O Labirinto em Cruz Elevado (LCE) é um modelo animal para o estudo da ansiedade, suas bases biológicas e os efeitos de diferentes tipos de fármacos sobre o comportamento. Diferentes métodos têm sido usados para estudá-lo, dentro dos quais encontra-se a modelagem computacional. O presente trabalho junta-se a esses estudos utilizando as ferramentas da modelagem computacional para desenvolver dois modelos computacionais e índices que permitiram avaliá-lo. O primeiro deles estuda a maneira como os animais exploram o labirinto usando cadeias de Markov. Esta abordagem rendeu um método de caracterização capaz de identificar os efeitos de certos tipos de fármacos sobre a maneira como o animal explora o LCE, ao mesmo tempo que levanta alguns indícios sobre a quantidade de informação que o rato usa para tomar uma decisão. O segundo foi construído baseado na ideia do conflito como o determinante do comportamento do rato no LCE, adaptando um modelo de rede neural usado para avaliar informação conflitante: o modelo de dipolo chaveado de Grossberg. O objetivo desse segundo modelo foi avaliar a viabilidade de um modelo de competição de três forças: uma que insta explorar locais considerados amedrontadores, uma outra que insta procurar proteção e a última que representa o vigor do animal. Cada uma das forças que compõem o modelo recebe sinais vindos do ambiente e a maneira como processam esses sinais pode ser afetada pelos efeitos de um determinado fármaco. O modelo reproduz os efeitos esperados dos três tipos de fármacos fazendo mudanças em no máximo dois de seus parâmetros. Da mesma maneira, o modelo reproduz parte do comportamento esperado na Arena, precisando apenas de um pequeno ajuste para reproduzir as trajetórias que o animal costuma fazer em torno das paredes desse labirinto. Pode-se concluir que o modelo computacional descreve uma possível maneira de como as variáveis que controlam o comportamento do rato no LCE interagem e de como os fármacos interagem com essas variáveis, permitindo a reprodução do comportamento do rato no LCE e em outros labirintos como a Arena. O modelo foi construído para reproduzir os efeitos de três tipos de fármacos, porém, a maneira como esses tipos de fármacos interagem com o modelo não foi condicionada a um local ou maneira específico. Esta abordagem permite procurar outras interações que não somente reproduzam os efeitos de fármacos conhecidos, mas também possam predizer os efeitos de fármacos ainda não estudados.

The Elevated Plus Maze (EPM) is an animal model for the study of anxiety, its biological foundations, and the effects of different kinds of drugs on behavior. A group of different modeling methods have been used to study the rat behavior in the EPM. One of them characterizes rat behavior the EPM using directed graphs and proposes an index which can be used to classify the drug type and dosis. The other two methods were used to construct computational models for the rat behavior. The first of these models used Markov chains to reproduce the rat behavior. This approach offers a method to characterize the rat behavior, which is able to identify the effects of certain kinds of drugs on the way the rat explores the maze and, at the same time, raises some clues on how much information is used by the animal to take a decision. The second one was built based on the idea that conflict determines the rat behavior in the EPM. Conflict was introduced in the model via an adapted version of Grossberg's gated dipole artificial neural network model. The goal was to evaluate the viability of a competition-based model with three kind of drives: a drive to explore threatening places, a drive to seek protection, and a drive to move, related to the energy of the animal. The model receives and processes signals from the environment according to the states of these three drives, and the way in which the signals are processed can be influenced by effects of specific drugs. This model reproduces the expected effects of three types of drugs with modifications of up to two parameters. The model also reproduces part of the expected behavior of the animal in the Arena, a different maze, by requiring only small adjustments to reproduce the trajectory of the rat around the walls. It is possible to conclude that this computational model captures elements of the interaction of variables which control the rat behavior in the EPM and how drugs interact with these variables. These elements may also be present in the rat behavior in the Arena. The tools and models presented here offer new paradigms to study rat behavior in the EPM. They can offer new benchmarks to characterize rat behavior and can be used to study the effects of different drugs and their interactions.