Aspectos generales
Responsable
Métodos de evaluación
| Método |
Cantidad |
Porcentaje |
| Entrega de Ejercicios |
20 |
50% |
| Exámenes |
2 |
50% |
Integrantes
| Integrante |
Rol |
Horas |
Actividad complementaria |
| ROSSI POOL ROMAN |
Responsable |
64.00 |
|
Introducción
Actualmente, las metodologías de registros electrofisiológicos nos permiten obtener señales de cientos o incluso miles de neuronas de manera simultánea en distintos circuitos cerebrales implicados en tareas cognitivas. Además, hemos alcanzado la capacidad de registrar las oscilaciones del potencial de campo utilizando cientos de electrodos en paralelo. Esta inmensa cantidad de datos nos ofrece una resolución mucho mayor para el estudio de los circuitos cerebrales, superando con creces las limitaciones de los métodos disponibles hace tan solo algunos años.
Para analizar las poblaciones de actividad neuronal, se emplean metodologías de reducción de dimensionalidad, como el análisis de componentes principales (PCA) o el análisis de modos latentes, que permiten identificar las dinámicas subyacentes o latentes de los circuitos neuronales. Estas dinámicas han permitido explicar una serie de procesos cognitivos previamente inexplorados o mal comprendidos. Además, estas técnicas han sido fundamentales para el avance en el campo de las interfaces cerebro-máquina, posibilitando la decodificación de movimientos y, más recientemente, la predicción del habla en humanos. Estos avances abren la puerta a aplicaciones revolucionarias en la neurorehabilitación y la comunicación asistida.
Por otro lado, las oscilaciones intra y extracraneales son analizadas a través de espectros de potencia, que permiten dividir las señales en bandas de frecuencia específicas, como delta, theta, alfa, beta y gamma. Cada una de estas bandas ha demostrado estar asociada con diferentes tipos de interacciones cognitivas y estados cerebrales. Además del análisis de las bandas individuales, se estudia la interacción entre diferentes bandas en regiones corticales separadas, conocida como coherencia, así como la sincronización entre las oscilaciones y las espigas neuronales registradas, lo que se denomina coherencia oscilaciones-espigas. Estos enfoques nos han permitido avanzar en la comprensión de cómo las diferentes regiones cerebrales se comunican y coordinan para ejecutar funciones cognitivas complejas.
Finalmente, el estudio de las fluctuaciones en la actividad neuronal ha proporcionado información crucial sobre la relación entre la codificación neuronal y las correlaciones de ruido. Estas investigaciones han arrojado luz sobre cómo los circuitos neuronales son capaces de separar eficazmente las señales relevantes para la codificación de la información, de aquellas asociadas al ruido, lo que optimiza el procesamiento sensorial y cognitivo. Además, al analizar la dinámica de estas fluctuaciones, se ha podido establecer una jerarquía en los procesos de las áreas y circuitos cerebrales, lo que ha permitido una mejor comprensión de cómo se organiza y distribuye el procesamiento de la información en el cerebro.
En resumen, estas nuevas herramientas y metodologías están transformando nuestra capacidad de estudiar la actividad neuronal a nivel poblacional, permitiendo desentrañar los mecanismos subyacentes a funciones cognitivas complejas, así como abrir nuevas fronteras en el desarrollo de tecnologías que interactúan directamente con el cerebro humano.
Objetivos
Objetivos del curso
Este curso de posgrado tiene como objetivo que los estudiantes adquieran un conocimiento profundo sobre las metodologías más avanzadas para el estudio de la actividad neuronal, enfocándose en el análisis de oscilaciones cerebrales, fluctuaciones en la actividad neuronal y dinámicas poblacionales. El enfoque será integral, combinando teoría y práctica, para que los alumnos desarrollen las habilidades necesarias para aplicar estas técnicas en contextos experimentales y analíticos dentro del campo de la neurociencia cognitiva.
Principales objetivos del curso:
- Familiarización con el análisis de poblaciones neuronales: Los estudiantes aprenderán metodologías de reducción de dimensionalidad, como el análisis de componentes principales (PCA) y otros enfoques avanzados, que permiten identificar y modelar las dinámicas latentes en la actividad de poblaciones neuronales. Se explorará cómo estas dinámicas han sido clave para comprender procesos cognitivos previamente no entendidos y para el desarrollo de tecnologías como las interfaces cerebro-máquina.
- Estudio de la sincronización y coherencia de las oscilaciones cerebrales: Se analizarán las oscilaciones neuronales utilizando espectros de potencia, con un enfoque en la división de las señales en bandas de frecuencia, y su relación con diversas interacciones cognitivas. Los estudiantes aprenderán a interpretar la coherencia entre diferentes áreas cerebrales y la sincronización entre oscilaciones y espigas neuronales, entendiendo cómo estas interacciones influyen en el procesamiento de la información en el cerebro.
- Análisis de fluctuaciones y correlaciones neuronales: El curso abordará el estudio de las fluctuaciones en la actividad neuronal, centrándose en cómo estas influyen en la codificación de la información y en las correlaciones de ruido dentro de los circuitos neuronales. Los alumnos examinarán cómo los circuitos cerebrales gestionan estas fluctuaciones para optimizar el procesamiento de señales y cómo se establecen jerarquías funcionales entre las áreas cerebrales.
- Integración de conceptos matemáticos y estadísticos: Se proporcionarán los fundamentos matemáticos y estadísticos necesarios para comprender y generalizar la aplicación de las técnicas de análisis neuronal. Esto permitirá a los estudiantes desarrollar una comprensión sólida de las bases teóricas de los métodos utilizados, capacitándolos para emplearlos eficazmente en investigaciones futuras.
- Aplicación práctica a datos electrofisiológicos: Los estudiantes tendrán la oportunidad de aplicar los conocimientos adquiridos analizando datos electrofisiológicos reales. Estas prácticas implicarán la utilización de las metodologías vistas durante el curso, lo que permitirá a los alumnos demostrar su capacidad para analizar la actividad cerebral con rigor científico y técnico.
Evaluación: La evaluación del curso consistirá en ejercicios prácticos de análisis de datos utilizando lenguajes de programación como Python o Matlab. Adicionalmente, los estudiantes deberán rendir dos exámenes teórico-prácticos en los que se evaluará la integración de los conceptos teóricos y metodológicos abordados a lo largo del curso.
Temario
- Análisis de Potencial de Campo Local (Local Fiel Potential, LFP)
- Espectro de Potencia
- Filtros (Tapping)
- Coherencia entre dos señales periódicas.
- Coherencia entre Campo y Espiga (Spike Field Coherence, SFC)
- Spike Triggered Average (STA)
- Análisis de Variabilidad Neuronal
- Autocorrelación de la tasa de disparo.
- Jerarquías de escalas temporales.
- Correlación de Ruido (Noise Correlation)
- Correlación de Tuning.
- Factor de Fano Poblaiocnal.
- Matrices de Covarianza
- Dinámicas Poblacionales
- Heterogeneidad de Respuestas
- Selectividad Mixta
- Vectores de respuesta poblacional y proyecciones
- Similitud Coseno
- Ajustes Lineales y no Lineales Poblacionales
- Componentes Principales (PCA)
- Componentes Principales Demixados (dPCA)
- Ejemplos de estudios de dinámicas poblacionales
- Aplicación de dinámicas poblacionales a interfaz cerebro máquina
- Estudios geométricos y topológicos en dinámicas poblacionales
- Métodos de reducción de dimensión no lineales
Descargables
