Aspetti ipnici e vegetativi dell'inibizione del controllo nervoso centrale della termogenesi nel ratto

La possibilità di indurre stati ipotermici ed ipometabolici come il torpore o l’ibernazione in animali non ibernanti può avere dei risvolti utili nella pratica medica, in quanto permetterebbe di trarre vantaggio dagli effetti benefici dell’ipotermia senza gli effetti compensatori negativi causati dalla risposta omeostatica dell’organismo. Con questo lavoro vogliamo proporre un nuovo approccio, che coinvolge il blocco farmacologico dell’attività dei neuroni nel bulbo rostroventromediale (RVMM), un nucleo troncoencefalico che si è rivelato essere uno snodo chiave nella regolazione della termogenesi attraverso il controllo dell’attività del tessuto adiposo bruno, della vasomozione cutanea e del cuore. Nel nostro esperimento, sei iniezioni consecutive del agonista GABAA muscimolo nel RVMM, inducono uno stato reversibile di profonda ipotermia (21°C al Nadir) in ratti esposti ad una temperatura ambientale di 15°C. Lo stato ipotermico/ipomentabolico prodotto dall’inibizione dei neuroni del RVMM mostra forti similitudini col torpore naturale, anche per quanto concerne le modificazioni elettroencefalografiche osservate durante e dopo la procedura. Come negli ibernati naturali, nei ratti cui viene inibito il controllo della termogenesi si osserva uno spostamento verso le regioni lente delle spettro di tutte le frequenze dello spettro EEG durante l’ipotermia, ed un forte incremento dello spettro EEG dopo il ritorno alla normotermia, in particolare della banda Delta (0,5-4Hz) durante il sonno NREM. Per concludere, questi risultati dimostrano che l’inibizione farmacologica selettiva di un nucleo troncoencefalico chiave nel controllo della termogenesi è sufficiente per indurre uno stato di psuedo-torpore nel ratto, una specie che non presenta stati di torpore spontaneo. Un approccio di questo tipo può aprire nuove prospettive per l’utilizzo in ambito medico dell’ipotermia.

Coordination and Control of Autonomous Mobile Robots Swarms by using Particle Swarm Optimization Algorithm and Consensus Theory

This thesis presents some different techniques designed to drive a swarm of robots in an a-priori unknown environment in order to move the group from a starting area to a final one avoiding obstacles. The presented techniques are based on two different theories used alone or in combination: Swarm Intelligence (SI) and Graph Theory. Both theories are based on the study of interactions between different entities (also called agents or units) in Multi- Agent Systems (MAS). The first one belongs to the Artificial Intelligence context and the second one to the Distributed Systems context. These theories, each one from its own point of view, exploit the emergent behaviour that comes from the interactive work of the entities, in order to achieve a common goal. The features of flexibility and adaptability of the swarm have been exploited with the aim to overcome and to minimize difficulties and problems that can affect one or more units of the group, having minimal impact to the whole group and to the common main target. Another aim of this work is to show the importance of the information shared between the units of the group, such as the communication topology, because it helps to maintain the environmental information, detected by each single agent, updated among the swarm. Swarm Intelligence has been applied to the presented technique, through the Particle Swarm Optimization algorithm (PSO), taking advantage of its features as a navigation system. The Graph Theory has been applied by exploiting Consensus and the application of the agreement protocol with the aim to maintain the units in a desired and controlled formation. This approach has been followed in order to conserve the power of PSO and to control part of its random behaviour with a distributed control algorithm like Consensus.