Em modelos de redes corticais com neuronios pulsantes, os mecanismos responsaveis pela emergencia e impacto de flutuacoes de atividade neuronal ainda nao estao completamente entendidos. Neste trabalho, modelos computacionais de redes corticais foram utilizados para investigar como flutuacoes ritmicas e nao-ritmicas surgem e suas possiveis consequencias. Foram estudadas redes com dois tipos de topologia: aleatoria e hierarquica modular, esta ultima inspirada em evidencias experimentais para a arquitetura cortical. Foram utilizados tres diferentes modelos simplificados de neuronios: integra-e-dispara, Izhikevich e integra-e-dispara exponencial com adaptacao. Primeiramente, estudou-se a ocorrencia de atividade auto-sustentada em redes hierarquicas modulares compostas por populacoes de neuronios de classes eletrofisiologicas distintas. Nesses modelos, os padroes de atividade auto-sustentada de longa duracao sao oscilatorios e seu tempo de vida depende do nivel hierarquico e da mistura de neuronios na rede. Em seguida, estudou-se o efeito da introducao de ruido sinaptico em modelos de redes aleatorias. Observou-se o aparecimento de alternancia intermitente entre atividade ritmica e nao-ritmica com caracteristicas similares a estados corticais sincronos e assincronos, respectivamente. Desenvolveu-se a extensao de uma abordagem reducionista para redes neuronais homogeneas, em que um esquema iterativo auto-consistente e usado para que um unico neuronio gere trens de disparo com propriedades estatisticas de segunda ordem similares as de uma rede, para o caso de redes neuronais heterogeneas. Mostrou-se que essa abordagem captura situacoes em que flutuacoes de atividade lentas emergem. Finalmente, utilizou-se o esquema reducionista e ferramentas de teoria de informacao para estudar a emergencia de flutuacoes de atividade lentas e sua propagacao em redes hierarquicas modulares. Os resultados mostram que a propagacao de informacao pela rede depende do numero de modulos, sugerindo que ha um nivel hierarquico otimo para a propagacao de informacao. Os estudos feitos contribuem para aprofundar o entendimento da relacao entre estrutura e composicao neuronal em modelos de redes corticais e indicam mecanismos de emergencia e manutencao de flutuacoes de atividade nessas redes / In cortical network models with spiking neurons, the mechanisms responsible for the emergence and impact of neuronal activity fluctuations are not yet completely understood. In this work, computational models of cortical networks were used to investigate how rhythmic and non-rhythmic fluctuations arise and their possible consequences. Networks with two types of topology were studied: random and hierarchical modular, this latter inspired on experimental evidence about cortical architecture. Three different simplified spiking neuron models were used: integrate-and-fire, Izhikevich, and integrate-and-fire with adaptation. Initially, the types of self-sustained activity patterns that emerge in hierarchical modular networks with mixtures of electrophysiological neuronal classes were studied. In these models, the long-duration self-sustained activity patterns are oscillatory and their lifetime depend on the hierarchical level of the network and its neuronal composition. Next, the effect of the introduction of synaptic noise in random networks was studied. These networks displayed intermittent alternations between rhythmic and non-rhythmic activity patterns with characteristics similar to synchronous and asynchronous cortical states, respectively. A reductionist approach for homogeneous neuronal networks, in which an iterative self-consistent scheme is used so that a single neuron spike train generates second-order statistical properties similar to the ones of a network, was extended to heterogeneous networks. It was shown that this reductionist scheme captures situations in which slow activity fluctuations emerge. Finally, the reductionist scheme and information theoretical tools were used to study the emergence of slow activity fluctuations and their propagation through hierarchical modular networks. The results show that the information propagation in the network depends on the number of modules, suggesting an optimal hierarchical level for information propagation. The studies done contribute to deepen the understanding of the relationship between structure and neuronal composition in cortical network models, and point to mechanisms of emergence and maintenance of activity fluctuations in these networks

Medidas de dependência entre séries temporais são estudadas com a perspectiva de evidenciar como diferentes regiões do cérebro interagem, por meio da aplicação a sinais eletrofisiológicos. Baseado na representação auto-regressiva e espectral de séries temporais, diferentes medidas são comparadas entre si, incluindo coerência espectral e a coerência parcial direcionada, e introduz-se uma nova medida, denominada transferência parcial direcionada. As medidas são analisadas pelas propriedades de parcialização, relações diretas ou indiretas e direcionalidade temporal, e são mostradas suas relações com a correlação quadrática. Conclui-se que, entre as medidas analisadas, a coerência parcial direcionada e a transferência parcial direcionada possuem o maior número de características desejáveis, fundamentadas no conceito de causalidade de Granger. A estatística assintótica é desenvolvida para todas as medidas, incluindo intervalo de confiança e teste de hipótese nula, assim como sua implementação computacional. A aplicação a séries simuladas e a análise de dados eletrofisiológicos reais ilustram o estudo comparativo e a aplicabilidade das novas estatísticas apresentadas. / Measures of dependence between temporal series are studied in the context of revealing how different brain regions interact, through their application to electrophysiology. Based on the spectral and autoregressive model of time series, different measures are compared, including coherence and partial directed coherence, and a new measure is introduced, named partial directed transfer. The measures are analyzed through the properties of partialization, direct or indirect relations and temporal directionality, and their relation to quadratic correlation is shown. It results that among the presented measures, partial directed coherence and partial directed transfer reveal the highest number of desirable properties, being grounded on the concept of Granger causality. The asymptotic statistics for all measures are developed, including confidence intervals and null hypothesis testing, as well as their computational implementation. The application to simulated series and the analysis of electrophysiological data illustrate the comparative study and the applicability of the newly presented statistics.

Medidas de dependência entre séries temporais são estudadas com a perspectiva de evidenciar como diferentes regiões do cérebro interagem, por meio da aplicação a sinais eletrofisiológicos. Baseado na representação auto-regressiva e espectral de séries temporais, diferentes medidas são comparadas entre si, incluindo coerência espectral e a coerência parcial direcionada, e introduz-se uma nova medida, denominada transferência parcial direcionada. As medidas são analisadas pelas propriedades de parcialização, relações diretas ou indiretas e direcionalidade temporal, e são mostradas suas relações com a correlação quadrática. Conclui-se que, entre as medidas analisadas, a coerência parcial direcionada e a transferência parcial direcionada possuem o maior número de características desejáveis, fundamentadas no conceito de causalidade de Granger. A estatística assintótica é desenvolvida para todas as medidas, incluindo intervalo de confiança e teste de hipótese nula, assim como sua implementação computacional. A aplicação a séries simuladas e a análise de dados eletrofisiológicos reais ilustram o estudo comparativo e a aplicabilidade das novas estatísticas apresentadas. / Measures of dependence between temporal series are studied in the context of revealing how different brain regions interact, through their application to electrophysiology. Based on the spectral and autoregressive model of time series, different measures are compared, including coherence and partial directed coherence, and a new measure is introduced, named partial directed transfer. The measures are analyzed through the properties of partialization, direct or indirect relations and temporal directionality, and their relation to quadratic correlation is shown. It results that among the presented measures, partial directed coherence and partial directed transfer reveal the highest number of desirable properties, being grounded on the concept of Granger causality. The asymptotic statistics for all measures are developed, including confidence intervals and null hypothesis testing, as well as their computational implementation. The application to simulated series and the analysis of electrophysiological data illustrate the comparative study and the applicability of the newly presented statistics.

El aprendizaje visuomotor condicional es un paradigma en el que las asociaciones estímulo-respuesta se aprenden a través de una recompensa. Un experimento típico se desarrolla de la siguiente forma: cuando se presenta un estímulo a un sujeto, éste debe decidir qué acción realizar de entre un conjunto. Una vez seleccionada la acción, el sujeto recibirá una recompensa en el caso de que la acción escogida sea correcta. En este tipo de tareas interactúan distintas regiones cerebrales, entre las que destacan el córtex prefrontal, el córtex premotor, el hipocampo y los ganglios basales. El objetivo de este proyecto consiste en estudiar la dinámica neuronal subyacente a esta clase de tareas a través de modelos computacionales. Proponemos el término processing pathway para describir cómo ejecuta esta tarea el cerebro y explicar los roles e interacciones entre las distintas áreas cerebrales. Además, tratamos el procesamiento anómalo en una hipótesis neurodinámica de la esquizofrenia. / Conditional visuomotor learning is a paradigm in which stimulus-response associations are learned upon reward feedback. A typical experiment is as follows: Upon a stimulus presentation, a subject has to decide which action to choose among a number of actions. After an action is selected, the subject receives reward if the action was correct. Several interacting brain regions work together to perform this task, most prominently the prefrontal cortex, the premotor cortex, the hippocampus, and the basal ganglia. Using computational modeling, we analyze and discuss the neurodynamics underlying this task. We propose the term processing pathway to describe how the brain performs this task and detail the roles and interactions of the brain regions. In addition, we address aberrant processing in a neurodynamical hypothesis of schizophrenia.