Integrazione multisensoriale e autismo

Il disturbo dello spettro autistico è caratterizzato da una grave compromissione delle capacità di comunicazione e d'interazione sociale. Tale aspetto può essere la conseguenza di un ritardo dello sviluppo, in particolare della capacità di integrare stimoli di modalità diverse (audio-visive). Infatti, l'integrazione multisensoriale è il meccanismo che ci permette di elaborare al meglio le proprietà visive e acustiche degli stimoli, essenziali per la comprensione del linguaggio; nella vita di tutti i giorni, il linguaggio ci appare infatti sotto forma di stimoli acustici, dati dai fonemi, e di stimoli visivi, dati dalla lettura labiale. È stato sperimentalmente osservato che, nei bambini autistici, questi processi di integrazione multisensoriale risultano compromessi. Nel presente lavoro si adotta l’ipotesi secondo cui tale insufficiente integrazione sia determinata da una ridotta maturazione delle sinapsi cross-modali, che collegano le aree acustiche e visive, e permettono l’integrazione fra fonemi e movimenti labiali. Si ipotizza che queste sinapsi risultino particolarmente deboli negli autistici, e ciò influisce inevitabilmente sull'integrazione degli stimoli a livello multisensoriale. La tesi, dopo un lavoro di rassegna della letteratura, descrive un recente modello matematico che riproduce il processo neurale di integrazione degli stimoli. Sulla base di tale modello, sono state eseguite diverse simulazioni, col fine di mostrare le differenze tra gli individui neurotipici e quelli autistici.

Analisi del ventriloquismo temporale mediante rete neurale.

La percezione coerente del mondo esterno è basata sull'integrazione della grande varietà di input provenienti dalle differenti modalità sensoriali. Il processo di elaborazione delle diverse informazioni recepite, fin dalle prime fasi, è caratterizzato da meccanismi ancora in fase di studio, che, però, possono essere rilevati tramite l’utilizzo di modelli computazionali basati su una rete neurale specifica. In questa Tesi si è preso in considerazione il modello neurale elaborato per simulare gli aspetti spaziali e temporali di illusioni audiovisive, quali l’effetto ventriloquismo e la fission illusion, in modo da poter svolgere un’analisi computazionale del ventriloquismo temporale. Il principale effetto di questo fenomeno consiste nello spostamento dell’istante di occorrenza di uno stimolo visivo verso quello di un segnale acustico presentato in prossimità temporale. Il modello, basato principalmente sul fatto che i neuroni visivi e uditivi comunicano tramite sinapsi eccitatorie e che i campi recettivi spazio-temporali sono differenti per le due modalità sensoriali, è in grado di riprodurre i principali effetti dell’integrazione temporale tra gli stimoli, dando luogo all'effetto illusorio. Si è adattato il modello in modo da rilevare, quantificare e misurare l’estensione del ventriloquismo temporale per diverse disposizioni spaziali e temporali di presentazione degli stimoli. L’analisi è stata ripetuta variando i principali parametri, in modo da rilevare la sensibilità del modello e, quindi, fare valutazioni sui fattori particolarmente influenzanti il fenomeno, confrontando poi i risultati con i dati in letteratura.

Analisi neurocomputazionale dell'integrazione multisensoriale in soggetti neurotipici e sofferenti di disturbi dello spettro autistico

L'obiettivo prefissato è quello di sviluppare una rete neurale modificando un modello preesistente che permetta di analizzare e comprendere in termini matematici i processi neurali alla base dell'integrazione multisensoriale in soggetti sofferenti di disturbo dello spettro autistico confrontandoli con soggetti neurotipici, concentrandosi sul ruolo delle sinapsi feedforward (dirette dalle aree unisensoriali alla multisensoriale).

Modello stocastico per la plasticità sinaptica

Nel sistema nervoso centrale i neuroni comunicano l'uno con l'altro attraverso le connessioni sinaptiche e sono soggetti a centinaia di stimoli, ma hanno la capacità di distinguerli l'uno dall'altro. L'abilità delle sinapsi di interpretare questi cambiamenti morfologici e biochimici è detta \textit{plasticità sinaptica} e l'obiettivo di questa tesi è proprio studiare un modello per le dinamiche di questo affascinante processo, da un punto di vista prima deterministico e poi stocastico. Infatti le reazioni che inducono la plasticità sinaptica sono ben approssimate da equazioni differenziali non lineari, ma nel caso di poche molecole bisogna tener conto delle fluttuazioni e quindi sono necessari dei metodi di analisi stocastici. Nel primo capitolo, dopo aver introdotto gli aspetti fondamentali del sistema biochimico coinvolto e dopo aver accennato ai diversi studi che hanno approcciato l'argomento, viene illustrato il modello basato sull'aggregazione delle proteine (PADP) volto a spiegare la plasticità sinaptica. Con il secondo capitolo si introducono i concetti matematici che stanno alla base dei processi stocastici, strumenti utili per studiare e descrivere la dinamica dei sistemi biochimici. Il terzo capitolo introduce una giustificazione matematica riguardo la modellizzazione in campo medio e vede una prima trattazione del modello, con relativa applicazione, sui moscerini. Successivamente si applica il modello di cui sopra ai mammiferi e se ne studia nel dettaglio la dinamica del sistema e la dipendenza dai parametri di soglia che portano alle varie transizioni di fase che coinvolgono le proteine. Infine si è voluto osservare questo sistema da un punto di vista stocastico inserendo il rumore di Wiener per poi confrontare i risultati con quelli ottenuti dall'approccio deterministico.

Modelli neuro-computazionali della memoria semantica

Lo studio di modelli teorici e matematici della memoria semantica ricopre un ruolo importante nelle neuroscienze cognitive. I modelli neuro-computazionali sviluppati negli ultimi decenni vengono impiegati per spiegare e simulare come le informazioni recepite dall’esterno vengono memorizzate e successivamente utilizzate. In questo elaborato si sviluppa un modello di rete semantica per il riconoscimento di concetti, definiti come insieme di caratteristiche. Fondamentale è il ruolo assunto dalle diverse proprietà, che sono state suddivise fra salienti e marginali, distintive e condivise. I concetti presi in considerazione con le rispettive feature, fanno parte di un ampio data set fornito dalla Dott.ssa Catricalà. La rete sviluppata rientra tra i modelli di massa neuronale che considera quattro popolazioni di neuroni: piramidali, inter-neuroni eccitatori, inter-neuroni inibitori lenti e inter-neuroni inibitori veloci. Il modello sviluppato si basa sullo studio del professor Ursino et al. e utilizza oscillatori in banda gamma. Tramite sincronizzazione di queste oscillazioni è possibile memorizzare concetti e successivamente recuperarli, mantenendoli in memoria simultaneamente. Il richiamo di più concetti contemporaneamente avviene tramite desincronizzazione delle oscillazioni ad opera di un inibitore globale, modellato tramite funzione a gradino. Per modellare l’apprendimento della rete è stata utilizzata la regola di Hebb, sfruttando soglie pre e post-sinaptiche differenti così da costruire sinapsi asimmetriche che permettono una differenziazione delle feature.

Dinamica delle onde lente del sonno NREM nel segnale elettroencefalografico post torpore sintetico.

I periodi di torpore sono seguiti da episodi di sonno (Deboer and Tobler, 1994) in cui si registra un notevole incremento di attività delta somigliante all’incremento ottenuto nel sonno NREM successivo ad un periodo di veglia prolungato (Trachsel et al. 1991; Deboer e Tobler 1994, 1996; Strijkstra e Daan 1997; Cerri et al. 2013). Nonostante il ruolo funzionale del sonno post-torpore sia ancora dibattuto, vi è una possibilità che possa svolgere un ruolo importante per la rinormalizzazione della connettività cerebrale. L’ingresso in uno stato di torpore è infatti associato con la perdita significativa di sinapsi in diverse regioni cerebrali (Ruediger et al. 2007; von der Ohe et al. 2007), le quali vengono riformate nelle ore immediatamente successive al risveglio dal torpore (Popov et al. 1992; von der Ohe et al. 2006). L’obiettivo principale di questa tesi è, quindi, quello di studiare le caratteristiche individuali delle onde lente rilevate durante il sonno post-torpore e confrontarle con le proprietà delle onde lente registrate durante il sonno fisiologico, al fine di valutare se questa particolare condizione possa rientrare nell’ambito del sonno o se, invece, si tratti di un fenotipo elettrofisiologico di natura diversa.