PRESENTAZIONE

Computational Neuroscience è un corso avanzato offerto agli studenti dell'ultimo anno della laurea magistrale in Bioingegneria volto a fornire gli strumenti e i metodi per la modellizzazione del sistema nervoso a differenti scale, dal singolo neurone fino a complesse reti neuronali. In particolare, canali ionici transmembranali, singoli neuroni, sinapsi e reti di neuroni verranno studiati e analizzati mediante diverse strategie modellistiche.

OBIETTIVI E CONTENUTI

OBIETTIVI FORMATIVI

Il corso offre agli studenti i metodi e le tecniche per la modellizzazione del sistema nervoso, dal singolo neurone, alle sinapsi, fino a reti di neuroni di grosse dimensionalità. Si porrà l'enfasi sulla relazione esistente tra i modi con cui i neuroni emettono potenziali d'azione (pattern) e modello utilizzato.

OBIETTIVI FORMATIVI (DETTAGLIO) E RISULTATI DI APPRENDIMENTO

Fornire gli strumenti teorici e di simulazione per modellare l'attività elettrofisiologica generata da strutture neurali. Sulla base degli strumenti offerti, gli obiettivi del corso sono:
Essere in grado di modellizzare reti di neuroni con particolari pattern di attività elettrofisiologica
Essere in grado di scegliere i modelli di neuroni corretti sulla base delle esigenze sperimentali
Essere in grado di risolvere problemi teorici avanzati di computazione neuronale
Essere in grado di sapere scegliere la strategia computazionale migliore in base al problema richiesto

PREREQUISITI

Conoscenze avanzate di matematica, analisi matematica; analisi dei segnali elettrofisiologici; neurofisiologia

MODALITA' DIDATTICHE

Lezioni teoriche frontali in aula. Esercitazioni da svolgere in aula sui vari argomenti del corso.

PROGRAMMA/CONTENUTO

• Biophysical Model of Neurons
  • Brief introduction on equivalent membrane circuit and membrane electric properties
  • Passive models and propagation equation
  • Hodgkin and Huxley (HH) model and dynamics
  • From HH to multichannel neuron models
  • Role of neuron morphology and dendritic tree in the electrophysiological patterns
  • Reduced models: from multi-compartments to 2-3 compartments neurons
  • Calcium dynamics
    ​
• Neuronal dynamics, excitability threshold, oscillations
  • Mathematical background of non-linear systems and portrait analysis
  • Hodgkin and Huxley model
  • Morris-Lecar model
  • Fitzhug-Nagumo model
     
• From bio-inspired to abstracted point neurons
  • The family of integrate-and-fire (IF) neurons
  • Leaky-Integrate-and-Fire (LIF)
  • Exponential-Integrate-and-Fire (EIF)
  • Quadratic-Integrate-and-Fire (QIF)
  • Advantages and limitations of IF models
  • The Izhikevich model
  • Stochastic models
  • Poissonian process
  • Renewal process
     
• The synaptic transmission and plasticity
  • Exponential synapse
  • Alpha function synapse
  • Dynamical models
  • Desthexhe model
  • Markovian models
  • Modeling the synaptic plasticity
  • Hebbian rule
  • Depression, Facilitation, Augmentation (short-term plasticity)
  • Long Term Potentiation/Depression
  • Spike Timing Dependent Plasticity (STDP)
    ​
• Network Models
  • Firing Rate Model
  • Spiking Model
  • Point vs. multicompartmental networks
  • Balanced networks
  • Network architecture
  • Networks dynamics
  • Interplay between dynamics and connectivity
  • Different kind of connectivities
  • Building a graph
  • Properties of a graph
  • Functional, Structural, Effective connectivity

TESTI/BIBLIOGRAFIA

Materiale distribuito e note disponibili su Aulaweb.

• Methods in Neuronal Modeling, Koch and Segev, MIT press, 1999.
• Spiking Neuron Models, Gerstner and Kistler, Cambridge press, 2002.
• Dynamical systems in neuroscience,. Izhikevich, MIT press, 2007.
• Computational Modeling Methods for Neuroscientists, De Schutter, MIT press, 2010.
• Theoretical Neuroscience, Dayan and Abbott, MIT press, 2001.

DOCENTI E COMMISSIONI

Commissione d'esame

PAOLO MASSOBRIO (Presidente)

SERGIO MARTINOIA

SILVIO PAOLO SABATINI (Presidente Supplente)

LEZIONI

INIZIO LEZIONI

https://corsi.unige.it/11159/p/studenti-orario

Orari delle lezioni

L'orario di questo insegnamento è consultabile all'indirizzo: Portale EasyAcademy

ESAMI

MODALITA' D'ESAME

Esame scritto su tutti gli argomenti del corso.
Gli esami si svolgeranno durante il periodo di interruzione delle lezioni: gennaio, febbraio, giugno. luglio e settembre. Non verranno concessi ulteriori appelli straordinari.

MODALITA' DI ACCERTAMENTO

Al termine dell'insegnamento lo studente dovrà dimostrare  di conoscere le tecniche avanzate per modellare strutture neurali dal singolo neurone fino a grosse reti di neuroni.

Calendario appelli