P2012210 - Neurociencia Computacional (Módulo Neurociencia Cognitiva) - Curso 2013/2014

Información

• Créditos ECTS
• Créditos ECTS: 3.00
• Total: 3.0
• Horas ECTS
• Clase Expositiva: 20.00
• Clase Interactiva Seminario: 9.00
• Horas de Titorías: 1.00
• Total: 30.0

Outros Datos

• Tipo: Materia Ordinaria Máster RD 1393/2007
• Departamentos: Electrónica e Computación, Departamento Externo
• Áreas: Ciencia da Computación e Intelixencia Artificial, Área Externa para o postgrao oficial
• Centro: Facultade de Bioloxía
• Convocatoria: 2º Semestre de Titulacións de Grao/Máster
• Docencia e Matrícula: null

Profesores

Nome	Coordinador
SANCHEZ VILA, EDUARDO MANUEL.	SI

Horarios

Nome	Tipo Grupo	Tipo Docencia	Horario Clase	Horario exames
Grupo /CLE_01	Ordinario	Clase Expositiva	NON	NON
Grupo /CLIS_01	Ordinario	Clase Interactiva Seminario	NON	NON
Grupo /TI-ECTS01	Ordinario	Horas de Titorías	NON	NON

Programa

Existen programas da materia para os seguintes idiomas:

Castelán

Galego

Obxectivos da materia
* Resolver problemas científicos mediante a modelización, relacionando datos que a
simple vista parecen aillados, pero que realmente tenhen unha conexión importante.
* Ponher a proba teorías e hipóteses para verificar de forma consistente fenómenos
biolóxicos supostos.
* Coñecer cómo se codifica a información no sistema nervioso
* Suxerir novas relacións e dúbidas acerca dos sistemas biolóxicos modelizados, o que
levará o afianzamiento de novos descubrimentos
* Manexar bibliografía especializada, así como no uso das TIC para preparar a
materia.
Contidos
CLASES TEÓRICAS
• Introducción á neurociencia computacional
• Modelos a nivel molecular
• Modelos a nivel de membrana
• Modelos a nivel de neurona compartimental de Rall
• Modelos a nivel de sinapsis
• Modelos de microcircuitos
• Modelos de macrocircuitos
• Codificación en receptores sensoriais
• Tipos de actividade neuronal
• Transmisión de información no cerebro
• Codificación espacial e temporal
• Codificación por poblacións de neuronas

CLASES PRÁCTICAS
TAREA 1: Comprender cómo se fai una modelización.
TAREA 2: Prácticas con neurosimuladores.
TAREA 3: Informe sobre a Aplicación do proceso de modelización
TAREA 4: Exposición tras análise e critica
Bibliografía básica e complementaria
Bibliografía básica:

• Schwartz, Eric L. “Computational Neuroscience”. MIT Press. 1990.

Bibliografia complementaria:

• Carnevale, N.T. & Hines, M.L.: "The NEURON simulation enviroment". Neural
Computation 9:1179‐1209.
http://www.neuron.yale.edu/neuron/static/papers/nc97/nctoc.htm 2010.
• 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.
• 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.
• Fernández, D., Fuenzalida, M., Porto, A. & Buño, W. “Selective Shunting of the NMDA
EPSP Component by the Slow After Hyperpolarization in Rat CA1 Pyramidal Neuron”.
Journal of Neurophysiology, 97 pp. 3242‐3255. 2007.
• NEURON Tutorial. http://www.anc.ed.ac.uk/school/neuron/. 2010
• 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.
• Storm J. F.: “Potassium currents in hippocampal pyramidal cells”. Prog. Brain Res. 83,
161‐187. 1990.
• Wiener, N.: “Cibernética”. Tusqets editores. 1985.
Competencias
* Ser capaz de relacionarse e traballar en equipo con científicos de diferentes ámbitos.
* Capacidade de abstracción e formalización do fenómeno do sistema real a modelar.
* Capacidade para comprender e expoñer os resultados das modelizacións e
establecer relacións co coñecemento existente ata o momento do sistema
biolóxico.
Metodoloxía da ensinanza
* Clases expositivas. Onde se exporán os conceptos teóricos.
* Clases interactivas. Onde se realizarán as prácticas.

Sistema de evaluación
* A asistencia ás prácticas e participación nas clases de debate suporá o 40% da
la nota final.
* A calidade dos traballos así como a súa adecuada exposición suporá o 60% da nota
final.
Tempo de estudo e traballo persoal
Clases expositivas e interactivas: 30 horas.
Traballo persoal: 45 horas.