Hay muchas maneras de hacerlo dependiendo de cuáles sean sus objetivos e intereses. Aquí hay tres.
- Puede estudiar la neuroplasticidad en un nivel algorítmico para comprender cómo los cambios en el peso entre las neuronas artificiales en una red neuronal pueden realizar una tarea de aprendizaje.
- Puede estudiarlo a un nivel mecanicista donde construya modelos biológicamente plausibles que capturen la dinámica no lineal de las diversas moléculas de señalización y los canales iónicos. Puede alimentar las entradas del modelo de diferentes intervalos de tiempo para ver cómo el historial pasado de las entradas afecta la respuesta a la entrada actual. Un modelo de partida para esto puede ser el modelo Hodgkin Huxley. Luego puede agregar canales iónicos adicionales para ver cómo afectan el comportamiento de los picos. Esto puede ser útil para los fines del descubrimiento de fármacos donde los modelos pueden ayudar a formular hipótesis sobre cómo la modulación de un determinado receptor o canal iónico puede afectar la señalización de las neuronas y cómo se puede usar para tratar enfermedades en las que la señalización de las neuronas se interrumpe (por ejemplo, epilepsia
- Puede modelar la dinámica no lineal entre neuronas con modelos de caja negra para crear dispositivos biomiméticos para reparar el tejido cerebral dañado.