Análise de complexidade em organoides cerebrais humanos

Resumo

Complexidade é um conceito que permeia diversas áreas do conhecimento, sejam elas sociais, biológicas ou físicas. O conceito tem sido empregado para descrever processos fisiológicos, nos quais pesquisadores afirmam ser ele o fenômeno responsável por permitir que os seres vivos se adaptem a distúrbios e preservem sua homeostase. O cérebro humano é um exemplo proeminente de um sistema complexo, altamente adaptativo, no qual as interações de um grande número de neurônios levam ao fenômeno emergente da consciência. Sabe-se que os sinais gerados pelos sistemas biológicos podem carregar informações sobre a complexidade do sistema. Essas informações são úteis para caracterizar estados fisiológicos, monitorar condições de saúde e prever eventos patológicos. No contexto da neurociência, muito esforço tem sido aplicado no desenvolvimento de metodologias e posterior uso da análise de sistemas complexos para investigar topologia, dinâmica, estados fisiológicos e doenças do cérebro. Parâmetros como o expoente H de Hurst têm sido usados para reconhecimento de padrões, classificação e identificação de doenças. Um tema recente na neurociência são os organoides cerebrais humanos. Eles mostraram potencial para modelar in vitro nosso cérebro, tornando possível estudar o desenvolvimento cerebral, doenças e testes de drogas. No entanto, ainda são poucas as pesquisas relacionadas à análise de complexidade em organoides cerebrais. Nesse sentido, como a complexidade evolui com o desenvolvimento dos organoides? Mais especificamente, como a atividade neuronal muda ao longo do tempo e como ela é estruturada temporalmente? Neste projeto, pretendemos analisar a complexidade do desenvolvimento de organoides humanos calculando o H com o tempo. Os dados experimentais serão adquiridos via arranjo multieletrodo (MEA), com o qual serão obtidos trens de disparos neuronais para cada eletrodo. Como este, muitos experimentos apresentam dados como séries temporais binárias, que podem apresentar memória e H divergentes de 0,5. Esses tipos de dados podem ser analisados usando entropias e taxas de entropia, mas ainda faltam metodologias que relacionem essas medidas e parâmetros como H. Desta forma, também pretendemos desenvolver uma metodologia para encontrar o parâmetro H diretamente de séries binárias. (AU)