Créditos ECTS Créditos ECTS: 3
Horas ECTS Criterios/Memorias Trabajo del Alumno/a ECTS: 45 Horas de Tutorías: 1 Clase Expositiva: 20 Clase Interactiva: 9 Total: 75
Lenguas de uso Castellano, Gallego
Tipo: Materia Ordinaria Máster RD 1393/2007 - 822/2021
Departamentos: Electrónica y Computación, Departamento externo vinculado a las titulaciones
Áreas: Ciencia de la Computación e Inteligencia Artificial, Área externa M.U en Neurociencia (2ª ed)
Centro Facultad de Biología
Convocatoria: Segundo semestre
Docencia: Con docencia
Matrícula: Matriculable | 1ro curso (Si)
* Resolver problemas científicos mediante la modelización, relacionando datos que a
simple vista parecen aislados, pero que realmente tienen una conexión importante.
* Poner a prueba teorías e hipótesis para verificar de forma consistente fenómenos
biológicos supuestos.
* Conocer cómo se codifica la información en el sistema nervioso
* Sugerir nuevas relaciones y dudas acerca de los sistemas biológicos modelizados, o que
levará a afianzamiento de nuevos descubrimientos
* Manejar bibliografía especializada, así como en el uso de las TIC para preparar la
materia.
Nota.- en caso de tener que aplicar Escenarios 2 y/o 3 (según la situación), no se preveen cambios.
CLASES TEÓRICAS
• Introducción a la neurociencia computacional
• Modelos a nivel molecular
• Modelos a nivel de membrana
• Modelos a nivel de neurona
• Modelos a nivel de sinapsis
• Modelos de microcircuitos
• Modelos de macrocircuitos
• Codificación en receptores sensoriales
• Tipos de actividad neuronal
• Transmisión de información en el cerebro
• Codificación espacial y temporal
• Codificación por poblaciones de neuronas
CLASES PRÁCTICAS
TAREA 1: Comprender cómo se hace una modelización.
TAREA 2: Prácticas con neurosimuladores.
TAREA 3: Informe sobre la Aplicación del proceso de modelización
TAREA 4: Exposición tras análisis y crítica.
Nota.- en caso de tener que aplicar Escenarios 2 y/o 3 (según la situación), no se preveen cambios.
Bibliografia basica:
• 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
Nota.- en caso de tener que aplicar Escenarios 2 y/o 3 (según la situación), no se preveen cambios.
* Ser capaz de relacionarse y trabajar en equipo con científicos de diferentes ámbitos.
* Capacidad de abstracción y formalización del fenómeno o sistema real a modelar.
* Capacidad para comprender y exponer los resultados de las modelizaciones y
establecer relaciones con el conocimiento existente hasta el momento del sistema
biológico.
Nota.- en caso de tener que aplicar Escenarios 2 y/o 3 (según la situación), no se preveen cambios.
* Clases expositivas. Donde se expondrán los conceptos teóricos.
* Clases interactivas. Donde se realizarán las prácticas.
Nota.- en caso de tener que aplicar Escenarios 2 y/o 3 (según la situación), ver el PLAN DE CONTINGENCIA en el apartado OBSERVACIONES.
La evaluación se realizará a través de los trabajos planteados en la materia:
* Trabajo 1: Utilización del simulador Phase Plane. 50% de la nota final.
* Trabajo 2: Utilización del simulador Neuron. 50% de la nota final.
Para los casos de realización fraudulenta de ejercicios o pruebas será de aplicación el recogido en la Normativa de evaluación del rendimiento académico de los estudiantes y de la revisión de calificaciones.
Nota.- en caso de tener que aplicar Escenarios 2 y/o 3 (según la situación), no se preveen cambios.
Clases expositivas e interactivas: 30 horas.
Trabajo personal: 45 horas.
Nota.- en caso de tener que aplicar Escenarios 2 y/o 3 (según la situación), no se preveen cambios.
Eduardo Manuel Sánchez Vila
Coordinador/a- Departamento
- Electrónica y Computación
- Área
- Ciencia de la Computación e Inteligencia Artificial
- Teléfono
- 881816466
- Correo electrónico
- eduardo.sanchez.vila [at] usc.es
- Categoría
- Profesor/a: Titular de Universidad
| Viernes | |||
|---|---|---|---|
| 10:00-14:00 | Grupo /CLE_01 | Castellano | Aula 05 (videoconferencia). Rita Levi Montalcini |
| 19.06.2025 11:30-13:30 | Grupo /CLE_01 | Aula 05 (videoconferencia). Rita Levi Montalcini |