Baseado na hipótese da marcação e captura sináptica (STC, do inglês para synaptic tagging and capture), recentemente foi proposto que um aprendizado fraco, que induz apenas memória de curta duração (STM, na sigla inglesa), pode capturar proteínas relacionadas à plasticidade (PRPs) de uma experiência forte associada, e dessa forma estabelecer uma memória de longa duração (LTM, na sigla inglesa). Aqui mostramos que a reconsolidação da memória do Condicionamento Aversivo ao Contexto (CAC) pode propiciar a formação de LTM de um aprendizado fraco de Reconhecimento Espacial de Objetos (REO). Este efeito foi observado apenas durante uma janela de tempo restrita e foi dependente da síntese proteica pelo CAC e do estabelecimento de um tag sináptico pelo REO. A evocação por si só (sem reconsolidação) não foi capaz de exercer o mesmo efeito promotor. Adicionalmente, a reconsolidação do Labirinto Aquático e a extinção do CAC também foram capazes de propiciar a formação de LTM do REO. Estes resultados mostram pela primeira vez que a reconsolidação de uma memória pode promover a consolidação de um aprendizado fraco concomitante através de um provável mecanismo de STC. / Based on the synaptic tagging and capture (STC) hypothesis, it was recently proposed that a weak learning, only able to produce short-term memory (STM), can capture plasticity related proteins (PRPs) provided by a strong experience, and also succeed in establishing long-term memory (LTM). Here we found that reconsolidation of a Contextual Fear Conditioning (CFC) memory allowed LTM formation of a weak Spatial Object Recognition (wSOR) training applied closely in time. This effect was observed only during a critical time window and was dependent on CFC’s protein synthesis and on wSOR’s tagging process. CFC retrieval by itself (without reconsolidation) did not have the same promoting effect. In addition, Water Maze reconsolidation, and even CFC extinction, allowed the formation of wSOR-LTM. These results show for the first time that memory reconsolidation can promote the consolidation of concomitant weak learning through probable STC mechanisms and trigger new insights related to memory acquisition during daily life situations.

Baseado na hipótese da marcação e captura sináptica (STC, do inglês para synaptic tagging and capture), recentemente foi proposto que um aprendizado fraco, que induz apenas memória de curta duração (STM, na sigla inglesa), pode capturar proteínas relacionadas à plasticidade (PRPs) de uma experiência forte associada, e dessa forma estabelecer uma memória de longa duração (LTM, na sigla inglesa). Aqui mostramos que a reconsolidação da memória do Condicionamento Aversivo ao Contexto (CAC) pode propiciar a formação de LTM de um aprendizado fraco de Reconhecimento Espacial de Objetos (REO). Este efeito foi observado apenas durante uma janela de tempo restrita e foi dependente da síntese proteica pelo CAC e do estabelecimento de um tag sináptico pelo REO. A evocação por si só (sem reconsolidação) não foi capaz de exercer o mesmo efeito promotor. Adicionalmente, a reconsolidação do Labirinto Aquático e a extinção do CAC também foram capazes de propiciar a formação de LTM do REO. Estes resultados mostram pela primeira vez que a reconsolidação de uma memória pode promover a consolidação de um aprendizado fraco concomitante através de um provável mecanismo de STC. / Based on the synaptic tagging and capture (STC) hypothesis, it was recently proposed that a weak learning, only able to produce short-term memory (STM), can capture plasticity related proteins (PRPs) provided by a strong experience, and also succeed in establishing long-term memory (LTM). Here we found that reconsolidation of a Contextual Fear Conditioning (CFC) memory allowed LTM formation of a weak Spatial Object Recognition (wSOR) training applied closely in time. This effect was observed only during a critical time window and was dependent on CFC’s protein synthesis and on wSOR’s tagging process. CFC retrieval by itself (without reconsolidation) did not have the same promoting effect. In addition, Water Maze reconsolidation, and even CFC extinction, allowed the formation of wSOR-LTM. These results show for the first time that memory reconsolidation can promote the consolidation of concomitant weak learning through probable STC mechanisms and trigger new insights related to memory acquisition during daily life situations.

Baseado na hipótese da marcação e captura sináptica (STC, do inglês para synaptic tagging and capture), recentemente foi proposto que um aprendizado fraco, que induz apenas memória de curta duração (STM, na sigla inglesa), pode capturar proteínas relacionadas à plasticidade (PRPs) de uma experiência forte associada, e dessa forma estabelecer uma memória de longa duração (LTM, na sigla inglesa). Aqui mostramos que a reconsolidação da memória do Condicionamento Aversivo ao Contexto (CAC) pode propiciar a formação de LTM de um aprendizado fraco de Reconhecimento Espacial de Objetos (REO). Este efeito foi observado apenas durante uma janela de tempo restrita e foi dependente da síntese proteica pelo CAC e do estabelecimento de um tag sináptico pelo REO. A evocação por si só (sem reconsolidação) não foi capaz de exercer o mesmo efeito promotor. Adicionalmente, a reconsolidação do Labirinto Aquático e a extinção do CAC também foram capazes de propiciar a formação de LTM do REO. Estes resultados mostram pela primeira vez que a reconsolidação de uma memória pode promover a consolidação de um aprendizado fraco concomitante através de um provável mecanismo de STC. / Based on the synaptic tagging and capture (STC) hypothesis, it was recently proposed that a weak learning, only able to produce short-term memory (STM), can capture plasticity related proteins (PRPs) provided by a strong experience, and also succeed in establishing long-term memory (LTM). Here we found that reconsolidation of a Contextual Fear Conditioning (CFC) memory allowed LTM formation of a weak Spatial Object Recognition (wSOR) training applied closely in time. This effect was observed only during a critical time window and was dependent on CFC’s protein synthesis and on wSOR’s tagging process. CFC retrieval by itself (without reconsolidation) did not have the same promoting effect. In addition, Water Maze reconsolidation, and even CFC extinction, allowed the formation of wSOR-LTM. These results show for the first time that memory reconsolidation can promote the consolidation of concomitant weak learning through probable STC mechanisms and trigger new insights related to memory acquisition during daily life situations.

Com o avanço das técnicas analíticas, tem sido possível estudadar redes neurais atratoras onde cada unidade de processamento é conectada com um número finito de vizinhos, sendo que esse número independe do tamanho do sistema. Aplicamos essas técnicas ao estudo de redes atratoras com padrões que possuem uma quebra de simetria sobre o número de bits ativos e quiscentes. O objetivo deste trabalho é estudar a capacidade da rede neural em armazenar padrões com atividade não nula, uma vez que a conectividade por neurônio é finita. Inicialmente, apresentamos os modelos predecessores de redes atratoras, como o modelo de Hopfield e os modelos de Amit, Gutfreund e Sompolinsky. Em tais modelos, o aprendizado é definido através de modificações sinápticas, inspiradas nas ideias de Hebb. Mostramos como é estimada a capacidade da rede. Mencionamos a introdução de uma função de energia para o sistema, que permite uma ligação com estudo de sistemas magnéticos através da mecânica estatística. Apresentamos também regras de aprendizado para lidar com padrões com atividade não nula. Num segundo momento, aplicamos o método de réplicas, utilizado para tratar sistemas desordenados, ao problema da rede atratora com conectividade e atividade dos padrões finitas. Utilizamos o formalismo de funções de ordem e fazemos uso do conceito de sub-redes, que permite particionar o grafo de acordo com os padrões a serem armazenados em cada neurônio. Obtemos, assim, uma função de ordem por sub-rede que contém toda informação sobre o estado do sistema. Aplicando o ansatz de simetria de réplicas, é possível derivar distribuições autoconsistentes dos campos locais para cada sub-rede. Tais distribuições passam a fornecer toda informação necessária para calcularmos os observáveis relevantes. As distribuições são calculadas numericamente a partir do método da dinâmica de populações. Em seguida, traçamos diagramas de fases para três regras de aprendizado. A partir desses, estimamos a capacidade, temperatura e atividade críticas. Observa-se a presença de fases de vidro de spin, transições decontínuas e pontos tricríticos. / With the advance of analytical tools it has been possible to study attractor neural networks in which each processing unit is connected to a finite number of neighbours. Being that, the number of neighbours is independent of the size of the system. We apply these tools to the study of attractor networks in which the patterns have a broken symmetry with respect to the number of active and inactive bits. The objetive of this work is to study the capacity of the neural network to store patterns with activity different from zero, being that the conectivity per neuron is finite. First, we present the predecessor models of attractor networks like the Hopfield and Amit, Gutfreund e Sompolinsky ones. In such models the learning is defined through sinaptic modifications, inspired by Hebb’s ideas. We show how to estimate the storage capacity of the network. We mention the introduction of a energy function for the system, which allows a link with the study of magnetic systems through statistical machanics. We present learning rules to deal with patterns which have non zero activity. In the second part, we apply the replic method, utilized to deal with disordered systems to the problem of an attractor neural network with finite conectivity and activity. We utilized the formalism of order functions and the concept of sublattices, this concept allows to partition the graph according with the patterns to be stored in each neuron. This way, we obtain an order function per sublattice which contain all the information about the state of the system. Applying the replica symmetry ansatz it is possible to derive self-consistent distributions of the local fields per sublattice. Such distributions start to provide all the necessary information to calculate the relevant observables. These distributions are calculated numerically using the population dynamics method. Then, we draw phase diagrams for three learning rules. Using these, we estimate the storage capacity, the temperature and the critical activity. We observe the presence of spin glass phases, discontinuos phase transiotions and tricritical points.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Química, Florianópolis, 2014. / Made available in DSpace on 2015-02-05T20:37:59Z (GMT). No. of bitstreams: 1 328355.pdf: 2113827 bytes, checksum: 1b1f5a0a553224afa5273b3b5476470f (MD5) Previous issue date: 2014 / Dotadas de um sistema complexo de comunicação, as células nervosas representam o modo com o qual o cérebro pode se comunicar com as mais diversas partes do corpo. O córtex cerebral apresenta sua citoarquitetura composta por neurônio, células gliais (incluindo os astrócitos) e fibras. O modo tradicional de comunicação nervosa é a sinapse, e, assim como os neurônios, a partir destas, as células gliais também podem se comunicar entre si. Tendo nos íons cálcio seu modo de transmitir a informação, o astrócito, ao término da cadeia de eventos bioquímicos, reage liberando gliotransmissores. Partindo-se destes conhecimentos, este trabalho desenvolveu um estudo experimental para melhor elucidar o processo de captação de íons cálcio por astrogliomas após o emprego de um estímulo glutamatérgico. O experimento foi realizado utilizando-se cultura de células de glioma C6; solução contendo cálcio; glutamato monossódico e o indicador de cálcio fluorescente FURA-2/AM. A aquisição dos dados foi realizada em equipamento de misturador de fluxo interrompido, stopped flow mixer, capaz de produzir dados de concentração de cálcio no interior das células, utilizando para tal fluorescência. O tratamento estatístico dos dados foi realizado através das ferramentas média e desvio padrão. Para a interpretação global dos mesmos, utilizou-se autores que pudessem estabelecer relações pertinentes sobre a temática, de modo a comprovar a influencia do neurotransmissor glutamato no processo de captação de íons cálcio por astrogliomas, além da análise da viabilidade da metodologia proposta para tal.<br> / Abstract : Nerve cells are endowed with a complex communication system. They represent the main way of communication between the brain and others parts of the body. The cerebral cytoarchitecture is composed by neuron, glial cells (including astrocytes) and fibers. The traditional mode of nervous communication is the synapse. Like neurons, glial cells also employ the synapse to communicate ones with each others. Using calcium ions like way of transmitting information, the astrocyte, in the end of the biochemical events chain, reacts by releasing gliotransmitters. Knowing that, this research developed an experimental study to elucidate the process of calcium uptake by astrogliomas after a glutamatergic stimulation. The experiment was executed by using a culture of C6 glioma cells; calcium solution; monosodium glutamate and fluorescent calcium indicator Fura-2/AM. Data acquisition was performed in a "stopped-flow mixer", a device able to obtain data from concentration of calcium inside cells by fluorescence measurement. The data statistical treatment was done by employing mean and standard deviation. The overall interpretation of the results made use of authors able to establish relevant links about the subject, in order to prove the influence of the neurotransmitter glutamate in the uptake of calcium ions by astrogliomas, besides assessing the feasibility of the proposed study methodology.

Com o avanço das técnicas analíticas, tem sido possível estudadar redes neurais atratoras onde cada unidade de processamento é conectada com um número finito de vizinhos, sendo que esse número independe do tamanho do sistema. Aplicamos essas técnicas ao estudo de redes atratoras com padrões que possuem uma quebra de simetria sobre o número de bits ativos e quiscentes. O objetivo deste trabalho é estudar a capacidade da rede neural em armazenar padrões com atividade não nula, uma vez que a conectividade por neurônio é finita. Inicialmente, apresentamos os modelos predecessores de redes atratoras, como o modelo de Hopfield e os modelos de Amit, Gutfreund e Sompolinsky. Em tais modelos, o aprendizado é definido através de modificações sinápticas, inspiradas nas ideias de Hebb. Mostramos como é estimada a capacidade da rede. Mencionamos a introdução de uma função de energia para o sistema, que permite uma ligação com estudo de sistemas magnéticos através da mecânica estatística. Apresentamos também regras de aprendizado para lidar com padrões com atividade não nula. Num segundo momento, aplicamos o método de réplicas, utilizado para tratar sistemas desordenados, ao problema da rede atratora com conectividade e atividade dos padrões finitas. Utilizamos o formalismo de funções de ordem e fazemos uso do conceito de sub-redes, que permite particionar o grafo de acordo com os padrões a serem armazenados em cada neurônio. Obtemos, assim, uma função de ordem por sub-rede que contém toda informação sobre o estado do sistema. Aplicando o ansatz de simetria de réplicas, é possível derivar distribuições autoconsistentes dos campos locais para cada sub-rede. Tais distribuições passam a fornecer toda informação necessária para calcularmos os observáveis relevantes. As distribuições são calculadas numericamente a partir do método da dinâmica de populações. Em seguida, traçamos diagramas de fases para três regras de aprendizado. A partir desses, estimamos a capacidade, temperatura e atividade críticas. Observa-se a presença de fases de vidro de spin, transições decontínuas e pontos tricríticos. / With the advance of analytical tools it has been possible to study attractor neural networks in which each processing unit is connected to a finite number of neighbours. Being that, the number of neighbours is independent of the size of the system. We apply these tools to the study of attractor networks in which the patterns have a broken symmetry with respect to the number of active and inactive bits. The objetive of this work is to study the capacity of the neural network to store patterns with activity different from zero, being that the conectivity per neuron is finite. First, we present the predecessor models of attractor networks like the Hopfield and Amit, Gutfreund e Sompolinsky ones. In such models the learning is defined through sinaptic modifications, inspired by Hebb’s ideas. We show how to estimate the storage capacity of the network. We mention the introduction of a energy function for the system, which allows a link with the study of magnetic systems through statistical machanics. We present learning rules to deal with patterns which have non zero activity. In the second part, we apply the replic method, utilized to deal with disordered systems to the problem of an attractor neural network with finite conectivity and activity. We utilized the formalism of order functions and the concept of sublattices, this concept allows to partition the graph according with the patterns to be stored in each neuron. This way, we obtain an order function per sublattice which contain all the information about the state of the system. Applying the replica symmetry ansatz it is possible to derive self-consistent distributions of the local fields per sublattice. Such distributions start to provide all the necessary information to calculate the relevant observables. These distributions are calculated numerically using the population dynamics method. Then, we draw phase diagrams for three learning rules. Using these, we estimate the storage capacity, the temperature and the critical activity. We observe the presence of spin glass phases, discontinuos phase transiotions and tricritical points.

Com o avanço das técnicas analíticas, tem sido possível estudadar redes neurais atratoras onde cada unidade de processamento é conectada com um número finito de vizinhos, sendo que esse número independe do tamanho do sistema. Aplicamos essas técnicas ao estudo de redes atratoras com padrões que possuem uma quebra de simetria sobre o número de bits ativos e quiscentes. O objetivo deste trabalho é estudar a capacidade da rede neural em armazenar padrões com atividade não nula, uma vez que a conectividade por neurônio é finita. Inicialmente, apresentamos os modelos predecessores de redes atratoras, como o modelo de Hopfield e os modelos de Amit, Gutfreund e Sompolinsky. Em tais modelos, o aprendizado é definido através de modificações sinápticas, inspiradas nas ideias de Hebb. Mostramos como é estimada a capacidade da rede. Mencionamos a introdução de uma função de energia para o sistema, que permite uma ligação com estudo de sistemas magnéticos através da mecânica estatística. Apresentamos também regras de aprendizado para lidar com padrões com atividade não nula. Num segundo momento, aplicamos o método de réplicas, utilizado para tratar sistemas desordenados, ao problema da rede atratora com conectividade e atividade dos padrões finitas. Utilizamos o formalismo de funções de ordem e fazemos uso do conceito de sub-redes, que permite particionar o grafo de acordo com os padrões a serem armazenados em cada neurônio. Obtemos, assim, uma função de ordem por sub-rede que contém toda informação sobre o estado do sistema. Aplicando o ansatz de simetria de réplicas, é possível derivar distribuições autoconsistentes dos campos locais para cada sub-rede. Tais distribuições passam a fornecer toda informação necessária para calcularmos os observáveis relevantes. As distribuições são calculadas numericamente a partir do método da dinâmica de populações. Em seguida, traçamos diagramas de fases para três regras de aprendizado. A partir desses, estimamos a capacidade, temperatura e atividade críticas. Observa-se a presença de fases de vidro de spin, transições decontínuas e pontos tricríticos. / With the advance of analytical tools it has been possible to study attractor neural networks in which each processing unit is connected to a finite number of neighbours. Being that, the number of neighbours is independent of the size of the system. We apply these tools to the study of attractor networks in which the patterns have a broken symmetry with respect to the number of active and inactive bits. The objetive of this work is to study the capacity of the neural network to store patterns with activity different from zero, being that the conectivity per neuron is finite. First, we present the predecessor models of attractor networks like the Hopfield and Amit, Gutfreund e Sompolinsky ones. In such models the learning is defined through sinaptic modifications, inspired by Hebb’s ideas. We show how to estimate the storage capacity of the network. We mention the introduction of a energy function for the system, which allows a link with the study of magnetic systems through statistical machanics. We present learning rules to deal with patterns which have non zero activity. In the second part, we apply the replic method, utilized to deal with disordered systems to the problem of an attractor neural network with finite conectivity and activity. We utilized the formalism of order functions and the concept of sublattices, this concept allows to partition the graph according with the patterns to be stored in each neuron. This way, we obtain an order function per sublattice which contain all the information about the state of the system. Applying the replica symmetry ansatz it is possible to derive self-consistent distributions of the local fields per sublattice. Such distributions start to provide all the necessary information to calculate the relevant observables. These distributions are calculated numerically using the population dynamics method. Then, we draw phase diagrams for three learning rules. Using these, we estimate the storage capacity, the temperature and the critical activity. We observe the presence of spin glass phases, discontinuos phase transiotions and tricritical points.

A eficiência da transmissão sináptica no sistema nervoso central está associada com a densidade na concentração de canais iônicos operados por ligantes na membrana pós-sináptica. A gefirina, uma proteína de 93 kDa, é um elemento importante na organização dos receptores inibitórios pos-sinápticos, funcionando como uma plataforma de múltiplas interações proteína-proteína, promovendo agrupamento de receptores, de proteínas do citoesqueleto e de proteínas de sinalização efetoras na região da sinapse. A organização estrutural da gefirina compreende três domínios principais denominadas G, E e C. A interação entre gefirina e o receptor de glicina (GlyR) envolve o domínio E da gefirina e a alça citoplasmática localizada entre os seguimentos transmembrana 3 e 4 da subunidade β de GlyR. A associação de mecânica quântica e mecânica molecular no estudo da associação de gefirina-GlyR irá aumentar a compreensão de detalhes anatômicos. Assim, para investigar as características eletrônicas relacionadas aos mecanismos de ancoramento de GlyR pela gefirina nós utilizamos abordagens teóricas de bioquímica quântica. Avaliamos a contribuição energética de cada resíduo de aminoácido na interface molecular do ancoramento entre gefirina e GlyR. As maiores contribuições decorrentes da análise de 34 interações foram, em ordem decrescente: -32,09 kcal mol-1, observado entre os resíduos Asp729 (gefirina) e Ser403 (GlyR); -24,04 kcal mol-1 entre Arg653 (gefirina) e Phe398 (GlyR) e -23,50 kcal mol-1 entre Asp327(gefirina) e Ser399 (GlyR). A menor interação foi de -1,78 kcal mol-1 entre os resíduos de aminoácido Ile656 (gefirina) e Ser399 (GlyR). Todas as interações observadas neste estudo mostraram interação de atração e a soma das contribuições individuais indica uma energia de ligação total de -343,49 kcal/mol. Pela análise da contribuição individual de cada resíduo foi possível determinar a relevância de Asp729 (gefirina) / Ser403 (GlyR), seguido de Arg653 (gefirina) / Phe398 (GlyR), Asp327 (gefirina) / Ser399 (GlyR) e Phe330 (gefirina) / Ile400 (GlyR), entre outros. Estes resultados contribuem para a maior compreensão dos mecanismos moleculares envolvidos na estabilização/ruptura de GlyR na membrana sináptica. / In the central nervous system, a high concentration of ligand-gated ion channels is necessary at the postsynaptic membrane to display efficient synaptic transmission. Gephyrin, a 93 kDa protein, is an important element in the organization of the inhibitory synaptic receptors, as a platform for multiple protein-protein interactions, bringing receptors, cytoskeletal proteins and downstream signaling proteins into close spatial proximity. This protein consists of three major domains named G, E and C. The interaction between gephyrin and the glycine receptor (GlyR) involves the E-domain of gephyrin and a cytoplasmic loop located between transmembrane segments 3 and 4 of the GlyR β subunit. Combined quantum-mechanics and molecular-mechanics in the gephyrin-GlyR association studies increase the understanding of atomic details. In order to investigate the electronic features involved in the mechanism of the GlyR anchoring by gephyrin we have employed theoretical approaches of quantum biochemistry. The energy contribution of each individual amino acid residues within the molecular interface of the anchorage between gephyrin and GlyR were evaluated. The largest contributions in the analysis of 34 interactions were, in descending order: -32.09 kcal mol-1, observed between residues Asp729 (gephyrin) and Ser403 (GlyR); -24.04 kcal mol-1 between Arg653 (gephyrin) and Phe398 (GlyR) and -23.50 kcal mol-1 between Asp327 (gephyrin) and Ser399 (GlyR). The smaller interaction was -1.78 kcal mol-1 between the amino acid residues Ile656 (gephyrin) and Ser399 (GlyR). All interactions observed in this study showed attractive interaction, and the sum of individual contributions indicate a total binding energy of -343.49 kcal/mol. After the analysis of the individual contribution of each residue we could determine the relevance of Asp729 (gephyrin) / Ser403 (GlyR), followed by Arg653 (gephyrin) / Phe398 (GlyR), Asp327 (gephyrin) / Ser399 (GlyR) and Phe330 (gephyrin) / Ile400 (GlyR), among others. These results increase the understanding of the molecular mechanisms involved in the stabilization/disruption of GlyR in the synaptic membrane.

A estrutura plástica do cérebro tem a capacidade de se adaptar a diversas condições e estímulos. No entanto, isso também pode facilitar a emergência de instabilidades, o que acarreta na necessidade de mecanismos de homeostase que previnam que a dinâmica da rede neural chegue a estados patológicos. A plasticidade associativa é considerada a principal base para o desenvolvimento de funções como memória e aprendizado, a realimentação positiva potencialmente leva à saturação de sinapses e instabilidades de atividade, especialmente em arquiteturas om conectividades recorrentes tais como em microcircuitos cerebrais. Neste trabalho investigamos a difícil interação entre a codificação de informação e o controle da atividade através da plasticidade Hebbiana e do escalonamento sináptico homeostático. O objetivo é a determinação de propriedades, como por exemplo a inibição e a conectividade, que proporcionam o desenvolvimento de codificação de informação de uma maneira confiável e fisiologicamente relevante através de plasticidade sináptica, prevenindo comportamento patológico. Após uma breve revisão bibliográfica de tópicos básicos da neurofisiologia e da modelagem de redes neurais, a primeira parte dos resultados apresenta uma rede que, sob uma forma específica de esc alonamento sináptico, desenvolve associatividade de padrões de disparo espaço-temporais e discute a afetação da capacidade de separação e confiabilidade de acordo om escalas de tempo de plasticidade, limitações sobre a eficácia sináptica e a dinâmica das interações inibitórias. A segunda parte define condições para manter o escalonamento sináptico homeostático sem instabilidades dinâmicas, om foco em fenômenos pouco explorados, como o escalonamento de sinapses inibitórias e o alcance efetivo da plasticidade. Em direção a outros mecanismos que podem influenciar esse balanço, a última parte descreve os efeitos do local de expressão da plasticidade de longa duração sobre a dinâmica de aprendizado, o que é demonstrado diferir de acordo om a codificação do estímulo.

A eficiência da transmissão sináptica no sistema nervoso central está associada com a densidade na concentração de canais iônicos operados por ligantes na membrana pós-sináptica. A gefirina, uma proteína de 93 kDa, é um elemento importante na organização dos receptores inibitórios pos-sinápticos, funcionando como uma plataforma de múltiplas interações proteína-proteína, promovendo agrupamento de receptores, de proteínas do citoesqueleto e de proteínas de sinalização efetoras na região da sinapse. A organização estrutural da gefirina compreende três domínios principais denominadas G, E e C. A interação entre gefirina e o receptor de glicina (GlyR) envolve o domínio E da gefirina e a alça citoplasmática localizada entre os seguimentos transmembrana 3 e 4 da subunidade β de GlyR. A associação de mecânica quântica e mecânica molecular no estudo da associação de gefirina-GlyR irá aumentar a compreensão de detalhes anatômicos. Assim, para investigar as características eletrônicas relacionadas aos mecanismos de ancoramento de GlyR pela gefirina nós utilizamos abordagens teóricas de bioquímica quântica. Avaliamos a contribuição energética de cada resíduo de aminoácido na interface molecular do ancoramento entre gefirina e GlyR. As maiores contribuições decorrentes da análise de 34 interações foram, em ordem decrescente: -32,09 kcal mol-1, observado entre os resíduos Asp729 (gefirina) e Ser403 (GlyR); -24,04 kcal mol-1 entre Arg653 (gefirina) e Phe398 (GlyR) e -23,50 kcal mol-1 entre Asp327(gefirina) e Ser399 (GlyR). A menor interação foi de -1,78 kcal mol-1 entre os resíduos de aminoácido Ile656 (gefirina) e Ser399 (GlyR). Todas as interações observadas neste estudo mostraram interação de atração e a soma das contribuições individuais indica uma energia de ligação total de -343,49 kcal/mol. Pela análise da contribuição individual de cada resíduo foi possível determinar a relevância de Asp729 (gefirina) / Ser403 (GlyR), seguido de Arg653 (gefirina) / Phe398 (GlyR), Asp327 (gefirina) / Ser399 (GlyR) e Phe330 (gefirina) / Ile400 (GlyR), entre outros. Estes resultados contribuem para a maior compreensão dos mecanismos moleculares envolvidos na estabilização/ruptura de GlyR na membrana sináptica. / In the central nervous system, a high concentration of ligand-gated ion channels is necessary at the postsynaptic membrane to display efficient synaptic transmission. Gephyrin, a 93 kDa protein, is an important element in the organization of the inhibitory synaptic receptors, as a platform for multiple protein-protein interactions, bringing receptors, cytoskeletal proteins and downstream signaling proteins into close spatial proximity. This protein consists of three major domains named G, E and C. The interaction between gephyrin and the glycine receptor (GlyR) involves the E-domain of gephyrin and a cytoplasmic loop located between transmembrane segments 3 and 4 of the GlyR β subunit. Combined quantum-mechanics and molecular-mechanics in the gephyrin-GlyR association studies increase the understanding of atomic details. In order to investigate the electronic features involved in the mechanism of the GlyR anchoring by gephyrin we have employed theoretical approaches of quantum biochemistry. The energy contribution of each individual amino acid residues within the molecular interface of the anchorage between gephyrin and GlyR were evaluated. The largest contributions in the analysis of 34 interactions were, in descending order: -32.09 kcal mol-1, observed between residues Asp729 (gephyrin) and Ser403 (GlyR); -24.04 kcal mol-1 between Arg653 (gephyrin) and Phe398 (GlyR) and -23.50 kcal mol-1 between Asp327 (gephyrin) and Ser399 (GlyR). The smaller interaction was -1.78 kcal mol-1 between the amino acid residues Ile656 (gephyrin) and Ser399 (GlyR). All interactions observed in this study showed attractive interaction, and the sum of individual contributions indicate a total binding energy of -343.49 kcal/mol. After the analysis of the individual contribution of each residue we could determine the relevance of Asp729 (gephyrin) / Ser403 (GlyR), followed by Arg653 (gephyrin) / Phe398 (GlyR), Asp327 (gephyrin) / Ser399 (GlyR) and Phe330 (gephyrin) / Ile400 (GlyR), among others. These results increase the understanding of the molecular mechanisms involved in the stabilization/disruption of GlyR in the synaptic membrane.