CODICE 80575 ANNO ACCADEMICO 2025/2026 CFU 6 cfu anno 2 BIOENGINEERING 11159 (LM-21) - GENOVA SETTORE SCIENTIFICO DISCIPLINARE ING-INF/06 LINGUA Inglese SEDE GENOVA PERIODO 1° Semestre MATERIALE DIDATTICO AULAWEB 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 The course offers to students the methodologies, strategies, and tools to model single neurons, synapses, and large-scale neuronal networks. Particular emphasis will be given to the interplay between exhibited patterns of electrophysiological activity and the kind of used model. 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 PAOLO MASSOBRIO Ricevimento: Previo appuntamento via e-mail. 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.
