Busca avançada
Ano de início
Entree

Árvores de contexto aplicadas à modelagem estatística de trens de disparo neuronais

Processo: 16/24676-1
Linha de fomento:Bolsas no Brasil - Pós-Doutorado
Vigência (Início): 01 de março de 2017
Vigência (Término): 19 de maio de 2019
Área do conhecimento:Ciências Exatas e da Terra - Probabilidade e Estatística - Probabilidade e Estatística Aplicadas
Pesquisador responsável:Jefferson Antonio Galves
Beneficiário:Ludmila Brochini Rodrigues
Instituição-sede: Instituto de Matemática e Estatística (IME). Universidade de São Paulo (USP). São Paulo , SP, Brasil
Vinculado ao auxílio:13/07699-0 - Centro de Pesquisa, Inovação e Difusão em Neuromatemática - NeuroMat, AP.CEPID
Assunto(s):Neurobiologia   Rede nervosa   Neurônios receptores olfatórios   Eletrofisiologia   Processos estocásticos   Peixes elétricos

Resumo

Este projeto de pesquisa propõe a modelagem de redes neuronais através de cadeias estocásticas interagentes de memória de alcance variável introduzidas por Galves e Locherbah (2013) cujo comportamento hidrodinâmico foi examinado por De Masi et al. (2014). Visando estudar modelos desta classe em condições realistas, iremos modelar trens de disparo de dados de registro eletrofisiológico do sistema olfativo de neurônios de insetos (Pouzat et al. 2002) assim como de peixes elétricos em movimento livre (Forlim et al. 2014) realizando eletrocomunicação. Nós usaremos seleção estatística de modelos na classe dos processos estocásticos de memória de alcance variável (árvores de contexto) com o objetivo de revelar a estrutura probabilística dos trens de spike e testar, através de um protocolo experimental interativo, se tal estrutura é afetada por determinada fonte de estímulos. Além disso, queremos inferir o grafo de interações de neurônios registrados com o estimador proposto e comprovado como consistente por Duarte et al. (2016), o que nos permitirá comparar diferenças funcionais no mesmo sistema neural em diferentes modelos animais. Acreditamos que o uso de tais ferramentas inovadoras de base analítica sólida irá aprofundar o entendimento dos sistemas neurobiológicos que estamos tratando e tem potencial para revelar propriedades novas dos trens de disparo que não podem ser observadas através de estratégias de análise estatística mais tradicionais em Neurobiologia. (AU)

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
KINOUCHI, OSAME; BROCHINI, LUDMILA; COSTA, ARIADNE A.; FERREIRA CAMPOS, JOAO GUILHERME; COPELLI, MAURO. Stochastic oscillations and dragon king avalanches in self-organized quasi-critical systems. SCIENTIFIC REPORTS, v. 9, MAR 7 2019. Citações Web of Science: 1.
COSTA, ARIADNE A.; BROCHINI, LUDMILA; KINOUCHI, OSAME. Self-Organized Supercriticality and Oscillations in Networks of Stochastic Spiking Neurons. Entropy, v. 19, n. 8 AUG 2017. Citações Web of Science: 4.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.