Oscilações coletivas e avalanches em redes de neurônios estocásticos

Detalhes bibliográficos
Ano de defesa: 2016
Autor(a) principal: DORNELLES, Leonardo Dalla Porta
Orientador(a): SILVA, Mauro Copelli Lopes da
Banca de defesa: Não Informado pela instituição
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