A capacidade de um sistema sensorial detectar estímulos eficientemente é tradicionalmente dimensionada pela faixa dinâmica, que é simplesmente uma medida da extensão do intervalo de intensidades de estímulo para as quais a rede é suficientemente sensível. Muitas vezes, sistemas biológicos exibem largas faixas dinâmicas, que abrangem diversas ordens de magnitude. A compreensão desse fenômeno não é trivial, haja vista que todos os neurônios apresentam janelas de sensibilidade muito estreitas. Tentativas de explicação baseadas em argumentos de recrutamento sequencial dos neurônios sensoriais, com efeitos essencialmente aditivos, simplesmente não são realísticas, haja vista que seria preciso que os limiares de ativação das unidades também apresentassem um escalonamento por várias ordens de magnitude, para cobrir a faixa dinâmica empiricamente observada em nível macroscópico. Notavelmente, o modelo Kinouchi-Copelli (KC), que carrega o nome de seus idealizadores, mostrou que aquele comportamento pode ser um efeito coletivo (não aditivo) do conjunto de neurônios sensoriais. O modelo KC é uma rede de unidades excitáveis com dinâmicas estocásticas e acoplados segundo uma topologia de grafo aleatório. Kinouchi e Copelli mostraram que a taxa espontânea de disparo dos neurônios (ou atividade média) sinaliza uma transição de fase fora do equilíbrio do tipo ordem-desordem, e que exatamente no ponto crítico desta transição (em termos de um parâmetro ligado às características estruturais da rede) a sensibilidade a estímulos externos é máxima, ou seja, a faixa dinâmica exibe uma otimização crítica. Neste trabalho, investigamos como o ponto crítico depende da topologia, utilizando os modelos mais comuns das chamadas redes complexas. Além disso, estudamos computacionalmente os padrões de atividade (avalanches neuronais) exibidos pelo modelo, com especial atenção às mudanças qualitativas de comportamento devido às mudanças de topologia. Comentaremos também a relação desses resultados com experimentos recentes de monitoramento de dinâmicas neurais. / The capacity of a sensory system in efficiently detecting stimuli is usually given by the dynamic range, a simple measure of the range of stimulus intensity over which the network is sensible enough. Many times biological systems exhibit large dynamic ranges, covering many orders of magnitude. There is no easy explanation for that, since individual neurons present very short dynamic ranges isolatedly. Arguments based on sequential recruitment are doomed to failure since the corresponding arrangement of the limiar thresholds of the units over many orders of magnitude is unrealistic. Notably the so-called Kinouchi-Copelli (KC) model strongly suggested that large dynamic range should be a collective effect of the sensory neurons. The KC model is a network of stochastic excitable elements coupled as a random graph. KC showed the spontaneous activity of the network signals an order-disorder nonequilibrium phase transition and that the dynamic range exhibits an optimum precisely at the critical point (in terms of a control parameter related to structural properties of the network). In this work, we investigate how the critical point depends on the topology, considering the alternatives among the standard complex networks. We also study the burts of activity (neuronal avalanches) exhibited by the model, focusing on the qualitative changes due to alternative topologies. Finally we comment on possible connections among our results and recent observations of neural dynamics.
| Identifer | oai:union.ndltd.org:IBICT/oai:teses.usp.br:tde-24102012-113159 |
| Date | 02 August 2012 |
| Creators | Camilo Akimushkin Valencia |
| Contributors | Leonardo Paulo Maia, Reynaldo Daniel Pinto, Ricardo Luiz Viana |
| Publisher | Universidade de São Paulo, Física, USP, BR |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Biblioteca Digital de Teses e Dissertações da USP, instname:Universidade de São Paulo, instacron:USP |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0027 seconds