Oscilações coletivas e avalanches em redes de neurônios estocásticos
Ano de defesa: | 2016 |
---|---|
Autor(a) principal: | |
Orientador(a): | |
Banca de defesa: | |
Tipo de documento: | Dissertação |
Tipo de acesso: | Acesso aberto |
Idioma: | por |
Instituição de defesa: |
Universidade Federal de Pernambuco
|
Programa de Pós-Graduação: |
Programa de Pos Graduacao em Fisica
|
Departamento: |
Não Informado pela instituição
|
País: |
Brasil
|
Palavras-chave em Português: | |
Link de acesso: | https://repositorio.ufpe.br/handle/123456789/18384 |
Resumo: | Avalanches neuronais, assim como oscilações e sincronização, são padrões de atividade espontânea observados em redes neuronais. O conceito de avalanches neuronais foi concebido na última década. Esse padrão de atividade tem distribuições de tamanhos P(s) e durações P(d) invariantes por escala, i.e., obedecem relações do tipo lei de potência P(s) ∼ s −τ, com expoente τ ≃ 3/2, e P(d) ∼ d−τt, com expoente τt ≃ 2, respectivamente. Essas propriedades são compatíveis com a ideia de que o cérebro opera em um regime crítico. A partir dessas constatações, muitos estudos teóricos e experimentais reportaram os potenciais benefícios de um cérebro operando na criticalidade, como por exemplo a máxima sensibilidade aos estímulos sensoriais, máxima capacidade de informação e transmissão e uma ótima capacidade computacional. Modelos da classe de universalidade de percolação direcionada (DP) têm sido amplamente utilizados para explicar a estatística invariante por escala das avalanches neuronais. Porém estes modelos não levam em consideração a dinâmica dos neurônios inibitórios e, além disso, como apresentam uma transição de fase entre um estado absorvente e uma fase ativa, torna-se difícil conciliar o modelo com correlações temporais de longo alcance que são observadas experimentalmente em diferentes escalas espaciais. Neste contexto, um novo modelo computacional (CROs, do original em inglês Critical Oscillations) surgiu na literatura (Poil et al., J. Neurosci., 32 9817, 2012), incluindo neurônios inibitórios e buscando conciliar correlações temporais com avalanches neuronais. Neste modelo não há uma fase absorvente, e uma suposta transição de fases ocorre entre uma fase ativa e outra com oscilações coletivas. Devido à ausência de uma fase absorvente, avalanches neuronais são definidas comparando-se a atividade instantânea da rede com um limiar que depende da mediana da atividade total. Justamente na linha crítica do espaço de parâmetros, quando há uma balanço entre excitação e inibição neuronal, avalanches neuronais invariantes por escala são observadas juntamente com correlações temporais de longo alcance (ruído 1/ f). No presente trabalho, um estudo mais profundo a respeito dos resultados reportados para o modelo CROs foi realizado. As oscilações neuronais mostraram-se robustas para diferentes tamanhos de rede, e observamos que a dinâmica local reflete a dinâmica oscilatória global da rede. Correlações temporais de longo alcance foram observadas (num intervalo de escalas temporais) através da técnica de Detrended Fluctuation Analysis, sendo robustas perante modificações no tamanho da rede. O resultado foi confirmado pela análise direta do espectro, que apresentou decaimento do tipo 1/ f numa determinada faixa de frequências. O diagrama de fases do modelo mostrou-se robusto em relação ao tamanho da rede, mantendo-se o alcance das interações locais. Entretanto, os resultados mostraram-se fortemente dependentes do limiar utilizado para detecção das avalanches neuronais. Por fim, mostramos que distribuições de durações de avalanches são do tipo lei de potência, com expoente τt ≃ 2. Este resultado é inédito e o valor encontrado coincide com o expoente crítico da classe de universalidade de DP na dimensão crítica superior. Em conjunto, nossos resultados fornecem mais evidências de que o modelo CROs de fato apresenta uma transição de fases. |
id |
UFPE_80e4db1c8ebf1265c5be2d095403a35e |
---|---|
oai_identifier_str |
oai:repositorio.ufpe.br:123456789/18384 |
network_acronym_str |
UFPE |
network_name_str |
Repositório Institucional da UFPE |
repository_id_str |
|
spelling |
DORNELLES, Leonardo Dalla Portahttp://lattes.cnpq.br/8914780970569546http://lattes.cnpq.br/9400915429521069SILVA, Mauro Copelli Lopes da2017-03-08T13:00:17Z2017-03-08T13:00:17Z2016-08-26https://repositorio.ufpe.br/handle/123456789/18384Avalanches neuronais, assim como oscilações e sincronização, são padrões de atividade espontânea observados em redes neuronais. O conceito de avalanches neuronais foi concebido na última década. Esse padrão de atividade tem distribuições de tamanhos P(s) e durações P(d) invariantes por escala, i.e., obedecem relações do tipo lei de potência P(s) ∼ s −τ, com expoente τ ≃ 3/2, e P(d) ∼ d−τt, com expoente τt ≃ 2, respectivamente. Essas propriedades são compatíveis com a ideia de que o cérebro opera em um regime crítico. A partir dessas constatações, muitos estudos teóricos e experimentais reportaram os potenciais benefícios de um cérebro operando na criticalidade, como por exemplo a máxima sensibilidade aos estímulos sensoriais, máxima capacidade de informação e transmissão e uma ótima capacidade computacional. Modelos da classe de universalidade de percolação direcionada (DP) têm sido amplamente utilizados para explicar a estatística invariante por escala das avalanches neuronais. Porém estes modelos não levam em consideração a dinâmica dos neurônios inibitórios e, além disso, como apresentam uma transição de fase entre um estado absorvente e uma fase ativa, torna-se difícil conciliar o modelo com correlações temporais de longo alcance que são observadas experimentalmente em diferentes escalas espaciais. Neste contexto, um novo modelo computacional (CROs, do original em inglês Critical Oscillations) surgiu na literatura (Poil et al., J. Neurosci., 32 9817, 2012), incluindo neurônios inibitórios e buscando conciliar correlações temporais com avalanches neuronais. Neste modelo não há uma fase absorvente, e uma suposta transição de fases ocorre entre uma fase ativa e outra com oscilações coletivas. Devido à ausência de uma fase absorvente, avalanches neuronais são definidas comparando-se a atividade instantânea da rede com um limiar que depende da mediana da atividade total. Justamente na linha crítica do espaço de parâmetros, quando há uma balanço entre excitação e inibição neuronal, avalanches neuronais invariantes por escala são observadas juntamente com correlações temporais de longo alcance (ruído 1/ f). No presente trabalho, um estudo mais profundo a respeito dos resultados reportados para o modelo CROs foi realizado. As oscilações neuronais mostraram-se robustas para diferentes tamanhos de rede, e observamos que a dinâmica local reflete a dinâmica oscilatória global da rede. Correlações temporais de longo alcance foram observadas (num intervalo de escalas temporais) através da técnica de Detrended Fluctuation Analysis, sendo robustas perante modificações no tamanho da rede. O resultado foi confirmado pela análise direta do espectro, que apresentou decaimento do tipo 1/ f numa determinada faixa de frequências. O diagrama de fases do modelo mostrou-se robusto em relação ao tamanho da rede, mantendo-se o alcance das interações locais. Entretanto, os resultados mostraram-se fortemente dependentes do limiar utilizado para detecção das avalanches neuronais. Por fim, mostramos que distribuições de durações de avalanches são do tipo lei de potência, com expoente τt ≃ 2. Este resultado é inédito e o valor encontrado coincide com o expoente crítico da classe de universalidade de DP na dimensão crítica superior. Em conjunto, nossos resultados fornecem mais evidências de que o modelo CROs de fato apresenta uma transição de fases.FACEPENeuronal avalanches, as well as waves and synchronization, are types of spontaneous activity experimentally observed in neuronal networks. The concept of neuronal avalanches was conceived in the past decade. This pattern of activity has distributions of size P(s) and duration P(d) which are scale invariant, i.e., follow power-law relations P(s) ∼ s−τ, with exponent τ ≃ 3/2, and P(d) ∼ d−τd, with exponent τt ≃ 2, respectively. These properties are compatible with the idea that the brain operates in a critical regime. From these findings, many theoretical and experimental studies have reported the potential benefits of a brain operating at criticality, such as maximum sensitivity to sensory stimuli, maximum information capacity and transmission and an optimal computational capabilities. Models belonging to the directed percolation universality class (DP) have been widely used to explain the scale invariant statistic of neuronal avalanches. However, these models do not take into account the dynamics of inhibitory neurons and, since as they present a phase transition between an absorbing state and an active phase, it is difficult to reconcile the model with long-range temporal correlations that are observed experimentally at different spatial scales. In this context, a new computational model (CROs, Critical Oscillations) appeared in the literature (Poil et al., J. Neurosci., 32 9817, 2012), including inhibitory neurons and seeking to reconcile temporal correlations with neuronal avalanches. In this model there is no absorbing phase, and a supposed phase transition occurs between an active phase and another with collective oscillations. Due to the lack of an absorbing phase, neuronal avalanches are defined comparing by the instant network activity with a threshold that depends of the total activity median. Precisely at the critical line in parameter space, when a balance between neuronal excitation and inhibition occurs, scale invariant neuronal avalanches are observed with long-range temporal correlations (1/ f-like noise). In the present work, a deeper study about the results reported for the CROs model was performed. Neuronal oscillations have been shown to be robust to increasing network sizes, and it was observed that local dynamic reflects the oscillatory global dynamic of the network. Long-range temporal correlations were observed (in a range of time scales) via Detrended Fluctuation Analysis, being robust against changes in network size. The result was confirmed by direct analysis of the spectrum, which showed a decay like 1/ f in a given frequency band. The phase diagram of the model was robust with respect to the network size, as long as the range of local interactions was kept. However, the results were dependent of the threshold used to detect neuronal avalanches. Finally, we have shown that the distributions of avalanches duration follows a power-law with exponent τt ≃ 2. This result is unprecedented and the value obtained coincides with the critical exponent of the DP universality class in the upper critical dimension. Together, our results provide further evidence that in fact the CROs model presents a phase transition.porUniversidade Federal de PernambucoPrograma de Pos Graduacao em FisicaUFPEBrasilAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessNeurociênciaMecânica EstatísticaAvalanches NeuronaisOscilações NeuronaisTransição de FasesPercolação DirecionadaCriticalidadeCorrelações Temporais de Longo AlcanceOscilações coletivas e avalanches em redes de neurônios estocásticosinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesismestradoreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPETHUMBNAILDissertacao_LeonardoDallaPorta.pdf.jpgDissertacao_LeonardoDallaPorta.pdf.jpgGenerated Thumbnailimage/jpeg1274https://repositorio.ufpe.br/bitstream/123456789/18384/5/Dissertacao_LeonardoDallaPorta.pdf.jpg6964cd43b85207dfde117ba044901d12MD55ORIGINALDissertacao_LeonardoDallaPorta.pdfDissertacao_LeonardoDallaPorta.pdfapplication/pdf4244662https://repositorio.ufpe.br/bitstream/123456789/18384/1/Dissertacao_LeonardoDallaPorta.pdf214ab17f2ee3583441af553e0a0a7931MD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-81232https://repositorio.ufpe.br/bitstream/123456789/18384/2/license_rdf66e71c371cc565284e70f40736c94386MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-82311https://repositorio.ufpe.br/bitstream/123456789/18384/3/license.txt4b8a02c7f2818eaf00dcf2260dd5eb08MD53TEXTDissertacao_LeonardoDallaPorta.pdf.txtDissertacao_LeonardoDallaPorta.pdf.txtExtracted texttext/plain172630https://repositorio.ufpe.br/bitstream/123456789/18384/4/Dissertacao_LeonardoDallaPorta.pdf.txtfa6cd95a37cd0dd7227b8c4b5d98b926MD54123456789/183842019-10-25 03:02:37.674oai:repositorio.ufpe.br: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Repositório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212019-10-25T06:02:37Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false |
dc.title.pt_BR.fl_str_mv |
Oscilações coletivas e avalanches em redes de neurônios estocásticos |
title |
Oscilações coletivas e avalanches em redes de neurônios estocásticos |
spellingShingle |
Oscilações coletivas e avalanches em redes de neurônios estocásticos DORNELLES, Leonardo Dalla Porta Neurociência Mecânica Estatística Avalanches Neuronais Oscilações Neuronais Transição de Fases Percolação Direcionada Criticalidade Correlações Temporais de Longo Alcance |
title_short |
Oscilações coletivas e avalanches em redes de neurônios estocásticos |
title_full |
Oscilações coletivas e avalanches em redes de neurônios estocásticos |
title_fullStr |
Oscilações coletivas e avalanches em redes de neurônios estocásticos |
title_full_unstemmed |
Oscilações coletivas e avalanches em redes de neurônios estocásticos |
title_sort |
Oscilações coletivas e avalanches em redes de neurônios estocásticos |
author |
DORNELLES, Leonardo Dalla Porta |
author_facet |
DORNELLES, Leonardo Dalla Porta |
author_role |
author |
dc.contributor.authorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/8914780970569546 |
dc.contributor.advisorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/9400915429521069 |
dc.contributor.author.fl_str_mv |
DORNELLES, Leonardo Dalla Porta |
dc.contributor.advisor1.fl_str_mv |
SILVA, Mauro Copelli Lopes da |
contributor_str_mv |
SILVA, Mauro Copelli Lopes da |
dc.subject.por.fl_str_mv |
Neurociência Mecânica Estatística Avalanches Neuronais Oscilações Neuronais Transição de Fases Percolação Direcionada Criticalidade Correlações Temporais de Longo Alcance |
topic |
Neurociência Mecânica Estatística Avalanches Neuronais Oscilações Neuronais Transição de Fases Percolação Direcionada Criticalidade Correlações Temporais de Longo Alcance |
description |
Avalanches neuronais, assim como oscilações e sincronização, são padrões de atividade espontânea observados em redes neuronais. O conceito de avalanches neuronais foi concebido na última década. Esse padrão de atividade tem distribuições de tamanhos P(s) e durações P(d) invariantes por escala, i.e., obedecem relações do tipo lei de potência P(s) ∼ s −τ, com expoente τ ≃ 3/2, e P(d) ∼ d−τt, com expoente τt ≃ 2, respectivamente. Essas propriedades são compatíveis com a ideia de que o cérebro opera em um regime crítico. A partir dessas constatações, muitos estudos teóricos e experimentais reportaram os potenciais benefícios de um cérebro operando na criticalidade, como por exemplo a máxima sensibilidade aos estímulos sensoriais, máxima capacidade de informação e transmissão e uma ótima capacidade computacional. Modelos da classe de universalidade de percolação direcionada (DP) têm sido amplamente utilizados para explicar a estatística invariante por escala das avalanches neuronais. Porém estes modelos não levam em consideração a dinâmica dos neurônios inibitórios e, além disso, como apresentam uma transição de fase entre um estado absorvente e uma fase ativa, torna-se difícil conciliar o modelo com correlações temporais de longo alcance que são observadas experimentalmente em diferentes escalas espaciais. Neste contexto, um novo modelo computacional (CROs, do original em inglês Critical Oscillations) surgiu na literatura (Poil et al., J. Neurosci., 32 9817, 2012), incluindo neurônios inibitórios e buscando conciliar correlações temporais com avalanches neuronais. Neste modelo não há uma fase absorvente, e uma suposta transição de fases ocorre entre uma fase ativa e outra com oscilações coletivas. Devido à ausência de uma fase absorvente, avalanches neuronais são definidas comparando-se a atividade instantânea da rede com um limiar que depende da mediana da atividade total. Justamente na linha crítica do espaço de parâmetros, quando há uma balanço entre excitação e inibição neuronal, avalanches neuronais invariantes por escala são observadas juntamente com correlações temporais de longo alcance (ruído 1/ f). No presente trabalho, um estudo mais profundo a respeito dos resultados reportados para o modelo CROs foi realizado. As oscilações neuronais mostraram-se robustas para diferentes tamanhos de rede, e observamos que a dinâmica local reflete a dinâmica oscilatória global da rede. Correlações temporais de longo alcance foram observadas (num intervalo de escalas temporais) através da técnica de Detrended Fluctuation Analysis, sendo robustas perante modificações no tamanho da rede. O resultado foi confirmado pela análise direta do espectro, que apresentou decaimento do tipo 1/ f numa determinada faixa de frequências. O diagrama de fases do modelo mostrou-se robusto em relação ao tamanho da rede, mantendo-se o alcance das interações locais. Entretanto, os resultados mostraram-se fortemente dependentes do limiar utilizado para detecção das avalanches neuronais. Por fim, mostramos que distribuições de durações de avalanches são do tipo lei de potência, com expoente τt ≃ 2. Este resultado é inédito e o valor encontrado coincide com o expoente crítico da classe de universalidade de DP na dimensão crítica superior. Em conjunto, nossos resultados fornecem mais evidências de que o modelo CROs de fato apresenta uma transição de fases. |
publishDate |
2016 |
dc.date.issued.fl_str_mv |
2016-08-26 |
dc.date.accessioned.fl_str_mv |
2017-03-08T13:00:17Z |
dc.date.available.fl_str_mv |
2017-03-08T13:00:17Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufpe.br/handle/123456789/18384 |
url |
https://repositorio.ufpe.br/handle/123456789/18384 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Pernambuco |
dc.publisher.program.fl_str_mv |
Programa de Pos Graduacao em Fisica |
dc.publisher.initials.fl_str_mv |
UFPE |
dc.publisher.country.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Universidade Federal de Pernambuco |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFPE instname:Universidade Federal de Pernambuco (UFPE) instacron:UFPE |
instname_str |
Universidade Federal de Pernambuco (UFPE) |
instacron_str |
UFPE |
institution |
UFPE |
reponame_str |
Repositório Institucional da UFPE |
collection |
Repositório Institucional da UFPE |
bitstream.url.fl_str_mv |
https://repositorio.ufpe.br/bitstream/123456789/18384/5/Dissertacao_LeonardoDallaPorta.pdf.jpg https://repositorio.ufpe.br/bitstream/123456789/18384/1/Dissertacao_LeonardoDallaPorta.pdf https://repositorio.ufpe.br/bitstream/123456789/18384/2/license_rdf https://repositorio.ufpe.br/bitstream/123456789/18384/3/license.txt https://repositorio.ufpe.br/bitstream/123456789/18384/4/Dissertacao_LeonardoDallaPorta.pdf.txt |
bitstream.checksum.fl_str_mv |
6964cd43b85207dfde117ba044901d12 214ab17f2ee3583441af553e0a0a7931 66e71c371cc565284e70f40736c94386 4b8a02c7f2818eaf00dcf2260dd5eb08 fa6cd95a37cd0dd7227b8c4b5d98b926 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE) |
repository.mail.fl_str_mv |
attena@ufpe.br |
_version_ |
1793516303033565184 |