• Inicio

    Del 12 de noviembre al 7 de diciembre de 2012.

    Materia corta del Programa de Profesores Visitantes.

    Profesor: Dr. Matías J. Ison (Department of Engineering, University of Leicester, Reino Unido).

    Objetivos: Uno de los desafíos centrales en el campo de las neurociencias es comprender la relación entre los múltiples niveles de organización neuronal, desde el funcionamiento de las neuronas individuales hasta la dinámica macroscópica del cerebro. El curso presenta una selección de sistemas neuronales a distintas escalas con énfasis en los modelos computacionales y en el desarrollo de algoritmos necesarios para el análisis de datos neuronales. Al final del curso, los alumnos podrán implementar y modificar algoritmos existentes utilizando herramientas computacionales y metodologías de simulación de sistemas neuronales claves. El curso busca estimular la investigación transdisciplinaria en computación y neurociencias.

    Puntaje: 2 puntos para la Licenciatura; 2 puntos para el Doctorado (en trámite).

    Carga horaria: Clases teórico/prácticas, 10 horas semanales, 4 semanas.

    Horario: Miércoles y viernes de 13 a 17h (laboratorio Turing); consultas de 17 a 18h.

    Modo de evaluación:  Trabajo práctico; exámenes parcial y final.

    Prerrequisitos:  Conocimientos básicos de programación (no necesariamente en MATLAB). Algebra I. Cálculo diferencial e integral (nivel de Análisis II).

    Inscripción: Por mail, escribiendo a dcosta (at) dc.uba.ar.

    Programa:

    1. Introducción al curso. Por qué la neurociencia necesita de la computación. Procesamiento y representación de información en el cerebro.
    2. Herramientas computacionales básicas: sintaxis y filosofía de MATLAB.
    3. Modelos de neuronas individuales. Implementación de un modelo de neuronas Integrate and Fire.
    4. Redes neuronales en distintas escalas. Redes de Hopfield. modelo de Izhikevich. Eficiencia computacional vs. Plausibilidad biológica.
    5. Modelos de redes neuronales biológicamente plausibles. Codificación y decodificación de información en un modelo del hipocampo.
    6. Teoría de la información y neural coding.
    7. Algoritmos de Machine Learning para el análisis de registros extracelulares. Spike sorting. Super-paramagnetic clustering. Algoritmos offline y online.
    8. El problema de la validación de métodos en el análisis de datos experimentales.
    9. Introducción a la dinámica cerebral a gran escala, registros electroencefalográficos (EEG). Potenciales relacionados con eventos (ERPs).
    10. Cierre: Problemas actuales y desafíos futuros.

    Bibliografía:

    (Gran parte del material está disponible gratuitamente online o será provisto por el profesor.)

    • Theoretical Neuroscience , Peter Dayan & Larry Abbott. MIT Press, 2001.
    • Biophysics of Computation- Information Processing in Single Neurons, Christof Koch, Oxford University Press, 1999.
    • Izhikevich EM. Which model to use for cortical spiking neurons? IEEE Trans Neural Netw. 2004 Sep;15(5):1063-70.
    • Selectivity of pyramidal cells and interneurons in the Human Medial Temporal Lobe: Pyramidal Cells vs. Interneurons. Matias J. Ison, Florian Mormann, Moran Cerf, Christof Koch, Itzhak Fried, and Rodrigo Quian Quiroga. Journal of Neurophysiology 2011; 106: 1713-1721.
    • Large-scale recording of neuronal ensembles. Buzsáki G. Nat Neurosci. 2004 May;7(5):446-51. Review.
    • Unsupervised spike detection and sorting with wavelets and superparamagnetic clustering. Quiroga RQ, Nadasdy Z, Ben-Shaul Y. Neural Comput. 2004 Aug;16(8):1661-87.
    • How silent is the brain: is there a "dark matter" problem in neuroscience? Shoham S, O'Connor DH, Segev R. J Comp Physiol A Neuroethol Sens Neural Behav Physiol. 2006 Aug;192(8):777-84.
    • Realistic simulation of extracellular recordings. Juan Martinez, Carlos Pedreira, Matias J. Ison, and Rodrigo Quian Quiroga. Journal of Neuroscience Methods. 2009; 184(2): 285-293.
    • Event-related potential studies of attention. Luck SJ, Woodman GF, Vogel EK. Trends Cogn Sci. 2000 Nov 1;4(11):432-440.
    • EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics. Delorme A & Makeig S. Journal of Neuroscience Methods. 2004; 134:9-21.
    • Selectivity and invariance for visual object perception. M.J.Ison and R.Quian Quiroga. Frontiers in Bioscience. 2008; 13, 4889-4903. Review.


    Acerca del Profesor:

    matias-isonMatías Ison es profesor en bioingeniería en la Universidad de Leicester (Inglaterra) desde el año 2007. Obtuvo su titulo de licenciatura (2001) y doctorado (2006) en Ciencias Físicas en la Universidad de Buenos Aires, especializándose en física estadística computacional. Su campo de trabajo actual se sitúa en la interface entre la ingeniería, la computación, la física y las neurociencias. Sus investigaciones recientes involucran: i) experimentos sobre formación de memorias y representación de información en el cerebro en pacientes epilépticos implantados con microelectrodos intracraneales por motivos clínicos (en colaboración con el Dr. Itzhak Fried (UCLA Medical Center, USA) y el Dr. Quian Quiroga (U. Leicester), ii) Desarrollo de herramientas de análisis y clustering de señales neuronales, iii) Registros simultáneos de EEG y eye tracking, iv) Modelado de redes neuronales biológicamente plausibles.