Estresse neonatal, expressão do medo e sistema dopaminérgico em ratos

A estimulação neonatal tem sido utilizada como modelo experimental para examinar os mecanismos pelos quais variações precoces do ambiente do animal afetam o desenvolvimento de sistemas neurais, dando origem a alterações comportamentais e neuroendócrinas duradouras. Buscou-se estudar os efeitos do estresse neonatal sobre duas abordagens: comportamental e imunoistoquímica. Na primeira, foram avaliados em ratos adultos (90-110 dias) dois paradigmas de medo: inato (campo aberto, N=48) e aprendido, (condicionamento clássico N=48); enquanto na segunda abordagem realizou-se a técnica imunoistoquímica (N=15) na substância nigra compacta (SNCo) e área tegmental ventral (VTA) para detecção da enzima precursora da dopamina, a tirosina hidroxilase (TH). Foram utilizados ratos da variedade Wistar, que do 1º ao 10º dia de vida foram submetidos a 3 tipos de intervenção: manipulação (retirados do ninho por 3min sendo tocados gentilmente por 1 min); separação (retirados do ninho por 3h, e mantidos a temperatura de 33ºC); e grupo controle (sem intervenções do experimentador ou do tratador). O condicionamento clássico (treino) foi constituído por 10 pareamentos de 1 estímulo incondicionado (EI, choque elétrico –0,8mA) com 2 estímulos condicionados ou neutros (EC, som e luz) em 2 sessões de 5 pareamentos cada. A duração de cada emissão do EC foi de 5s sendo no último segundo associada ao EI. O teste foi realizado 24h após o treino, e consistiu de emissões de EC com mesma duração e intervalo por um período total de 30 min. No experimento 2, foi utilizado um campo aberto de 1m2 no qual os ratos permaneceram por 5 min. Em ambos experimentos os comportamentos eram registrados em vídeo e analisados através do programa Noldus. Os resultados (X±EPM) foram analisados por uma ANOVA, post-hoc Newman Keuls ou Kruskal Wallis post-hoc Dunn (p<0,05). Nos experimentos comportamentais foram observados os seguintes resultados: no medo aprendido houve diminuição da duração (s) do comportamento de imobilização (491±54); da duração de rearing (58±13) e da latência para extinção do condicionamento do grupo manipulado (591±434) comparado ao controle (718±73; 22±6; 1020±843 respectivamente) e no campo aberto houve aumento da duração e freqüência da locomoção e rearing (97.6±8; 4.3±1 e 64.3±5; 31±2), diminuição da duração de autolimpeza (4.2±1) e aumento da freqüência de entradas no centro do campo aberto (4.3±0,8) no grupo manipulado comparado ao controle (69±7; 30±3 e 48±6; 21.5±2; 19±5; 2.2±0.6, respectivamente). Na análise Imunoistoquímica não foram detectadas diferenças significativas entre os grupos quanto imunomarcação de TH nas áreas estudadas. Foi confirmada a diminuição da inibição comportamental no campo aberto como conseqüência da manipulação. A manipulação neonatal também reduziu as respostas do medo condicionado, ratos manipulados no período neonatal expressam, quando adultos, menor expressão de medo aprendido e tem a extinção da aprendizagem aversiva mais acelerada. Curiosamente não foram observados efeitos da separação materna sobre as repostas de medo inato ou aprendido. Embora a dopamina do sistema mesocorticolímbico module as respostas comportamentais alteradas, nenhum dos modelos de intervenção estudados afetaram a intensidade de marcação deste neurotransmissor.

Expressão da imunorreatividade à tirosina hidroxilase no hipotálamo de ratos machos adultos submetidos à manipulação neonatal

A estimulação neonatal tem sido utilizada como modelo experimental para examinar os mecanismos pelos quais variações precoces do ambiente do animal afetam o desenvolvimento de sistemas neurais, dando origem a alterações comportamentais e endócrinas estáveis. A estimulação neonatal consiste na manipulação dos animais por alguns minutos diariamente durante os primeiros dias de vida. Esse procedimento provoca, na vida adulta, uma série de alterações comportamentais e endócrinas que se caracterizam pela diminuição do medo a ambientes novos e uma resposta menos acentuada da secreção de glicocorticóides pela supra-renal quando os animais são expostos a estímulos estressantes. A dopamina é um neurotransmissor que atua no sistema nervoso central, onde está envolvida na integração de vários aspectos da função neuroendócrina, como, por exemplo, um regulador na secreção de prolactina e do hormônio liberador de corticotrofina. O objetivo do presente estudo foi investigar o papel da manipulação neonatal sobre o sistema dopaminérgico através da quantificação de neurônios contendo tirosina hidroxilase, a enzima inicial e limitante da síntese de catacolaminas, em núcleos hipotalâmicos. Ratos machos Wistar foram divididos em dois grupos. Um grupo foi submetido à manipulação por um minuto, uma vez por dia, durante os dez primeiros dias de vida (grupo manipulado) e outro grupo não sofreu manipulação (grupo não-manipulado, controle). Aos 75-80 dias, os animais foram anestesiados, perfundidos e os cérebros processados para a detecção imunohistoquímica da tirosina hidroxilase. Foi utilizado um anticorpo monoclonal contra tirosina hidroxilase e o método indireto avidina-biotina-peroxidase. A quantificação da expressão da tirosina hidroxilase consistiu na contagem dos neurônios imunorreativos à tirosina hidroxilase nos núcleos arqueado, paraventricular e periventricular do hipotálamo em cada indivíduo. A média ± EPM do número de neurônios positivos para tirosina hidroxilase de todos os indivíduos foi comparada entre os grupos manipulado e não-manipulado através do teste t de Student. Não houve diferença significativa no número de neurônios imunorreativos à tirosina hidroxilase nos núcleos arqueado, paraventricular e periventricular do hipotálamo de ratos machos adultos entre os animais do grupo manipulado e controle não-manipulado. O estudo mostrou que a manipulação neonatal não se constituiu num estímulo suficiente para promover alterações no número de neurônios imunorreativos à tirosina hidroxilase nos núcleos arqueado, paraventricular e periventricular do hipotálamo de ratos machos adultos.

Alterações endócrinas do eixo hipotálamo-hipófise-gônadas em ratas manipuladas no período neonatal

A manipulação no período neonatal tem sido utilizada há algumas décadas como modelo experimental para analisar os mecanismos pelos quais variações precoces no ambiente do animal afetam o desenvolvimento de sistemas neurais, dando origem a alterações comportamentais e neuroendócrinas estáveis na vida adulta. Nos ratos, a manipulação neonatal consiste do manuseio suave dos filhotes nos primeiros dias de vida em geral, durante as duas semanas após o parto. Quando adultos, os animais submetidos a essa manipulação apresentam uma menor secreção de glicocorticóides pela adrenal quando expostos a estímulos estressores, e um retorno mais rápido à concentração plasmática basal quando comparados aos ratos não manipulados. Trabalhos prévios demonstram que além de alterar o eixo hipotálamo-hipófise-adrenal, a manipulação pode alterar o eixo hipotálamo-hipófise-gônadas, ratas manipuladas apresentam ciclos anovulatórios e uma diminuição do comportamento sexual. Com isso, o nosso objetivo nesse trabalho foi analisar o perfil de secreção de estradiol e progesterona em ratas manipuladas no período neonatal nas quatro fases do ciclo estral, como também, verificar o efeito da manipulação sobre as concentrações plasmáticas de LH e FSH em ratas ovariectomizadas e com reposição hormonal No experimento I foram estudados dois grupos de ratas adultas: não manipuladas (fêmeas que nos 10 primeiros dias de vida não foram tocadas pelo experimentador ou tratador); e manipuladas (ratas que nos 10 primeiros dias pós-parto foram diariamente manipuladas pelo experimentador por 1 minuto, retornando para a mãe logo em seguida). Quando adultas, o ciclo estral das ratas foi controlado, e aquelas com 3 a 4 ciclos regulares seguidos tiveram a veia jugular externa canulada em cada uma das fases do ciclo estral (metaestro, diestro, estro e proestro). No dia seguinte ao da cirurgia às 8 horas da manhã, iniciaram-se as coletas de sangue (800µL) de 3 em 3 horas. O sangue foi centrifugado, o plasma coletado e destinado ao radioimunoensaio para estradiol e progesterona. As ratas cujo sangue foi coletado no proestro tiveram o número de óvulos contados na manhã seguinte. No experimento II, as ratas manipuladas e não manipuladas foram ovariectomizadas e 3 semanas após receberam injeções subcutâneas de estradiol por 3 dias consecutivos às 9 horas da manhã, no quarto dia receberam progesterona às 10 horas e às 11 horas tiveram a veia jugular canulada Neste mesmo dia às 13 horas, iniciaram-se as coletas de sangue (600µL) que foram realizadas de hora em hora, até às 18 horas. O sangue foi centrifugado o plasma coletado e destinado ao radioimunoensaio para LH e FSH. Os resultados mostraram que as ratas manipuladas no período neonatal apresentam uma redução nas concentrações plasmáticas de estradiol no proestro e de progesterona no metaestro e no estro comparadas às não manipuladas. O número de óvulos encontrados na manhã do estro está reduzido nas ratas manipuladas quando comparado às não manipuladas, confirmando resultados prévios. A alteração destes esteróides gonadais pode explicar a redução do número de óvulos das fêmeas manipuladas. As concentrações plasmáticas de LH e de FSH não são diferentes entre os dois grupos, indicando que a responsividade do eixo hipotálamo-hipófise parece não ser alterada pela manipulação, no entanto é necessário realizar mais experimentos para que afirmações possam ser feitas a respeito da responsividade do eixo.

Localização de faltas de alta impedância em sistemas de distribuição de energia : uma metodologia baseada em redes neurais artificiais

O presente trabalho apresenta uma nova metodologia de localização de faltas em sistemas de distribuição de energia. O esquema proposto é capaz de obter uma estimativa precisa da localização tanto de faltas sólidas e lineares quanto de faltas de alta impedância. Esta última classe de faltas representa um grande problema para as concessionárias distribuidoras de energia elétrica, uma vez que seus efeitos nem sempre são detectados pelos dispositivos de proteção utilizados. Os algoritmos de localização de faltas normalmente presentes em relés de proteção digitais são formulados para faltas sólidas ou com baixa resistência de falta. Sendo assim, sua aplicação para localização de faltas de alta impedância resulta em estimativas errôneas da distância de falta. A metodologia proposta visa superar esta deficiência dos algoritmos de localização tradicionais através da criação de um algoritmo baseado em redes neurais artificiais que poderá ser adicionado como uma rotina adicional de um relé de proteção digital. O esquema proposto utiliza dados oscilográficos pré e pós-falta que são processados de modo que sua localização possa ser estimada através de um conjunto de características extraídas dos sinais de tensão e corrente. Este conjunto de características é classificado pelas redes neurais artificiais de cuja saída resulta um valor relativo a distância de falta. Além da metodologia proposta, duas metodologias para localização de faltas foram implementadas, possibilitando a obtenção de resultados comparativos. Os dados de falta necessários foram obtidos através de centenas de simulações computacionais de um modelo de alimentador radial de distribuição. Os resultados obtidos demonstram a viabilidade do uso da metodologia proposta para localização de faltas em sistemas de distribuição de energia, especialmente faltas de alta impedância.

Precificação e hedge dinâmico de opções de Telebrás utilizando redes neurais

As redes neurais podem ser uma alternativa aos modelos paramétricos tradicionais para a precificação de opções quando a dinâmica do ativo primário não for conhecida ou quando a equação associada à condição de não-arbitragem não puder ser resolvida analiticamente. Este trabalho compara a performance do modelo tradicional de Black-Scholes e as redes neurais. Os modelos foram utilizados para precificar e realizar a cobertura dinâmica das opções de compra das ações de Telebrás. Os resultados obtidos sugerem que as redes neurais deveriam ser consideradas pelos operadores de opções como uma alternativa aos modelos tradicionais.

Aquisição e otimização de mapas de navegação usando redes neurais

A capacidade de encontrar e aprender as melhores trajetórias que levam a um determinado objetivo proposto num ambiente e uma característica comum a maioria dos organismos que se movimentam. Dentre outras, essa e uma das capacidades que têm sido bastante estudadas nas ultimas décadas. Uma consequência direta deste estudo e a sua aplicação em sistemas artificiais capazes de se movimentar de maneira inteligente nos mais variados tipos de ambientes. Neste trabalho, realizamos uma abordagem múltipla do problema, onde procuramos estabelecer nexos entre modelos fisiológicos, baseados no conhecimento biológico disponível, e modelos de âmbito mais prático, como aqueles existentes na área da ciência da computação, mais especificamente da robótica. Os modelos estudados foram o aprendizado biológico baseado em células de posição e o método das funções potencias para planejamento de trajetórias. O objetivo nosso era unificar as duas idéias num formalismo de redes neurais. O processo de aprendizado de trajetórias pode ser simplificado e equacionado em um modelo matemático que pode ser utilizado no projeto de sistemas de navegação autônomos. Analisando o modelo de Blum e Abbott para navegação com células de posição, mostramos que o problema pode ser formulado como uma problema de aprendizado não-supervisionado onde a estatística de movimentação no meio passa ser o ingrediente principal. Demonstramos também que a probabilidade de ocupação de um determinado ponto no ambiente pode ser visto como um potencial que tem a propriedade de não apresentar mínimos locais, o que o torna equivalente ao potencial usado em técnicas de robótica como a das funções potencias. Formas de otimização do aprendizado no contexto deste modelo foram investigadas. No âmbito do armazenamento de múltiplos mapas de navegação, mostramos que e possível projetar uma rede neural capaz de armazenar e recuperar mapas navegacionais para diferentes ambientes usando o fato que um mapa de navegação pode ser descrito como o gradiente de uma função harmônica. A grande vantagem desta abordagem e que, apesar do baixo número de sinapses, o desempenho da rede e muito bom. Finalmente, estudamos a forma de um potencial que minimiza o tempo necessário para alcançar um objetivo proposto no ambiente. Para isso propomos o problema de navegação de um robô como sendo uma partícula difundindo em uma superfície potencial com um único ponto de mínimo. O nível de erro deste sistema pode ser modelado como uma temperatura. Os resultados mostram que superfície potencial tem uma estrutura ramificada.

Previsão de demanda de energia elétrica por meio de redes neurais artificiais

Este estudo propõe um método alternativo para a previsão de demanda de energia elétrica, através do desenvolvimento de um modelo de estimação baseado em redes neurais artificiais. Tal método ainda é pouco usado na estimativa de demanda de energia elétrica, mas tem se mostrado promissor na resolução de problemas que envolvem sistemas de potência. Aqui são destacados os principais fatores que devem pautar a modelagem de um sistema baseada em redes neurais artificiais, que são: seleção das variáveis de entrada; quantidade de variáveis; arquitetura da rede; treinamento; previsão da saída. O modelo ora apresentado foi desenvolvido a partir de uma amostra de 125 municípios do Estado do Rio Grande do Sul (Brasil), nos anos de 1999 a 2002. Como variáveis de entrada, foram selecionados a temperatura ambiente (média e desvio-padrão anual), a umidade relativa do ar (média e desvio-padrão anual), o PIB anual e a população anual de cada município incluído na amostra. Para validar a proposta apresentada, são mostrados resultados baseados nas simulações com o modelo proposto.

Classificação de sinais de voz utilizando a transformada Wavelet Packet e redes neurais artificiais

Este trabalho apresenta um sistema de classificação de voz disfônica utilizando a Transformada Wavelet Packet (WPT) e o algoritmo Best Basis (BBA) como redutor de dimensionalidade e seis Redes Neurais Artificiais (ANN) atuando como um conjunto de sistemas denominados “especialistas”. O banco de vozes utilizado está separado em seis grupos de acordo com as similaridades patológicas (onde o 6o grupo é o dos pacientes com voz normal). O conjunto de seis ANN foi treinado, com cada rede especializando-se em um determinado grupo. A base de decomposição utilizada na WPT foi a Symlet 5 e a função custo utilizada na Best Basis Tree (BBT) gerada com o BBA, foi a entropia de Shannon. Cada ANN é alimentada pelos valores de entropia dos nós da BBT. O sistema apresentou uma taxa de sucesso de 87,5%, 95,31%, 87,5%, 100%, 96,87% e 89,06% para os grupos 1 ao 6 respectivamente, utilizando o método de Validação Cruzada Múltipla (MCV). O poder de generalização foi medido utilizando o método de MCV com a variação Leave-One-Out (LOO), obtendo erros em média de 38.52%, apontando a necessidade de aumentar o banco de vozes disponível.