Il corso si articolerà in due moduli, per un totale di 9 CFU.
Modulo 1 (Prof. Pietro Aricò - 3 CFU)
1 Modelli elettrici di membrana a singolo compartimento
Introduzione ai modelli elettrici di membranaProprietà capacitive della membranaProprietà resistive della membranaEquazione di NernstCorrenti di membranaConduttanze di membrana2 Modello integra-e-spara
Comportamento sotto soglia e sopra sogliaEquazioni e circuito equivalenteConfronto con i dati sperimentaliVantaggi e limiti3 Modello di Hodgkin e Huxley
Tecnica del voltage-clampCanale del potassio voltaggio-dipendenteCanale del sodio voltaggio-dipendenteEquazioni del modelloDinamica del potenziale di membrana4 Conduttanze sinaptiche
Probabilità di apertura del canale e probabilità di rilascio presinapticoModelli delle correnti sinaptiche5 Modelli di propagazione intracellulare e propagazione passiva
Resistenza intracellulareTeoria dei caviEquazione dei telegrafisti e condizioni al contornoEquazione semplificata e propagazione passiva6 Modelli multicompartimentali della membrana neuronale
Decomposizione della membrana in compartimenti e diramazioniCalcolo della conduttanza di raccordoModello per la propagazione continua del potenziale d’azioneModello per la propagazione saltatoria nella fibra mielinizzata7. Modelli di encoding e decoding neuronale
Introduzione all’encoding e al decoding neuronaleRegistrazioni intracellulari ed extracellulariFunzione di risposta neuronale come treno di impulsiDefinizioni di frequenza di scarica (1° e 2° definizione)Probabilità di scaricaEffetti delle diverse finestrature impiegate per il calcolo del firing rate8. Encoding neuronale
Definizione e costruzione della curva di tuningEsempi sperimentali di curve di tuningModello stocastico di generazione della risposta neuronale9. Decoding neuronale
Natura probabilistica del concetto di decoding neuronaleRichiami di calcolo delle probabilitàIstogrammi del firing rate Legame tra frequenza di scarica e caratteristica dello stimoloClassificazione a soglia della rispostaValutazione della qualità del classificatoreCurve ROC, AUC10.Cenni ai modelli di reti di neuroni
Connessioni cerebraliOrganizzazione corticaleCategorie di connessioniReti basate su spiking modelsReti basate su firing modelsCorrente sinaptica e funzione di attivazione11.Esempi di applicazioni dei modelli neuronali
Modulo 2 (Prof.ssa Jlenia Toppi - 6CFU)
1 Metodi di modeling
1.1 La complessità dei sistemi biologici e la necessità dei modelli
1.2 Approcci alla modellizzazione
1.3 Modellizzare i dati
1.4 Modellizzare il sistema
1.5 Identificazione del modello
1.6 Modelli parametrici: stima dei parametri
1.7 Modelli non-parametrici: stima del segnale di input
1.8 Validazione del modello
2 Sistemi di controllo in Fisiologia e Medicina
2.1 Richiami sui sistemi di controllo controreazionati
2.2 Il pancreas artificiale
2.3 Funzionamento del ciclo glucosio/insulina e diabete
Funzionamento del ciclo glucosio/insulinaModello del diabeteDescrizione dei diversi modelli alla base del pancreas artificiale