Datos Identificativos 2019/20
Asignatura (*) Neurociencia Computacional Código 610490016
Titulación
Mestrado Universitario en Neurociencia (Plan 2011)
Descriptores Ciclo Período Curso Tipo Créditos
Mestrado Oficial 2º cuadrimestre
Primeiro Optativa 3
Idioma
Castelán
Modalidade docente Presencial
Prerrequisitos
Departamento Ciencias da Computación e Tecnoloxías da Información
Computación
Departamento profesorado máster
Coordinación
Porto Pazos, Ana Belen
Correo electrónico
ana.portop@udc.es
Profesorado
Porto Pazos, Ana Belen
Sánchez Villaseñor, Eduardo
Correo electrónico
ana.portop@udc.es
Web http://http://www.usc.es/gl/titulacions/masters_oficiais/neurosci//
Descrición xeral Coñecer as formas de reproducir nas computadoras as estructuras e funcionamento dos circuitos do cerebro. Para a investigación do sistema nervioso e para diseñar sistemas intelixentes baseados no funcionamento cerebral.

Competencias do título
Código Competencias / Resultados do título
A4 Explicar o funcionamento das neuronas dende o nivel molecular ao celular.
A5 Describir a relación entre as canles iónicas e o comportamento neuronal.
B4 Saiban ler e obter información relevante de publicacións científicas.
B5 Saiban aplicar os coñecementos adquiridos e a súa capacidade de resolución de problemas en ámbitos novos ou pouco coñecidos dentro de contextos máis amplos (ou multidisciplinares) relacionados coa neurociencia.
B7 Teñan competencia na presentación oral e escrita de resultados científicos a públicos especializados e non especializados dun modo claro e sen ambigüidades.
B8 Saiban traballar en grupos de carácter multidisciplinar
B9 Posúan capacidade de reflexión sobre as responsabilidades éticas e sociais da aplicación da investigación.
C3 Utilizar as ferramentas básicas das tecnoloxías da información e as comunicacións (TIC) necesarias para o exercicio da súa profesión e para a aprendizaxe ao longo da súa vida.
C4 Desenvolverse para o exercicio dunha cidadanía aberta, culta, crítica, comprometida, democrática e solidaria, capaz de analizar a realidade, diagnosticar problemas, formular e implantar solucións baseadas no coñecemento e orientadas ao ben común.
C6 Valorar criticamente o coñecemento, a tecnoloxía e a información dispoñible para resolver os problemas cos que deben enfrontarse.
C7 Asumir como profesional e cidadán a importancia da aprendizaxe ao longo da vida.
C8 Valorar a importancia que ten a investigación, a innovación e o desenvolvemento tecnolóxico no avance socioeconómico e cultural da sociedade.

Resultados de aprendizaxe
Resultados de aprendizaxe Competencias / Resultados do título
- Capacidade de abstracción e formalización do fenómeno ou sistema real a modelizar. AI5
BI4
BI5
BI8
CI3
CI6
CI7
CI8
- Ser capaz de relacionarse e traballar en equipo con científicos de diferentes ámbitos. BI8
BI9
CI4
CI6
CI8
- Capacidade para comprender e expoñer os resultados das modelizacións e establecer relacións co coñecemento existente ata o momento do sistema biolóxico. AI4
AI5
BI4
BI7
CI6

Contidos
Temas Subtemas
1. Introducción á neurociencia computacional
2. Modelos a nivel molecular
3. Modelos a nivel de membrana: desde Boltzmann ata Hodgkin-Huxley
4. Modelos a nivel de neurona: teoria do cable e modelo
compartimental de Rall
5. Modelos a nivel de sinapsis
6. Modelos de microcircuitos
7. Modelos de macrocircuitos
8. Codificación en receptores sensoriais
9. Tipos de actividade neuronal
10. Transmisión de información no cerebro
11. Codificación espacial e temporal
12. Codificación por poboacións de neuronas
Espoñerase e comentaranse cos alumnos as diapositivas relacionadas con cada tema.
PROGRAMA DE CLASES PRÁCTICAS
Comprender cómo se fai unha modelización.
Prácticas con neurosimuladores.
Informe sobre a Aplicación do proceso de modelización
Exposición tras análisis e crítica.

Planificación
Metodoloxías / probas Competencias / Resultados Horas lectivas (presenciais e virtuais) Horas traballo autónomo Horas totais
Sesión maxistral A4 A5 B4 C3 C8 20 25 45
Seminario B5 B7 B8 B9 C4 C6 C7 9 18 27
 
Atención personalizada 3 0 3
 
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado

Metodoloxías
Metodoloxías Descrición
Sesión maxistral Realizarase a clase maxistral co empleo de materiais docentes multimedia, aproveitando as vantaxes das novas tecnoloxías e fomentando a participación do alumnado en cada tema. Esta actividade estará apoiada polo resto das metodoloxías.
Seminario Consiste na representación dun fenómeno de natureza electrofisiolóxica, que permite unha análise máis sinxela, que si se levara a cabo sobre o orixinal ou na realidade. Ponse ao suxeito ante unhas condicións hipotéticas nas cales se proba o seu comportamento ante situacións concretas. Baséase, por tanto, na configuración de situacións similares ás que se producen nun contexto real, coa finalidade de utilizalas como experiencias de aprendizaxe.

Atención personalizada
Metodoloxías
Seminario
Descrición
Resolución das dúbidas que surxan tanto nas clases maxistrais como na realización dos traballos. Atenderanse ós alumnos mediante tutorías presenciais, así como mediante tutorías virtuais a través do correo electrónico.

Avaliación
Metodoloxías Competencias / Resultados Descrición Cualificación
Sesión maxistral A4 A5 B4 C3 C8 A asistencia e participación nas clases de prácticas e clases expositivas suporá o 40% da nota final. 40
Seminario B5 B7 B8 B9 C4 C6 C7 A calidade dos traballos así como a súa axeitada exposición supoá o 60% da nota final. 60
 
Observacións avaliación

Casos excepcionais: no caso de que o estudante, por razóns
debidamente xustificadas, non puidera realizar todas as probas de
avaliación continua, o alumno contactará coa profesora para establecer datas de defensa dos traballos.


Fontes de información
Bibliografía básica

  • Bartol, T. : “MCell Software”: http://www.mcell.cnl.salk.edu/
  • Bower J. M. y Koch C. “Experimentalists and modelers: can we all just get along?”. Trends in Neuroscience. 15(11): 458-461.1992.
  • Bower, J.M., and Beeman: “The Book of GENESIS: Exploring Realistic Neural Models with the GEneral NEural SImulation System”. Second edition. New York: Springer-Verlag. 1998
  • Carnevale, N.T. & Hines, M.L.: "The NEURON simulation enviroment". Neural Computation 9:1179-1209. 1997. http://neuron.duke.edu/environ/
  • COUCH, L.W. Sistemas de comunicación digitales y analógicos. Prentice Hall, 1998.
  • DIMITRIEV, V.I. Teoría de información aplicada. Ed. MIR, Moscú, 1991.
  • DRURY, G., MARKARIAN, G y PICKAVANCE, K. Coding and modulation for digital television. Kluwer, 2001.
  • Hines, M.: “NEURON—A program for simulation of nerve equations”. In: Neural Systems: Analysis and Modeling, edited by F. Eeckman. Norwell, MA: Kluwer, p. 127-136. 1993.
  • Hines, M.: “The NEURON simulation program”. In: Neural Network Simulation Environments, edited by J. Skrzypek. Norwell, MA: Kluwer, p. 147-163. 1994.
  • Koch, C. Biophysics of Computation: Information Processing in Single Neurons. Oxford University Press, 1999.
  • LeRay, D., Fernández, D., Porto, A. & Buño, W. “Metaplastic regulation of synaptic efficacy between convergent Schaffer collaterals in rat hippocampal CA1 neurons.” Soc. Neurosci. Abstr., Vol. 29. 2003.
  • LeRay, D., Fernández, D., Porto, A., Fuenzalida, M. & Buño, W. “Heterosynaptic Metaplastic Regulation of Synaptic Efficacy in CA1 Pyramidal Neurons of Rat Hippocampus”. Hippocampus. 2004.
  • MacKay, DJC. Information Theory, Inference, and Learning Algorithms. Cambridge University Press, 2003.
  • NEURON Programming Tutorial. http://www.cs.unc.edu/-martin/
  • PROAKIS, J.G. Digital communications, McGraw Hill, 1995
  • Sah P., Bekkers J.M.: “Apical dendritic location of slow afterhyperpolarization current in hippocampal pyramidal neurons: implications for the integration of long-term potentiation”. J. Neuroscience. 16:4537-4542. 1996.
  • F Rieke, D Warland, R de Ruyter van Steveninck & W Bialek. Spikes: Exploring the Neural Code. MIT Press, Cambridge, 1997.
  • Schwartz, Eric L. “Computational Neuroscience”. MIT Press. 1990.
  • Storm J. F.: “Potassium currents in hippocampal pyramidal cells”. Prog. Brain Res. 83, 161-187. 1990.
  • STREMLER, F.G. Introducción a los sistemas de comunicación. Addison-Wesley, 1993.
  • UEIL: An User Extendable Interactive Language. http://www.neuron.yale.edu/neuron/refman/hoc.html
  • USRM. NEURON User Manual. http://neuron.duke.edu/userman/
  • Wessel R., Kristan Jr. W.B., Kleinfeld D.: “Dendritic Ca2+-acticvated K+ conductances regulate electrical signal propagation in an invertebrate neuron”. J. Neuroscience. 19:8319-8326. 1999.
  • Wiener, N.: “Cibernética”. Tusqets editores. 1985.
  • WILSON, S.G. Digital modulation and coding, Prentice Hall, 1996.
Bibliografía complementaria


Recomendacións
Materias que se recomenda ter cursado previamente

Materias que se recomenda cursar simultaneamente
Sistemas Adaptativos Complexos/610411231
Bioinformática Aplicada á Neurociencia/610411204

Materias que continúan o temario
Fisioloxía do Sistema Nervioso/610411105

Observacións


(*)A Guía docente é o documento onde se visualiza a proposta académica da UDC. Este documento é público e non se pode modificar, salvo casos excepcionais baixo a revisión do órgano competente dacordo coa normativa vixente que establece o proceso de elaboración de guías