Fibrin is a biopolymer that assembles into a network during blood coagulation to become the structural scaffold of a blood clot. The precise mechanics of this network are crucial for a blood clot to properly stem the flow of blood at the site of vascular injury while still remaining pliable enough to avoid dislocation. A hallmark of fibrin's mechanical response is strain-stiffening: at small strains, its response is low and linear; while at high strains, its stiffness increases non-linearly with increasing strain. The physical origins of strain-stiffening have been studied for other biopolymer systems but have remained elusive for biopolymer networks composed of stiff filaments, such as fibrin. To understand the origins of this intriguing behavior, we directly observe and quantify the motion of all of the fibers in the fibrin networks as they undergo shear in 3D using confocal microscopy. We show that the strain-stiffening response of a clot is a result of the full network deformation rather than an intrinsic strain-stiffening response of the individual fibers. We observe a distinct transition from a linear, low-strain regime, where all fibers avoid any internal stretching, to a non-linear, high-strain regime, where an increasing number of fibers become stretched. This transition is characterized by a high degree of non-affine motion. Moreover, we are able to precisely calculate the non-linear stress-strain response of the network by using the strains on each fiber measured directly with confocal microscopy and by assuming the fibers behave like linearly elastic beams. This result confirms that it is the network deformation that causes the strain-stiffening behavior of fibrin clots. These data are consistent with predictions for low-connectivity networks with soft, bending, or floppy modes. Moreover, we show that the addition of small contractile cells, platelets, increases the low-strain stiffness of the network while the high-strain stiffness is independent of the presence of the platelets; this is also consistent with expectations for small contractile elements in a network with low connectivity. Our results elucidate the origins of strain-stiffening in fibrin networks as well as the mechanism underlying platelet-induced clot stiffening. / Physics

Intrinsic connectivity networks (ICNs) refer to brain functional networks that are consistently found under various conditions, during tasks or at rest. Some studies demonstrated that while some stimuli do not impact intrinsic connectivity, other stimuli actually activate intrinsic connectivity through suppression, excitation, moderation or modi cation. Most analyses of functional magnetic resonance imaging (fMRI) data use ad-hoc methods to estimate the latent structure of ICNs. Modeling the effects on ICNs has also not been fully investigated. Bayesian Intrinsic Connectivity Network (BICNet) captures the ICN structure with We propose a BICNet model, an extended Bayesian dynamic sparse latent factor model, to identify the ICNs and quantify task-related effects on the ICNs. BICNet has the following advantages: (1) It simultaneously identifies the individual and group-level ICNs; (2) It robustly identifies ICNs by jointly modeling resting-state fMRI (rfMRI) and task-related fMRI (tfMRI); (3) Compared to independent component analysis (ICA)-based methods, it can quantify the difference of ICNs amplitudes across different states; (4) The sparsity of ICNs automatically performs feature selection, instead of ad-hoc thresholding. We apply BICNet to the rfMRI and language tfMRI data from the Human Connectome Project (HCP) and identify several ICNs related to distinct language processing functions.

Submitted by Eunice Novais (enovais@uepg.br) on 2018-04-18T18:15:46Z No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) Santos, Moises Souza.pdf: 3654988 bytes, checksum: 6bcf0d0867a3d40291ae626664114a49 (MD5) / Made available in DSpace on 2018-04-18T18:15:46Z (GMT). No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) Santos, Moises Souza.pdf: 3654988 bytes, checksum: 6bcf0d0867a3d40291ae626664114a49 (MD5) Previous issue date: 2018-03-01 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / A importância do estudo de estados quimera em redes neuronais reflete no fato destes possuírem uma forte ligação com alguns tipos de anomalias diagnosticadas no cérebro, por exemplo, epilepsia,mal de Parkinson e Alzheimer. Neste trabalho, realizamos um estudo da aplicação dos gráficos de recorrência, em sua versão espacial, na caracterização da coexistência de estados coerentes e incoerentes em sistemas dinâmicos acoplados. Utilizamos um modelo constituído de osciladores de fase para uma primeira abordagem da matriz de recorrência. Nossos resultados indicam que os diagnósticos quantitativos, baseados no gráfico de recorrência, detectam não só a existência de estados quimera como também estados sincronizados e dessincronizados que por ventura emergem na rede. Sobre esse aspecto, mostramos que a análise via recorrência espacial é superior à utilização do parâmetro de ordem global pós-colapso de estados quimera. Este cenário ocorre em algumas situações onde a rede exibe quimera e esta subitamente desaparece do sistema, que passa a exibir um comportamento sincronizado na frequência de seus osciladores. Neste caso, o parâmetro de ordem global não identifica esta mudança de comportamento sendo necessário uma interpretação via outro diagnóstico. Também utilizamos a rede de conectividade cortical de gato, como forma de acoplamento, e distinguimos duas formas de estados híbridos: uma quimera com a região incoerente em dinâmica temporal de spikes e outra quimera onde a região incoerente apresenta dinâmica temporal de bursts. Identificamos que este último caso de estados quimera possui maior robustez com relação à perturbação externa aplicada no sistema.Concluímos que a região de quimera com bursts necessita de uma intensidade de perturbação duas vezes superior que a região de spikes para deixar de existir na rede de neurônios. / A importância do estudo de estados quimera em redes neuronais reflete no fato destes possuírem uma forte ligação com alguns tipos de anomalias diagnosticadas no cérebro, por exemplo, epilepsia, mal de Parkinson e Alzheimer. Neste trabalho, realizamos um estudo da aplicação dos gráficos de recorrência, em sua versão espacial, na caracterização da coexistência de estados coerentes e incoerentes em sistemas dinâmicos acoplados. Utilizamos um modelo constituído de osciladores de fase para uma primeira abordagem da matriz de recorrência. Nossos resultados indicam que os diagnósticos quantitativos, baseados no gráfico de recorrência, detectam não só a existência de estados quimera como também estados sincronizados e dessincronizados que por ventura emergem na rede. Sobre esse aspecto, mostramos que a análise via recorrência espacial é superior à utilização do parâmetro de ordem global pós-colapso de estados quimera. Este cenário ocorre em algumas situações onde a rede exibe quimera e esta subitamente desaparece do sistema, que passa a exibir um comportamento sincronizado na frequência de seus osciladores. Neste caso, o parâmetro de ordem global não identifica esta mudança de comportamento sendo necessário uma interpretação via outro diagnóstico. Também utilizamos a rede de conectividade cortical de gato, como forma de acoplamento, e distinguimos duas formas de estados híbridos: uma quimera com a região incoerente em dinâmica temporal de spikes e outra quimera onde a região incoerente apresenta dinâmica temporal de bursts. Identificamos que este último caso de estados quimera possui maior robustez com relação à perturbação externa aplicada no sistema.Concluímos que a região de quimera com bursts necessita de uma intensidade de perturbação duas vezes superior que a região de spikes para deixar de existir na rede de neurônios