Diplomado en Neurociencia Computacional

NEUROCIENCIA COMPUTACIONAL

INTRODUCCIÓN

MÓDULO 1. FUNDAMENTOS DE LA NEUROCIENCIA (I):

ORGANIZACIÓN Y CÉLULAS DEL SISTEMA NERVIOSO

UNIDAD DIDÁCTICA 1. ORGANIZACIÓN GENERAL DEL SISTEMA

NERVIOSO

1. Sistema nervioso central

2. Sistema nervioso periférico

3. Jerarquía de la organización

-Moléculas

-Células

-Circuitos

-Sistemas

UNIDAD DIDÁCTICA 2. NEURONAS

1. Morfología neuronal

-Soma

-Axón

-Dendritas

2. Clasificación

-Forma

-Función

-Tipo de neurotransmisor

UNIDAD DIDÁCTICA 3. CÉLULAS GLIARES

1. Tipos

-Astrocitos

-Oligodendrocitos

-Células de Schwann

-Microglía

-Células ependimarias

UNIDAD DIDÁCTICA 4. EXCITABILIDAD NEURONAL Y POTENCIAL DE

ACCIÓN

1. Propiedades eléctricas pasivas de la membrana neuronal

2. Canales iónicos dependientes de voltaje

3. Propagación del impulso nervioso

UNIDAD DIDÁCTICA 5. CIRCUITOS NEURALES

1. Tipologías

-Convergentes

-Divergentes

-Recurrentes

2. Inhibición y excitación en la dinámica de red

3. Procesamiento de la información en los sistemas sensoriales y motores

UNIDAD DIDÁCTICA 6. MÉTODOS DE ESTUDIO DEL SISTEMA NERVIOSO

1. Técnicas histológicas y de tinción

2. Electrofisiología

-Registro intracelular

-Registro extracelular

3. Modelos de investigación en animales

RESUMEN

AUTOEVALUACIÓN

MÓDULO 2. FUNDAMENTOS DE LA NEUROCIENCIA (II): FUNCIÓN,

SISTEMAS Y NUEVAS TECNOLOGÍAS

UNIDAD DIDÁCTICA 1. PRINCIPIOS GENERALES DE LA COMUNICACIÓN

SINÁPTICA

1. Tipos de sinapsis

-Química

-Eléctrica

2. Ciclo del neurotransmisor

-Síntesis

-Liberación

-Recaptación

3. Receptores

-Ionotrópicos

-Metabotrópicos

UNIDAD DIDÁCTICA 2. GRANDES SISTEMAS FUNCIONALES

1. Sistema sensorial

-Procesamiento ascendente

-Modulación descendente

2. Sistema motor

3. Sistemas de regulación

-Autónoma

-Neuroendocrina

-Homeostática

4. Sistemas de memoria y aprendizaje

UNIDAD DIDÁCTICA 3. INTRODUCCIÓN A LA PLASTICIDAD NEURONAL

1. Plasticidad sináptica

-Potenciación a largo plazo

-Depresión a largo plazo

2. Plasticidad no sináptica

3. Plasticidad estructural

UNIDAD DIDÁCTICA 4. NEUROCIENCIA DE SISTEMAS Y NEUROCIENCIA

COMPUTACIONAL

1. Mapeo de circuitos in vivo

2. Modelos computacionales de la función neuronal

UNIDAD DIDÁCTICA 5. TECNOLOGÍAS MODERNAS EN NEUROCIENCIA

1. Técnicas de neuromodulación de precisión

-Optogenética

-Quimiogenética

2. Indicadores de calcio codificados genéticamente e imagen funcional

3. Microscopía de superresolución

-STED

-STORM

-PALM

4. Secuenciación de célula única y transcriptómica espacial

RESUMEN

AUTOEVALUACIÓN

MÓDULO 3. FUNDAMENTOS MATEMÁTICOS Y BIOFÍSICOS DE LA

NEUROCIENCIA COMPUTACIONAL

UNIDAD DIDÁCTICA 1. HERRAMIENTAS MATEMÁTICAS

1. Álgebra lineal

2. Cálculo diferencial y ecuaciones en derivadas parciales

3. Probabilidad y estadística bayesiana

4. Teoría de la información

-Entropía

-Capacidad de canal

-Información mutua

-Codificación neuronal

UNIDAD DIDÁCTICA 2. BIOFÍSICA DE LA MEMBRANA NEURONAL

1. Modelo de Hodgkin-Huxley

-Formulación matemática

-Dinámica de compuertas iónicas

-Análisis de bifurcaciones y excitabilidad

2. Modelos simplificados de neurona

-Neurona integra

-Modelo de Izhikevich

-Modelo de FitzHugh-Nagumo

3. Propiedades de disparo y patrones de actividad

-Adaptación de la tasa de disparo

-Ráfagas y oscilaciones

UNIDAD DIDÁCTICA 3. SINAPSIS Y PLASTICIDAD EN EL MARCO

COMPUTACIONAL

1. Modelos de transmisión

2. Plasticidad dependiente del tiempo de disparo

3. Reglas de aprendizaje hebbiano

UNIDAD DIDÁCTICA 4. DINÁMICA DE REDES Y ESTADOS DE ACTIVIDAD

1. Sincronización

2. Oscilaciones

3. Atractores y estados estables

4. Ruidos neuronales

5. Variabilidades

UNIDAD DIDÁCTICA 5. HERRAMIENTAS COMPUTACIONALES Y

ENTORNOS DE SIMULACIÓN

1. Plataformas de simulación neuronal

-NEURON y Brian2

-NEST

RESUMEN

AUTOEVALUACIÓN

MÓDULO 4. CODIFICACIÓN, DECODIFICACIÓN Y PERCEPCIÓN

COMPUTACIONAL

UNIDAD DIDÁCTICA 1. PRINCIPIOS DE CODIFICACIÓN NEURONAL

1. Tipos

-Tasa

-Temporal

2. Codificación poblacional

-Vectores de actividad

-Espacio de representación

-Curvas de sintonización

UNIDAD DIDÁCTICA 2. DECODIFICACIÓN Y LECTURA DE POBLACIONES

NEURONALES

1. Estimador de máxima verosimilitud

2. Decodificador bayesiano

3. Análisis de componentes principales y reducción de dimensionalidad

-PCA y variantes no lineales

-Análisis discriminante y UMAP

UNIDAD DIDÁCTICA 3. MODELOS COMPUTACIONALES DE PERCEPCIÓN

1. Procesamiento jerárquico

-Visión

-Audición

-Somatosensación y dolor

2. Integración multisensorial

-Regla de integración bayesiana

-Ventanas temporales de integración

3. Modelos de atención y selección de información

UNIDAD DIDÁCTICA 4. PROCESAMIENTO Y CODIFICACIÓN PREDICTIVA

1. El cerebro como máquina predictiva

2. Errores de predicción y señales de sorpresa

3. Inferencia activa y percepción

UNIDAD DIDÁCTICA 5. REPRESENTACIONES INTERNAS Y ESPACIO

LATENTE

1. Tipos

-Biológicas

-Artificiales

2. Geometría de las representaciones neurales

3. Manifolds neurales y estructura de baja dimensionalidad

RESUMEN

AUTOEVALUACIÓN

MÓDULO 5. MODELOS COMPUTACIONALES DEL APRENDIZAJE Y LA

TOMA DE DECISIONES

UNIDAD DIDÁCTICA 1. FUNDAMENTOS COMPUTACIONALES Y

APRENDIZAJE POR REFUERZO

1. Agente y entorno

2. Características

-Facilitadores

-Dificultadores

3. Algoritmos de diferencia temporal

-TD y Q-learning

-Actor crítico

4. Error de predicción

-Correspondencia entre TD y señal dopaminérgica

-Evidencia experimental y limitaciones del modelo

UNIDAD DIDÁCTICA 2. MODELOS DE MEMORIA

1. Redes de Hopfield y memoria asociativa

2. Complementary learning systems

-Hipocampo

-Corteza

3. Consolidación y reanálisis durante el sueño

UNIDAD DIDÁCTICA 3. TOMA DE DECISIONES BAJO INCERTIDUMBRE

1. Teoría de la utilidad

2. Modelos de acumulación de evidencia

-De difusión

-Carreras de integración

3. Sesgo de exploración

4. Influencias en la decisión

UNIDAD DIDÁCTICA 4. CONTROL EJECUTIVO Y PLANIFICACIÓN

COMPUTACIONAL

1. Corteza prefrontal

2. Modelos de memoria de trabajo

3. Aprendizaje basado en modelo frente a aprendizaje libre de modelo

-Sistemas habituales y deliberativos

-Competencia e interacción entre sistemas

UNIDAD DIDÁCTICA 5. DISFUNCIONES DEL APRENDIZAJE Y LA

DECISIÓN

1. Adicción

2. Impulsividad y descuento temporal hiperbólico

3. Depresión y anhedonia

RESUMEN

AUTOEVALUACIÓN

MÓDULO 6. REDES NEURONALES ARTIFICIALES Y SU RELACIÓN

CON EL CEREBRO

UNIDAD DIDÁCTICA 1. FUNDAMENTOS DE LAS REDES NEURONALES

ARTIFICIALES

1. Funciones de activación y arquitecturas básicas

2. Retropropagación y descenso del gradiente

3. Características

-Regularización

-Sobreajuste

-Generalización

UNIDAD DIDÁCTICA 2. ARQUITECTURAS PROFUNDAS Y MODELOS

AVANZADOS

1. Redes convolucionales

-Características y analogía con la corteza visual

-Aplicaciones en neuroimagen

2. Redes recurrentes

-Memoria a largo plazo

-Modelos de dinámica cortical

3. Transformers y mecanismos de atención

-Modelos de lenguaje

-Teoría de la mente artificial

4. Redes generativas y aprendizaje no supervisado

UNIDAD DIDÁCTICA 3. NEUROLOGÍA DE SISTEMAS COMO INSPIRACIÓN

PARA LA IA

1. Aprendizaje por refuerzo profundo

2. Memoria episódica y arquitecturas de memoria externa

3. Metacognición y monitorización interna en sistemas artificiales

UNIDAD DIDÁCTICA 4. IA COMO HERRAMIENTA EN NEUROCIENCIA

1. Decodificación de señales cerebrales

2. Análisis de neuroimagen

-Funcional

-Estructural

3. Modelos de lenguaje aplicados

-Datos clínicos

-Bibliométricos

UNIDAD DIDÁCTICA 5. COMPARACIÓN ENTRE INTELIGENCIA

BIOLÓGICA Y ARTIFICIAL

1. Características en representación y aprendizaje

-Similitudes

-Divergencias

2. Eficiencia de muestra y aprendizaje

3. Diferencias con la percepción humana

RESUMEN

AUTOEVALUACIÓN

MÓDULO 7. NEUROCIENCIA COMPUTACIONAL TRASLACIONAL Y

APLICACIONES CLÍNICAS

UNIDAD DIDÁCTICA 1. DEL MODELO AL PACIENTE: PRINCIPIOS DE

TRASLACIÓN

1. Niveles de validez

2. Biomarcadores computacionales

-Criterios de validación

-EEG, MEG y fMRI

3. Modelos de paciente individual

UNIDAD DIDÁCTICA 2. PSIQUIATRÍA COMPUTACIONAL

1. Depresión mayor

-Alteraciones en el aprendizaje de recompensa

-Modelos de rumia y sesgo atencional

2. Trastornos de ansiedad

-Hiperpredicción de amenaza

-Modelos de extinción del miedo

3. Esquizofrenia

-Alteraciones en la precisión de las predicciones

-Déficits en señal dopaminérgica

UNIDAD DIDÁCTICA 3. NEUROLOGÍA COMPUTACIONAL

1. Enfermedad de Alzheimer y demencias

-Modelos de propagación de proteínas patológicas

-Alteraciones de conectividad funcional

2. Epilepsia

-Modelos de inicio y propagación ictal

-Estimulación de lazo cerrado

3. Enfermedad de Parkinson

-Disfunción de los ganglios basales en el marco computacional

-Estimulación cerebral profunda

UNIDAD DIDÁCTICA 4. INTERFACES ENTRE EL CEREBRO Y LA MÁQUINA

1. Fundamentos de las BCI

2. Decodificación motora para prótesis

3. BCI terapéuticas en rehabilitación neurológica

4. Consideraciones éticas y de privacidad neural

UNIDAD DIDÁCTICA 5. NEUROMODULACIÓN BASADA EN MODELOS

1. Estimulación magnética transcraneal

2. Estimulación transcraneal por corriente directa

3. Estimulación cerebral profunda adaptativa

4. Neurofeedback y autorregulación asistida

RESUMEN

AUTOEVALUACIÓN

SOLUCIONARIO

BIBLIOGRAFÍA COMPLEMENTARIA