COMPUTATIONAL NEUROSCIENCE
OBIETTIVI E CONTENUTI
OBIETTIVI FORMATIVI
Neuroni: modellizzazione biofisica avanzata e tecniche di simulazione al calcolatore. Sinapsi: Modelli fenomenologici vs modelli biofisici; Sinapsi esponenziali a una e due costanti di tempo; Plasticità sinaptica; Reti di neuroni: modelli semplificati; Ruolo della connettività nelle dinamiche di rete
OBIETTIVI FORMATIVI (DETTAGLIO) E RISULTATI DI APPRENDIMENTO
L’insegnamento si propone di fornire strumenti teorici per la modellizzazione di strutture neurali a differente scala, dal singolo neurone fino a complesse reti neuronali.
L’obiettivo primario è quello di fornire gli strumenti teorici e di simulazione per modellare l'attività elettrofisiologica generata da strutture neurali. I contenuti dell'insegnamento permetteranno al bioingegnere di arricchire le proprie competenze nell'ambito della neuroingegneria.
Modalità didattiche
Lezioni teoriche frontali in aula. Esercitazioni da svolgere in aula sui vari macro-argomenti del corso.
PROGRAMMA/CONTENUTO
- Biophysical Model of Neurons
- Brief introduction on equivalent membrane circuit and membrane electric properties
- Passive models and propagation equation
- Hodgkin and Huxley (HH) model and dynamics
- From HH to multichannel neuron models
- Role of neuron morphology and dendritic tree in the electrophysiological patterns
- Reduced models: from multi-compartments to 2-3 compartments neurons
- Calcium dynamics
- Neuronal dynamics, excitability threshold, oscillations
- Mathematical background of non-linear systems and portrait analysis
- Hodgkin and Huxley model
- Morris-Lecar model
- Fitzhug-Nagumo model
- From bio-inspired to abstracted point neurons
- The family of integrate-and-fire (IF) neurons
- Leaky-Integrate-and-Fire (LIF)
- Exponential-Integrate-and-Fire (EIF)
- Quadratic-Integrate-and-Fire (QIF)
- Advantages and limitations of IF models
- The Izhikevich model
- Stochastic models
- Poissonian process
- Renewal process
- The synaptic transmission and plasticity
- Exponential synapse
- Alpha function synapse
- Dynamical models
- Desthexhe model
- Markovian models
- Modeling the synaptic plasticity
- Hebbian rule
- Depression, Facilitation, Augmentation (short-term plasticity)
- Long Term Potentiation/Depression
- Spike Timing Dependent Plasticity (STDP)
- Network Models
- Firing Rate Model
- Spiking Model
- Point vs. multicompartmental networks
- Balanced networks
- Network architecture
- Networks dynamics
- Interplay between dynamics and connectivity
- Different kind of connectivities
- Building a graph
- Properties of a graph
- Functional, Structural, Effective connectivity
TESTI/BIBLIOGRAFIA
Materiale distribuito e note disponibili su Aulaweb.
- Methods in Neuronal Modeling, Koch and Segev, MIT press, 1999.
- Spiking Neuron Models, Gerstner and Kistler, Cambridge press, 2002.
- Dynamical systems in neuroscience,. Izhikevich, MIT press, 2007.
- Computational Modeling Methods for Neuroscientists, De Schutter, MIT press, 2010.
- Theoretical Neuroscience, Dayan and Abbott, MIT press, 2001.
DOCENTI E COMMISSIONI
Ricevimento: Previo appuntamento via e-mail.
Commissione d'esame
PAOLO MASSOBRIO (Presidente)
SERGIO MARTINOIA
SILVIO PAOLO SABATINI
LEZIONI
Modalità didattiche
Lezioni teoriche frontali in aula. Esercitazioni da svolgere in aula sui vari macro-argomenti del corso.
ESAMI
Modalità d'esame
Esame orale su tutti gli argomenti del corso.
Gli esami si svolgeranno durante il periodo di interruzione delle lezioni: dicembre (pre-appello), gennaio, febbraio, maggio (pre-appello), giugno. luglio e settembre. Non verranno concessi ulteriori appelli straordinari.
Sostenuto l'esame, lo studente ha al massimo 1 settimana di tempo per decidere se accettare o meno il voto proposto. Terminato questo periodo, l'esame verrà registrato.
Qualora lo studente ottenesse una valutazione positiva della sua prova d'esame (cioè maggiore o uguale a 18/30), e decidesse di rifiutare tale voto, potrà presentarsi una sola altra volta a ri-sostenere l'esame che verrà quindi registrato (se maggiore o uguale a 18/30) con quest'ultima votazione (anche se inferiore alla precedente). Ad esempio se all'appello di gennaio lo studente ottiene una votazione di 25/30 e decide di non accettare tale voto e al successivo appello di febbraio consegue una votazione di 24/30, tale voto di 24/30 verrà registrato.
Modalità di accertamento
Al termine dell'insegnamento lo studente dovrà dimostrare di conoscere le tecniche di base e avanzate per modellare strutture neurali dal singolo neurone fino a grosse reti di neuroni.
Calendario appelli
Data | Ora | Luogo | Tipologia | Note |
---|---|---|---|---|
15/02/2021 | 10:00 | GENOVA | Orale | |
14/06/2021 | 10:00 | GENOVA | Orale | |
07/07/2021 | 10:00 | GENOVA | Orale | |
16/08/2021 | 08:00 | GENOVA | Esame su appuntamento | |
16/08/2021 | 08:00 | GENOVA | Esame su appuntamento | |
15/09/2021 | 10:00 | GENOVA | Orale |