Proposte di Tesi in Neuroscienze Computazionali

Sono disponibili i seguenti argomenti di tesi (referenti proff. Cesarelli, D’Addio):

  1. Elaborazione di un modello cinetico unificato per i principali canali ionici voltaggio-dipendenti.

    Abstract: Un recente modello di canale ionico del sodio (Balbi et al, 2017) si è dimostrato in grado di riprodurre in dettaglio il comportamento elettrofisiologico dei vari isomeri del canale del sodio. In questo progetto ci si propone di estendere l’utilizzo del modello anche ad altri canali ionici, quali quelli del potassio e del calcio, sulla scorta dell’analogia molecolare strutturale e della relazione filogenetica con i canali del sodio.


    Conoscenze richieste: nozioni di base di elettrofisiologia della cellula nervosa, programmazione MATLAB.


    Bibliografia minima:
    • Balbi P, Massobrio P, Hellgren Kotaleski J. A single Markov-type kinetic model accounting for the macroscopic currents of all human voltage-gated sodium channel isoforms. PLoS Comput Biol. 2017 Sep 1;13(9):e1005737.


  2. Elaborazione di un modello di nervo periferico.

    Abstract: Modelli computazionali di singoli assoni nervosi, sia amielinici che mielinizzati, sono stati recentemente sviluppati con elevati livelli di dettaglio (Sundt et al, 2015; McIntyre et al, 2002). In questo studio ci si propone di elaborare un modello, dettagliato dal punto di vista biofisico, di un tratto di singolo nervo periferico, costituito da molteplici assoni di differente struttura e dimensioni. Il modello sviluppato potrà così essere utilizzato per la comprensione di vari aspetti della fisiologia del sistema nervoso periferico, oltre che per la riproduzione dei diversi meccanismi fisiopatologici alla base di varie affezioni neurologiche coinvolgenti i nervi periferici.

    Conoscenze richieste: nozioni di base di elettrofisiologia della cellula nervosa, nozioni di base di struttura e funzione dei nervi periferici, programmazione MATLAB.


    Bibliografia minima:
    • Sundt D, Gamper N, Jaffe DB. Spike propagation through the dorsal root ganglia in an unmyelinated sensory neuron: a modeling study. J Neurophysiol. 2015 Dec;114(6):3140-53. doi: 10.1152/jn.00226.2015.
      o McIntyre CC, Richardson AG, Grill WM. Modeling the excitability of mammalian nerve fibers: influence of afterpotentials on the recovery cycle. J Neurophysiol. 2002 Feb;87(2):995-1006.


  3. ‘Reward prediction error’ nei circuiti dopaminergici mesencefalici: un modello computazionale.

    Abstract: Il ruolo della dopamina nel riconoscimento dell’errore di predizione del ‘reward’ (RPE, ‘reward prediction error’) è stato confermato da molteplici studi (Shultz, 2015). Tale ruolo riveste importanza fondamentale nei meccanismi neuronali motivazionali, decisionali, di apprendimento, emozionali. Il presente progetto prevede lo sviluppo di un modello preliminare di circuiti dopaminergici mesencefalici, in grado di riprodurre i dati elettrofisiologici sperimentali ad oggi disponibili.


    Conoscenze richieste: nozioni di base di elettrofisiologia della cellula nervosa, nozioni di base dei circuiti dopaminergici mesencefalici, programmazione programmazione MATLAB.


    Bibliografia minima: 
    • Schultz W. Neuronal Reward and Decision Signals: From Theories to Data. Physiol Rev. 2015 Jul;95(3):853-951. doi: 10.1152/physrev.00023.2014.

 

Tutte le tesi sono comprensive di tirocinio presso L’IRCCS Maugeri di Telese Terme; tutor e correlatore: dott. Pietro Balbi.

Pin It