МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ
Федеральное государственное бюджетное образовательное учреждение
высшего профессионального образования
"Нижегородский государственный университет им. Н.И. Лобачевского"
Института Аспирантуры и Докторантуры ННГУ
Исследовательской школы «Нейробиотехнологии»
Рабочая программа
Дисциплины
“ Анализ нейрофизиологических данных ” Направление подготовки по специальности 03.01.02 «Биофизика» и 01.04.03 «Радиофизика»
Нижний Новгород 2012 1. Цели освоения дисциплины Целями освоения дисциплины является оформление целостного представления об основных методиках регистрации и анализа биоэлектрических сигналов в нейронных сетях мозга, формирование умений разбираться и разрабатывать методики статистического анализа экспериментальных данных, анализировать разрабатывать методы обработки данных с целью выявления достоверных характеристик сигналов, обобщать результаты и объяснять их в рамках поставленных гипотез.
Основными целями курса являются 1) оформление целостного представления о статистическом и математическом анализе различных экспериментальных данных, полученных в экспериментах исследования активности мозга, в частности в экспериментах со срезами мозга крыс и культурами нейронов гиппокампа 2) основами обработки электрических сигналов в экспериментах регистрации и стимуляции нейронных сетей 3) разработки методов анализа данных в различных средах программирования.
Задачи дисциплины заключаются в развитии следующих знаний, умений и навыков личности:
– понимание основных принципов распространения сигналов нейронных сетях.
- знание основ статистического и математического анализа.
– знание методов обработки сигналов, регистрируемых в различных экспериментах с нейронными сетям: имиджинг, мультиэлектродные матрицы.
- разработки методов анализа данных в средах программирования Matlab, Labview.
– понимание многообразия различных моделей нейронных сетей и интерпретаций экспериментальных данных в исследовании нейронных сетей.
– умение логически мыслить, вести научные дискуссии, творческое мышление, самостоятельность суждений, интерес к электрическим сигналам в живых и моделированных нейронных сетях 2. Место дисциплины в структуре ООП Данная дисциплина относится к группе дисциплин по выбору аспиранта образовательной компоненты основной образовательной программы послевузовского профессионального образования (в соответствии с Федеральными государственными требованиями).
Требования к входным знаниям, умениям и компетенциям аспирантов. Для успешного изучения курса необходимо иметь общие представления о статистическом и математическом анализе, базовые понятия об устройстве биологических нейрональных клетках, принципах генерации и распространении потенциала действия на мембране нейрона, уметь логически и последовательно излагать факты, объяснять причинно-следственные связи, используя общие и специальные понятия и термины, владеть навыками работы с учебной литературой и электронными базами данных.
Изучение настоящей учебной дисциплины является основой для дальнейшего успешного изучения экспериментальных методик исследования нейронных сетей.
3. Требования к результатам освоения дисциплины Процесс изучения дисциплины направлен на формирование следующих компетенций:
- приобретает новые знания и формирует суждения по научным другим проблемам, используя современные образовательные и информационные технологии;
- использует в познавательной и профессиональной деятельности базовые знания в области точных наук (ОК-7);
- проявляет творческие качества (ОК-14);
- правильно ставит цели, проявляет настойчивость и выносливость в их достижении (ОК-15);
- заботится о качестве выполняемой работы (ОК-16);
- умеет работать самостоятельно и в команде (ОК-18);
При этом понятие «компетентность» рассматривается не как сумма знаний, умений и навыков, а как совокупность личных качеств студента (ценностно-смысловых ориентаций, знаний, умений, навыков и способностей), и определяется, как способность решать проблемы, самостоятельно находить ответы на вопросы, возникающие в его повседневной жизни, средствами, предоставляемыми учебным курсом «Анализ сигналов в нейрофизиологии».
Для достижения такого результата, при определении планируемых результатов освоения содержания курса предлагается выделить основные составляющие компетенции – выраженные в виде требований к подготовке студентов интегральные умения (группы умений), включающие умения анализировать и обобщать историческую информацию, интегрировать знания и умения, полученные в процессе изучения курса с жизненным опытом.
1. Умение в конкретной ситуации распознать и сформулировать проблемы, которые могут быть решены средствами учебного курса. Данная компетенция проявляется в способности распознать и сформулировать вопросы, возникающие в конкретной ситуации:
«Как проверить достоверность результата?», «Почему здесь именно так, а не иначе?» и др.;
2. Умение объяснить любой полученный экспериментальный результат к конкретной гипотезе эксперимента.
3. Умение находить информационно значимые характеристики на фоне множества параметров в сложных биологических системах.
4. Умение выделить только достоверную и необходимую информацию, необходимую для решения той или иной проблемы (припомнить недостающую информацию или выбрать соответствующий источник информации и найти её в нём);
5. Умение сделать вывод и сформулировать решение проблемы на основе анализа как имеющейся в ситуации, так и дополнительно собранной информации.
В результате освоения дисциплины обучающийся должен:
– основные направления, проблемы, теории и методы анализа о обработки экспериментально полученных данных;
– различные подходы к оценке периодических и статистических параметров активностей нейронных сетей.
– логически мыслить, вести научные дискуссии;
– работать с разноплановыми источниками;
– осуществлять эффективный поиск информации и критики источников;
– получать, обрабатывать и сохранять источники информации;
– преобразовывать информацию в знание, осмысливать процессы, события и явления в нейронных сетях в их динамике и взаимосвязи, руководствуясь принципами научной объективности;
– формировать и аргументировано отстаивать собственную позицию по различным проблемам получения и анализа информационных характеристик активности нейронных сете;
Владеть:
– представлениями о биоэлектрических процессах в нейронных сетях – навыками анализа математического и статистического анализа;
– приемами ведения дискуссии и полемики.
4. Структура и содержание дисциплины Общая трудоемкость дисциплины составляет 1 зачетная единица 36 часов.
сигналов в нейронных сетях и предварительный интерпретация результатов программирования Matlab и Labview № Наименование раздела п/п дисциплины Введение в исследование История, виды и типы исследования биоэлектрической биоэлектрических сигналов в активности в мозге. Методология и теория регистрации нейронных сетях электрических сигналов с точки зрения физики.
Методы регистрации сигналов в Методы регистрации сигналов: патч-кламп, конфокальный нейронных сетях и нейроимиджинг, мультиэлектродные матрицы. Общие предварительный анализ принципы генерации электрических сигналов в клетках мозга.
Методологические основы Основы статистического анализа. Оценка множества изучения математического и экспериментально полученных данных. Сравнение статистического анализа распределений величин. Достоверность различий.
Разработка методов анализа Основные инструменты при анализе данных:
данных в средах обработка файлов данных, работа с матрицами программирования Matlab и величин, построение графиков и распределений Labview Используются традиционные и нетрадиционные методики как то: лекция, проблемная лекция, лекция с ошибками, семинарские занятия, групповая работа, компьютерная презентация.
Все виды аудиторных занятий сочетают образовательную, воспитательную практическую и методическую функции. В основе преподавания и изучения истории лежат общенаучные методы. На лекциях рекомендуется использовать мультимедийное презентационное оборудование для демонстрации иллюстративного материала, таблиц и схем, основных тезисов и выводов по теме.
Целесообразно по каждой теме составить список терминов и понятий и перечень контрольных вопросов, которые выносятся на самостоятельное изучение студентов.
Практические занятия (семинарские занятия) в зависимости от конкретных целей и уровня подготовки студентов могут проводиться в форме вопросов – ответов, обсуждения подготовленных докладов. Метод вопросно-ответного семинара в большей степени направлен на осмысление.
6. Учебно-методическое обеспечение самостоятельной работы студентов Самостоятельная работа студентов включает работу в читальном зале библиотеки, в учебных кабинетах (лабораториях) и в домашних условиях, с доступом к ресурсам Интернет.
Самостоятельная работа студентов подкреплена учебно-методическим и информационным обеспечением, включающим учебно-методические пособия, конспекты лекций.
Формы и методы контроля и оценки результатов освоения модулей приведены в таблице:
Введение в исследование посещаемость, участие в оценка преподавателя биоэлектрических сигналов в опросе и обсуждениях, нейронных сетях выполнение практического Методы регистрации сигналов в посещаемость, участие в оценка преподавателя предварительный анализ выполнение практического Методологические основы посещаемость, участие в оценка преподавателя изучения математического и опросе и обсуждениях, статистического анализа выполнение практического Разработка методов анализа посещаемость, участие в оценка преподавателя данных в средах опросе и обсуждениях, программирования Matlab и выполнение практического Labview 7. Учебно-методическое и информационное обеспечение дисциплины а) основная литература:
1. Shahaf G. and Marom S. Learning in networks of cortical neurons // J. Neurosci. 2001.
V. 21. P. 8782–8788.
2. Marom S., Shahaf G. Development, learning and memory in large random networks of cortical neurons: lessons beyond anatomy // Q. Rev. Biophys. 2002. V. 35. P. 63-87.
3. le Feber J, Stegenga J, Rutten WLC. The Effect of Slow Electrical Stimuli to Achieve Learning in Cultured Networks of Rat Cortical Neurons // PLoS ONE. 2010. 5(1): e8871.
doi:10.1371/journal.pone.0008871.
4. Shahaf G., Eytan D., Gal A., Kermany E., Lyakhov V., et al. Order-Based Representation in Random Networks of Cortical Neurons // PLoS Comput Biol. 2008. 4(11):
e1000228. doi:10.1371/journal.pcbi.1000228.
5. Wagenaar D.A., Madhavan R., Pine J., Potter S.M. Controlling bursting in cortical cultures with closed-loop multi-electrode stimulation. J. Neurosci. 2005; 25: 680-688.
б) программное обеспечение:
программы Windows XP, Microsoft Office, Adobe Reader, Internet Explorer, Matlab, NI базы данных, информационно-справочные и поисковые системы В учебном процессе необходимы:
1. Поточные лекционные аудиторий оснащенных современными техническими средствами обучения (компьютер, проектор, интерактивная доска).
2. Компьютер PENTIUM -4, ноутбук.
4. Проекционная техника.
5. Видеотехника.
6. Доступ к сети интернет.
Программа составлена в соответствии с требованиями ФГОС ВПО с учетом рекомендаций и ПрООП ВПО по направлению, специальности (специализации) «Биофизика».
Автор к.ф.-м.н. м.н.с кафедры Нейродинами и Нейробиологии ННГУ им. Н.И. Лобачевского А.С.Пимашкин Руководитель школы, зав. каф. нейродинамики и нейробиологии, д.ф.-м.н. _В.Б. Казанцев