Modelando a atividade conectiva de uma população de neurônios: a Rede de Funcionalidade Neuronal

• Autor(a) principal: Corso, Gilberto
• Data de Publicação: 2010
• Outros Autores: Miranda, José Garcia Vivas, Silva, Bruno B. M., Vasconcelos, Nivaldo, Nicolelis, Miguel A. L., Ribeiro, Sidarta Tollendal Gomes
• Tipo de documento: Artigo de conferência
• Idioma: por
• Título da fonte: Repositório Institucional da UFRN
• Texto Completo: https://repositorio.ufrn.br/jspui/handle/123456789/24243
• topic: identificação de padrões; conectividade funcional; correlação; população de neurônios; séries de disparos

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.