Universidad Politécnica de Cartagena TESIS DOCTORAL “UNA ...
Universidad Politécnica de Cartagena TESIS DOCTORAL “UNA ... Universidad Politécnica de Cartagena TESIS DOCTORAL “UNA ...
Capitulo 3. El Agarre en la EP. Modelos Computacionales. movimiento de agarre está dirigido por dos programas motores independientes que normalmente se ejecutan de manera casi simultánea. Estos mismos autores presentan varias posibilidades para el origen del retraso en el establecimiento de la componente de agarre. Una de ellas, expresada en Castiello y col (1993) como, “...dados los dos canales de procesamiento neuronal activos en el movimiento de agarre, la anormalidad de la función estriatopalidal, causada por una deflexión de dopamina nigroestriatal en la enfermedad de Parkinson, resulta en un déficit en el procesamiento simultáneo de dos programas motores diferentes” que es la hipótesis que concuerda con los postulados de trabajo que hemos venido utilizando a lo largo de las últimas secciones, a saber, que ciertos aspectos del procesamiento de la información en los distintos submódulos estriatopalidales, se ven críticamente afectados tras una deflexión dopaminérgica. Esta disfunción influye en la capacidad para establecer el orden temporal de las salidas estriatales y como consecuencia, en el establecimiento de rutinas de comportamiento motriz tan estereotipadas como la del movimiento de agarre, que requieren de la implementación simultánea de dos programas motores diferentes. 5.3 Modelo con perturbaciones En este apartado se presenta la integración de los modelos de ganglios basales desarrollados a lo largo de secciones anteriores con el modelo neuronal para la generación y control del movimiento de agarre bajo condiciones de perturbación expuesto en el Capítulo anterior (Figura 2.6). Esta integración se ha llevado a cabo a través del desarrollo de dos modelos. El primero de ellos (Figura 3.21) es equivalente al que muestra la Figura 2.6 salvo que en este caso, ya no tenemos una única señal GO común para ambos procesos. En este modelo se tienen dos módulos ganglio-basales diferentes (Figura 3.16) que generan dos señales talámicas independientes (VLA y VLT) cuya función es la de actuar como dos señales GO (GOA = g0A * VLA y GOT = g0T * VLT; g0A = g0T) diferenciadas. Dichas señales, modulan la ejecución en dos canales VITE independientes de las dos componentes del movimiento de agarre. En este modelo no se introduce red interneuronal estriatal alguna. Como muestra la Figura 3.21, la acción del sistema de reseteado (neurona R) ante la detección de una perturbación del movimiento es sobre las neuronas VLA y VLT (las cuales generan las señales de paso – ganancia palido-talámicas) de una manera similar a la expuesta por la ecuación (2.11) del Capítulo anterior. 135
Capitulo 3. El Agarre en la EP. Modelos Computacionales. I T T T D T P T VL T E T R Figura 3.21. Modelo 1 para la coordinación espacio temporal del movimiento de agarre en condiciones normales y en condiciones parkinsonianas. El segundo modelo (Figura 3.22) consiste en la integración del sistema compuesto por dos módulos ganglio-basales y una red de interneuronas estriatales como la expuesta en el apartado 4.2 con el modelo de la Figura 2.6. En esta segunda propuesta se postula una acción de reseteado por parte de la neurona R sobre la actividad de las interneuronas estriatales IE en lugar de la acción de reseteado sobre la actividad de los módulos talámicos VLA y VLT postulada para el primer modelo. Con estas dos opciones se pretende estudiar el efecto que una deflexión dopaminérgica induce en la dinámica de los dos modelos y comparar dichos efectos con los resultados obtenidos en experimentos psicofísicos llevados a cabo con individuos. Esta comparación, como ya se ha comentado sirve como ventana de validación de las hipótesis que han llevado al diseño de los modelos desarrollados en esta Tesis. 136 E A VL A G A2 T A D A P A G A1 I A C p
- Page 91 and 92: Capitulo 2. Modelos Computacionales
- Page 93 and 94: Capitulo 2. Modelos Computacionales
- Page 95 and 96: Capitulo 2. Modelos Computacionales
- Page 97 and 98: Capitulo 3. El Agarre en la EP. Mod
- Page 99 and 100: Capitulo 3. El Agarre en la EP. Mod
- Page 101 and 102: Capitulo 3. El Agarre en la EP. Mod
- Page 103 and 104: Capitulo 3. El Agarre en la EP. Mod
- Page 105 and 106: Capitulo 3. El Agarre en la EP. Mod
- Page 107 and 108: Capitulo 3. El Agarre en la EP. Mod
- Page 109 and 110: Capitulo 3. El Agarre en la EP. Mod
- Page 111 and 112: Capitulo 3. El Agarre en la EP. Mod
- Page 113 and 114: Capitulo 3. El Agarre en la EP. Mod
- Page 115 and 116: Capitulo 3. El Agarre en la EP. Mod
- Page 117 and 118: Capitulo 3. El Agarre en la EP. Mod
- Page 119 and 120: Capitulo 3. El Agarre en la EP. Mod
- Page 121 and 122: Capitulo 3. El Agarre en la EP. Mod
- Page 123 and 124: Capitulo 3. El Agarre en la EP. Mod
- Page 125 and 126: Capitulo 3. El Agarre en la EP. Mod
- Page 127 and 128: Capitulo 3. El Agarre en la EP. Mod
- Page 129 and 130: Capitulo 3. El Agarre en la EP. Mod
- Page 131 and 132: Capitulo 3. El Agarre en la EP. Mod
- Page 133 and 134: Capitulo 3. El Agarre en la EP. Mod
- Page 135 and 136: Capitulo 3. El Agarre en la EP. Mod
- Page 137 and 138: Capitulo 3. El Agarre en la EP. Mod
- Page 139 and 140: Capitulo 3. El Agarre en la EP. Mod
- Page 141: Capitulo 3. El Agarre en la EP. Mod
- Page 145 and 146: Capitulo 3. El Agarre en la EP. Mod
- Page 147 and 148: Capitulo 3. El Agarre en la EP. Mod
- Page 149 and 150: Capitulo 3. El Agarre en la EP. Mod
- Page 151 and 152: Capitulo 3. El Agarre en la EP. Mod
- Page 153 and 154: Capitulo 3. El Agarre en la EP. Mod
- Page 155 and 156: Capitulo 4. Modelo Neuronal para la
- Page 157 and 158: Capitulo 4. Modelo Neuronal para la
- Page 159 and 160: Capitulo 4. Modelo Neuronal para la
- Page 161 and 162: Capitulo 4. Modelo Neuronal para la
- Page 163 and 164: Capitulo 4. Modelo Neuronal para la
- Page 165 and 166: Capitulo 4. Modelo Neuronal para la
- Page 167 and 168: Capitulo 4. Modelo Neuronal para la
- Page 169 and 170: Capitulo 4. Modelo Neuronal para la
- Page 171 and 172: Capitulo 4. Modelo Neuronal para la
- Page 173 and 174: Capitulo 4. Modelo Neuronal para la
- Page 175 and 176: Capitulo 4. Modelo Neuronal para la
- Page 177 and 178: Capitulo 4. Modelo Neuronal para la
- Page 179 and 180: Capitulo 4. Modelo Neuronal para la
- Page 181 and 182: Capitulo 4. Modelo Neuronal para la
- Page 183 and 184: Capitulo 4. Modelo Neuronal para la
- Page 185 and 186: Capitulo 4. Modelo Neuronal para la
- Page 187 and 188: Capitulo 4. Modelo Neuronal para la
- Page 189 and 190: Capitulo 4. Modelo Neuronal para la
- Page 191 and 192: Capitulo 4. Modelo Neuronal para la
Capitulo 3. El Agarre en la EP. Mo<strong>de</strong>los Computacionales.<br />
I T<br />
T T<br />
D T<br />
P T<br />
VL T<br />
E T<br />
R<br />
Figura 3.21. Mo<strong>de</strong>lo 1 para la coordinación espacio temporal <strong>de</strong>l movimiento <strong>de</strong> agarre en condiciones<br />
normales y en condiciones parkinsonianas.<br />
El segundo mo<strong>de</strong>lo (Figura 3.22) consiste en la integración <strong>de</strong>l sistema compuesto<br />
por dos módulos ganglio-basales y una red <strong>de</strong> interneuronas estriatales como la<br />
expuesta en el apartado 4.2 con el mo<strong>de</strong>lo <strong>de</strong> la Figura 2.6. En esta segunda propuesta<br />
se postula una acción <strong>de</strong> reseteado por parte <strong>de</strong> la neurona R sobre la actividad <strong>de</strong> las<br />
interneuronas estriatales IE en lugar <strong>de</strong> la acción <strong>de</strong> reseteado sobre la actividad <strong>de</strong> los<br />
módulos talámicos VLA y VLT postulada para el primer mo<strong>de</strong>lo. Con estas dos opciones<br />
se preten<strong>de</strong> estudiar el efecto que una <strong>de</strong>flexión dopaminérgica induce en la dinámica<br />
<strong>de</strong> los dos mo<strong>de</strong>los y comparar dichos efectos con los resultados obtenidos en<br />
experimentos psicofísicos llevados a cabo con individuos. Esta comparación, como ya se<br />
ha comentado sirve como ventana <strong>de</strong> validación <strong>de</strong> las hipótesis que han llevado al<br />
diseño <strong>de</strong> los mo<strong>de</strong>los <strong>de</strong>sarrollados en esta Tesis.<br />
136<br />
E A<br />
VL A<br />
G A2<br />
T A<br />
D A<br />
P A<br />
G A1<br />
I A<br />
C p