Estudio computacional de la difusión del óxido nítrico y sus implicaciones en los procesos de comunicación y acoplamiento celular, aprendizaje y memoriamodelos y teorías

  1. Fernández López, Pablo
Dirigida por:
  1. Carmen Paz Suárez Araujo Director/a

Universidad de defensa: Universidad de Las Palmas de Gran Canaria

Fecha de defensa: 19 de junio de 2014

Tribunal:
  1. Roberto Moreno Díaz Presidente/a
  2. Maximina Monzón Mayor Secretario/a
  3. Juan Manuel Corchado Rodríguez Vocal
  4. Alfredo Vellido Alacena Vocal
  5. Patricio García Báez Vocal

Tipo: Tesis

Teseo: 366732 DIALNET

Resumen

ESTUDIO COMPUTACIONAL DE LA DIFUSIÓN DEL ÓXIDO NÍTRICO Y SUS IMPLICACIONES EN LOS PROCESOS DE COMUNICACIÓN Y ACOPLAMIENTO CELULAR, APRENDIZAJE Y MEMORIA: MODELOS Y TEORIAS Pablo Fernández López Instituto Universitario de Ciencias y Tecnologías Cibernéticas, Universidad de las Palmas de Gran Canaria, España ¿pfernandez@dis.ulpgc.es¿ Resumen Entender la estructura del cerebro y su funcionamiento, así como su estilo de computación, pasa por el estudio de los mecanismos subyacentes de la actividad cerebral. Entre los anteriores, y en relación inversa con la señalización neuronal clásica, tenemos la Transmisión Volumétrica (VT), basada en la difusión de sustancias neuroactivas, tales como el Óxido Nítrico (NO), en el Espacio Extracelular. El NO es una molécula gaseosa liposoluble, membrana permeable y de alta difusibilidad. La dinámica del NO la conforman diversos procesos: Generación o Síntesis, la cual ocurre en el marco de la comunicación química en las sinapsis; Difusión, gobernada por el gradiente de su propia concentración; y Autorregulación y Recombinación con otras sustancias. Esta tesis avanza en el conocimiento de la dinámica del NO en cerebro y sus implicaciones en el funcionamiento y estructura de las Redes Neuronales Biológicas (BNN) y Artificiales (ANN). Se presenta un Marco Matemático ¿ Computacional para el estudio del comportamiento del NO. Se proponen tres modelos computacionales, de capacidad creciente, en el continuo y en el discreto: Modelo basado en funciones de Bessel, Modelo basado en Sistemas Multicompartimentos y Modelo basado en Redes de Autómatas (en sus dos modalidades Probabilístico y ANDINO). Cada uno de ellos ha permitido recoger características propias del NO y del medio donde difunde. Los modelos presentados han sido biológicamente validados y nos han permitido estudiar las implicaciones de la VT como soporte biológico del aprendizaje hebbiano, proponiendo una nueva expresión para la ley de Hebb, y mostrándose mediante el diseño de una Red Neuronal Asociativa por Difusión su positiva influencia en los procesos de asociación y recuperación de información. Estudiamos un tipo especial de sistema de ecuaciones diferenciales no-lineales denominados Sistema Hebbiano por Difusión en el cual desarrollamos el análisis de los efectos de la modulación que realiza el NO. Finalmente abordamos el análisis de los efectos que realiza la dinámica del NO en la indexación de la información en las BNN y las ANN mediante la incorporación de la dinámica del NO al modelo de memoria de Pentti Kanerva.