Angelo MARCELLI | Projects

MODELLI NEUROCOMPUTAZIONALI DELL'APPRENDIMENTO MOTORIO

L'interazione tra le aree del sistema nervoso coinvolte nell'apprendimento motorio è stata studiata a diversi livelli di analisi e utilizzando approcci differenti. In letteratura è presente un'ingente mole di dati, ottenuta attraverso esperimenti condotti su modelli animali, studi di neuroimaging su soggetti sani, trattamenti clinici condotti su pazienti affetti da malattie motorie, analisi genetiche. La criticità che nasce nell'analizzare e confrontare i risultati ottenuti dai diversi studi (anche a parità di tecnica utilizzata) è dovuta all'elevata variabilità delle condizioni in cui vengono effettuati gli esperimenti, al diverso livello di analisi (incentrato su singoli neuroni, gruppi di neuroni o interi sistemi neurali) e ai diversi paradigmi utilizzati per testare l'apprendimento motorio.L'uso di un modello computazionale, costruito sulla base delle attuali conoscenze anatomiche e fisiologiche dei sistemi neurali coinvolti nell'apprendimento motorio, fornisce un utile supporto all'analisi di tali risultati e rappresenta inoltre un valido complemento agli studi sperimentali, soprattutto nell'analisi di interazioni neurali che coinvolgono diversi sottosistemi del sistema nervoso. A differenza degli approcci convenzionali, un modello computazionale, pur essendo una versione alquanto semplificata del sistema biologico in esame, permette di analizzare l'andamento delle interazioni tra gruppi di neuroni in ogni istante di tempo e di realizzare set di esperimenti in cui si ha piena conoscenza e controllo delle condizioni al contorno. Un ulteriore vantaggio fornito dai modelli computazionali è che essi permettono di simulare la presenza di malattie neurodegenerative e di interventi esterni, quali deep brain stimulation (DBS) e somministrazione di farmaci, permettendo conseguentemente di analizzare la risposta del sistema biologico e fornire delle linee guida per ulteriori sperimentazioni in vivo.L'attivita' di ricerca svolta nel primo anno ha portato alla definizione di un modello computazionale procedurale dell'apprendimento motorio. Il modello sviluppato conferma le due ipotesi alla base della ricerca:una sequenza di movimenti viene memorizzata nel sistema nervoso sotto due forme diverse, una sequenza di punti target da raggiungere per la realizzazione del task motorio e una sequenza di comandi motori;l'apprendimento motorio avviene in due fasi diverse, una fase iniziale ed una di automatizzazione.Il modello sviluppato mostra che nella prima fase quali i gangli basali, interagendo con la corteccia, sono implicati nella selezione della sequenza di punti target da raggiungere, mentre il cervelletto, interagendo con la corteccia, e' responsabile della selezione dell'appropriata sequenza di comandi motori necessari per la realizzazione del task. Di conseguenza, l'esecuzione del comportamento motorio nelle fasi iniziali dell'apprendimento è basata sulla conoscenza procedurale mantenuta nelle interazioni tra corteccia e gangli basali mentre, dopo un lungo periodo di pratica, allorquando la sequenza di comandi motori viene immagazzinata nel cervelletto, le prestazioni motorie dipendono dalle informazioni relative alla sequenza di comandi motori mantenuta nelle interazioni tra corteccia e cervelletto.L'attivita' di ricerca che sara' svolta nel secondo anno riguardera' essenzialmente il completamento del modello, che comprendera' le interazioni tra gangli basali, corteccia parietale, corteccia motoria e cervelletto, e la sua validazione attraverso la simulazione di task di apprendimento e di adattamento motorio ed il confronto con le prestazioni del modello con quelle riportate in letteratura relative a soggetti sani e affetti da alcune patologie neurodegenerative, quali il Parkinson, l'Alzheimer, la corea di Huntington, anche per valutare possibili applicazioni del modello sviluppato sia alla diagnosi precoce che alla valutazione del danno delle patologie summenzionate.