SBNeC 2010
Resumo:G.006


Oral / Poster
G.006Modelando a atividade conectiva de uma população de neurônios: a Rede de Funcionalidade Neuronal
Autores:Gilberto Corso (UFRN - Universidade Federal do Rio Grande do Norte) ; José Garcia Vivas Miranda (UFBA - Universidade Federal da Bahia) ; Roberto F. S. Andrade (UFBA - Universidade Federal da Bahia) ; Bruno B. M.   Silva (UFBA - Universidade Federal da Bahia) ; Nivaldo Vasconcelos (ELS-IINN - Edmond and Lily Safra Institute of Neuroscience - NatalUFC - Universidade Federal de Campina Grande) ; Miguel A. L. Nicolelis (ELS-IINN - Edmond and Lily Safra Institute of Neuroscience - NatalDUKE - Duke University Medical Center) ; Sidarta Tollendal Gomes Ribeiro (ELS-IINN - Edmond and Lily Safra Institute of Neuroscience - NatalUFRN - Universidade Federal do Rio Grande do Norte)

Resumo

O conjunto de dados sobre para o qual se constrói o modelo aqui exposto é o seguinte: séries temporais de disparos de uma população de neurônios. Os dados são provenientes de ratos com matrizes de eletrodos implantados permanentemente em seu cérebro e registros extracelulares contínuos de atividade elétrica enquanto o animal anda, come, dorme e explora novos objetos. As séries temporais utilizadas se referem a potenciais de ação neuronais (disparos). Os disparos na série foram binados para um tamanho de bin conveniente. A partir das series temporais construímos, para uma dada janela de tempo, a rede de funcionalidade neuronal (RFN). Esta rede é intrinsecamente dinâmica, mas antes de discorrermos sobre ela vamos explicá-la com cuidado. Uma rede é um objeto matemático definido por dois conjuntos: um conjunto de vértices e outro de ligações. A RFN tem como vértices os próprios neurônios da população neuronal e as ligações entre dois neurônios quaisquer se estabelecem cada vez que a correlação entre estes neurônios extrapola dado nível de significância. Foram analisados neste trabalho três variáveis: o tamanho do bin, o tamanho da janela e o nível de significância da correlação. Os experimentos computacionais mostram estabilidade da rede frente a variações destes parâmetros. O principal resultado até o momento indica uma presença marcante de pólos (neurônios muito conectados) na rede e uma distribuição de conectividade da rede muito distante do modelo nulo que é a rede aleatória. No contexto da física estatística, esta rede se parece a uma rede livre de escala. O uso deste construto matemático é promissor, pois ele pode se tornar um eficiente método de identificação de estados de funcionalidade conectiva de uma população de neurônios. De fato, podemos pensar que a tarefa de reconhecer padrões de aprendizado e reencontrá-los ao longo do tempo, através de estados de sono ou vigília, possa ser facilitada com esta técnica. Temos isto em mente porque a RFN é uma sutil sofisticação da matriz de correlação, que é hoje a principal ferramenta usada na tarefa de reconhecer padrões de memória a partir de um conjunto de series temporais de disparo de uma população de neurônios.


Palavras-chave:  identificação de padrões, conectividade funcional, correlação, população de neurônios, séries de disparos