OBIETTIVI FORMATIVI

Neuroni: modellizzazione biofisica avanzata e tecniche di simulazione al calcolatore. Sinapsi: Modelli fenomenologici vs modelli biofisici; Sinapsi esponenziali a una e due costanti di tempo; Plasticità sinaptica; Reti di neuroni: modelli semplificati; Ruolo della connettività nelle dinamiche di rete

OBIETTIVI FORMATIVI (DETTAGLIO) E RISULTATI DI APPRENDIMENTO

L’insegnamento si propone di fornire strumenti teorici per la modellizzazione di strutture neurali a differente scala, dal singolo neurone fino a complesse reti neuronali.
L’obiettivo primario è quello di fornire gli strumenti teorici e di simulazione per modellare l'attività elettrofisiologica generata da strutture neurali. I contenuti dell'insegnamento permetteranno al bioingegnere di arricchire le proprie competenze nell'ambito della neuroingegneria.

MODALITA' DIDATTICHE

Lezioni teoriche frontali in aula. Esercitazioni da svolgere in aula sui vari macro-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.