Topologie e dinamiche delle
reti complesse
p
I. Leyva
y
Computational Systems Biology & Complex Network Lab
Center for Biomedical Technology
Universidad Politécnica de Madrid
Chi siamo:
Comp. Systems Biology & Complex Network Lab at CTB
Nel Centro di Tecnologie Biomediche lavorano insieme ricercatori di scienze
biomediche, neuroscience, biofisica, matematici, computer science ....
L'intera
L
intera attività CTB è focalizzata in
tutti gli aspetti del funzionamento
del cervello a tutti i livelli,
da singole neurone a
neuropsicologia clinica.
.... compresi tutti gli aspetti teorici dello sviluppo biologico e la biologia dei
sistemi.
Chi siamo: Comp. Systems Biology & Complex Network Lab at CTB
Chair: Stefano Boccaletti (2011-2013)
Direttore dil Istituto dei Sistemi Complessi (CNR-Firenze, 2013-…)
Responsabile del Laboratorio Italiano-Spagnolo sulle reti biologiche (CTB-CNR)
(quindi, la nostra struttura è complessa se stessa)
9p
persone: fisiche, matematiche, ingegneri,
g g
neuroscienziati
Lavoriamo en:
Modellizzazione computazionale in retti complese
Analisi dei dati di rette funzionali
Emergencia in dinamiche non lineare
Rapporto tra struttura e
dinamica in reti biologiche
(Indovinate chi è il capo...)
La nostra produzione grazie a CRESCO: 2011-2013
17 pubblicazioni + 5 lavori in corso
2011
S. Assenza, R. Gutiérrez, J. Gómez
Gómez-Gardeñes,
Gardeñes, V. Latora, S. Boccaletti. Scientific Reports 1, 99 (2011)
Ricardo Gutiérrez, Francisco del-Pozo,Stefano Boccaletti. PLoS ONE, 6(6), e20236.(2011)
R. Gutierrez, A. Amann, S. Assenza, J. Go mez-Gardenes, V. Latora, S. Boccaletti. Phys. Rev. Lett. 107, 234103 (2011)
I Leyva, A Navas, I Sendina-Nadal, JM Buldú, JA Almendral, S Boccaletti. Phys. Rev. E 84, 065101 (2011).
2012
I Leyva, R Sevilla-Escoboza, JM Buldú, I Sendiña-Nadal, J Gómez-Gardeñes, et. Al Phys. Rev. Lett. 108 , 168702 (2012)
p M Zanin, JM Buldú, F Del Pozo, S Boccaletti. Phys.
y Rev. Lett. 108 , 228701 ((2012))
AA Rad, I Sendina-Nadal, D Papo,
R Gutiérrez, I Sendiña-Nadal, M Zanin, D Papo, S Boccaletti. Scientific reports 2, 396 (2012)
M Zanin, P Sousa, D Papo, R Bajo, J García-Prieto et. al. Scientific reports 2, 630 (2012)
E Menasalvas Ruiz, S Boccaletti, M Zanin, P Sousa. Networks and Heterogeneous Media 7, 473-481 (2012)
2013
I Leyva, I Sendiña-Nadal, JA Almendral, A Navas, S Olmi, S Boccaletti. Phys Rev E 88 (4), 042808 (2013)
I Leyva, A Navas, I Sendiña-Nadal, JA Almendral, JM Buldú, et. al. Scientific Rep 3, 1281 (2013)
R Gutiérrez, R Sevilla-Escoboza, P Piedrahita, et. Al . Phys Rev E 88 (5), 052908 (2013)
M Zanin, E Menasalvas, S Boccaletti, P Sousa PLoS one 8 (8), e72045, (2013)
M Zanin, D Papo, S Boccaletti. Europhysics Letters 102 , 40007 (2013)
M Zanin, D Papo, JLG Solís, JCM Espinosa, C Frausto-Reyes, PP Anda. Metabolites 3 (1), 155-167 (2013)
M Zanin, D Papo. Frontiers in Computational Neuroscience 7, 125 (2013)
M Zanin, JM Alcazar, JV Carbajosa, P Sousa, D Papo, E Menasalvas, S Boccaletti. arXiv preprint arXiv:1304.1896 (2013)
Ma, cos'è una rete complessa, e perché ci importa ?
Tanti sistemi reali
l sono composti da
d elementi
l
collegati
ll
tra loro
l
in modo
d complesso
l
Internet
Ma, cos'è una rete complessa e perché ci importa ?
Questi sistemi possono essere ridotti a un grafo, cioè una struttura composta da:
Nodi
Links
Diverse strutture con proprietà statistiche
differenti
Structura + dinamica (ed ecco perche ci serve CRESCO)
Hodking-Huxley modello
di singolo neurone
Diversa structura
Diversa dimensione della rete
(N > 1000))
Diversi parametri
Rumore…
Come lavoriamo in CRESCO
Linguaggio: C,
C C++
α=0
S=0 01
S=0.01
α=0.01
α=…
S=0 14
S=0.14
S=
S=…
S
α=1
S=0 98
S=0.98
Calcolo
C l l distribuito,
di t ib it statistico
t ti ti
NO parallelo (ancora)
α
Rete di neurone a piccola scala: svilupo e dinamica della rete
Neuroni viventi,
senza connessioni,
piantate in vitro,
crescono nuove
dendrite per
collegarse tra
l
loro.
Sperimentale
I modelli numeriche
riproducono
lo
sviluppo della rete
e anche la dinamica
dei neuroni
Numeriche
Rete di neurone a grande scala: modularità emergente
Le reti
reali
sono
modulari
Modello di sviluppo con due ingredienti:
Nodi hanno dinamica
Links sono anche dinamiche:
Plasticità: si fanno piu forti
sse i nodi
no si
s ssincronizzano.
ncron zzano.
Omeostasi: le risorse per
collegarsi
g
sono limitate
In collaborazione con Laboratorio sui Sistemi Complessi, Università di Catania.
Come calculano i neuroni? Sincronizzazione adaptive
La sincronizzazione è il principale meccanismo per la rappresentazione delle informazioni
e calcoli nel cervello.
Modello
computazionale
dove
L'informazione è rappresentata dagli stati sincroni
Calcolo come una caratteristica emergente: non è una
caratteristica imposta
.
S( )
S(t)
W
Segnale esterno comune,
p
) tutte
assicurando che ((a riposo)
le unità di calcolo avranno le
stesse dinamiche.
W
porta NOT
W (t) è proporzionale alle
differenze tra i segnali
che stanno entrando dalle
porte R e I
Computation from Adaptive Synchronization
Altre porte booleane
Alta efficienza:
Un numero minore di nodi sono necessari per eseguire qualsiasi calcolo,
calcolo
rispetto al classico calcolo booleano.
Grazie a CRESCO
Acordo di colaborazione
CTB e ENEA – Cresco per
esseguire lavorando insieme
Analisi dei dati complessi:
Microchip di
DNA:
coexpression
di geni
Ricostruzione
della rete
Ge
ene 2
Statistica
di mutua correlazione
tra l'espressione
genica
Dati dai
controlli e
pazienti
Gene 3
Gene 2
Gene 1
Confrontando le reti
da controlli sani e pazienti
p
Gene 1
