Diferentes tipos de neurônios possuem formas distintas, um fator importante para a regulação da forma é a expressão gênica. Além disso, esta característica também está relacionada com a conectividade entre as células nervosas, formando redes. Por meio delas ocorrem as dinâmicas, como por exemplo o aprendizado. Neste trabalho foi desenvolvido um arcabouço de modelagem e simulação neuronal, para analisar a integração das etapas desde a expressão gênica, passando pela geração dos neurônios até as dinâmicas, permitindo o estudo do sistema e relacionamento entre as partes. Na etapa de geração, foram utilizados diferentes padrões de expressão gênica. Por meio dos neurônios, foram criadas as redes, caracterizadas utilizando medidas de centralidade. Ademais, foram executadas as dinâmicas integra-e-dispara, que simula a comunicação entre os neurônios, e o desenvolvimento hebiano, que é uma dinâmica aplicada para simular o aprendizado. Para quantificar a influência da expressão gênica, foram utilizadas as medidas de correlação de Pearson e a informação mútua. Por meio destes testes, foi possível observar que a expressão gênica influencia todas as etapas, sendo que nelas, exceto na geração da forma neuronal, os padrões de expressão com que os neurônios foram organizados também são um fator importante. Além disso, na medida de centralidade betweenness centrality, foi possível observar a formação de caminhos, denominados caminhos do betweenness. Para descrever os caminhos, foram feitas comparações entre as redes neuronais e outras redes espaciais. Assim, foi possível observar que estes caminhos são uma característica comum em redes geográficas e estão relacionados com as comunidades da rede. / Different types of neurons have distinct shapes. An important factor for shape regulation is gene expression, which is also related to the connectivity between nervous cells, creating networks. Dynamics, such as learning, can take place in those networks. In this work we developed a framework for modeling and simulating neurons allowing an integrated analysis from gene expression to dynamics. It will allow the study of the system as a whole as well as the relationships between its parts. In the neuron generation step, we used different patterns of gene expression. The networks were created using those neurons, and several centrality measures were computed to characterize them. Moreover, the dynamic processes considered were the integrate-and-fire model, which simulates communication between neurons, and the hebbian development, which is applied to simulate learning. During every step, Pearsons correlation and mutual information between the level of expression was measured, quantifying the influence of gene expression. Through these experiments it was observed that the gene expression influences all steps, which is in all cases, except in the generation of neuronal shape, an important factor. In addition, by analyzing the betweenness centrality measure, it is possible to observe the formation of paths. To study these paths, comparisons between models and other spatial networks were performed. Thus, it was possible to observe that paths are a common feature in other geographical networks, being related to the connections between network communities.

Diferentes tipos de neurônios possuem formas distintas, um fator importante para a regulação da forma é a expressão gênica. Além disso, esta característica também está relacionada com a conectividade entre as células nervosas, formando redes. Por meio delas ocorrem as dinâmicas, como por exemplo o aprendizado. Neste trabalho foi desenvolvido um arcabouço de modelagem e simulação neuronal, para analisar a integração das etapas desde a expressão gênica, passando pela geração dos neurônios até as dinâmicas, permitindo o estudo do sistema e relacionamento entre as partes. Na etapa de geração, foram utilizados diferentes padrões de expressão gênica. Por meio dos neurônios, foram criadas as redes, caracterizadas utilizando medidas de centralidade. Ademais, foram executadas as dinâmicas integra-e-dispara, que simula a comunicação entre os neurônios, e o desenvolvimento hebiano, que é uma dinâmica aplicada para simular o aprendizado. Para quantificar a influência da expressão gênica, foram utilizadas as medidas de correlação de Pearson e a informação mútua. Por meio destes testes, foi possível observar que a expressão gênica influencia todas as etapas, sendo que nelas, exceto na geração da forma neuronal, os padrões de expressão com que os neurônios foram organizados também são um fator importante. Além disso, na medida de centralidade betweenness centrality, foi possível observar a formação de caminhos, denominados caminhos do betweenness. Para descrever os caminhos, foram feitas comparações entre as redes neuronais e outras redes espaciais. Assim, foi possível observar que estes caminhos são uma característica comum em redes geográficas e estão relacionados com as comunidades da rede. / Different types of neurons have distinct shapes. An important factor for shape regulation is gene expression, which is also related to the connectivity between nervous cells, creating networks. Dynamics, such as learning, can take place in those networks. In this work we developed a framework for modeling and simulating neurons allowing an integrated analysis from gene expression to dynamics. It will allow the study of the system as a whole as well as the relationships between its parts. In the neuron generation step, we used different patterns of gene expression. The networks were created using those neurons, and several centrality measures were computed to characterize them. Moreover, the dynamic processes considered were the integrate-and-fire model, which simulates communication between neurons, and the hebbian development, which is applied to simulate learning. During every step, Pearsons correlation and mutual information between the level of expression was measured, quantifying the influence of gene expression. Through these experiments it was observed that the gene expression influences all steps, which is in all cases, except in the generation of neuronal shape, an important factor. In addition, by analyzing the betweenness centrality measure, it is possible to observe the formation of paths. To study these paths, comparisons between models and other spatial networks were performed. Thus, it was possible to observe that paths are a common feature in other geographical networks, being related to the connections between network communities.

Made available in DSpace on 2017-07-21T19:25:50Z (GMT). No. of bitstreams: 1 Paulo Protachevicz.pdf: 7453134 bytes, checksum: a689d444f78c24e110cb4b4ee9993484 (MD5) Previous issue date: 2016-02-23 / Cellular automata are mathematical models that can be used, among other things, to describe neuronal firing and interactions between neurons. They are simpler than coupled map lattices and oscillator chains, since cellular automata are characterized by discrete space, time, and state variables. The state variables are updated simultaneously according to the values of the variables in their neighborhood, by using deterministic or stochastic rules. The main goal of this work is the investigation of the dynamic range in a neuronal network modelled by celullar automata. Dynamic range is characterized by the capacity of a biological system to discriminate the intensity of an external stimulus. It is a range of intensities for which receptors can encode stimuli. In order to study the dynamic range in a neuronal network modeled by cellular automata, we consider a deterministic evolution rule to describe the neuronal dinamics. To model the interactions between the neurons through chemical and electrical synapses we have used deterministic and non-deterministic rules. By means of this models, it was possible to analyze the influence of chemical synapses and chemical time delay on the dynamic range. For a network with only electrical synapses, which describes intraglomerular region of the olfactory bulb, we found that the addition of weighted chemical synapses may contribute to improve the system sensitivity in response to external perturbation, i.e., to increase the dynamic range of neuronal network. We also verified the existence of bistability regions of the average firing rate and this system behavior is directly related to the region for which there is an increase in the dynamic range value. / Os automatos celulares sao modelos matematicos que podem ser utilizados, entre outras coisas, para descrever o disparo neuronal e as interações entre os neuronios. Eles sao mais simples que redes de mapas acoplados e cadeia de osciladores, dado que os automatos celulares sao caracterizados por apresentar espa¸co, tempo e variaveis de estado discretas. Os estados das variaveis sao atualizados simultaneamente de acordo com os valores das variaveis de seus vizinhos, por uso de regras determinısticas e estocasticas. O principal objetivo deste trabalho ´e investigar a faixa dinamica de uma rede neuronal modelado por automato celular. A faixa dinamica e caraterizada pela capacidade de sistemas biologicos discriminar intensidade de estımulo externo. Sendo o intervalo de intensidades para qual os receptores podem decodificar um certo estımulo. A fim de estudar a faixa dinamica de uma rede neuronal modelada por automato celular, consideramos regras de evolucao determinısticas para descrever a dinamica neuronal. Para modelar as interacoes entre os neuronios atraves de sinapses quımicas e eletricas usamos regras determinısticas e nao determinısticas. Por meio destes modelos, foi possıvel analisar a influencia das sinapses quımicas e do tempo de atraso quımico sobre a faixa dinamica. Para uma rede com apenas sinapses eletricas, que descreve a regiao intraglomerular do bulbo olfatorio,encontramos que a adicao de sinapses quımicas com pesos ponderados pode contribuir para melhorar a sensibilidade do sistema a perturbacao externa, isto e, para aumentar o valor da faixa dinamica de uma rede neuronal. Tamb´em verificamos a existencia de regioes de biestabilidade para a taxa media de disparo e esse comportamento esta diretamente relacionado a regioes onde existe um aumento no valor da faixa dinamica.

Made available in DSpace on 2014-07-29T15:08:17Z (GMT). No. of bitstreams: 1 Dissertacao Marco A de F Borges.pdf: 5922161 bytes, checksum: 25a7f4da4201499fe0a986400e8ae5b8 (MD5) Previous issue date: 2011-06-02 / The concept of Central Pattern Generator-CPG can be described as neural network capable of producing coordinated rhythmic locomotor activity apart from any external rhythm or sensorial stimuli. As this group of neurons are autonomic and are located in the spinal medulla, is experimentally observed that brainless animal‟s exhibit robotized locomotor activity, for its march has no defined direction nor respond to any obstacles. Studies has shown that is possible to activate this specialized networks using specific drugs or electric stimuli depending only of the access area as brainstem, medulla or some brain areas. For this paper many models proposed in current literature were evaluated, in its majority conceptual models. Within this models the Rybak (2006) computational model was chosen to be reproduced and evaluated regarding its robustness. The model in question consist in a CPG based in experimental data collected in cats and it posses two level of neurons based in the half-center models in its structure, the Rhythmic Generator-RG and the Pattern Formation-PF. This groups control the activity of the motoneurons flexors and extensors in an articulation. For its implementation were necessary a simplification in the original model and new parameterization of the variables. The implemented model allows a locomotor activity simulation produced by the CPG when stimulating a Mesencephalic Locomotion Region. Two protocols of variation of conductance inn GR were applied intending to evaluate its strength. The results show that the CPG computer model created operates within physiological values in variations up to . This model presents an adaptation in the first and the current is the current that plays a major role in the occurrence of outbreaks. The conductance has a direct relationship with the period as a result of its increase, a decrease in frequency of the bursts occurs. The conductance of has an inverse relationship with the period and as a result of its increase, a decrease in the period and increased in the frequency of the bursts occurs. The conductance has a direct relation with the period of the bursts before the 100% and a reverse relation after 100% of the reference value. The default behavior extensor/ flexor dominant not only depend on the synaptic weight of RLM, but rather the result of all the conductance values that make up the neuron GR. / O conceito de Gerador Central de Padrões (do inglês Central Pattern Generator-CPG) pode ser descrito como redes neuronais capazes de produzir atividade locomotora rítmica coordenada, independente de qualquer ritmo externo ou estímulos sensoriais. Como esses conjuntos de neurônios são autônomos e estão situados na medula espinhal, observa-se experimentalmente que animais descerebrados exibem uma atividade locomotora robotizada, assim chamada por que não tem direção definida e, também, não reagem a obstáculos. Estudos demonstram que é possível ativar essas redes especializadas por fármacos ou estímulos elétricos, dependendo da área de acesso, como: tronco encefálico, medula ou algumas áreas do cérebro. Para esse trabalho foram levantados vários modelos propostos na literatura, na maioria, modelos conceituais. Dentre os quais, foi identificado o modelo computacional de Rybak (2006) e então escolhido para ser reproduzido e avaliado com relação à sua robustez. O modelo em questão consiste em um CPG baseado em dados experimentais obtidos em gatos e possui dois níveis de neurônios baseados no modelo half-center em sua estrutura, o Gerador Rítmico-GR e Formador de Padrão-FP. Esses grupos controlam a atividade dos Motoneurônios flexores e extensores de uma articulação. Para implementação foram necessários uma simplificação no modelo original e nova parametrização das variáveis. O modelo implementado permite simular atividade locomotora produzida pelo CPG ao estimular a Região Locomotora Mesencefálica. Foram aplicados dois protocolos de variação das condutâncias no GR no intuito de avaliar sua robustez. Os resultados indicam que o modelo computacional de CPG criado opera dentro de valores fisiológicos sob variações de até . Esse modelo apresenta uma adaptação nos primeiros e a corrente é a corrente que desempenha o papel principal na ocorrência dos surtos.A condutância tem uma relação direta com o período dos surtos e em consequência ao seu aumento ocorre uma diminuição na frequência dos surtos. A condutância de tem uma relação inversa com o período dos surtos e em consequência ao seu aumento, ocorre uma diminuição no período e aumento na frequência dos surtos. A condutância tem uma relação direta com o período dos surtos antes de e inversa após do valor de referência. O comportamento padrão extensor/ flexor dominante não depende apenas do peso sináptico da RLM, mas sim, do resultado de todos os valores de condutância que compõem o neurônio GR.