Download Document 723655

Ingeniería de Sistemas
PROPUESTA PARA TRABAJO DE GRADO
TÍTULO: Electro-Fisiología del simulador neuronal biológico CORTEX 3D
MODALIDAD : Proyecto de Investigación
OBJETIVO GENERAL: Implementar un prototipo a partir de un modelo informático que permita llevar a cabo una
visualización de la electro-fisiología asociada al simulador neuronal biológico CORTEX 3D.
ESTUDIANTE(S)
Saúl Fernando Martínez Rubio__________________________________________
Documento
cc.1032361456
Celular
3208381972
Teléfono fijo
6714857
Correo Javeriano
[email protected]
DIRECTOR
Leonardo Flórez __________________________________
Documento
cc.18615040
Celular
3xx-xxx-xxx
Teléfono fijo
3208320ext
5317
Correo Javeriano
[email protected];
Empresa donde trabaja y cargo
Pontificia Universidad Javeriana;
Profesor Departamento de Sistemas
8/9/2017
Pontificia Universidad Javeriana
Propuesta para Trabajo de Grado – Proyecto de Investigación
Contenido
1.
PROBLEMÁTICA ...........................................................................................................2
1.1 PROBLEMÁTICA .............................................................................................................2
1.2 FORMULACIÓN..............................................................................................................3
1.3 JUSTIFICACIÓN ..............................................................................................................3
2. MARCO TEÓRICO ...................................................................................................5
2.1 NEUROCIENCIAS ........................................................................................................5
2.2 NEURO-INFORMÁTICA ...............................................................................................5
2.3 SIMULACIONES NEURONALES ...................................................................................6
2.4 TRABAJOS RELACIONADOS .......................................................................................6
2.4.1 Simuladores Neuronales ............................................................................................ 6
3.
OBJETIVOS ...............................................................................................................15
3.1 OBJETIVO GENERAL ................................................................................................15
3.2 OBJETIVOS ESPECÍFICOS .........................................................................................15
4. GESTIÓN DEL PROYECTO .....................................................................................16
4.1 ACTIVIDADES ..........................................................................................................16
4.1.1 Fase 1: Documentación ........................................................................................... 16
4.1.2 Fase 2: Diseño ......................................................................................................... 17
4.1.3 Fase 3: Implementación ........................................................................................... 17
4.2 METODOLOGÍA........................................................................................................18
4.3 CRONOGRAMA ........................................................................................................19
4.4 PRESUPUESTO .........................................................................................................20
5. REFERENCIAS .......................................................................................................21
i
Pontificia Universidad Javeriana
Propuesta para Trabajo de Grado - Proyecto de Investigación
1. Problemática
En esta sección se describirá la problemática y el problema que se pretende resolver con el
proyecto, ofreciendo justificación de la razón de ser del mismo.
1.1 Problemática
Los hombres siempre han intentado comprender la naturaleza y aplicar los conocimientos
adquiridos. De esta forma se ha evolucionado cada vez más llegando incluso a realizar modelos mucho más eficientes a partir de lo que se ha aprendido de la naturaleza. Todo esto es
posible gracias a las capacidades que posee nuestro cerebro, las cuales nos permiten razonar
acerca de cada evento que percibimos y tratar de descifrarla de tal forma que sea posible utilizarla para nuestro beneficio ya sea para crear nuevas cosas o para poder llegar a entender
conceptos más complejos. No obstante, aunque hemos obtenido todo este conocimiento, no
logramos resolver los misterios mas grades: ¿Cómo funciona nuestro cerebro? ¿Qué mecanismos permiten que el cerebro logre procesar tanta información de manera paralela y lo
más sorprendente sin un gasto masivo de energía?
Los mayores avances en el tema del funcionamiento del cerebro se han logrado en las últimas
dos décadas. Esto se debe a que campos relacionados como biología molecular, genética y
visualización cerebral han logrado gran desarrollo gracias a la evolución computacional y de
esta manera han construido un gran número de hipótesis que podrían explicar cómo funciona
el sistema nervioso. A pesar de estos avances, dada la alta complejidad tanto del proceso de
crecimiento como el de formación de conexiones sinápticas para llegar a formar redes neuronales complejas, ha impedido estudiar el cerebro como un sistema global. Por esta razón la
neuro-informática busca llevar a cabo un trabajo conjunto entre ciencias de la computación y
la neurociencias, el cual se espera que conlleve al descubrimiento de nuevos conocimientos
acerca del cómo funciona el cerebro al verlo de manera global y realizar así análisis de grandes cantidades de información por medio de sistemas computarizados.
Dados los grandes avances que se han producido gracias a la neuro-informática en los distintos campos que componen las neurociencias y los nuevos conocimientos generados en estos
campos, surge una necesidad de crear nuevas herramientas para el estudio de las diferentes
características de las neuronas, esto ha producido que se modifiquen los sistemas ya existentes como es el caso de [1] o se creen nuevos sistemas informáticos enfocados en describir
distintos tipos de actividades como es el caso de [2], el cual se enfoca en el crecimiento y
relación de las neuronas en un medio especifico. Sin embargo, la gran mayoría de estas herramientas toman una cantidad considerable de tiempo para desarrollarse debido a su complejidad y las múltiples características que se deben tener en cuenta. Además, es importante tener en cuenta que la mayoría de estas herramientas son desarrolladas por grupos de investigación en universidades los cuales no pueden trabajar de forma constante en un solo proyecto
sino que generalmente están involucrados en varios proyectos desarrollando diferentes activi-
2
Pontificia Universidad Javeriana
Propuesta para Trabajo de Grado - Proyecto de Investigación
dades. Por este motivo, su desarrollo es lento, y se ha acudido a algunas alternativas como
generar proyectos de software libre en los cuales cualquier persona interesada pueda aportar
un poco para el avance de estos proyectos. Uno de estos proyectos es CORTEX 3D [2], donde los encargados del proyecto publican los avances en la construcción de la herramienta a
medida que son integrados y además están dispuestos a recibir colaboración para llevar a
cabo el desarrollo de una herramienta útil tanto para el campo de la investigación como para
la enseñanza.
1.2 Formulación
Debido a que actualmente no comprendemos con exactitud la manera en la que las neuronas
funcionan, muchas herramientas que han surgido se enfocan solo en tomar las características
más relevantes conocidas de las neuronas y modelarlas en sistemas de simulación. Estos simuladores son importantes pues permiten llevar a cabo pruebas para determinar si los conocimientos que actualmente se asumen como correctos realmente lo son o en el caso de no
serlo permiten encontrar qué factores parecen faltar para que la simulación realmente funcione como lo hacen los sistemas biológicos. Es fácil ver que la mayoría de los simuladores
nacieron como una herramienta para probar una característica específica como sucede en
herramientas como [3, 4] y en algunos casos han evolucionado al integrar nuevas funcionalidades como es el caso de [2, 5, 6, 7]. Pero, qué aspectos se tuvieron en cuenta a la hora de
desarrollar una herramienta como estas?. Esta pregunta es muy importante dado que cada
una de estas herramientas se concibió con el fin de describir los distintos aspectos de las neuronas, como en el caso de [1] el cual se enfocó en que debía ser muy flexible en todos sus
aspectos, o CORTEX 3D [2] que se encuentra enfocado en el crecimiento de las neuronas.
Entonces, qué aspectos son relevantes al momento de desarrollar una herramienta de este
tipo?, qué proceso debe seguirse para determinar que la herramienta es correcta y apoya el
estudio de las neuronas?.
De aquí surge la problemática que busca responder a la siguiente pregunta: ¿Cómo se debe
determinar qué aspectos son relevantes al momento de realizar una herramienta de simulación que busque apoyar el estudio de las neuronas teniendo en cuenta que la herramienta
debe estar enfocada a un propósito especifico?
1.3 Justificación
A partir de la problemática que se menciona al final de la Sección 1.1 y del hecho de que
cada vez son más necesarias nuevas herramientas en el campo de las neurociencias para el
estudio y el entendimiento del sistema nervioso, la presente propuesta se enfoca en responder:
¿Qué factores son relevantes a la hora de desarrollar una herramienta con las características necesarias?. Además, se busca que la herramienta cumpla con los criterios necesarios
para ser de utilidad y de fácil entendimiento para los expertos en el área de las neurociencia y
que de esta forma pueda aportar al estudio y entendimiento del sistema nervioso.
3
Pontificia Universidad Javeriana
Propuesta para Trabajo de Grado - Proyecto de Investigación
Una vez realizado un análisis de las características de cada uno de los simuladores de la sección 2.4.1 se propone utilizar el simulador CORTEX 3D en el cual se busca implementar la
electro-fisiología la cual es una característica que actualmente no posee como puede notarse
en su ultima publicación [2]. Las características que llevaron a usar este simulador para el
proyecto son las siguientes:
1. Es un proyecto de software libre el cual esta a disposición de cualquier persona interesada en el tema y con las habilidades para realizar un aporte a la herramienta.
2. El proyecto esta desarrollado en java lo cual lo hace portable a cualquier ambiente,
y mi experiencia en la programación es mucho mas amplia en java por lo cual facilitara la realización de el proyecto y mostrara mejores resultados en el corto tiempo
que se posee para el desarrollo.
3. Con la implementación de esta nueva característica será posible abordar y obtener
conclusiones que respondan la pregunta que se plantea en la problemática.
4. El nuevo enfoque de crecimiento y formación de redes neuronales biológicas muy
interesante y vale la pena aportar a el surgimiento de el proyecto.
5. El proyecto no esta enfocado en generar redes neuronales de un tamaño real, sino
busca entender su formación y crecimiento, por lo cual no es necesario tener maquinas con una gran cantidad de recursos de procesamiento. Solo se necesita una
maquina con la suficiente capacidad como para generar una red pequeña lo cual actualmente es posible realizarlo con un computador personal.
4
Pontificia Universidad Javeriana
Propuesta para Trabajo de Grado - Proyecto de Investigación
2. Marco Teórico
En esta sección se presentan los principales temas asociados a este proyecto así como el estado actual de trabajos relacionados. Entre los temas que se mostrarán se encuentra una breve
introducción a la neurociencias, y se abordará con más profundidad una de las ramas de la
neuro-informática y una de las ramas de las neurociencias. Finalmente, trataremos el tema de
las simulaciones neuronales.
2.1 Neurociencias
Según [8], las neurociencias se definen como una disciplina científica que se encarga del
estudio del sistema nervioso desde diferentes puntos de vista. Para realizar esta labor un gran
conjunto de expertos como Biólogos, Químicos, Psicólogos, entre otros; se han unido para
contribuir en este campo y avanzar hacia un mismo objetivo, lo que ha causado que las neurociencias crezcan de manera rápida. Algunas otras definiciones como la descrita en [9] son
más formales al definir la neurociencias como: "Las neurociencias son el estudio del cerebro
y el sistema nervioso, incluyendo la neurociencia molecular, neurociencia celular, neurociencia cognitiva, modelamiento computacional y enfermedades del sistema nervioso". Algunas de las áreas que pertenecen o que podemos relacionar con las neurociencias son:











Neuroanatomía
Neurociencia aplicada
Neurociencia cognitiva
Neuro-informática
Neuro-economía
Neurofisiología
Neurolingüística
Neurología
Neuropsicología
Neuropsiquiatría
Psicofarmacología
2.2 Neuro-informática
La neuro-informática nace como un esfuerzo para abordar entre varias disciplinas de la neurociencias, a partir de un enfoque de las ciencias de la computación, el reto de construir herramientas que permitan modelar características del sistema nervioso y estudiar su comportamiento, y de esta manera permitan generar nuevo conocimiento así como reafirmar mediante experimentación las teorías ya existentes. En otras palabras, en [10] se define la neuroinformática como: “Un nuevo campo que combina la neurociencia y la informática enfocado
5
Pontificia Universidad Javeriana
Propuesta para Trabajo de Grado - Proyecto de Investigación
en la investigación, para desarrollar y utilizar herramientas con el fin de generar un avance
en la comprensión de la estructura y funciones del cerebro”.
2.3 Simulaciones Neuronales
Las simulaciones son una herramienta normalmente utilizada para comprender procesos
complejos, pues permiten un análisis riguroso del comportamiento global del sistema nervioso en términos de normas definidas inicialmente. En el caso particular de las simulaciones de
redes nerviosas se busca determinar como éstas se desarrollan y se comunican utilizando
señales eléctricas y químicas. Esta comunicación involucra la creación de mecanismos no
lineales que toman en cuenta variables temporales y espaciales entre muchos otros aspectos.
En este tipo de simulaciones es importante tener en cuenta el nivel de detalle dado que involucran un gran número de factores de la fisionomía celular, los cuales deben tenerse en cuenta
para que la simulación pueda mostrar información confiable y apta para ser analizada. Sin
embargo, se debe tomar en cuenta que el nivel de detalle no debe ser demasiado alto para no
caer en un uso inadecuado de los recursos disponibles que son limitados. La utilización de
este tipo de simulaciones es muy útil en el momento de realizar validaciones de datos cruzados, estimaciones experimentales y formación de nuevo conocimiento a partir de observaciones experimentales.
2.4 Trabajos Relacionados
2.4.1 Simuladores Neuronales
En esta sección abordaremos varios simuladores neuronales cada uno con características distintas de tal manera que sea posible determinar sus fortalezas y debilidades así como hacía
qué tipo de estudio están enfocados. Esto con el fin de determinar cual de ellos tiene las características deseadas para el desarrollo del proyecto.
GENESIS
GENESIS es un simulador que se encuentra en desarrollo del laboratorio Caltech desde 1985
como una extensión a un modelo del cortex olfativo. Éste fue modelado teniendo en cuenta
tres objetivos principales:



El simulador debe ser capaz de brindarle al usuario el nivel de detalle que el usuario
requiera para la simulación.
El sistema debe poder simular cualquier problema exceptuando algunos casos especiales.
El usuario debe ser extensible. Esto significa que el usuario debe poder desarrollar
sus propios módulos o expandir los módulos ya existentes.
Para lograr estos objetivos el proyecto adquirió algunas características como:
6
Pontificia Universidad Javeriana




Propuesta para Trabajo de Grado - Proyecto de Investigación
Se desarrollo bajo un enfoque totalmente orientado a objetos. De esta manera las
simulaciones se construyen por módulos los cuales cada uno debe cumplir con ciertos estándares y debe ser capaz de comunicarse con otros módulos. Así es posible
que el usuario final dependiendo del nivel de detalle que desee pueda integrar más
o menos módulos según sea necesario.
El simulador trabaja bajo un lenguaje de alto nivel basado en scripts, de esta forma
el usuario no debe tener amplios conocimientos de programación. Esta característica es de gran importancia cuando el usuario intenta llevar acabo modificaciones en
GENESIS pues le brinda gran facilidad y disminuye la curva de aprendizaje.
Para que el usuario se pueda trasladar de un sistema operativo a otro el simulador
se diseño de tal manera que pudiera correr en Unix y X- Windows (Ilustración 1. Interfaz GENESIS). También se llevaron a cabo pruebas en varios sistemas con distintas configuraciones para comprobar que podía migrar entre varias maquinas.
En un inicio se definió como un sistema distribuido que permitiera que la capacidad
de procesamiento fuese variable según el número de máquinas de las cuales se dispusiera.
Ilustración 1. Interfaz GENESIS
GENESIS es un proyecto que lleva bastante tiempo en desarrollo por lo cual tiene muchas
características que lo hacen uno de los simuladores más completos y flexibles a las necesidades del usuario. Sin embargo, también existen algunas desventajas debido a algunas de sus
características. Una de estas desventajas es que debido a que trabaja bajo un lenguaje de alto
7
Pontificia Universidad Javeriana
Propuesta para Trabajo de Grado - Proyecto de Investigación
nivel que se basa en scripts al momento de realizar simulaciones se disminuye su rendimiento. Otra desventaja que posee es que su desarrollo se enfoco en el análisis de redes neuronales
ya formadas, por lo que actualmente no es posible simular el crecimiento de una red neuronal
lo cual otros proyectos como en [2].
Como último, es importante resaltar que a pesar de que se ha actualizado poco a poco esto se
ha realizado mediante el lenguaje de alto nivel que posee, por lo cual sus bases en el lenguaje
C aun se mantienen en su mayoría sin modificarse desde que se inicio el proyecto. Por esto,
actualmente se realizará una nueva versión con el fin de mejorar sus cimientos y así mejorar
su rendimiento, pero desafortunadamente el código del proyecto es privado.
GENESIS es un simulador bastante completo que ha evolucionado a medida que ha pasado el
tiempo, desde ser una extensión para una aplicación a convertirse en un software completo
con características que muy pocos simuladores poseen actualmente.
EDLUT
EDLUT consiste en una aplicación neuronal el cual es capaz de llevar acabo simulaciones de
redes neuronales con una característica con un nivel de detalle medio, en el cual se toman en
cuenta algunas de los comportamientos de una neurona biológica para realizar la simulación.
Sin embargo posee una característica que lo hace especial y es su forma de realizar las simulaciones en 2 fases para aumentar el rendimiento esto lo abordaremos con detalle más adelante.
EDLUT se desarrollo (departamento de arquitectura y tecnología) en la universidad de Granada ubicada en España. Su objetivo principal es la simulación de redes neuronales biológicas reales con la característica de utilizar un enfoque que disminuyera los requerimientos de
maquina al momento de la simulación.
Para lograr una disminución en el consumo de recursos se dividió en dos fases el proceso de
simulación y se enfocaron en ser capaces de simular una red neuronal con gran cantidad de
neuronas en una sola maquina. La primera fase consistía en realizar una pre-compilación con
cada uno de los tipos específicos de neurona que se utilizarían en la simulación, con esto se
creaba una tabla que describía el comportamiento de cada tipo de neurona según una entrada
especifica y como esta respondía ante ese estimulo, una vez realizada la tabla con la información de cada una de las neuronas se daba inicio a la segunda fase. La segunda fase consistía
en utilizar como entrada la tabla generada en la fase anterior para llevar a cabo la simulación
sin necesidad de realizar demasiados cálculos. Para lograr esto la simulación consulta la tabla
cada vez que necesitaba conocer el comportamiento de una neurona ante un estimulo determinado, con este enfoque solo en casos especiales o en caso de que algún comportamiento no
se hubiera tomado en cuenta en la primera fase de la aplicación sería necesario realizar calculo de entradas y salidas en la comunicación de la red. Otra característica nueva que adopto
EDLUT es una simulación basada por eventos a diferencia de otros simuladores que utilizan
una simulación que toma en cuenta el tiempo para actualizar su estado. Esta característica se
8
Pontificia Universidad Javeriana
Propuesta para Trabajo de Grado - Proyecto de Investigación
utilizo para que al momento de que se consultara la tabla de estados de las neuronas se generar un evento que actualizara el estado de la simulación y de esta manera utilizar como unidad
fundamental de actualización los eventos y no tener que actualizar continuamente la simulación sino solo cuando fuera necesario.
EDLUT es simulador que se baso en otro enfoque al momento de realizar una simulación y
obtuvo buenos resultas. Sin embargo hay que tener en cuenta que este tipo de simulaciones
está enfocado en realizar simulaciones en una sola maquina, pero si se desea realizar una
simulación mucho mayor utilizando un sistema distribuido tal vez este no sea el mejor enfoque ya que podría conllevar algunos problemas como la consulta remota de las tablas o que la
información se encuentre replicada en todos los computadores. Todos estos aspectos han de
ser tomados en cuenta a la hora de ver este simulador como una herramienta para simular una
red neuronal de tamaño real para no tener problemas y perder lo que ha ganado con el enfoque que ha tomado. Otro aspecto que se debe tomar en cuenta es que EDLUT no realiza un
modelo detallado en las neuronas sino que se enfoca en su comportamiento y deja a un lado
su fisiología, por esto es difícil compararlo con otros simuladores como [2] y [1] en los cuales
es posible realizar una simulación detallada pero que necesita de más recursos.
NEURON
NEURON nació con la motivación de los grandes avances que se han presentado en el campo
de las neurociencias en los cuales permitieron conocer a profundidad varias de las características de las neuronas y cómo interactúan entre ellas. NEURON es un simulador que provee
un ambiente flexible y poderoso de desarrollo el cual es capaz de recrear modelos biológicos
teniendo en cuenta características tanto eléctricas como químicas de una neurona o una red de
neuronas. Este simulador se diseño teniendo en mente el poder recrear modelos neuronales
realistas pero siempre pensando en una simulación eficiente, esto quiere decir que utilizara de
forma adecuada los recursos de la computadora en la que se está ejecutando para lograr los
mejores resultados posibles. Para esto se definió un nivel de detalle en las simulaciones el
cual sea suficiente para tomar en cuenta las características más importantes de las neuronas
pero siempre pensando en si estas características son relevantes al momento de evaluar la
interacción o el comportamiento de las neuronas.
NEURON se destaca por 3 características que lo identifican:


9
El usuario no necesita saber otros lenguajes o algún concepto diferente al de el dominio
de las neurociencias, ya que el simulador le brinda un lenguaje intuitivo, el cual le permitirá a realizar simulaciones con una curva de aprendizaje bastante baja.
NEURON trae incluidas librerías que le permitirán al usuario controlar la simulación de
forma fácil, mostrar los resultados e interactuar con estos.
Pontificia Universidad Javeriana

Propuesta para Trabajo de Grado - Proyecto de Investigación
El Engine con el que trabaja es muy eficiente ya que utiliza algoritmos especiales que
están optimizados para el procesamiento de las ecuaciones que modelan el comportamiento de los nervios.
Al Igual que [1] NEURON es un simulador que a sido trabajado durante mucho tiempo, lo
cual lo hace uno de los proyectos mas completos hasta el momento. Sin embargo algunos
aspectos como su enfoque de solo estudiar redes neuronales de tamaños no muy grandes han
sido criticados, esto ya que su algoritmo es muy eficiente en redes de tamaño pequeño sin
embargo cuando las redes crecen el algoritmo se torna ineficiente lo cual lo hace inviable
para recrear grandes modelos. Al igual que [1] otro de los aspectos que se le critica es que
evalúa redes neuronales ya formadas y no toma en cuenta como es la evolución de una red,
NEURON es un gran simulador que se dio a conocer por su algoritmo el cual lo hace muy
eficiente sin embargo como en los otros simuladores aun hay que mejorar algunos aspectos,
aunque como ya antes se a hablado depende del enfoque que el usuario desee tener al momento de estudiar las redes neuronales biológicas.
Blue Brain Project
Blue Brain Project es un esfuerzo apoyado por IBM para realizar simulaciones con redes
neuronales biológicas a gran escala. Para su realización se utiliza actualmente el súper
computador Blue Gene creado en el 2005 el cuenta con la capacidad de 36,01 teraflops1. Este
Proyecto utiliza versiones modificadas de NEURON y GENESIS para que funcionen en el
supercomputador de tal manera que es capaz de recrear simulaciones tanto grandes como
pequeñas. También incorporo la capacidad de simular el crecimiento de redes neuronales y
sus interacciones.
1
10
(36,01 billones de operaciones en puntoflotanteporsegundo)
Pontificia Universidad Javeriana
Propuesta para Trabajo de Grado - Proyecto de Investigación
Ilustración 2 Estructura Blue Gene
Actualmente Blue Gene es capaz de recrear una red de aproximadamente el cerebro de un
ratón, esto es aproximadamente una de red de 100.000 neuronas formadas. Este proyecto a
realizado grandes avances en este campo de investigación sin embargo la mayor critica que se
hace de este proyecto es que es difícil acceder a los resultados que a generados ya que solo se
publican pequeños resúmenes en artículos que no están al alcance de cualquier persona, pero
es innegable la gran contribución que a hecho a este campo ya que a mostrado que grandes
empresas como IBM están interesadas y dispuestas a invertir grandes cantidades de recursos
en el desarrollo de las neurociencias.
CX3D (Cortex simulator in 3D)
CX3D (Cortex simulator in 3D) es un simulador del crecimiento y formación de redes neuronales. Fue creado por el instituto de neuro-informática de la universidad de Zürich y Eidgenossische Technische Hochschule Zürich. Este simulador se realizo con la colaboración de
[11], el cual busca a partir de herramientas informáticas poder realizar análisis del comportamiento de redes neuronales y utilizar los resultados para generar avances en las diferentes
áreas que componen a las neurociencias.
CX3D está enfocado en realizar un modelo de crecimiento que pueda generar redes neuronales pero manteniendo un grado de detalle alto en el modelo de las neuronas, de tal manera que
11
Pontificia Universidad Javeriana
Propuesta para Trabajo de Grado - Proyecto de Investigación
pueda tener en cuenta los aspectos más relevantes de la fisiología de las neuronas y sus interacciones. Cada neurona se modeló teniendo en cuenta el soma el cual contiene el citoplasma,
los componentes que este contiene y se encuentra representado mediante una superficie esférica en la simulación. Las neuritas son representadas mediante superficies cilíndricas las cuales se unen para formarlas. Estos dos componentes (soma, neuritas) interactúan entre sí para
formar una neurona, sin embargo también interactúan con otras células ya sea en la formación
de sinapsis o mediante fuerzas mecánicas que una neurona puede ejercer sobre otra. Para la
modelación de estas fuerzas mecánicas existe una correlación mediante una maya la cual
constantemente evalúa las fuerzas existentes a su alrededor y modifica la posición
(Ilustración 3 Neurona CX3D).
Otros de sus aspectos más notables del CX3D son la replicación celular y la difusión de partículas. La primera permite analizar la evolución de una red neuronal en crecimiento lo cual en
otros trabajos como [1] y [7] es imposible debido a que no se tomada en cuenta esta característica, por lo tanto sólo es posible simular una red neuronal ya formada. En cuanto a la difusión celular permite que el medio también sea un factor influyente en cómo las neuronas evolucionan (Ilustración 4 Crecimiento neuronal en un medio).
Sin embargo a pesar de todas estas características notables este simulador aún está en desarrollo por lo cual algunas características como la electro-fisiología actualmente no está implementada, lo cual limita el simulador a solo el análisis del crecimiento de una red neuronal
sin interacciones. Otra de las críticas que ha recibido este simulador es que debido a que esta
desarrollado en una plataforma como java que funciona sobre una maquina virtual, se limita
las capacidades del simulador y no explota al máximo la maquina en la que se ejecuta. Otro
aspecto que este simulador aun no posee es la capacidad de llevar acabo análisis de datos de
las redes simuladas.
Ilustración 3 Neurona CX3D
12
Pontificia Universidad Javeriana
Propuesta para Trabajo de Grado - Proyecto de Investigación
Como podemos notar CX3D es un simulador que aún carece de algunas características importantes, sin embargo es importante tener en cuenta que ha abordado nuevos aspectos en la
simulación de redes neuronales los cuales antes no se tenían en cuenta. También es importante el hecho de que sea un simulador de código abierto lo que permite que cualquier persona
con el conocimiento suficiente del tema y de programación sea capaz de aportar y así cada
vez hacer que el simulador sea más completo o que mejore sus capacidad tanto en rendimiento como en cada una de las características que ya tiene implementadas.
Ilustración 4 Crecimiento neuronal en un medio
Cuadro Comparativo
En esta sección se presenta una tabla la cual contiene las características en cuanto al nivel de
detalle al que manejan la simulación. La segunda parte de tabla toma en cuenta detalles referentes al desarrolló de cada uno de los simuladores encontrados. Estas características fueron
la base para la selección del simulador con el cual se desarrollara el proyecto, la justificación
de esto se encuentra en la sección 1.3.
Tabla 1 Simuladores Neuronales
Características
13
CX3D
Génesis
EDLUT
NEURON
BLUE
BRAIN
PROJECT
Redes Neuronales
Artificiales
Pontificia Universidad Javeriana
Propuesta para Trabajo de Grado - Proyecto de Investigación
Modelo Neuronal
Nivel de Detalle
ALTO
Modificable(Puede
ser Alto, Medio o
Bajo)
Medio
Modificable
Modificable
Bajo
División Celular
SI
NO
NO
NO
SI
NO
Migración Celular
SI
SI
NO
SI
SI
NO
Neuritas (Axones
y Dendritas)
SI
SI
Parcialmente
SI
SI
Parcialmente
Formación de
Sinapsis
SI
SI
SI
SI
SI
Parcialmente
Electro-fisiología
NO
SI
SI
SI
SI
Difusión de partículas en el medio
SI
NO
NO
NO
SI
NO
Componentes del
citoplasma y
micro-túbulos
SI
SI
NO
SI
SI
NO
Lenguaje de
desarrollo
JAVA
C++ 4, Lenguaje
de Alto Nivel
C++
C++
C++
Varios Lenguajes
Distribuido
NO
SI
NO
NO
SI
SI
Visualización
global
SI
SI
NO
SI
SI
NO
Visualización
detallada
NO
SI
NO
SI
SI
NO
NO
SI
SI
SI
SI
SI
2
3
Características
del desarrollo
Informes sinapti5
cos
2
Los niveles de detalleestán dados según el grado de abstracciónquecadasimuladormaneja, estobasado en Garrido,
J., EDLUT SIMULATOR. 2009, Departamento de Arquitectura y Tecnología de computadores: Granada.
3
Simulasufuncionamiento más no sufisiología.
4
El desarrollo Original es en C++ sin embargo no esposibleacceder al códigofuente solo esmodificable mediante
scripts.
5
Los informes de resultadosconsisten en undocumentoquemuestradatosacerca de la interacción entre lasneuronas.
14
Pontificia Universidad Javeriana
Propuesta para Trabajo de Grado - Proyecto de Investigación
3. Objetivos
3.1 Objetivo General
Implementar un prototipo a partir de un modelo informático que permita llevar acabo una
visualización de la electro-fisiología asociada al simulador neuronal biológico CORTEX 3D.
3.2 Objetivos Específicos






15
Llevar a cabo una investigación del modelo biológico asociado al simulador CORTEX 3D.
Llevar a cabo una investigación acerca de los modelos matemáticos asociados a la electro-fisiología de las neuronas.
Realizar un proceso de selección para determinar qué modelo es el mejor con el fin de
realizar la electro-fisiología para CORTEX 3D.
Implementar un modelo informático a partir del modelo seleccionado de electrofisiología.
Implementar el sistema propuesto.
Validar el funcionamiento del sistema.
Pontificia Universidad Javeriana
Propuesta para Trabajo de Grado - Proyecto de Investigación
4. Gestión del Proyecto
4.1 Actividades
Para la definición de las actividades se establecieron 3 fases las cuales cada una enmarca uno
de los objetivos específicos de las sección 3.2 , cada una de estas fases consta de un conjunto
de actividades y unos resultados entregables.
4.1.1 Fase 1: Documentación
En esta se lleva acabo todo el trabajo de investigación en el cual se consultaran las fuentes y
se realizara un análisis de la información recolectada.
Objetivo
Actividades
• Realizar una búsqueda de
los documentos asociados al
desarrollo de CORTEX 3D.
Llevar acabo una investigación del modelo biológico
asociado al simulador
CORTEX 3D.
Llevar acabo una investigación acerca de los modelos
matemáticos asociados a la
electro-fisiología de las neuronas.
• Realizar un documento
donde se describa cada uno
de los elementos de
CORTEX 3D y como estos
están relacionados.
• Consultar diversas fuentes
de información en buscar de
los modelos asociados a la
electro-fisiología neuronal.
• Llevar acabo una clasificación según que características se consideran cada uno
de los modelos encontrados
Entregables
• Documento con la descripción de el modelo utilizado
para CORTEX 3D.
• Marco Teórico.
• Descripción de los modelos
encontrados con sus características, ventajas y desventajas de cada uno.
• Estado del Arte.
Ilustración 5 Actividades Fase 1Documentación
16
Pontificia Universidad Javeriana
Propuesta para Trabajo de Grado - Proyecto de Investigación
4.1.2 Fase 2: Diseño
Una vez se han obtenido las características deseadas para el desarrollo de la aplicación estas
serán llevadas al siguiente nivel al diseñar el sistema deseado teniendo muy en cuenta que
cumpla con todas las características identificadas y sin que ninguna de esta se vea en contradicción con las otras, además de estas características también se tendrá muy en cuenta otros
factores relevantes como es el uso de recursos para de esta manera dotar a la aplicación de un
funcionamiento óptimo.
Objetivo
Actividades
Entregables
• Realizar una especificación
de las características relevantes para la simulación.
Realizar un proceso de selección para determinar que
modelo es el mejor para realizar la electro-fisiología en
para CORTEX 3D
Implementar un modelo informático a partir del modelo
seleccionado para la electrofisiología.
• A partir de los modelos
clasificados se realizara una
selección teniendo en cuenta
que características son mas
relevantes para la simulación
en CORTEX 3D.
• Diseñar un modelo informático de acuerdo al modelo
matemático seleccionado
• Implementar un prototipo
de acuerdo al modelo propuesto
• SRS “ Especificación de
requerimientos de software”.
• Modelo informático de la
electro-fisiología para
CORTEX 3D.
Ilustración 6 Actividades Fase 2Diseño
4.1.3 Fase 3: Implementación
En esta ultima fase se tomara el diseño generado en las fase anterior el cual se implementara,
se llevara acabo un plan de pruebas sobre el desarrollo el cual estará guiado por un experto y
se realizaran comparaciones con software similares. Con esto se obtendrán resultados de si la
17
Pontificia Universidad Javeriana
Propuesta para Trabajo de Grado - Proyecto de Investigación
aplicación cumple con los requerimientos. En caso de no cumplirlos se realizara una nueva
iteración en la cual se corregirán las deficiencias encontradas, hasta que la aplicación cumpla
con los requerimientos especificados.
Objetivo
Actividades
• Diseñar un plan de pruebas
para llevar a cabo en el sistema.
Validar el funcionamiento
del sistema.
• Llevar acabo el plan de
pruebas propuesto.
• Elaborar conclusiones acerca de los resultados arrojados
junto con la opinión de un
experto
Entregables
• Documento de pruebas
• Informe con los resultados
obtenidos a partir del experto
y comparación con aplicaciones similares.
• Memorias
Ilustración 7 Actividades Fase 3 Implementación
4.2 Metodología
Debido a las características del proyecto las cuales se basan en una investigación constante
para llevar a cabo un resultado de calidad se tomo la decisión de que la metodología a utilizar
debía ser alguna con características iterativas, para de esta forma estar constantemente evaluando si el avance realizado es correcto y validar constantemente que los objetivos propuestos se logren de manera satisfactoria. Otra característica importante a tener en cuenta a la hora
de tomar la decisión de que metodología debía usarse fue el hecho de que no se cuenta con
mucho tiempo a la hora de desarrollar acabo el proyecto, por esta razón se opto por una metodología de desarrollo ágil.
Como resultado de las dos características mencionadas la metodología que decidió usarse es
SCRUM, esta es una metodología que nos permite cumplir con ambas características ya que
su desarrollo es incremental e iterativo, y también se considera una metodología de desarrollo
ágil por que permite definir metas en cortos periodos de tiempo las cuales en conjunto conforman la totalidad del proyecto, también es muy importante tener en cuenta que define una
documentación que no es demasiado extensa y que se revisa constantemente con el fin de que
sea de utilidad para el proyecto pero sin consumir demasiado tiempo. Para el desarrollo de
18
Pontificia Universidad Javeriana
Propuesta para Trabajo de Grado - Proyecto de Investigación
SCRUM se tienen en cuenta dos roles de importancia, el cerdo que en este caso representara
al desarrollador el cual brindara todo para el desarrollo de la aplicación y las gallinas las cuales representan a los usuarios finales, los cuales en este caso serán los expertos que asesoraran
el desarrollo de la aplicación para llevara a un buen termino.
4.3 Cronograma
La siguiente tabla muestra la planeación del cronograma para el proyecto teniendo en cuenta
cada una de las fases y las actividades que la componen.
Actividades Generales

Llevar acabo una investigación del modelo biológico asociado al simulador
CORTEX 3D.
Actividades Espesificas


o
o

8/02/11
18/02/11
Llevar acabo una investigación acerca
de los modelos matemáticos asociados
a la electro-fisiología de las neuronas.


o
o

21/02/11
9/03/11
Realizar un proceso de selección para
determinar que modelo es el mejor para realizar la electro-fisiología en para
CORTEX 3D


o
o

19
10/03/11
25/03/11
Implementar un modelo informático a
partir del modelo seleccionado para la
electro-fisiología.

Realizar una búsqueda de los documentos asociados al desarrollo de CORTEX 3D.
o 8/02/11
o 18/02/11
Realizar un documento donde se describa cada uno de los
elementos de CORTEX 3D y como estos están relacionados.
o 8/02/11
o 18/02/11
Consultar diversas fuentes de información en buscar de los
modelos asociados a la electro-fisiología neuronal.
o 21/02/11
o 25/02/11
Llevar acabo una clasificación según que características se
consideran cada uno de los modelos encontrados
o 28/02/11
o 9/03/11
Realizar una especificación de las características relevantes
para la simulación.
o 10/03/11
o 18/03/11
A partir de los modelos clasificados se realizara una selección
teniendo en cuenta que características son mas relevantes
para la simulación en CORTEX 3D.
o 21/03/11
o 25/03/11
Diseñar un modelo informático de acuerdo al modelo matemático seleccionado.
o 29/03/11
o 8/04/11
Pontificia Universidad Javeriana

Implementar un prototipo de acuerdo al modelo propuesto.
o 11/04/11
o 28/04/11

Diseñar un plan de pruebas para llevar a cabo en el sistema.
o 2/05/11
o 6/05/11
Llevar acabo el plan de pruebas propuesto.
o 9/05/11
o 18/05/11
Validar el funcionamiento del sistema. Elaborar conclusiones
acerca de los resultados arrojados junto con la opinión de un
experto.
o 19/05/11
o 27/05/11 17:00
29/03/11
28/04/11
o
o

Propuesta para Trabajo de Grado - Proyecto de Investigación
Validar el funcionamiento del sistema.
2/05/11
27/05/11
o
o


Ilustración8Tabla de Actividades
4.4 Presupuesto
RECURSO
20
COSTO UNITARIO
COSTO TOTAL
Horas de trabajo- Estudiante
$30.000
$12.000.000
Horas de trabajo- Director de Tesis
$90.000
$1’800.000
Alimentación
$800.000
Equipo de trabajo
$2.000.000
Material Bibliográfico: Libros y artículos.
$200.000
Costos Indirectos
$3.000.000
Imprevistos
$2.000.000
TOTAL
$21.800.000
Pontificia Universidad Javeriana
Propuesta para Trabajo de Grado - Proyecto de Investigación
5. Referencias
[1] B. B. BOWER J, The Book of GENESIS, 2003.
[2] D. R. Zubler F, “A frameworkformodelingthegrowth and development of neuronsandnetworks,” Frontiers in ComputationalNeuroscience, vol. 3, 2009.
[3] SNNAP, SNNAP, TheUniversity of Texas-Houston Medical School, Enero 2003. [Online].Available: http://snnap.uth.tmc.edu
[4] J. H. D. A. MCCORMICK, ELECTROPHYSIOLOGY OF THE NEURON, OXFORD
UNI- VERSITY PRESS, 1994.
[5] L. W, “Neural querysystem: data-miningfromwithintheneuronsimulator,” Neuroinformatics, 2006.
[6] P. H. A. M. A. Gewaltig M, MarkusDiesmann M, “Nest, a parallel and distributedsimulatorforlargenetworks of spikingneurons.”
[7] G. J, “Edlutsimulator,” 2009. [Online]. Available: http://edlut.googlecode.com
[8] L. S. R. J. S. L. Zigmond M, Bloom F, “Fundamental neuroscience,” PSICOTHEMA, vol.
11, pp. 699–702, 1999.
[9] MedicineNet. (2003) Definicion neurociencias. MedicineNet.com. MedicineNet. [Online].
Available: http://www.medterms.com/script/main/art.asp?articlekey=25656
[10] K. S. Beltrame F, “Neuroinformatics as a megascienceissue,” TRANSACTIONS ON
INFOR- MATION TECHNOLOGY IN BIOMEDICINE, vol. 3, pp. 239 – 240, 1999.
[11] SECO. (2010) Seco project. SECO. [Online]. Available: http://www.seco-project.eu/
[12] D. P. Abbott L, “Theoreticalneuroscience: Computational and mathematicalmodeling of
neural systems,” Journal of CognitiveNeuroscience, vol. 15, pp. 154–155, 2001.
[13] B. D, “Genesismodeling tutorial,” Electrical and ComputerEngineeringDepartment, vol.
1,2005.
[14] D. R. W. J. D. J. S. Y. Breau F, Maio-Cannon S, “Theneuronemulator: Anundergraduatebiomedicalengineeringdesignproject,” 2005.
[15] G. P. B. U. C. H. H. M. H. F. M. E. S. J. W. S. S. E. Cannon R, Gewaltig M, “Interoperability of neurosciencemodeling software current status and futuredirections,” Neuroinformatics, 2007.
[16] A. L. Dayan P, “Theoreticalneuroscience: Computational and mathematicalmodeling of
neural systems,” Journal of CognitiveNeuroscience, vol. 15, pp. 154 – 155, 2003.
[17] S. S. Demir, “Icell: Aninteractive web resourceforsimulation-basedteaching and learning
in electrophysiology training,” 2003.
21
Pontificia Universidad Javeriana
Propuesta para Trabajo de Grado - Proyecto de Investigación
[18] D. M, “Nest: Anenvironmentfor neural systemssimulations.”
[19] A. A. Diesmann M, Gewalting M, “Synod: Anenviromentfor neural systemsimulation,”
1995.
[20] G. A. S. F. M. H. S. I. Druckmann S, Banitt Y, “A novel multipleobjectiveoptimizationframeworkforconstrainingconductance-basedneuronmodelsby experimental data,” Frontiers
in Neuroscience, vol. 1, 2007.
[21] C. N. Hines M, “Theneuronsimulationenvironment,” Neural Computation, vol. 9, 1999.
[22] H. F. HODGKIN A, “A quantitativedescription of membranecurrent and itsaplicationtoconduction and excitation in nerve,” 1952.
[23] M. D. HUGUENARD J, ELECTROPHYSIOLOGY OF THE NEURON, A. C. toNeurobiology, Ed. OXFORD UNIVERSITY PRESS, 1994.
[24] S. C. Izaurieta F, “Redes neuronales artificiales,” 2000.
[25] H. S. G. P. M. H. S. F. King J, Hines S, “A componentbasedextensionframeworkforlarge-scaleparallelsimulations in neuron,” Frontiers in Neuroinformatics, vol. 3, 2009.
[26] L. E, “Analogmodel of neurons,” The Industrial Physicist, vol. 6, 2000.
[27] L. R. D. Lopez A, Mariño S, “Simulacion de redes neuronales artificiales: Una herramienta para a doncencia en castellano.”
[28] M. H, “Thebluebrainproject,” NATURE REVIEWS, vol. 7, 2006.
[29] O. E, “A simplified neural model as a principal modelanalyzer,” JournalMatematicalBiology,vol. 15, pp. 267 – 263, 1982.
[30] R. W, “Electrophysiology of a dendriticneuronmodel.”
[31] B. B. B. C. C. O. Richard R. Carrillo A, Rosa E, “Event–drivensimulation of neural populationsynchronizationfacilitatedbyelectricalcoupling,” BioSystems, vol. 87, pp. 275–280,
2007.
[32] R. C, “Anoverview of neural engineering,” no. 22, 2000.
[33] K. R. Sporns O, Tononi G, “The human connectome: A structuraldescription of the humanbrain,” PLoSComputBiol, 2005.
[34] I. K. Suzuki T, Fujimaki N, “ibrain: a simulation and visualizationtoolforactivation of
brainareason a realistic 3d brainimage,” BioMed Central. SixteenthAnnualComputationalNeuroscience Meeting, 2007.
[35] Z. F, CX3D short tutorial, version 0.5 ed., CX3D Project, August 7 2009.
22
Pontificia Universidad Javeriana
23
Propuesta para Trabajo de Grado - Proyecto de Investigación