensional structure of the neural population code.

The central aim was to move beyond the classical question of whether individual neurons respond during both execution and observation. This work proceeds from the premise that watching, doing, and deciding are not properties of single cells, but specific arrangements of the entire population within neural state space. Specifically, this thesis examines how the fronto-parietal network segregates observation from execution, and how the timeline of an unfolding decision is mapped onto the continuous trajectory of the population state.