<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN">
<html>
<head>
<title></title>
</head>
<body style="font-family:Arial;font-size:14px">
<p>Recordamos el coloquio de hoy,<br>
<br>
<br>
COLOQUIOS DEL DEPARTAMENTO DE FÍSICA FCEYN - UBA<br>
<br>
En el Aula Seminario, 2do piso, Pab. I, <br>
<br>
Jueves 21/3, 14hs:<br>
<br>
Ana Amador<br>
<br>
DF-FCEN-UBA<br>
<br>
DESCIFRANDO CóDIGOS NEURONALES CON UN MODELO FíSICO DE CANTO DE AVES.<br>
<br>
La generación de comportamientos complejos requiere una profunda<br>
interacción entre el sistema nervioso, la morfología de los sistemas<br>
periféricos y el entorno. Un ejemplo de esta interacción es el canto de<br>
aves oscinas, las cuales lo aprenden en un proceso muy similar al<br>
que ocurre durante el aprendizaje del habla en humanos. Las aves oscinas<br>
presentan un sistema de núcleos neuronales específicos para la producción y<br>
aprendizaje del canto. Las neuronas pertenecientes a este sistema exhiben<br>
una respuesta selectiva frente a la presentación auditiva del canto propio,<br>
siendo ésta cualitativamente mayor que la respuesta a otros sonidos como<br>
ruido blanco, tonos, e incluso canto de conespecíficos o canto propio<br>
modificado. A pesar de su potencial importancia en el aprendizaje y<br>
mantenimiento del canto, la extrema selectividad de estas neuronas ha<br>
dificultado su estudio. Para abordar esta limitación y explorar la<br>
emergencia de estas respuestas, trabajamos con un modelo de producción<br>
vocal de baja dimensión, que incluye parámetros relacionados con variables<br>
fisiológicas que el ave puede controlar. Notablemente, el canto sintético<br>
generado con el modelo físico elicita respuestas neuronales muy similares a<br>
las respuestas obtenidas con la presentación del canto propio. Este modelo<br>
permite incluir progresivamente parámetros fisiológicos relevantes a la<br>
producción vocal, lo que resulta en un aumento sistemático de la magnitud<br>
de respuesta, sin cambiar los patrones de actividad. De esta manera,<br>
mostramos que un modelo de baja dimensión que representa una aproximación<br>
del sistema periférico es suficiente para capturar características<br>
comportamentales relevantes del canto. Este modelo identifica dos<br>
parámetros que definen ?gestos motores? y que son utilizados para estudiar<br>
el código neuronal que se utiliza para el procesamiento y generación del<br>
canto. Este trabajo sugiere que la información auditiva del canto está<br>
codificada en coordenadas motoras. Además proponemos una codificación<br>
neuronal novedosa donde los gestos motores representados en áreas<br>
corticales son utilizados para realizar predicciones del<br>
comportamiento esperado y de esta manera evaluar la retroalimentación al<br>
sistema nervioso central.<br>
<br>
<br>
<br>
<br></p>
</body>
</html>