Identifying Data 2015/16
Subject (*) Neurociencia Computacional Code 610490016
Study programme
Mestrado Universitario en Neurociencia (Plan 2011)
Descriptors Cycle Period Year Type Credits
Official Master's Degree 2nd four-month period
First Optativa 3
Language
Spanish
Teaching method Face-to-face
Prerequisites
Department Tecnoloxías da Información e as Comunicacións
Coordinador
E-mail
Lecturers
Porto Pazos, Ana Belen
E-mail
ana.portop@udc.es
Web http://http://www.usc.es/gl/titulacions/masters_oficiais/neurosci//
General description

Study programme competencies
Code Study programme competences
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.

Learning aims
Learning outcomes Study programme competences
- Capacidade de abstracción e formalización do fenómeno ou sistema real a modelizar. AR5
BR4
BR5
BR8
CR3
CR6
CR7
CR8
- Ser capaz de relacionarse e traballar en equipo con científicos de diferentes ámbitos. BR8
BR9
CR4
CR6
CR8
- Capacidade para comprender e expoñer os resultados das modelizacións e establecer relacións co coñecemento existente ata o momento do sistema biolóxico. AR4
AR5
BR4
BR7
CR6

Contents
Topic Sub-topic
1. Introducción a la neurociencia computacional
2. Modelos a nivel molecular
3. Modelos a nivel de membrana: desde Boltzmann hasta Hodgkin-Huxley
4. Modelos a nivel de neurona: teoria del cable y 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
Se expodrán y comentarán con los alumnos las diapositivas relacionadas a cada tema.
PROGRAMA DE CLASES PRÁCTICAS
Comprender cómo se hace una modelización.
Prácticas con neurosimuladores.
Informe sobre la Aplicación del proceso de modelización
Exposición tras análisis y crítica.

Planning
Methodologies / tests Competencies Ordinary class hours Student’s personal work hours Total hours
Guest lecture / keynote speech A4 A5 B4 C3 C8 20 25 45
Seminar B5 B7 B8 B9 C4 C6 C7 9 18 27
 
Personalized attention 3 0 3
 
(*)The information in the planning table is for guidance only and does not take into account the heterogeneity of the students.

Methodologies
Methodologies Description
Guest lecture / keynote speech 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.
Seminar 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.

Personalized attention
Methodologies
Seminar
Description
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.

Assessment
Methodologies Competencies Description Qualification
Guest lecture / keynote speech A4 A5 B4 C3 C8 La asistencia y participación en las clases de prácticas y clases expositivas supondrá el 40% de la nota final. 40
Seminar B5 B7 B8 B9 C4 C6 C7 La calidad de los trabajos así como su adecuada exposición supondrá el 60% de la nota final. 60
 
Assessment comments

Sources of information
Basic

  • 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.
Complementary


Recommendations
Subjects that it is recommended to have taken before

Subjects that are recommended to be taken simultaneously
Sistemas adaptativos complexos/610411231
Bioinformática aplicada á neurociencia/610411204

Subjects that continue the syllabus
Fisioloxía do sistema nervioso/610411105

Other comments


(*)The teaching guide is the document in which the URV publishes the information about all its courses. It is a public document and cannot be modified. Only in exceptional cases can it be revised by the competent agent or duly revised so that it is in line with current legislation.