Renato M.E. Sabbatini, PhD
Center for Biomedical Informatics, State University of Campinas,
Campinas/SP, Brazil
Em português:
O célere desenvolvimento da neurofisiologia na segunda metade do século deu-se em grande parte à aplicação de métodos e abordagens típicos das ciências exatas, como física, química, matemática, estatística, engenharia e computação ao estudo experimental dos fenômenos neurais. A partir da determinação experimental, na década dos 40, do papel das correntes e permeabilidades iônicas do axônio nos potenciais de membrana em repouso e de ação, começaram a surgir os primeiros modelos quantitativos em neurobiologia, como o clássico modelo de Hodgkin e Huxley, que permitiram pela primeira vez a simulação aproximada dos fenômenos biofísicos em escala neuronal. A generalização desses modelos baseados em compartimentos para a simulação dos dendritos e corpos celulares, fenômenos de condução e de neurotransmissão, e, finalmente da interação entre neurônis em nível de redes, deu origem a uma nova área da ciência, denominada neurociência computacional. O seu objetivo é produzir modelos quantitativos biologicamente realistas sobre fenômenos neurais, tais como mecanismos celulares e subcelulares, circuitos sensoriais e motores, mecanismos de controle e comportamento, aprendizado, doenças, etc.; e utilizar esses modelos não somente para obter descrições mais formais da estrutura e função do sistema nervoso, como também para fazer predições e hipóteses sobre os fenômenos adjacentes. O conhecimento adquirido tem também sido utilizado na área de redes neurais artificiais, cujo objetivo é estudar, produzir e aplicar algoritmos e artefatos computacionais baseados frouxamente nos modelos de inspiração biológica. A neurociência computacional é essencialmente interdisciplinar, envolvendo a síntese de conhecimento proveniente de várias áreas distintas, como neurofisiologia, biofísica, neuroquímica, eletrônica, matemática, estatística, computação, etologia, etc. No presente trabalho apresentamos uma visão geral das metodologias básicas da neurociência computacional, principais linhas de pesquisa e aplicação, e estado atual no mundo, inclusive quanto à bibliografia básica, instituições e eventos. Discutimos também a importância das abordagens usadas nessa área para o futuro das neurociências em geral.
In English:
The rapid development of neurophysiology in the second half of the century was in large part due to the application of methods and approaches which are typical of the exact sciences, such as physics, chemistry, mathematics, statistics, engineering and computing sciences, for the experimental study of neural phenomena. Departing from the experimental determination, in the decades of the 40s, the role of ionic currents and permeabilities of the axon in the resting membrane potential and action potential, began to emerge the first quantitative models in neurobiology, such as the classic model of Hodgkin and Huxley, which was the first time that is became possible the approximate simulation of biophysical phenomenaat at the scale of neurons . The generalization of these models based on compartments for the simulation of the dendrites and cell bodies, the phenomena of conduction and neurotransmission, and finally, the interaction at the level of neuronal networks, has led to a new area of science called computational neuroscience. Its goal is to produce quantitative models of biologically realistic neural phenomena, such as subcellular mechanisms, sensory and motor circuits, control mechanisms and behavior, learning, disease, etc., and use these models not only for a more formal descriptions of structure and function of the nervous system, but also to make predictions and hypotheses about the phenomena surrounding them. The knowledge gained has also been used in the field of artificial neural networks, whose objective is to study, produce and apply computational algorithms and artifacts loosely based on biologically inspired models. Computational neuroscience is thus essentially interdisciplinary, involving the synthesis of knowledge from several different areas, such as neurophysiology, biophysics, neurochemistry, electronics, mathematics, statistics, computer science, ethology, etc.. We present an overview of the basic methodologies of computational neuroscience, main lines of research and application, and current status in the world, including as to its basic bibliography, institutions and events. We also discuss the importance of approaches used in this area for the future of neuroscience in general.
 |
Return to Home Page |  |
Return to Abstracts Index |