Kanaka Rajan es neurocientífica y profesora asistente en el Departamento de Neurociencia y el Instituto del Cerebro Friedman en la Escuela de Medicina Icahn en Mount Sinai en la ciudad de Nueva York . Rajan se formó en ingeniería, biofísica y neurociencia, y ha sido pionero en métodos y modelos novedosos para comprender cómo el cerebro procesa la información sensorial. Su investigación busca comprender cómo las funciones cognitivas importantes, como aprender, recordar y decidir, emergen de la actividad cooperativa de procesos neuronales de múltiples escalas, y cómo esos procesos se ven afectados por diversos estados de enfermedad neuropsiquiátrica. Las teorías integradoras resultantes sobre el cerebro unen la neurobiología y la inteligencia artificial .
Rajan nació y se crió en la India. Completó una Licenciatura en Tecnología (B.Tech.) del Centro de Biotecnología de la Universidad de Anna en Tamil Nadu , India en 2000, especializándose en Biotecnología Industrial y graduándose con distinción. [1] [2]
En 2002, Rajan obtuvo un posgrado en Neurociencia en la Universidad de Brandeis , donde realizó rotaciones experimentales con Eve Marder y Gina G. Turrigiano , antes de unirse al laboratorio de Larry Abbott, donde completó su maestría (MA). [1] En 2005 se transfirió al Ph.D. programa en Neurociencia en la Universidad de Columbia cuando la Dra. Abbott se mudó de Brandeis a Columbia y comenzó su Ph.D. con Abbott en el Centro de Neurociencia Teórica. [3]
En el trabajo de posgrado de Rajan, utilizó modelos matemáticos para abordar cuestiones neurobiológicas. [4] El componente principal de su tesis fue el desarrollo de una teoría sobre cómo el cerebro interpreta señales sensoriales sutiles dentro del contexto de su estado experiencial y motivacional interno para extraer representaciones inequívocas del mundo externo. [5] Esta línea de trabajo se centró en el análisis matemático de redes neuronales que contienen tipos excitatorios e inhibitorios para modelar neuronas y sus conexiones sinápticas. Su trabajo mostró que aumentar los anchos de las distribuciones de las fuerzas sinápticas excitatorias e inhibitorias cambia drásticamente las distribuciones de valores propios. [6]En un contexto biológico, estos hallazgos sugieren que tener una variedad de tipos de células con diferentes distribuciones de fuerza sináptica afectaría la dinámica de la red y que las distribuciones de fuerza sináptica se pueden medir para probar las características de la dinámica de la red. [6] Desde entonces, los estudios electrofisiológicos y de imágenes en muchas regiones del cerebro han validado las predicciones de esta hipótesis de transición de fase.
Para realizar este trabajo, se emplearon poderosos métodos de la teoría de matrices aleatorias [6] y la mecánica estadística [7] . El trabajo temprano e influyente de Rajan [8] con Abbott y Haim Sompolinsky integró la metodología de la física en la investigación principal de la neurociencia, inicialmente creando predicciones verificables experimentalmente y hoy consolidando estas herramientas como un componente esencial del arsenal de modelado de datos. Rajan completó su Ph.D. en 2009. [1]
De 2010 a 2018, Rajan trabajó como investigador postdoctoral en la Universidad de Princeton con el biofísico teórico William Bialek y el neurocientífico David W. Tank . [9] En Princeton, ella y sus colegas desarrollaron y emplearon un amplio conjunto de herramientas de física, ingeniería e informática para construir nuevos marcos conceptuales para describir la relación entre los procesos cognitivos y la biofísica a través de muchas escalas de organización biológica. [10]